Archivo de la etiqueta: Inteligencia artificial

Uso de la Inteligencia Artificial (IA) en el sector del patrimonio cultural

AI in relation to GLAMs Task Force Report. Europeana, 2021.

Texto completo

En septiembre de 2020, el Grupo de Trabajo encuestó a profesionales que trabajan en galerías, bibliotecas, archivos y museos (GLAM), instituciones de investigación y la industria en general (incluidos los proveedores de tecnología y las industrias creativas). La encuesta recibió 56 respuestas y los resultados ofrecen una valiosa perspectiva sobre el uso de la Inteligencia Artificial (IA) en el sector del patrimonio cultural.

Casi todos los encuestados (91,8%) estaban interesados en al menos un tema relacionado con la IA, y más de la mitad de ellos (54%) tenían experiencia en este ámbito. Varios afirmaron que ya estaban trabajando en proyectos relacionados con la IA, en su mayoría orientados a la digitalización y la capacidad de descubrimiento. Sin embargo, muchas personas también señalaron los retos que supone trabajar con la IA, especialmente en relación con los conocimientos y la experiencia que los proyectos exigen al personal y la falta de datos de entrenamiento debidamente anotados.

Todos los entrevistados estuvieron de acuerdo en que la IA tiene un gran potencial para el patrimonio cultural y querían investigar más sobre su uso. De muchas respuestas se desprende que la IA desempeñará un papel cada vez más importante y valioso en todas las actividades de las organizaciones culturales, especialmente en lo que respecta al acceso, la extracción de metadatos y el enriquecimiento. Sin embargo, al igual que en la encuesta, muchas personas se refirieron a los retos que supone trabajar con la IA, destacando la necesidad de una colaboración interdepartamental, la difícil falta de datos con anotaciones adecuadas y las complejidades de integrar la IA en la infraestructura existente. También expresaron su preocupación por la ética y por la mejor manera de demostrar y comunicar el valor de la aplicación de la IA.

De los resultados de este grupo de trabajo se desprende que los proyectos de IA y aprendizaje automático (ML) ya se están llevando a cabo en las GLAM y lo han hecho durante varios años, aunque no siempre hayan sido visibles. Esperamos que los resultados de este grupo de trabajo sean una forma de compartir y promover este trabajo.

Inteligencia artificial y datos masivos en archivos digitales sonoros y audiovisuales.

Rodríguez Reséndiz, Perla Olivia. Inteligencia artificial y datos masivos en archivos digitales sonoros y audiovisuales. Universidad Nacional Autónoma de México. Instituto de Investigaciones Bibliotecológicas y de la Información, 2021

Texto completo

Desde la invención de la tecnología de información, nuestra capacidad de generación de datos nunca había sido tan intensa y constante. Cada año se produce más información digital que el anterior. El uso y manejo de grandes volúmenes de información digital es un signo contemporáneo. La Inteligencia Artificial tiene una amplia gama de aplicaciones para enormes cantidades de datos por lo que ambos conceptos van de la mano en pro de su almacenamiento y catalogación. En los primeros años del siglo XXI se han puesto en marcha las primeras aproximaciones teóricas y desarrollos tecnológicos de la IA en grandes volúmenes de datos digitales que se resguardan en archivos sonoros y audiovisuales. Los resultados de las experiencias pioneras son muy valiosos. Este libro reúne estas experiencias, así como opiniones y aproximaciones al uso de la Inteligencia Artificial para resguardar datos masivos en distintos ámbitos profesionales y académicos.

El gobierno de los algoritmos: peligros y poderes de la IA en el sector público

Governing algorithms: perils and powers of AI in the public sector. Digital Future Society, 2021

Texto completo

El objetivo de este libro blanco es contribuir a un desarrollo inclusivo de la IA y ayudar a restablecer y reforzar la confianza entre los responsables políticos y el público. Esto exige un mayor esfuerzo para comprender mejor los efectos de la IA y desarrollar algoritmos explicables y responsables. Además, se necesitan marcos de evaluación sólidos que puedan valorar no sólo el rendimiento, sino también el desempeño y el impacto socioeconómico de la IA.

