Dr. Christian E. Maldonado-Sifuentes is a researcher in Artificial General Intelligence and Natural Language Processing using a neurosymbolic approach with focus on knowledge representation, hyperontologies, and linguistically grounded AI. His work explores how multi-layered, dynamic ontological structures can integrate symbolic, statistical, and cultural knowledge to support semantic reasoning across domains.
His frontier research addresses proto-AGI architectures, studying the convergence of large language models, symbolic reasoning, and cognitive principles toward generalizable and ethically aligned intelligence. This work is closely aligned with GreenAGI, where ontology-driven reasoning enables the use of low-parameter LLMs, reducing computational cost and CO2 emissions while preserving semantic depth and reasoning capabilities. He approaches AGI from a humanistic and transdisciplinary perspective.
His applied research includes NLP and ML solutions for health, information retrieval, conversational systems, and social data analysis, with a strong emphasis on low-resource and indigenous languages, promoting culturally respectful AI, linguistic diversity, and sustainable AI development.
El Dr. Christian E. Maldonado-Sifuentes es investigador en Inteligencia Artificial General y Procesamiento de Lenguaje Natural, con con un enfoque neurosimbólico mediante representaciones del conocimiento, hiperontologías e IA con fundamento lingüístico. Su trabajo explora cómo estructuras ontológicas dinámicas pueden integrar conocimiento simbólico, estadístico y cultural para sostener el razonamiento semántico entre dominios.
Su investigación de frontera aborda arquitecturas proto-AGI, estudiando la convergencia de modelos de lenguaje a gran escala, razonamiento simbólico y principios cognitivos hacia una inteligencia generalizable y alineada éticamente. Esta línea se articula con GreenAGI, donde el razonamiento guiado por ontologías permite utilizar LLMs de pocos parámetros, reduciendo el costo computacional y las emisiones de CO2 sin perder profundidad semántica ni capacidades de razonamiento. Aborda la AGI desde una perspectiva humanista y transdisciplinaria.
Su investigación aplicada incluye soluciones de PLN y ML para salud, recuperación de información, sistemas conversacionales y análisis de datos sociales, con un énfasis marcado en lenguas de bajos recursos y lenguas indígenas, promoviendo una IA culturalmente respetuosa, la diversidad lingüística y el desarrollo sostenible de la IA.
