BIOGRAFÍA
Lorenzo Cappello (Lugo, Italia, 1988) es investigador científico en la Universitat Pompeu Fabra (UPF). Doctor en Estadística por la Universidad Bocconi, posteriormente desarrolló su etapa posdoctoral en la Universidad de Stanford, publicando cinco artículos en revistas de referencia, entre ellas Journal of the American Statistical Association (JASA), The Annals of Applied Statistics (AOAS) y Genetics. Además, participó en el grupo de trabajo de Stanford sobre la Covid-19, contribuyendo con tres artículos publicados en Nature Communications y Statistical Science. En la UPF, ha puesto en marcha una nueva línea de investigación de la que han surgido dos artículos como autor de correspondencia, publicados en Journal of Computational and Graphical Statistics (JCGS) y IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI).
PROYECTO
El aprendizaje automático (machine learning) y los algoritmos de inteligencia artificial logran un excelente rendimiento predictivo, pero a menudo son demasiado complejos para ser analizados matemáticamente, lo que limita su uso en ámbitos de alto impacto, como la medicina y la formulación de políticas públicas, donde es esencial una cuantificación fiable de la incertidumbre. El objetivo de este proyecto es desarrollar un marco metodológico general que procesa la salida de cualquier algoritmo de aprendizaje automático, transformándola en un procedimiento de inferencia estadísticamente válido. La innovación clave es que este método es matemáticamente tratable, lo que permite establecer garantías teóricas rigurosas con independencia del algoritmo subyacente. El objetivo es hacer posible que prácticamente cualquier método de aprendizaje automático pueda utilizarse para realizar inferencias estadísticamente sólidas con una cuantificación fiable de la incertidumbre.