El libro blanco contiene cinco estudios de casos de uso de la IA que han suscitado preocupación debido a la considerable reacción pública que surgió tras su adopción. Cada uno de ellos alimentó un fuerte debate entre políticos, académicos, profesionales y ciudadanos. Todos estos ejemplos proceden de países europeos, aunque también se incluyen otros ejemplos internacionales. El libro examina sobre todo casos europeos porque la Unión Europea (UE), buscando limitar los riesgos asociados a la IA, adoptó la posición de desarrollar una IA responsable que tenga un propósito ético y una solidez técnica. Se trata de dos componentes fundamentales para fomentar la confianza y facilitar la adopción.

Perspectivas de la educación digital de la OCDE 2021: empujando las fronteras con inteligencia artificial, blockchain y robots

OECD Digital Education Outlook 2021: Pushing the Frontiers with Artificial Intelligence, Blockchain and Robots, OECD Publishing, 2021, Paris, https://doi.org/10.1787/589b283f-en.

Texto completo

¿Cómo podrían transformar la educación la tecnología digital y, en particular, las tecnologías inteligentes basadas en la inteligencia artificial (IA), la analítica del aprendizaje, la robótica y otras? Este libro explora esta cuestión. Se centra en cómo las tecnologías inteligentes cambian actualmente la educación en las aulas y la gestión de las organizaciones y los sistemas educativos. El libro profundiza en los usos beneficiosos de las tecnologías inteligentes, como la personalización del aprendizaje, el apoyo a los estudiantes con necesidades especiales de aprendizaje y la acreditación de diplomas mediante blockchain. También considera los desafíos y las áreas de investigación futura. Las conclusiones ofrecen vías para que los profesores, los responsables políticos y las instituciones educativas digitalicen la educación y optimicen la equidad y la inclusión.

El impacto de la IA, el aprendizaje automático, la automatización y la robótica en la profesión de la información

Research report: The impact of AI, machine learning, automation and robotics on the information profession. London: CLIP, Health Education England, 2021

Texto completo

El objetivo de esta investigación independiente es ayudar a nuestra comunidad profesional a entender cómo la IA, el aprendizaje automático, la automatización de procesos y la robótica ya están afectando al trabajo diario de los profesionales de la información sanitaria o pueden hacerlo en un futuro próximo.

En él, el autor, el Dr. Andrew Cox, de la Universidad de Sheffield, pide una respuesta conjunta y coherente por parte de los profesionales de la información, que nos permita maximizar los beneficios de la IA, el aprendizaje automático, la automatización y la robótica para los usuarios de la información, al tiempo que se mitigan los riesgos emergentes.

El informe de investigación completo, publicado por CILIP con el apoyo de Health Education England, establece un análisis detallado y metódico de los retos y oportunidades que presenta esta nueva generación de tecnologías.

La investigación ha destacado un conjunto de habilidades y competencias que los profesionales de la información necesitarán desarrollar para apoyar a sus usuarios y organizaciones a través de esta 4ª Revolución Industrial. CILIP ya ha comenzado el proceso de integración de estas ideas en nuestro trabajo a través de la próxima revisión de la Base de Conocimientos y Habilidades Profesionales de CILIP (PKSB), el estándar de habilidades del sector para las personas que trabajan en el conocimiento, la información y las bibliotecas.

En concreto, pretende responder a las siguientes preguntas:

¿Cómo garantizamos que los trabajadores de hoy en día tengan las habilidades y la comprensión que necesitan para poder ayudar a sus usuarios a participar de forma segura y con éxito en un mundo moderno que está cada vez más impulsado por la inteligencia artificial (IA), el aprendizaje automático, la automatización de procesos y la robótica?
¿Cuáles son las implicaciones éticas de nuestro enfoque de estas tecnologías? ¿Cómo podemos desplegar el marco ético existente para los bibliotecarios y asegurar que se alinea con el trabajo emergente sobre la ética de los datos y la tecnología responsable?
¿Cómo debería ser el conjunto de habilidades de la futura fuerza de trabajo y cuál es el plan de estudios por el que nos aseguraremos de que la próxima generación de profesionales de la información tiene las habilidades para seguir el ritmo de los futuros desarrollos en la tecnología?

