Datos, algoritmos y políticas: la redefinición del mundo digital

More documents

Recommendations

Info

Capítulo VII Comisión Económica para América Latina y el Caribe (CEPAL) A pesar de la escasa (incompleta) conectividad (de alcance 3 en el gráfico), la estratificación profunda puede conectar indirectamente todas las entradas y salidas (dependiendo del ancho y la profundidad). Esto se puede hacer desde arriba (véase el diagrama VII.3A), lo que define campos receptivos (receptive fields), y desde abajo (véase el diagrama VII.3B), cuando la salida está formada por convolución con un núcleo de un ancho y una profundidad especificados. Lo importante es que esta particular forma de compartir parámetros en redes convolucionales hace que la capa sea equivalente a una traducción. Esto significa que, si la entrada cambia, la salida cambia de la misma manera. Esto asegura que el orden no importe bajo la equivalencia (equivariance): f (g (x)) = g (f (x)). Se obtiene la misma representación de una entrada, incluso si ocurre antes o después o desplazada hacia uno u otro lado. Por ejemplo, esto permite detectar si un rostro aparece en una imagen, sin perderse en los detalles relativos a la dirección, el lugar exacto y el fondo o contexto, entre otras cosas. También permite beneficiarse del hecho de que algunas características útiles para aprender sobre una parte de los datos también pueden ser útiles para otras. Esto aumenta la eficiencia, la coherencia y la estabilidad temporal de todo el sistema, mientras procesa la diversidad y la dinámica de la entrada. Para el desarrollo humano, el concepto de equivalencia permite asegurar que los diferentes insumos se representen de manera eficiente y se puedan detectar incluso si vuelven a aparecer en una configuración que depende en gran medida del contexto y la volatilidad, que es la norma para la dinámica del desarrollo económico y social. d) Regularización: sobreajuste (overfitting) La necesidad de que el aprendizaje sea sólido y flexible apunta al principal desafío relacionado con el rendimiento del aprendizaje de máquina, que consiste en decidir cuándo dejar de aprender. El algoritmo podría aprender detalles particulares del conjunto de datos específico que no son generalizables. Esto se conoce como el problema del sobreajuste (overfitting), que significa que el algoritmo aprendió más detalles de los que debería haber aprendido. Sobreajuste significa ajustar los datos más de lo necesario (warranted) (Abu-Mostafa, Magdon-Ismail y Lin, 2012). Esto ocurre automáticamente al aprender regularidades y patrones y a menudo es subjetivo. Con frecuencia, el propósito final de la aplicación del algoritmo define los aspectos que son necesarios y aquellos que son ruido. Para la comunidad de aprendizaje de máquina, la forma más común de lidiar con el sobreajuste se conoce como regularización. La regularización es cualquier modificación que se haga a un algoritmo de aprendizaje destinada a reducir su error de generalización, pero no su error de entrenamiento (Goodfellow, Bengio y Courville, 2016). Regularización es un término amplio que incluye diversos métodos, en su mayoría heurísticos aproximados. Como resultado, la regularización es tanto un arte como una ciencia (Abu-Mostafa, Magdon-Ismail y Lin, 2012). B. La práctica: inteligencia artificial para el desarrollo Con una mejor comprensión de algunos de los logros, los conceptos y las arquitecturas de los sistemas de IA modernos (específicamente las cuatro R), a continuación se examina la manera en que la IA puede utilizarse para el desarrollo económico y social, cuya conceptualización se basa en los Objetivos de Desarrollo Sostenible (ODS) de las Naciones Unidas 4 . Sobre la base de un estudio de 24 casos se identificaron cuatro elementos que enmarcan los efectos de la IA en la dinámica del desarrollo. Los dos primeros se refieren a la ubicación del procesamiento de la información mediante IA y los dos últimos a la entrada y salida de este procesamiento con respecto a la realidad empírica (Hilbert y Mann, 2018). Transferencia de inteligencia: i) La inteligencia a distancia se refiere al hecho de que las redes de telecomunicaciones modernas permiten la aplicación a distancia de sistemas de inteligencia artificial altamente entrenados. 4 Se examinaron las tecnologías de IA que abordan 9 de los 17 ODS. Se recopilaron y analizaron 24 casos de estudio diferentes. El método de recolección de casos se basó en principios de camino aleatorio y bola de nieve bastante desestructurados, pues inicialmente no se esperaba encontrar tantos ejemplos interesantes. Dado el método no estructurado de recolección de estudios de caso, las cuatro características determinadas pueden no ser exhaustivas. 176
