Reducir datos sin perder información: una tesis de la Universidad que analiza las matemáticas detrás de la inteligencia artificial
El investigador Francisco Javier Talavera ha estudiado la agregación de información en el ámbito de la Lógica Difusa, con aplicaciones en ámbitos como la robótica, el procesamiento de imágenes o el diagnóstico médico
18 | 09 | 2026
En un contexto en el que la inteligencia artificial trabaja cada vez con más volúmenes de información, es fundamental desarrollar métodos que permitan reducir esa cantidad de datos sin perder la información relevante contenida en ellos.
Francisco Javier Talavera Andújar (Albacete, 28 años) es graduado en Matemáticas por la Universidad de Alicante y máster en Métodos Computacionales en Ciencias por la Universidad de Navarra. Bajo la dirección del doctor Jorge Elorza, ha centrado su investigación en la agregación de información en el ámbito de la Lógica Difusa, una rama de la inteligencia artificial que permite trabajar con conceptos imprecisos como «pequeño», «cerca» o «tarde».
Así, uno de los problemas que aborda su investigación surge cuando es necesario combinar un gran volumen de datos que debe procesarse en tiempo real. Por ejemplo, “varios sensores miden la temperatura a lo largo del día y queremos combinar sus lecturas para obtener un único valor. Estos datos se pueden fusionar de infinitas maneras empleando operaciones conocidas como operadores de agregación”, explica. “El objetivo final es encontrar las condiciones que debe cumplir un operador de agregación (es decir, una manera de fusionar los datos) para que una estructura compartida por los datos originales se conserve tras el proceso”, concluye.
Una investigación clave para el futuro
Además de su aplicación en áreas como la robótica, el procesamiento de imágenes o el diagnóstico médico, Talavera destaca también la importancia de la investigación matemática básica como fuente de conocimiento para futuros desarrollos científicos. “La historia ha demostrado que descubrimientos en apariencia puramente teóricos pueden convertirse, con el paso del tiempo, en la clave para avanzar en áreas aplicadas de la ciencia”, señala.
Entre sus planes futuros, el investigador pretende desarrollar y consolidar la teoría de los conjuntos difusos de tipo 2, útiles para trabajar con situaciones en las que existe un alto grado de incertidumbre. Es importante determinar de forma clara qué herramientas y métodos son los más adecuados para trabajar con ellos y cómo se relacionan entre sí. “A esta tarea pretendemos dedicar otra de nuestras líneas de trabajo futuras”, confiesa.
Referencias bibliográficas
• Talavera, F. J., Ardanza-Trevijano, S., Bragard, J., & Elorza, J. (2025). New types of domination to characterize the preservation of T-subgroups under aggregation. Fuzzy Sets and Systems, 498, 109139.
• Talavera, F. J., Bejines, C., Ardanza-Trevijano, S., & Elorza, J. (2024). Aggregation of fuzzy graphs. International Journal of Approximate Reasoning, 172, 109243.