Emulando amplificadores y pedales de guitarra eléctrica con inteligencia artificial

Ponente: Javier Jiménez Santana (Universidad de La Rioja).

Lugar: Seminario Mirian Andrés (Edificio CCT).

Hora: viernes 24 de octubre de 2025, 10:00.

Resumen: Durante este seminario se presentarán los resultados de mi trabajo fin de grado (curso 2023/2024) centrado en el uso de inteligencia artificial (IA) desplegada sobre una Raspberry Pi 5. El objetivo del proyecto fue replicar, con alta fidelidad y en tiempo real, los efectos de distorsión y amplificación, característicos de pedales de distorsión/overdrive y amplificadores de guitarra eléctrica.

El modelo de IA y la aplicación de procesamiento en tiempo real se implementaron a partir del trabajo original de Alec Wright et al. [1] y de las contribuciones de la comunidad, como las de Keith Bloemer (también conocido por el alias GuitarML).

Al revisar el estado del arte de la comunidad de entusiastas de machine learning aplicado al mundo de la guitarra eléctrica (sorprendentemente amplia), se observó que las redes neuronales convolucionales como WaveNet solían limitarse a aplicaciones de escritorio, mientras que los modelos LSTM, más ligeros, se habían logrado desplegar en Raspberry Pi 4 a modo de prototipo de pedal digital. La principal contribución de este proyecto fue corroborar que un modelo como el propuesto es capaz de ejecutarse en tiempo real sobre hardware de baja potencia, como la Raspberry Pi 5, algo que hasta ahora no se había intentado.

En esta charla exploraremos el estado del arte de la inteligencia artificial en el mundo de la producción musical (concretamente en el ámbito del rock), las bases teóricas de WaveNet y su relación con el text-to-speech, así como el proceso de implementación, diseño y despliegue del pedal desarrollado. También hablaremos de la trayectoria mediática que ha tenido el proyecto, así como del trabajo futuro de investigación y emprendimiento que plantea.

Finalmente, haremos una demostración en vivo de la aplicación, comparando la inferencia del modelo con los efectos de guitarra originales.

[1] Wright, A.; Damskägg, E.-P.; Juvela, L.; Välimäki, V. Real-Time Guitar Amplifier Emulation with Deep Learning. Appl. Sci. 2020, 10, 766. https://doi.org/10.3390/app10030766

Las redes neuronales que han ganado el Nobel de física

Ponente: Jon Ander Alonso Ortiz De Elguea (Alumni Universidad de La Rioja)

Lugar: Seminario Mirian Andrés (Edificio CCT).

Hora: viernes 29 de noviembre de 2024, 10:00.

Resumen: El Nobel de física de 2024 se lo han llevado dos pioneros de la inteligencia artificial, John Hopfield y Geoffrey Hinton, por la invención de las redes Hopfield y las máquinas Boltzmann. En esta charla explicamos en qué consisten estas redes y qué relación tienen con la física y el estado actual del aprendizaje profundo.

Optimizando la Seguridad: Predicción de Riesgos de Accidentes en una empresa de energía a través de una Plataforma de Analítica Avanzada en AWS

Ponente: Ramón Sieira Martínez (SDG Group).

Lugar: Salón de Actos (Edificio CCT).

Hora: miércoles 13 de marzo de 2024, 11:00.

Resumen: En este seminario exploraremos el proceso completo de implementación de una plataforma de analítica avanzada diseñada para prever posibles riesgos en las operaciones realizadas por los múltiples operarios de una empresa de energía. Abordaremos desde la comprensión profunda de su modelo de negocio, pasando por el desarrollo de modelos de inteligencia artificial hasta la visualización de los insights generados, todo dentro del entorno de Amazon Web Services (AWS).

Usos de la Inteligencia Artificial en meteorología y climatología

Ponente: Daniel San Martín Segura (CEO, Predictia Intelligent Data Solutions, https://predictia.es/).

Lugar: Seminario Mirian Andrés (Edificio CCT).

Hora: viernes 19 de enero de 2024, 12:00.

Resumen: Esta charla introducirá diversas aplicaciones de la Inteligencia Artificial en ciencias atmosféricas, considerando tanto las relacionadas con predicción meteorológica como con la modelización climática. Se abordarán tanto los usos mas clásicos del machine learning en estas disciplinas así como los recientes modelos de deep learning utilizados en meteorología.

Nota: puedes acceder a las transparencias de la charla a través del siguiente enlace.

Explicabilidad de modelos de IA aplicados a docencia

Ponente: Jose Divasón Mallagaray (Grupo PSYCOTRIP, Universidad de La Rioja).

Lugar: Seminario Mirian Andrés (Edificio CCT).

Hora: martes 9 de mayo de 2023, 12:00.

Resumen: Muchos de los cursos universitarios incluyen la entrega de pequeños proyectos como parte de la evaluación. Normalmente, estos proyectos incluyen una parte más técnica (y objetiva de evaluar) y otra más creativa (y subjetiva), lo cual provoca que en el proceso de evaluación puedan surgir sesgos, discrepancias e inconsistencias, incluso aunque los distintos profesores se coordinen entre sí. En esta charla presentaremos una metodología para ayudar a la detección de estos problemas y su aplicación en una asignatura del Grado en Ingeniería Informática. La metodología está basada en una selección robusta de las características más importantes y el uso de técnicas de explicabilidad de modelos de caja negra, como LIME, ELI5 y SHAP

Desmontando la inteligencia de ChatGPT: ¿de qué nos quieren convencer?

