Inteligencia artificial en GLAM: políticas de información

Abstract

El artículo analiza los desarrollos en Inteligencia Artificial (IA) en Galerías, Bibliotecas, Archivos y Museos (GLAM) y las implicancias de su uso concluyendo la necesidad de la formulación de una política en IA. El aprendizaje automático (machine learning) constituye un tipo de inteligencia artificial específica capaz de ser entrenada, enseñada o programada sin una acción humana directa. Una aplicación de aprendizaje automático es alimentada con datos que son consumidos y éstos determinan la respuesta. Este sistema es diseñado para identificar ciertos patrones a través del entrenamiento con un conjunto de datos grande, realizando iteraciones en donde el sistema presenta su propia salida reprogramando sus acciones y adhiriendo a procesos cooperativos o competitivos entre distintos agentes. Se detallan algunos casos del uso de IA en GLAM: - Servicios sobre colección de tesis: recomendador de contenidos similares a uno elegido, búsqueda de contenido similar a uno presentado y revisión bibliográfica - Servicio de referencia asistido por un bot - Asignación temática - Revisión por pares: asignación de revisores, asignación de palabras clave, asignación de tópicos, chequeo gramatical - Edición académica Se analizan los problemas de sesgo que se producen por ejemplo por el uso preponderante del idioma inglés en los conjuntos de datos lo que sesga otros idiomas y por transitiva a autores o revisores que no son de habla inglesa. Aunque los algoritmos se generen sin sesgo intencional, esto igual puede producirse por la naturaleza de los datos con que son alimentados. Los profesionales de la información deberán formar parte de grupos interdisciplinarios que busquen desarrollar iniciativas que legislen obligaciones legales para forzar a las instituciones a asegurarse el impacto de los algoritmos para realizar decisiones y corregir los errores si se detecta sesgo. Asimismo los profesionales de la información tienen un papel importante en asesorar a los usuarios de sistemas de IA sobre las limitaciones de éstos y sobre la interpretación de los resultados que no son objetivos, completos o totalmente correctos y que representan una declaración de probabilidad.