Resumen de Aplicaciones de deep learning y metamorphic testing al ambito de las ciudades y sistemas inteligentes
Manuel Méndez Hurtado
Los sistemas inteligentes se diseñan con habilidades propias de la inteligencia humana para resolver problemas de índole muy diversa. Dentro de estos sistemas se encuentran las ciudades inteligentes, áreas urbanas que utilizan un conjunto de sistemas apoyados por tecnologías de la información y comunicación con el objetivo de mejorar la calidad de vida en la ciudad. Dado el gran aumento de la población urbana en los últimos años, la optimización de los procesos dentro de las ciudades inteligentes se vuelve vital. En este contexto, cobra gran importancia la Inteligencia Artificial (IA), capaz de desarrollar sistemas para resolver una gran variedad de problemas. No obstante, estos sistemas deben ser verificados y validados para detectar errores en su comportamiento, en un proceso conocido como Software Testing. Este proceso engloba una multitud de técnicas, y el Metamorphic Testing (MT) es una de ellas, basada en la observación de cómo ciertas transformaciones en la entrada del programa afectan a la salida.
Además de las ciudades inteligentes, existen una multitud de tipos diferentes de sistemas inteligentes. Entre ellos, se encuentran los sistemas inteligentes aplicados al deporte, los cuales han cobrado una importancia esencial en los últimos años. Por ejemplo, en el ajedrez, cualquier máquina puede derrotar sin problema alguno al mejor ajedrecista del mundo, y en el fútbol, el análisis de grandes volúmenes de datos se ha convertido en una herramienta esencial para los equipos de élite.
Teniendo en cuenta el contexto, esta tesis se enfoca en el desarrollo de aplicaciones de Deep Learning, una rama principal dentro de la IA, y métodos de MT dentro del marco de las ciudades y los sistemas inteligentes.
La tesis está estructurada en ocho Capítulos: En el Capítulo 1, se introduce el contexto desde el que se parte para la realización de la tesis. En el Capítulo 2, se introduce el campo de la IA, definiendo los principales conceptos y comentando el Estado del Arte actual, incluye una breve descripción sobre su historia. En el Capítulo 3, se realiza lo mismo que en el anterior, pero en el campo del MT. En el Capítulo 4, de forma similar se desarrolla un marco teórico de la hibridación entre IA y MT y se comenta el Estado del Arte actual. En el Capítulo 5, se realiza una discusión integradora sobre la aplicación de IA y MT a ciudades inteligentes. Este Capítulo trata cinco cuestiones que son: una revisión sistemática del estado del arte de la aplicación de IA a la predicción de la calidad del aire, una aplicación de redes neuronales transformer para predecir el nivel de Ozono en Madrid, el desarrollo de un modelo híbrido de redes neuronales convolucionales y LSTM bidireccionales para predecir el flujo del tráfico en Madrid, el desarrollo de modelos de IA para detectar anomalías en el flujo del tráfico y la hibridación de MT con IA para detectar errores en OpenStreetMap. En el Capítulo 6, se realiza una discusión integrado sobre la aplicación de IA y MT a sistemas inteligentes. En este Capítulo, se tratan las siguientes dos cuestiones: la creación de una red neuronal MLP para la predicción de goles esperados en el fútbol profesional y la aplicación de MT para detectar errores en motores de ajedrez. En el Capítulo 7, se detallan las conclusiones obtenidas en esta tesis y se incluyen unas posibles líneas de trabajo futuro. En el Capítulo 8, se presentan los seis artículos científicos publicados durante el desarrollo de esta tesis y que forman el corpus de la misma. Finalmente, se incluye una extensa bibliografía consultada y de interés para la realización de la tesis.
