Modelos de colaboración entre humanos y máquinas para la toma de decisiones compartida en condiciones de incertidumbre

Profesora Nelly Bencomo en su conferencia nos habla de la creciente incertidumbre que existe sobre el entorno de ejecución de los sistemas de software. Por lo tanto, no se puede predecir completamente cómo debería comportarse el sistema en diferentes contextos en el momento del diseño. Son consideraciones como estas las que han llevado al desarrollo de sistemas autoadaptativos (en ingles self-adaptive systems- SAS), que pueden reconfigurar dinámica y autónomamente su comportamiento para responder a condiciones externas cambiantes. El uso de Machine Learning (ML) y AI ha exacerbado los problemas al agregar más fuentes de incertidumbre. El alcance de la charla se encuentra en las áreas de Ingeniería basada en Modelos (model-driven engineering – MDE), Ingeniería de Requisitos (Requirements Engineering – RE), Ingeniería de Software (Software Engineering – SE) y el desarrollo de técnicas para cuantificar la incertidumbre para mejorar la toma de decisiones. El tratamiento explícito de la incertidumbre por parte del sistema en ejecución mejora su juicio para tomar decisiones respaldadas por la evaluación de la evidencia encontrada durante el tiempo de ejecución, posiblemente incluyendo al ser humano en el circuito. El orador discutirá cómo la cuantificación de la incertidumbre puede mejorar la obtención de requisitos (mediante simulaciones, por ejemplo). La charla también cubrirá diferentes enfoques para cuantificar la incertidumbre, models@run.time y su papel en Human-Machine Teaming.

https://jie.cienciasucv.org/profa-nelly-bencomo/