Archivo de la etiqueta: Aprendizaje automático

Aprendizaje automático: una máquina lee 3.5 millones de libros para caracterizar los adjetivos asociados a hombres y mujeres

medium_jsrnhtviwvejrnvmer-gfv20pekaqivvqa3p7akuqxw

Alexander Hoyle , Lawrence Wolf-Sonkin , Hanna Wallach , Isabelle Augenstein , Ryan Cotterell. Unsupervised Discovery of Gendered Language through Latent-Variable Modeling. In Proceedings of the Annual Meeting of the Association for Computational Linguistics, 2019

Texto completo

 

Estudiar en qué medida el lenguaje que utilizamos es específico de género ha sido durante mucho tiempo un área de interés en sociolingüística. En este trabajo se analiza este fenómeno, para cuantificar el grado en que el lenguaje utilizado para describir a hombres y mujeres es diferente, y además, diferente de manera positiva o negativa. Encontramos que existen diferencias significativas entre la forma en que se describen los sustantivos masculinos y femeninos, lo que está en consonancia con los estereotipos de género más comunes: Los adjetivos positivos usados para describir a las mujeres tienen más probabilidades de estar relacionados con el cuerpo de una persona que los adjetivos que describen a los hombres.

 

Una máquina leyó 3.5 millones de libros y luego contó lo que pensaba sobre hombres y mujeres para descubrir que los adjetivos atribuidos a las mujeres tienden a describir la apariencia física, mientras que las palabras que se refieren al comportamiento se atribuyen a los hombres.

“Hermoso” y “sexy” son dos de los adjetivos más utilizados para describir a las mujeres. Los descriptores de uso común para los hombres incluyen justos, racionales y valientes.

Los investigadores revisaron una enorme cantidad de libros en un esfuerzo por descubrir si hay una diferencia entre los tipos de palabras que describen a hombres y mujeres en la literatura. Utilizando un nuevo modelo de computadora, los investigadores analizaron un conjunto de datos de 3.5 millones de libros, todos publicados en inglés entre 1900 y 2008. Los libros incluyen una mezcla de literatura de ficción y no ficción.

Podemos ver claramente que las palabras utilizadas para las mujeres se refieren mucho más a sus apariencias que las palabras utilizadas para describir a los hombres. Por lo tanto, hemos podido confirmar una percepción generalizada, solo que ahora a nivel estadístico ”, dice la científica informática y profesora asistente Isabelle Augenstein, del departamento de informática de la Universidad de Copenhague.

En la frontera del aprendizaje automático

 

43995052035_56d7d1d07c_o_d

The Frontiers of Machine Learning: Raymond and Beverly Sackler U.S.-U.K. Scientific Forum. Washington DC, National Academy of Sciences, 2018.

Texto completo

El campo del aprendizaje automático continúa avanzando a un ritmo acelerado debido al aumento de la potencia de cálculo, mejores algoritmos y herramientas, y una mayor disponibilidad de datos. El aprendizaje automático ahora se utiliza en una variedad de aplicaciones, incluido el transporte y el desarrollo de vehículos automáticos, la atención médica y la comprensión de la base genética de las enfermedades, y la justicia penal y la predicción de la reincidencia. A medida que avanza la tecnología, promete aplicaciones adicionales que pueden contribuir al bienestar individual y social.

 

 

 

Aprendizaje automático, mejores prácticas

43620129672_997aa34c1c_o_d

Nevala, K. (2018). [e-Book] The Machine Learning Primer: A SAS Best Practices E-Book, SAS, 2018.

Texto completo

Con la llegada de los grandes datos, tanto la cantidad de datos disponibles como nuestra capacidad para procesarlo ha aumentado exponencialmente. La capacidad de las máquinas para aprender ha aumentado proporcionalmente. Con toda la atención puesta en el aprendizaje automático, muchos están buscando una mejor comprensión de este tema candente y de los beneficios que podría proporcionar a sus organizaciones. El aprendizaje automático -así como el aprendizaje profundo, el procesamiento del lenguaje natural y la computación cognitiva- están impulsando innovaciones en la identificación de imágenes, la personalización de campañas de marketing, la genómica y la navegación en el automóvil autopropulsado. Este libro proporciona una introducción a estas técnicas innovadoras, así como 10 buenas prácticas y una lista de comprobación para la preparación para el aprendizaje automático.

Los procesos que las máquinas utilizan para aprender se conocen como algoritmos. Diferentes algoritmos aprenden de diferentes maneras. A medida que se proporcionan nuevos datos sobre las respuestas observadas o los cambios en el entorno a la “máquina”, el rendimiento del algoritmo mejora. Esto resulta en un aumento de la “inteligencia” con el tiempo. Un algoritmo de aprendizaje de una máquina es totalmente dependiente en los datos a los que está expuesto. Modificar los datos, modificar el resultado

El aprendizaje automático puede identificar oportunidades no identificadas previamente o problemas por resolver. Pero la máquina no es autónomamente creativa. El la máquina no desarrollará espontáneamente nuevas hipótesis a partir de hechos (datos) no como prueba. Tampoco puede la máquina determinar una nueva forma de responder a estímulos emergentes.

¿Cuáles son los beneficios y riesgos del desarrollo de la inteligencia artificial?

https3a2f2fblogs-images-forbes-com2frobertadams2ffiles2f20162f032fartificial-intelligence-is-it-dangerous-1200x1000

Risks and rewards: Scenarios around the economic impact of machine learning. [Report] The Economist, Intelligence Unit y Google, 2018.

Texto completo

Existe cierta incertidumbre en torno a los avances de la inteligencia artificial (IA) y uno de sus principales subconjuntos, el aprendizaje automático, de lo que sugiere el debate actual, en particular con respecto al impacto de la tecnología en la sociedad y la economía. Sin duda, los avances han sido increíbles y los defensores tienen razón al destacarlos. Sin embargo, no todo el mundo ve esto como un bien. De hecho, existe una gran preocupación por el hecho de que la IA represente una amenaza para el empleo, la privacidad y, con el tiempo, incluso para la humanidad.

El problema es que ambos bandos -los partidarios de la IA y sus oponentes, los partidarios y los detractores- a menudo utilizan la hipérbole para promover su punto de vista. Como resultado, gran parte del debate actual sobre IA se ha convertido en una propuesta de uno u otro tipo. O bien conducirá inexorablemente hacia un futuro utópico o será la causa de nuestra desaparición.

La verdad probablemente se encuentra en algún punto intermedio y The Economist Intelligence Unit, con el patrocinio de Google, ha llevado a cabo una investigación para identificar el punto medio mediante el desarrollo de escenarios cuantitativos y cualitativos sobre el impacto del aprendizaje automático para un número selecto de países e industrias. Los resultados se basan en modelos econométricos, investigación documental y entrevistas con expertos académicos e industriales.