Premio a un modelo de IA para mejorar las recomendaciones de las plataformas
CIENCIA
El equipo de Amparo Alonso en el Citic ha recibido el galardón a la mejor publicación científica en sistemas de recomendación
03 jun 2025 . Actualizado a las 12:33 h.Todo el mundo recibe casi a diario recomendaciones de plataformas como Netflix, Spotify, Tripadvisor, Booking... Pero muchas veces no entendemos en qué se basan sus sistemas de IA o algoritmos para elegir esas en concreto. Los sistemas inteligentes hacen sus predicciones sin explicarnos cómo ni por qué, y, además, requieren enormes recursos computacionales que impactan en el medio ambiente.
Ahora, un grupo de investigadores del Citic de la Universidade da Coruña, dirigido por Amparo Alonso, ha recibido el premio a la mejor publicación científica en sistemas de recomendación 2023-2024 por BRIE, un modelo que utiliza imágenes seleccionadas de forma inteligente para explicar las recomendaciones que recibimos, ayudándonos a entender mejor sus sugerencias y, al mismo tiempo, reduciendo drásticamente su consumo energético.
Jorge Paz, miembro del equipo, explica el modelo: «Por ejemplo, para recomendarnos un restaurante, la plataforma nos enseña una foto aleatoria, la más popular del establecimiento, o lo que sea. Esa imagen no tiene por qué ser representativa de lo que le va a gustar al usuario, de por qué se le ha recomendado ese restaurante. Nuestro modelo escoge entre las imágenes tomadas por otros usuarios la que considera que más le va a gustar al usuario al que estamos recomendando». De esta forma, el cliente entendería mejor por qué va a gustarle ese restaurante en concreto: las vistas, la ubicación, una comida en especial...
Además, una ventaja de este sistema es que es mucho más ecológico. «Esto es principalmente porque es muy eficiente. Lo que hemos hecho es, digamos, cambiar la forma en la que entrenan estos modelos para que necesiten muchos menos datos y tiempo, con lo que emiten mucho menos CO2 a la atmósfera. Los modelos de IA que hay son muy grandes, pero el nuestro reduce el tamaño un 98 % respecto al que ya existía», afirma Paz.
El modelo se podría implantar «sobre cualquier sistema de recomendación en el que tengamos imágenes asociadas con cada una de las cosas que se recomienda», y podría cambiarse el sistema explicador «sin tener que volver a entrenarlo o tener que cambiar nuestro sistema». Las recomendaciones serán más efectivas porque están mejor explicadas. «Por ejemplo, a un usuario al que le gustan los restaurantes al lado del mar no me interesa ponerle una foto de los postres, me interesa ponerle una foto de las vistas».
El trabajo —obra de los investigadores Jorge Paz Ruza, Amparo Alonso Betanzos, Bertha Guijarro Berdiñas, Brais Cancela Barizo y Carlos Eiras-Franco— recibió el galardón concedido por la Red Española de Investigación en Sistemas de Recomendación (Elige-IA), que reúne a los principales expertos nacionales en esta área. Todos ellos forman parte del Laboratorio de Investigación y Desarrollo en Inteligencia Artificial (Lidia).
El trabajo premiado se enmarca en dos proyectos claves del Citic, FrugalAI, que desarrolla algoritmos de inteligencia artificial capaces de funcionar en entornos con recursos limitados como el internet de las cosas o la robótica, y EthicDL, que busca «combinar la potencia del aprendizaje profundo con métodos más interpretables para construir sistemas más comprensibles y confiables».