Traducción realizada con la versión gratuita del traductor http://www.DeepL.com/Translator

Google plantea un nuevo buscador que proporcionará respuestas en lenguaje natural como si se tratara de un experto en la materia a partir de fuentes fiables y fidedignas.

Ejemplo de búsqueda en la web (izquierda), modelo lingüístico (centro) y respuestas de expertos (sistema previsto)

Metzler, D., Tay, Y., Bahri, D., & Najork, M. Rethinking Search: Making Experts out of Dilettantes. arXiv:2105.02274 [cs], 2021. http://arxiv.org/abs/2105.02274

Un nuevo artículo de cuatro investigadores de Google propone un sistema “experto” capaz de responder con autoridad a las preguntas de los usuarios en lugar de presentar una lista de posibles resultados de búsqueda, basado en el algoritmo GPT-3 presentado el año pasado. Este enfoque podría cambiar no sólo el funcionamiento de los motores de búsqueda, sino también lo que hacen, y la forma en que interactuamos con ellos.

El documento, titulado Rethinking Search: Making Experts out of Dilettantes, sugiere que la forma actual de presentar al usuario una lista de resultados de búsqueda en respuesta a una consulta es una “carga cognitiva”, y propone mejoras en la capacidad de un sistema de procesamiento del lenguaje natural (PLN) para dar una respuesta autorizada y definitiva que sustituya el enfoque de clasificación por un modelo de respuesta experta en lenguaje de inteligencia artificial (IA).

La mayoría de los motores de búsqueda siguen funcionando de la misma manera que hace 20 años: las páginas web son indexadas por rastreadores (software que lee la web sin parar y mantiene una lista de todo lo que encuentra), los resultados que coinciden con la consulta de un usuario se recogen de este índice, y los resultados se clasifican por relevancia. Hasta ahora las búsquedas en Google se han basado en el algoritmo Page Rank para arrojar los resultados de búsqueda a partir de la calidad y cantidad de los enlaces que le dan otras páginas a una página determinada. El problema es que los motores de búsqueda actuales siguen respondiendo con una lista de documentos que incluyen la información solicitada, no con la información en sí, si no con una lista de referencias. Según Metzler, es como si pidieras consejo a tu médico y recibieras una lista de artículos para leer en lugar de una respuesta directa. Por ello, Google se está replanteando este método por el de una búsqueda basada en un nuevo algoritmo de lenguaje denominado GPT-3. El nuevo algoritmo extrae información de múltiples fuentes para responder a las preguntas en lenguaje natural. Lo que proporcionará al usuario de una búsqueda, no la lista de los resultados más relevantes como ocurre ahora, si no una respuesta en lenguaje natural como si se tratara de un experto en la materia a partir de fuentes fiables y fidedignas.

Metzler y sus colegas están interesados en un motor de búsqueda que se comporte como un experto humano “Debería producir respuestas en lenguaje natural, sintetizadas a partir de más de un documento, y respaldar sus respuestas con referencias a pruebas de apoyo, como pretenden hacer los artículos de Wikipedia”. Y añade: “Cuando existe una necesidad de información, los usuarios desearían preguntar a un experto, pero a menudo recurren a un sistema de recuperación de información, como un motor de búsqueda. Los sistemas clásicos de recuperación de información no responden directamente a las necesidades de información, sino que proporcionan referencias a respuestas (que se espera sean autorizadas). Los sistemas de respuesta a preguntas de éxito ofrecen un corpus limitado creado a la carta por expertos humanos, que no es ni oportuno ni escalable”. En cambio, los grandes modelos lingüísticos pre entrenados son capaces de generar directamente una prosa que puede responder a una necesidad de información, pero en la actualidad son más aficionados que expertos: no tienen una verdadera comprensión del mundo; y lo que es más importante, son incapaces de justificar sus enunciados haciendo referencia a documentos de apoyo en el corpus sobre el que fueron entrenados (ver imagen). El artículo examina cómo las ideas de la recuperación de información clásica y los grandes modelos lingüísticos pueden sintetizarse y evolucionar hacia sistemas que realmente cumplan la promesa del asesoramiento experto.

