Jamal Toutouh El Alamin

Grupo de investigación

NEO Research Group

Sobre mí

El Dr. Jamal Toutouh es Profesor en la Universidad de Málaga, miembro del Instituto de Tecnologías e Ingeniería del Software «José María Troya Linero» y, desde 2018, investigador Afiliado al Laboratorio de Ciencias de la Computación e Inteligencia Artificial del Instituto Tecnológico de Massachusetts (CSAIL-MIT) en EEUU. Es Ingeniero en Informática por la Universidad de Málaga, posee sendos másteres en Ingeniería del Software e Inteligencia Artificial por la misma universidad y la Universidad de Luxemburgo y doctor por la Universidad de Málaga. Su tesis doctoral fue galardonada con varios premios, como el Premio Extraordinario de Doctorado de la Universidad de Málaga o el Premio a la Mejor Tesis Doctoral Española en el Dominio de las Ciudades Inteligentes (2018) otorgado por la Asociación Española para la Inteligencia Artificial.

Su trabajo de investigación en curso combina el estudio sobre la aplicación de la Inteligencia Artificial aplicada a las Ciudades Inteligentes con su pasión por la Inteligencia Artificial Generativa. De sus aportaciones actuales destaca la aplicación conjunta de Algoritmos Co-Evolutivos basados en la Naturaleza y Redes Neuronales Generativas Antagónicas (GAN). Jamal ya ha presentado esta línea de investigación novedosa en conferencias de primer nivel y ha sido invitado a dar charlas y cursos en diferentes instituciones (por ejemplo, la Universidad de Coímbra en Portugal, la Universidad de la República en Uruguay, la Universidad de Luxemburgo, la empresa de I+D Schlumberger Limited). Ha publicado 26 artículos en revistas internacionales de revisión por pares (18 de ellas indexadas ISI-JCR), tres capítulos de libro y más de 50 publicaciones en congresos. Sus trabajos han recibido 7 premios nacionales e internacionales en congresos de prestigio y han sido nominados en varias ocasiones.

Líneas de investigación

• Optimización avanzada e Inteligencia Artificial aplicada a Ciudades Inteligentes.
• Estudio de la combinación de métodos inspirados en la naturaleza con Redes Neuronales Artificiales Generativas Antagónicas (GAN) para la mejora de la eficiencia y eficacia de los modelos generativos
• Uso de Inteligencia Artificial Generativa para abordar retos de impacto social en el ámbito de las Ciudades Inteligentes, el Cambio Climático y la Medicina.

Resultados destacables

Desarrollo de Lipizzaner, una libraría software de código abierto para el entrenamiento eficiente y efectivo de Redes Neuronales Generativas Antagónicas (GAN) aplicando combinando Algoritmos Evolutivos y Co-Evolutivos con métodos de optimización basados en el gradiente (https://github.com/ALFA-group/lipizzaner-gan).

Vocación

Empecé en la ciencia casi por casualidad, era un buen estudiante y me gustaba abordar problemas difíciles al alcance de muy pocos. Sigo aquí porque dedicarme a la ciencia me brinda la oportunidad de aprender continuamente y de enfrentarme a retos formidables que tienen impacto positivo en la sociedad.

Deseo científico

Que el avance y la expansión del conocimiento y las nuevas tecnologías sirva para construir un mundo más sostenible en el que se reduzcan las distancias sociales.