Mikel Galar, destacado investigador en IA, lidera un proyecto sobre reconocimiento facial y sesgos demográficos

Mikel Galar Idoate, quien es investigador en el Instituto de Smart Cities (ISC) de la Universidad Pública de Navarra (UPNA), ha sido galardonado con una Beca Leonardo otorgada por la Fundación BBVA. Este apoyo tiene como objetivo fomentar la creación de modelos de inteligencia artificial que sean "más justos y éticos, evitando la discriminación hacia determinados grupos de población".

En la institución académica navarra, el proyecto será llevado a cabo durante dieciocho meses por un profesor del Departamento de Estadística, Informática y Matemáticas. Este proyecto se enmarca dentro del ámbito de las ciencias de la computación y la ciencia de datos, con el objetivo de "combatir la transferencia de sesgos demográficos" desde los conjuntos de datos hacia los modelos de 'machine learning' (aprendizaje automático).

Así, el propósito de este proyecto es crear “una metodología completa para evaluar la transferencia de sesgos de los conjuntos de datos a los modelos de inteligencia artificial”.

En su undécima edición, este programa destinado a fomentar la ciencia y la cultura de calidad ha recibido un total de 1.423 proyectos provenientes de diversas partes de España. De estos, se han elegido 58 proyectos que destacan por su alto grado de innovación, lo que resulta en una tasa de éxito del 4%. Este dato refleja la notable competitividad de la convocatoria.

Según Mikel Galar, "en un trabajo reciente, el grupo de investigación que lidero se dedicó a examinar las maneras de analizar los sesgos demográficos presentes en los conjuntos de datos. Para lograrlo, propusimos una metodología que consiste en dos etapas: la primera implica obtener el perfil demográfico mediante un modelo auxiliar; la segunda consiste en aplicar métricas que resuman dicho perfil en valores que sean fácilmente interpretables. No obstante, aunque esta metodología es efectiva para medir el sesgo en los conjuntos de datos, no permite establecer hasta qué grado estos sesgos se transfieren a los modelos entrenados con esos mismos conjuntos. Este es precisamente el desafío que aborda el proyecto que ha recibido la Beca Leonardo".

Este proyecto se basa en la premisa de que los modelos de inteligencia artificial que son entrenados utilizando grandes volúmenes de datos 'in the wild' (ITW), es decir, aquellos que provienen del entorno real sin ninguna manipulación o filtrado previo, pueden presentar "sesgos demográficos que discriminan a ciertos grupos de población". Por ejemplo, si en un conjunto de imágenes 'in the wild' predominan fotos de personas jóvenes y de piel clara, el modelo tenderá a reconocer con mayor eficacia a individuos pertenecientes a ese grupo demográfico. Como consecuencia, esto puede resultar en una menor precisión al identificar a personas de otros grupos, tales como aquellos que son mayores o tienen piel oscura.

En el marco del proyecto, se tomará como caso de estudio el desafío del reconocimiento de expresiones faciales (FER, por su siglas en inglés), bajo la dirección del equipo investigador encabezado por Mikel Galar. Este grupo dispone de "una base de datos única", creada en un proyecto previo y "sin sesgos de base". Según menciona, "esta base de datos permite estudiar la transferencia de sesgos de forma precisa".

Uno de los investigadores más citados a nivel internacional en Inteligencia Artificial

Mikel Galar, originario de Pamplona y nacido en 1986, obtuvo su título de ingeniero informático en 2009 y se doctoró en 2012, recibiendo un premio extraordinario por parte de la Universidad Pública de Navarra (UPNA).

En la actualidad, se desempeña como profesor titular en el ámbito de Ciencias de la Computación e Inteligencia Artificial en la UPNA. Además, dirige la Cátedra Tracasa de Ciencias de la Computación e Inteligencia Artificial y encabeza el grupo de investigación conocido como Artificial Intelligence and Machine Learning Research (ARIN).

El enfoque de su investigación abarca diversos desafíos en el ámbito del 'machine learning' y el 'big data', incluyendo la problemática de los conjuntos de datos no balanceados y los sesgos. Además, examina sus aplicaciones en sectores como la industria, la salud y la observación de la Tierra.

Más de cien publicaciones componen su trayectoria, entre las cuales se encuentran 53 artículos en revistas indexadas en el JCR (Journal Citation Report), de los cuales 44 pertenecen al primer cuartil. Además, ha publicado un libro completo a través de la editorial Springer. En total, estas obras han acumulado más de 10.000 citas en Google Scholar, con un índice H de 34. Cabe destacar que tres de sus trabajos han sido reconocidos por la empresa estadounidense Clarivate Analytics como los más citados ("Highly Cited Papers").

Desde el año 2018, forma parte del equipo de I+D+i de Tracasa Instrumental como asesor científico. Además, junto a dos de sus estudiantes de doctorado, ha establecido Neuraptic AI, una 'spin-off' (empresa de base tecnológica) de la UPNA que se especializa en el desarrollo de tecnologías relacionadas con la inteligencia artificial.

Según la lista publicada por la Universidad de Stanford (Estados Unidos) y la editorial Elsevier, se encuentra en el 2% de los autores más citados a nivel mundial en inteligencia artificial. A raíz de sus publicaciones, ha sido galardonado con varios premios. Además, ha supervisado tres tesis doctorales y, en la actualidad, está al frente de otras cinco. Por otro lado, su participación abarca veinte proyectos de I+D financiados públicamente (de los cuales cuatro como investigador principal) y 38 contratos de I+D con entidades privadas (25 de ellos como investigador principal).

Es importante resaltar que el libro 'Large-Scale Data Analytics with Python and Spark' ha sido publicado por Cambridge University Press, una de las editoriales más reconocidas a nivel mundial, ubicada en Reino Unido.

Desde el año 2011, se dedica a la enseñanza de materias vinculadas a la inteligencia artificial, machine learning y big data. En 2020, su labor como docente fue galardonada con un premio a la excelencia docente en la UPNA.

El programa de Becas Leonardo abarca un total de diez categorías relacionadas con el conocimiento y la cultura, las cuales son interpretadas de manera amplia. Estas categorías incluyen: ciencias básicas, biología y biomedicina, ciencias del medio ambiente y de la tierra, ingenierías, ciencias de la computación y ciencias de datos, así como también las ciencias sociales, las humanidades, las artes plásticas, la música y la ópera, además de la creación literaria y las artes escénicas.

Compuestas por un total de 83 especialistas de alto nivel académico, las diez comisiones evaluadoras de las Becas Leonardo -una para cada categoría- han tomado decisiones sobre la selección final de los beneficiarios, actuando con total independencia.

La Fundación BBVA ha denominado a su programa Leonardo Da Vinci (1452-1519), dado que su objetivo principal es promover el conocimiento, sin importar si se enfoca en la investigación científica o en la creatividad.