¿Se puede utilizar la IA de forma ética para ayudar a la revisión por pares?

Can AI be used ethically to assist peer review? LSE, 2021

Texto completo

A medida que ha aumentado la tasa y el volumen de publicaciones académicas, también lo ha hecho la presión sobre los editores de revistas para encontrar rápidamente revisores para evaluar la calidad del trabajo académico. En este contexto, el potencial de la inteligencia artificial (IA) para impulsar la productividad y reducir la carga de trabajo ha recibido una atención significativa. Basándose en la evidencia de un experimento que utiliza IA para aprender y evaluar los resultados de la revisión por pares, Alessandro Checco, Lorenzo Bracciale, Pierpaolo Loreti, Stephen Pinfield y Giuseppe Bianchi,  discuten las perspectivas de la IA para ayudar a la revisión por pares y los posibles dilemas éticos que su aplicación podría producir. .

El proceso de comunicación académica está bajo presión, particularmente debido a las crecientes demandas de los revisores pares. Los envíos de manuscritos a revistas de revisión por pares están creciendo aproximadamente un 6% anual. Cada año, se dedican más de 15 millones de horas a revisar manuscritos previamente rechazados y luego reenviados a otras revistas. Muchos de estos podrían evitarse en la fase de selección previa a la revisión por pares.

En lugar de visiones más grandiosas que sustituyan por completo la toma de decisiones humana, nos interesa comprender hasta qué punto la IA podría ayudar a los revisores y a los autores a hacer frente a esta carga. De ahí surge la pregunta: ¿podemos utilizar la IA como una herramienta básica para modelar la toma de decisiones de los revisores humanos?

Para poner a prueba esta propuesta, entrenamos una red neuronal utilizando una colección de manuscritos enviados de ponencias de conferencias de ingeniería, junto con sus decisiones de revisión por pares asociadas.

La herramienta de IA analizó los manuscritos utilizando un conjunto de características: el contenido textual, junto con puntuaciones de legibilidad y medidas de formato. El análisis abarca las partes del proceso de garantía de calidad de los resultados en las que se solapan la selección previa a la revisión por pares y la propia revisión por pares, cubriendo aspectos como el formato y la calidad de la expresión.

Una vez completada la fase de aprendizaje, se evaluó la precisión de las reglas empíricas para predecir el resultado de la revisión por pares de un manuscrito no observado previamente. Por último, se plantearon las siguientes cuestiones “¿Por qué la herramienta de IA ha marcado los artículos como aceptados o rechazados?”, ya que responder a esta pregunta puede darnos una idea de la toma de decisiones humana que la herramienta estaba modelando.

Los revisores pueden verse indebidamente influenciados por cuestiones de formato o gramaticales (o por el uso de métodos que han sido asociados con trabajos rechazados en el pasado) y se ven inconscientemente influenciados por ello en sus juicios sobre cuestiones más sustanciales de la presentación.

En ese caso, una herramienta de IA que analicen los trabajos antes de la revisión por pares podría utilizarse para aconsejar a los autores que reelaboren su trabajo antes de enviarlo a la revisión por pares. Esto podría ser especialmente beneficioso para los autores cuya lengua materna no es el inglés, por ejemplo, y cuyo trabajo, por tanto, podría verse afectado negativamente por el sesgo de la primera impresión.

Las herramientas tienen el potencial de beneficiar directamente a los editores de revistas y actas de congresos en la toma de decisiones. Tienen el potencial de ahorrar tiempo a los revisores, cuando se utilizan como sistemas de apoyo a la decisión. También podrían ser útiles para los autores, como hemos sugerido. En particular, podrían:

  • Reducir el número de rechazos
  • Mejorar la toma de decisiones humanas con datos
  • Sesgos y cuestiones éticas

Todas estas cuestiones éticas deben tenerse muy en cuenta a la hora de diseñar e implantar las herramientas de IA en la práctica y de determinar el papel que desempeñan en la toma de decisiones. La investigación continua en estas áreas es crucial para ayudar a garantizar que el papel de las herramientas de IA en procesos como la revisión por pares sea positivo.

