En primer lugar, nos centramos en la aplicaci贸n de la IAPG en escenarios de riesgo, en el que las decisiones tomadas por la IA pueden, por ejemplo, poner en peligro la integridad f铆sica de las personas. Se tomar谩n ejemplos reales en la industria con instalaciones cr铆ticas, en donde la idea es aprender con pocos datos, o existen diversas tareas a resolver. La idea es investigar la robustez de los modelos actuales de IAPG c贸mo Few-Shot learning y AutoML, entre otros, y proponer soluciones para hacerlas m谩s fiables en este campo:
Objetivo 1
Establecer escenarios prototipo
Objetivo 2
Evaluar la robustez de los m茅todos de IAPG
Objetivo 3
Nuevas soluciones para mejorar la fiabilidad de IAPG.
