Ayuda
Ir al contenido

Dialnet


Resumen de Perspectivas y retos de las técnicas de inteligencia artificial en el ámbito de las ciencias sociales y de la comunicación

Raúl Ramos Pollán

  • español

    En los últimos diez años, los métodos y técnicas de inteligencia artificial (ia) han visto grandes avances, y han pasado a formar parte, en muchos casos, del paisaje habitual desde el cual se abordan nuevos o antiguos problemas en distintas áreas del conocimiento humano. En este avance confluyen distintos aspectos, y en especial tres: la disponibilidad y la variedad de datos de manera generalizada en muchas de las áreas de actividad humana; un entendimiento más profundo de las matemáticas que gobiernan la algorítmica subyacente; y una disponibilidad y capacidad de hardware y del cómputo que permiten una experimentación amplia y profusa de los datos. Teniendo en cuenta estos aspectos, el reto fundamental en cada problema y en cada ámbito de aplicación se enfoca en entender cómo utilizar estas tecnologías, qué alcance pueden llegar a tener y qué limitaciones hay que superar para poder tener resultados beneficiosos de ellas (en términos de costes de producción, valor, etc.). Este reto incluye aspectos como la identificación de las fuentes de datos y sus necesidades de integración y curación; la necesidad y el coste de adquirir o construir datasets etiquetados; la medición de la volumetría de datos necesaria; y la validación de su factibilidad, el planteamiento técnico de las tareas de analítica de datos y su alineación con los objetivos de la aplicación final; etc. Las ciencias sociales y de la comunicación no son una excepción a estos campos del conocimiento ligados a la ia, aunque sí presentan particularidades que definen el tipo de tecnologías y métodos de ia que son más apropiados (i.e. procesamiento de lenguaje natural). La utilización exitosa de técnicas de ia en estas disciplinas corresponde, no solo al conocimiento de las técnicas, sino también al establecimiento de contextos de aplicación factibles, que incluyan la disponibilidad de datos, la complejidad adecuada de la tarea a realizar y los procedimientos de validación con expertos en el área. Este trabajo presenta una introducción a la metodología gracias a la cual se generan modelos de ia, un resumen de los métodos y servicios de ia con más potencial de usarse en ciencias sociales y de la comunicación y, finalmente, algunos ejemplos de aplicaciones que ilustran consideraciones prácticas y técnicas al respecto

  • English

    In the last ten years, artificial intelligence (ai) methods and techniques have witnessed great advances and they already make part of the usual landscape from where new or old problems are tackled in different areas of human knowledge.

    Three particular aspects are behind this leap forward: a generalized availability and variety of data; a deeper understanding of the mathematics governing the underlying algorithmics; and hardware capabilities allowing wide and deep experimental pipelines over data. The main challenge in each problem and context of application now lies on understanding how can these technologies can be used, their reach and limitations so that the can be aligned with the aims of each specific problem at hand. Social and communication sciences are no exception, but show particularities that define which ai technologies and methods are most appropriate (i.e. natural language processing). This works presents an introduction to the methodology under which ai models are built, to potentially useful ai services in the field and, finally, some examples of applications illustrating practical and technical considerations in this respect.

  • português

    Nos últimos 10 anos os métodos e técnicas de inteligência artificial (ia) têm sofrido um grande avanço passando a fazer parte, em muitos casos, da paisagem habitual desde a qual abordam-se novos ou antigos problemas em diferentes áreas do conhecimento humano. Neste avanço confluem diferentes aspetos, mas especialmente três: uma disponibilidade e variedade de dados de maneira generalizada em muitas das áreas de atividade humana, um entendimento mais profundo das matemáticas que governam a algorítmica subjacente e uma disponibilidade e capacidade de hardware e computação que permite uma experimentação mais ampla profusa sobre os dados. Com isto, o desafio fundamental em cada problema e âmbito de aplicação enfoca-se em entender como utilizar estas tecnologias, que alcance podem ter e que limitações tem que superar para conseguir resultados benéficos das mesmas (em termos de custos de produção, valor das mesmas, etc.). Isto inclui aspetos como: a identificação das fontes de dados e sua necessidade de integração e cura, a necessidade e o custo de adquirir ou construir datasets etiquetados, a medição da volumetria de dados necessária e validação de sua factibilidade, a abordagem técnica das tarefas de analítica de dados e sua alienação com os objetivos da aplicação final, etc. As ciências sociais e da comunicação não são uma exceção a este fato, ainda que sim apresentam particularidades que definem o tipo de tecnologias e métodos de ia que são mais apropriados (i.e. processamento de linguagem natural). A utilização bem-sucedida de técnicas de ia neste caso acontece não só por ter um conhecimento de ditas técnicas, mas por estabelecer contextos de aplicação factíveis que incluam a disponibilidade de dados, complexidade adequada da tarefa a realizar e procedimentos de validação com expertos na área. Este trabalho apresenta uma introdução à metodologia pela qual se geram modelos de ia, um resumo dos métodos e serviços de ia com maior potencial de ser usados em ciências sociais e da comunicação e, finalmente, alguns exemplos de aplicações que ilustram considerações práticas e técnicas a este respeito.


Fundación Dialnet

Dialnet Plus

  • Más información sobre Dialnet Plus