Inteligencia artificial: transformaciones y retos en el sector editorial

 Inteligencia artificial: transformaciones y retos en el sector editorial. Bogotá: Cerlalc, 2021

Texto completo

En los últimos años se ha discutido ampliamente sobre los avances y consecuencias de los recientes desarrollos en inteligencia artificial. El más reciente dosier del Cerlalc trae la cuestión sobre la IA al mundo editorial y la gestión del derecho de autor. A través de los ensayos de expertos en la materia, se exploran el estado actual y las fronteras de la IA, su implicación en las definiciones autoría y titularidad, y su relación con diversos procesos editoriales y de protección de datos de consumidores. En conjunto, el dosier brinda una mirada específica sobre la IA y las posibles transformaciones y retos que supone para el sector de nuestra región.

Springer Nature lanza un nuevo formato de libro: descripciones generales de la literatura basada en inteligencia artificial

Springer Nature Launches A New Book Format: AI-Based Literature Overviews

Ver noticia

Tras la publicación de su primer libro generado por máquina en 2019, Springer Nature ahora ha desplegado su experiencia en IA para crear un nuevo formato de publicación que se centra en revisiones de literatura. Si bien el primer libro sobre baterías de iones de litio se basó completamente en la inteligencia artificial, este nuevo formato adopta un enfoque híbrido innovador de combinación de la interacción hombre-máquina. El nuevo producto es una mezcla de textos escritos por humanos y resúmenes de literatura generados por máquinas, en la que un autor coloca estas revisiones generadas por máquinas, creadas a partir de un gran conjunto de artículos publicados anteriormente en las revistas de Springer Nature, en capítulos de libros y brinda una información científica. perspectiva.

Climate, Planetary and Evolutionary Sciences: A Machine-Generated Literature Overview, editado por Guido Visconti, es la primera publicación de este tipo. El profesor Guido Visconti ideó una serie de preguntas y palabras clave relacionadas con diferentes aspectos de los estudios climáticos, examinando sus desarrollos más recientes y sus aplicaciones más prácticas. Estos fueron consultados, descubiertos, recopilados y estructurados por la máquina utilizando agrupaciones de inteligencia artificial con los resultados presentados en una serie de capítulos de libros para que el profesor Visconti los pusiera en contexto científico. Este enfoque combinado de interacción hombre-máquina pudo revelar la naturaleza compleja e interdisciplinaria de las ciencias climáticas, planetarias y de la evolución. Springer Nature está planificando un mayor desarrollo de este nuevo formato y haciendo de la colaboración hombre-máquina parte de su experiencia editorial.

Herramienta de dominio público: automatizar el cálculo de obras en el dominio público

La regla general en la Unión Europea es que si el autor de una obra ha muerto hace más de 70 años, esa obra forma parte del dominio público. Para identificar piezas de colección en el dominio público y respetar la protección de los derechos de autor de otros elementos, es esencial conocer el estado de sus derechos.

Muchas instituciones ven como parte de su misión hacer que sus colecciones sean accesibles de la manera más amplia y libre posible. La identificación precisa el estado de los derechos de autor de los elementos de la colección puede respaldar dicha misión al garantizar que las colecciones que son de dominio público estén marcadas correctamente, de modo que quede claro que se pueden reutilizar libremente.

La herramienta desarrollada por Meemoo, el Instituto Flamenco de Archivos, que ayuda a las instituciones del patrimonio cultural a determinar si los registros de su colección podrían ser de dominio público. La herramienta está disponible en holandés y su enfoque innovador puede servir de inspiración y guía para todos aquellos que buscan identificar con precisión los derechos de autor en las colecciones. La herramienta quita una parte del trabajo manual al combinar de manera inteligente los datos de un sistema de gestión con información de Wikidata, lo que le brinda información más rápida sobre el estado de los derechos de autor de (al menos parte de) su colección.