SEVILLA/VALÈNCIA (VP). Investigadores de Alneux Sistemas Predictivos SL y la Universidad Pablo de Olavide han anunciado este lunes un avance significativo en el campo de la inteligencia artificial. El estudio, titulado "Learning based on neurovectors for tabular data: a new neural network approach" , presenta un algoritmo predictivo basado en neurovectores que promete transformar el análisis de datos tabulares, ofreciendo una alta precisión con una eficiencia computacional superior.
Este trabajo es fruto de la colaboración de los expertos en IA J.C. Husillos y A. Gallego del Departamento de Investigación e Innovación de Alneux Sistemas Predictivos SL, junto con la catedrática Alicia Troncoso de la División de Ciencias de la Computación de la Universidad Pablo de Olavide, y A. Roma de Alneux Sistemas Predictivos SL.
El nuevo paradigma de los neurovectores se distingue de las redes neuronales artificiales tradicionales. En lugar de ajustar pesos mediante retropropagación, los neurovectores codifican la información estructurando los datos en espacios vectoriales donde la propagación de energía, en lugar de las actualizaciones de peso convencionales, impulsa el proceso de aprendizaje. Este enfoque genera representaciones dinámicas del conocimiento, mejorando tanto la interpretabilidad como la eficiencia del modelo predictivo.
"Estamos ante un cambio de paradigma en cómo abordamos los problemas de predicción con datos tabulares", afirma Juan Carlos Husillos. "Los neurovectores no solo ofrecen una precisión comparable a la de los modelos existentes, sino que lo hacen con una demanda computacional significativamente menor, abriendo la puerta a aplicaciones en tiempo real y a gran escala que antes eran inviables."
"Nuestra investigación ha demostrado cómo esta nueva arquitectura de aprendizaje, que trata los datos tabulares como texto y elimina la necesidad de capas ocultas o ajustes de peso por retropropagación, es excepcionalmente versátil y eficaz. Puede manejar variables de cualquier naturaleza, desde numéricas hasta textuales, sin preprocesamiento previo, y es apta para tareas de clasificación y regresión", destaca la catedrática Alicia Troncoso.
"Este trabajo pionero sienta las bases para futuras investigaciones, incluyendo la aplicación de neurovectores a datos de texto no estructurados o semiestructurados, y la exploración de su potencial para tareas de procesamiento de lenguaje natural, así como para la inferencia de valores faltantes o predicciones inversas", señalan desde la compañía.