Ponente: Julio Rubio García (Grupo PSYCOTRIP, Universidad de La Rioja).

Lugar: Seminario Mirian Andrés (Edificio CCT).

Hora: martes 28 de marzo de 2023, 12:00.

Resumen (este resumen ha sido generado por ChatGPT a partir del título de la charla): En esta charla se discute la inteligencia detrás de ChatGPT, un modelo de lenguaje de gran escala entrenado por OpenAI. Se analiza la efectividad de ChatGPT y se cuestiona si su capacidad para generar respuestas coherentes y precisas es realmente una muestra de inteligencia. Además, se aborda el papel de la ética en la creación y uso de modelos de lenguaje de inteligencia artificial, incluyendo la necesidad de evitar la discriminación y el sesgo. En general, se busca desafiar las suposiciones comunes sobre la «inteligencia» de los modelos de lenguaje de IA y fomentar una discusión crítica sobre su desarrollo y uso.

Nota: esta charla formará parte del «Acto Inaugural del Colectivo de Inteligencia Artificial e Inteligencia Social — CIAIS» que tendrá lugar el miércoles 12 de abril a las 17:30 en el Ateneo Riojano (c. Muro de Cervantes 1, Logroño), y cuyo cartel se pueden encontrar a través de este enlace.

Modelo de detección temprana para la tinta del castaño a partir de imágenes tomadas mediante vuelos dron

Ponente: Antonio Rubio Loscertales (Coordinador I+D+i, SpectralGeo).

Lugar: Seminario Mirian Andrés (Edificio CCT).

Hora: martes 7 de febrero de 2023, 11:00.

Resumen: En esta charla se presentará el desarrollo del proyecto Phytoseek que busca aunar los resultados obtenidos mediante el uso de técnicas de teledetección y espectrometría con un desarrollo en inteligencia artificial. El objetivo es la creación de un modelo predictivo capaz de detectar la enfermedad de la tinta del castaño (Phytophthora cinnamomi), conocida por la ausencia de síntomas visibles que la caractericen. Durante la charla se describirá la metodología diseñada y ejecutada y se evaluarán los resultados obtenidos por el modelo creado.

Redefining Computational Biology by means of AI

Ponente: Ihor Smal (Erasmus University Medical Center, Rotterdam).

Lugar: Seminario Mirian Andrés (Edificio CCT) y a través de Blackboard (https://bit.ly/salaDMC).

Hora: miércoles 14 de diciembre de 2022, 11:30.

Nota: la charla forma parte de la UR Image Processing Week organizada por el Grupo de Informática de la Universidad de La Rioja. Puedes encontrar el programa de la conferencia a través del siguiente enlace.

Generative Few-Shot Learning

Ponente: Adrián Inés Armas (Investigador Predoctoral, Grupo PSYCOTRIP, Universidad de La Rioja).

Lugar: Salón de Actos (Edificio CCT), o a través de Blackboard (https://bit.ly/salaDMC)

Hora: martes 31 de mayo de 2022, 12:00.

Resumen: El problema de few-shot learning en clasificación de imágenes consiste en crear un modelo que sea capaz de clasificar imágenes de nuevas clases usando un número muy reducido de imágenes de entrenamiento para cada clase. La dificultad de este problema radica en los pocos datos de entrenamiento que podemos usar y la gran cantidad de datos necesarios para entrenar modelos de Machine Learning o Deep Learning capaces de resolver este tipo de tareas.

En esta charla voy a contar el trabajo realizado en mi estancia de investigación en la Universidad Albert-Ludwigs de Alemania. En primer lugar, voy a introducir el problema de few-shot learning en la clasificación de imágenes, así como las aproximaciones que existen en la literatura. Posteriormente veremos cómo hemos abordado este problema usando redes generativas.

Gemelos digitales y la IA en el metaverso: Cómo aprender Edge-AI en 10 minutos

Ponente: Asier Arranz (Developer Marketing Manager, NVIDIA).

Lugar: Salón de Actos (Edificio CCT), o a través de Blackboard (https://bit.ly/salaDMC)

Hora: viernes 27 de mayo de 2022, 12:00.

Resumen: En esta charla veremos qué es un gemelo digital y qué tiene que ver con el metaverso u omniverso. Veremos algunos ejemplos prácticos sobre cómo la inteligencia artificial se entrena dentro de mundos virtuales, a los que pronto los humanos accederemos. Y acabaremos viendo cómo la IA, gracias al entrenamiento con millones de datos, reales y sintéticos, llega a alcanzar límites que rozan (e incluso superan) a la creatividad humana.

Biografía: Asier Arranz trabaja en NVIDIA, en el área de inteligencia artificial. Anteriormente trabajó en computación cuántica para IBM en su laboratorio de Yorktown, en New York. Ha participado en varios proyectos sociales como MalariaSpot, donde desarrolló la aplicación que ayudaba a detectar parásitos de malaria a través de la gamificación. Ha sido el director del laboratorio de tecnología del IE Business y habitualmente imparte formaciones en MBAs.