Datos, algoritmos y políticas: la redefinición del mundo digital Capítulo VII ii) La inteligencia local se refiere al hecho de que los sistemas de IA se pueden aplicar de forma autónoma localmente, adaptándose al contexto y los requisitos locales. Manipulación de la realidad: iii) La realidad aumentada, virtual y duplicada se refiere al hecho de que los sistemas de IA permiten crear los llamados gemelos digitales de aspectos de la realidad, que luego pueden usarse para mejorar nuestra comprensión de la realidad o duplicar aspectos de esta. iv) La realidad de grano fino (fine-grained reality) se refiere al hecho de que la huella digital proporciona mapas cada vez más detallados de la realidad y el aprendizaje de máquina permite explotar la información resultante para impulsar el logro de los objetivos de desarrollo. En el cuadro VII.1 se presentan los cuatro elementos característicos de la inteligencia artificial para el desarrollo en relación con los ODS. Cuadro VII.1 Características de la inteligencia artificial (IA) para el desarrollo en relación con los Objetivos de Desarrollo Sostenible (ODS) ODS Características de la IA Objetivo 2: Poner fin al hambre, lograr la seguridad alimentaria y la mejora de la nutrición y promover la agricultura sostenible Objetivo 3: Garantizar una vida sana y promover el bienestar de todos a todas las edades Objetivo 4: Garantizar una educación inclusiva y equitativa de calidad y promover oportunidades de aprendizaje permanente para todos Objetivo 5: Lograr la igualdad de género y empoderar a todas las mujeres y las niñas Objetivo 8: Promover el crecimiento económico sostenido, inclusivo y sostenible, el empleo pleno y productivo y el trabajo decente para todos Objetivo 11: Lograr que las ciudades y los asentamientos humanos sean inclusivos, seguros, resilientes y sostenibles Objetivo 12: Garantizar modalidades de consumo y producción sostenibles Objetivo 14: Conservar y utilizar sosteniblemente los océanos, los mares y los recursos marinos para el desarrollo sostenible Objetivo 15: Proteger, restablecer y promover el uso sostenible de los ecosistemas terrestres, gestionar sosteniblemente los bosques, luchar contra la desertificación, detener e invertir la degradación de las tierras y detener la pérdida de biodiversidad Inteligencia a distancia Soporte a diagnóstico Interpretación de rayos X en casos de tuberculosis Diagnóstico automatizado Detección temprana de cataratas congénitas Automatización de la educación individualizada y la educación especial Suministro de agua justo a tiempo Inteligencia local Agricultura inteligente con análisis del cambio climático Agilización de trámites médicos Motores de investigación farmacéutica y médica Eliminación de cirugías innecesarias Detección de malaria mediante teléfonos móviles Detección de patrones ocultos en las escuelas Simulación para educar sobre la igualdad de género IA local como habilitadora de la productividad en todos los sectores Ciudades más seguras y sostenibles Ciudades más inteligentes Detección de tuberías riesgosas Sistemas de riego a demanda Preservación de la madera Realidad aumentada, virtual y duplicada Plantas que duplican alimentos de origen animal Mejora de la seguridad del conductor mediante mapas tridimensionales y conducción automática Información (simulación) y guía virtual sobre embarazo y derechos de las niñas Guía automática del comportamiento del conductor para mejorar la seguridad Análisis de rentabilidad de uso del suelo Modelamiento de ecosistemas y definición de alternativas sostenibles Modelo tridimensional interactivo de la Tierra de EarthCube Realidad de grano fino (fine-grained reality) Investigación de compuestos químicos Predicción del desarrollo de enfermedades cardiovasculares Detección de estudiantes conflictuados Mapas de reparación de carreteras Protección de especies en peligro de extinción mediante drones Mapas digitales de océanos Fuente: M. Hilbert y S. Mann, “Artificial intelligence for development: AI4D”, Rochester, 2018, inédito. Nota: Corresponde a la descripción general de soluciones basadas en IA a partir de 24 estudios de caso organizados en el marco analítico de la inteligencia artificial para el desarrollo. 177
Page 1 and 2:
Datos, algoritmos y políticas La r
Page 3 and 4:
Datos, algoritmos y políticas La r
Page 5 and 6:
Datos, algoritmos y políticas: la
Page 7 and 8:
Page 9 and 10:
Page 11:
Page 14 and 15:
Prólogo Comisión Económica para
Page 17 and 18:
Page 19 and 20:
Page 21 and 22:
Page 23 and 24:
Page 25:
Page 28 and 29:
Capítulo I Comisión Económica pa
Page 30 and 31:
Page 32 and 33:
Page 34 and 35:
Page 36 and 37:
Page 38 and 39:
Page 40 and 41:
Page 42 and 43:
Page 44 and 45:
Page 47:
Page 50 and 51:
Capítulo II Comisión Económica p
Page 52 and 53:
Page 54 and 55:
Page 56 and 57:
Page 58 and 59:
Page 60 and 61:
Page 62 and 63:
Page 65 and 66:
Page 67 and 68:
Page 69 and 70:
Page 71 and 72:
Page 73 and 74:
Page 75 and 76:
Page 77 and 78:
Page 79 and 80:
Page 81 and 82:
Page 83 and 84:
Page 85 and 86:
Page 87 and 88:
Page 89 and 90:
Page 91 and 92:
Page 93 and 94:
Page 95 and 96:
Page 97:
CAPÍTULO IV Formación de recursos
Page 100 and 101:
Capítulo IV Comisión Económica p
Page 102 and 103:
Page 104 and 105:
Page 106 and 107:
Page 108 and 109:
Page 110 and 111:
Page 112 and 113:
Page 114 and 115:
Page 116 and 117:
Page 118 and 119:
Page 120 and 121:
Page 122 and 123:
Page 124 and 125:
Page 126 and 127:
Page 129 and 130: Datos, algoritmos y políticas: la
Page 147: Datos, algoritmos y políticas: la
Page 169: Datos, algoritmos y políticas: la
Page 172 and 173: Capítulo VII Comisión Económica
show all

Datos, algoritmos y políticas: la redefinición del mundo digital

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?