Cada día recibimos ducias de recomendacións de consumo en Internet. Compras, música, películas, series ou contidos. Empregan algoritmos que tiran da pegada que deixamos na rede. O funcionamento destes sistemas é opaco: nunca nos explican en que se basearon para esa oferta. E, ademais, gastan enormes recursos computacionais que deterioran o medio ambiente.
Para reducir a pegada destes sistemas e mellorar a súa transparencia, un equipo de investigadores do Centro de Investigación en TIC (CITIC) da Universidade da Coruña vén de deseñar un novo modelo que foi premiado pola Rede Española de Investigación en Sistemas de Recomendación (ELIGE-IA) como mellor publicación científica do ano no seu campo.
O modelo deseñado na Coruña, bautizado como BRIE, emprega imaxes seleccionadas de forma intelixente para explicar as recomendacións que recibidos. A ferramenta feita polos investigadores Jorge Paz, Amparo Alonso, Bertha Guijarro, Brais Cancela e Carlos Eiras-Franco permite ilustrar o por que desa suxestión. Por exemplo, diranos que a plataforma recomenda comprar esa prenda de roupa porque con anterioridade o usuario clicou ou gustou dun contido determinado.
Menos gasto de enerxía
E faino sen gastar tanta enerxía como os algoritmos convencionais. Reduce ata un 98% o tamaño do modelo e un 75% as emisións de CO2 vinculadas ao adestramento do algoritmo, sen que o seu rendemento se vexa afectado.
O modelo xa foi validado con éxito en seis conxuntos de datos reais e supera o rendemento dos sistemas actuais máis avanzados, segundo destaca a Universidade da Coruña. O traballo premiado por ELIGE-IA forma parte dos proxectos do CITIC enfocados a mellorar os algoritmos da intelixencia artificial para facelos máis éticos e máis eficientes.
