La investigación fundamental, las tecnologías modernas y las estrategias de datos robustas y flexibles están en el núcleo de la investigación y desarrollo exitosos de IA. El equipo del laboratorio de tecnología de IA está compuesto por investigadores e ingenieros de Procesamiento del Lenguaje Natural (PLN), ingenieros de IA, ingenieros de datos y desarrolladores de software.
El equipo de tecnología de IA se centra en apoyar la equidad mediante la investigación, desarrollo y aplicación de IA responsable. El equipo cuenta con documentación de las mejores prácticas, directrices y medidas de seguridad que se siguen en todos los laboratorios™ de IA de ETS® .
El equipo de tecnología de IA tiene como objetivo:
- impulsar la innovación en el ámbito de PLN e IA mediante la investigación y desarrollo fundamentales de capacidades generalizables
- posibilitar avances en el aprendizaje y la evaluación mediante la aplicación de tecnología de vanguardia a soluciones de aprendizaje
- Crear una cartera tecnológica estratégica para escalar capacidades y prototipos
Los tecnólogos están 100% dedicados a los equipos de capacidades y prototipos a través de los laboratorios durante todo el ciclo de vida de la investigación y desarrollo. Corriendo con equipos desde el descubrimiento hasta la ideación, prototipado y optimización, los tecnólogos pueden aplicar soluciones tecnológicas que satisfagan las necesidades de los usuarios. De manera similar, la investigación fundamental que realizan los tecnólogos se basa en las necesidades descubiertas a través de la implicación del usuario.
Áreas de interés
El equipo de tecnologías de IA tiene las siguientes áreas principales de enfoque:
- Desarrollo de arquitecturas modernas que permitan el prototipado eficaz y la publicación de soluciones en todo el laboratorio
- uso de IA multimodal para evaluar y proporcionar retroalimentación sobre presentaciones grabadas
- Evaluación y retroalimentación automatizadas del lenguaje escrito y oral
- Generación automatizada de contenidos instruccionales y de evaluación
- Rutas de aprendizaje personalizadas basadas en el modelo cognitivo
- Motores de recomendación automatizados
- Creación de canales y arquitecturas de datos para modelado y análisis
- desarrollo de software para probar capacidades y construir prototipos que satisfagan las necesidades del usuario.