La idea de un primer webinar, en marzo de 2021, surgió con la intención de compartir con educadores, universidades, científicos, gobiernos y organizaciones, la experiencia de Azken Muga en la implementación de tecnologías y soluciones de Inteligencia Artificial para obtener de ellos una visión experta y un conocimiento específico sobre el tema.
Esta segunda edición (AAI #2), celebrada el 27 de octubre de 2021, sienta su base en el éxito de la primera.
El nombre, Accelerating Artificial Intelligence (AAI), hace referencia al objetivo principal del proyecto: acelerar el proceso de implementación de la IA y crear una comunidad en torno a ella a nivel nacional en todos los ámbitos: académico, empresarial, organizativo, administrativo, científico y gubernamental.
El webinar contó con tres intervenciones de la mano de expertos en distintos campos de la Inteligencia Artificial:
DLI Ambassador University Program
El Programa Universitario de Embajadores del Deep Learning Institute (DLI) de NVIDIA ofrece la formación y los recursos necesarios para impartir talleres prácticos sobre Deep Learning a profesores, estudiantes e investigadores universitarios.
Manuel Ujaldón – NVIDIA DLI Ambassador
El viaje del paciente a través de la IA aplicada a la cardiología
La cardiología es el catalizador perfecto para la evolución de la IA médica: en ella confluyen la imagen con la historia clínica y la exploración, las pruebas fisiológicas, la serología, la genética y la histopatología. Esta ponencia recorrerá el viaje de un paciente «normal» y señalará algunas de las formas en que la IA transformará la cardiología del siglo XXI.
Rob Brisk – Healthcare developer relations manager.
Inteligencia Artificial Explicable (XAI)
Un análisis crítico de la literatura existente y de las contribuciones en el campo de la XAI sirve como trasfondo motivador de una serie de retos, como la interesante encrucijada de la fusión de datos y la explicabilidad. Nuestras perspectivas conducen hacia el concepto de Inteligencia Artificial Responsable, es decir, una metodología para la implementación a gran escala de métodos de IA en organizaciones reales con la equidad, la explicabilidad del modelo y la responsabilidad en su núcleo.