Rafael Muñoz Guillena, catedrático de la Universidad de Alicante, será el encargado de dictar la lección inaugural del curso académico 2024-2025 en la Universidad de La Rioja. El evento se celebrará el jueves 19 de septiembre a las 12:00 horas en el Aula Magna del Edificio Quintiliano.
La lección inaugural llevará por título ‘El procesamiento del lenguaje natural como eje central de la inteligencia artificial generativa’. En ella, el profesor Muñoz Guillena destacará el papel fundamental de la inteligencia artificial generativa y el procesamiento del lenguaje natural (PLN) en la transformación de la sociedad actual.
El solemne act ode la apertura del curso comenzará con la lectura de la memoria académica del curso 2023-2024 por el secretario general de la UR, Alfonso Agudo Ruiz.
A continuación, Muñoz Guillena impartirá la lección inaugural. El momento más importante del acto llegará con las intervenciones del rector de la universidad riojana, Juan Carlos Ayala Calvo, y el presidente del Gobierno de La Rioja, Gonzalo Capellán de Miguel. El cierre estará marcado por el cántico del Gaudeamus igitur, el himno universitario.
La lección inaugural se enfocará a la IA
Muñoz Guillena ha tenido una amplia trayectoria académica y profesional. Actualmente, es presidente de la Sociedad Española de Procesamiento del Lenguaje Natural (SEPLN) y secretario general del Centro de Inteligencia Digital de la Universidad de Alicante. A lo largo de su carrera, ha dirigido nueve tesis doctorales y publicado más de 200 artículos científicos en revistas de alto impacto.
En su lección, el catedrático alicantino subrayará la necesidad de desarrollar marcos éticos y responsables para el uso de la inteligencia artificial, destacando la importancia de la transparencia y la supervisión humana en estos sistemas. Además, señalará la urgencia de formar profesionales en PLN para integrar tecnologías lingüísticas con IA.
Muñoz Guillena también abordará la necesidad de democratizar el acceso a los modelos de lenguaje fundacionales, como GPT o Gemini, investigando en modelos más pequeños que ofrezcan resultados equivalentes sin depender de supercomputadores.