El aprendizaje en sistemas autónomos e inteligentes
Visión general y sesgos de fuentes de datos
Bibliographic Data
| ID | 11389211 |
|---|---|
| Authors | Pablo Jiménez Schlegl (0000-0003-3627-4938, Universitat Politècnica de Catalunya, corresponding author) |
| Year | 2021 |
| Volume | 197 |
| Issue | 802 |
| Pages | a627 |
| Publication date | 2021-12-30 |
| Open Access | Yes |
| Type | ARTICLE |
| Venue | Arbor (JOURNAL) |
| Journal identifiers | ISSN: 0210-1963 • E-ISSN: 1988-303X |
| Publisher | Editorial CSIC (PUBLISHER) |
| DOI | 10.3989/arbor.2021.802005 |
| OpenAlex | W4210257884 |
| Language | ES |
| Citations received | 1 |
| References cited | 20 |
Los sistemas autónomos e inteligentes (A/IS por sus siglas en inglés, en concordancia con el informe del IEEE sobre diseño alineado con la ética) pueden obtener sus conocimientos a través de diferentes procedimientos y de fuentes diversas. Los algoritmos de aprendizaje son neutros en principio, son más bien los datos con los que se alimentan durante el período de aprendizaje que pueden introducir sesgos o una orientación ética específica. El control humano sobre el proceso de aprendizaje es más directo en aprendizaje por demostración, donde las fuentes de datos están restringidas a las elecciones del demostrador (o profesor), pero incluso en las versiones no supervisadas del aprendizaje por refuerzo los sesgos están presentes a través de la definición de la función de recompensa. En este artículo proporcionamos una visión general de los paradigmas de aprendizaje de los sistemas artificiales: métodos supervisados y no supervisados, con los ejemplos más destacados de cada categoría, sin profundizar demasiado en el detalle técnico. Además describimos los tipos de fuentes de datos disponibles actualmente y su uso por la comunidad robótica. También enfatizamos el sesgo que se observa en bases de datos de imágenes y originados por anotación humana. Destacamos una investigación muy reciente sobre sesgo en navegación de robots sociales y finalizamos con una breve reflexión sobre influencia del ambiente sobre futuros robots que aprenden
Humanities · Ethics and Social Impacts of AI · Philosophy · Robot Manipulation and Learning
| Citations per year | 0.33 |
|---|---|
| Citation span | 2023 - 2023 (1) |
| Highly cited | No |