María Pazo ha defendido su tesis doctoral, titulada “Development and optimization of decentralized machine learning models in the context of sustainable mining”, un trabajo que explora cómo la inteligencia artificial puede mejorar la toma de decisiones en el sector minero. La lectura tuvo lugar el pasado lunes 23 de febrero en la Escola de Minas e Enerxía, y el proyecto obtuvo Mención Internacional, un reconocimiento a su calidad y proyección exterior.
Su investigación se basa en un marco de aprendizaje automático de enfoque bayesiano, una técnica que permite manejar grandes cantidades de datos y evaluar riesgos con mayor precisión. Gracias a este método, es posible comprender mejor cómo distintas decisiones afectan no solo a la economía del proyecto minero, sino también a su impacto en el entorno natural y en las comunidades. La tesis combina redes Bayesianas, teoría de la información y herramientas de AutoML, tres pilares que permiten que los modelos “aprendan” de datos complejos y distribuidos de forma más eficiente.
El trabajo se desarrolló en el CINTECX, dentro del grupo de investigación GESSMin, que estudia métodos para una minería más responsable. La propuesta de Pazo llega en un momento en que la digitalización, la transición energética y el avance de la inteligencia artificial están transformando por completo el sector. En este contexto, disponer de modelos que ayuden a anticipar escenarios y reducir la incertidumbre se ha vuelto fundamental para avanzar hacia una minería más sostenible.
Un enfoque que acerca la ciencia de datos a los retos reales de la minería
A través de esta investigación, Pazo ofrece una herramienta que facilita integrar información dispersa, interpretar riesgos y tomar decisiones más informadas. En un sector donde cada elección implica consecuencias económicas, ambientales y sociales, este tipo de modelos puede marcar la diferencia.
La investigación demuestra que la inteligencia artificial no solo es útil para optimizar procesos industriales, sino también para apoyar decisiones complejas en un sector clave para la transición energética.