Desarrollan IA para mostrar cambios en estereotipos
My Press

Viernes, 20 de julio de 2018

Desarrollan IA para mostrar cambios en estereotipos

  Se analizó a mujeres; asiáticos y el Islam

Publicado en: Ciudad de México, el por

El machine learning, también conocido como aprendizaje automático es un subcampo de la computación y una de las ramas de la inteligencia artificial (IA), cuyo objetivo es desarrollar técnicas para que las computadoras puedan aprender. Específicamente, se crean programas capaces de generalizar comportamientos por medio de datos suministrados en forma de ejemplos. Es un proceso de inducción del conocimiento y se centra mucho en el estudio computacional de los problemas. Entre sus aplicaciones se incluyen motores de búsqueda, detección de fraude, diagnósticos médicos, análisis de los mercados de valores, además de reconocimiento del habla y lenguaje escrito.

Dentro de ella se encuentran las incrustaciones de las palabras, las cuales consisten en la representación de cada palabra en inglés, por medio de un vector; de modo que la geometría entre los vectores, captura las relaciones semánticas entre las palabras correspondientes. Un grupo de científicos comandados por Nikhil Garg, demostró el uso de las incrustaciones como una herramienta en la cuantificación de las tendencias históricas y el cambio social. Para ello, hicieron uso de las métricas en la caracterización de los cambios en los estereotipos de sexo y actitudes hacia las mujeres y minorías en Estados Unidos de los siglos XX y XXI.

Sobre los hallazgos y el análisis sobre los asiáticos, los investigadores encontraron los adjetivos más sesgados de Asia en 1910, 1950 y 1990. Antes de 1950, las palabras muy negativas, en especial las utilizadas para describir foráneos, se encuentran dentro de las palabras más asociadas a los asiáticos, por ejemplo: bárbaro, odioso, monstruoso, extraño y cruel. No obstante, después de ese año y específicamente en 1980, la población asiática creció en Estados Unidos y las palabras comenzaron a reemplazarse por otras ahora consideradas estereotipos como sensibles, pasivos, complacientes, activos y cordiales.

Aprendizaje sistemático permitió el análisis de los estereotipos de mujeres, asiáticos y del Islam a través de los años y sus cambios

Por otro lado, se analizó también el grupo de las mujeres. Durante el estudio se dieron cuenta que se pueden utilizar las incrustaciones para hacer afirmaciones comparativas y demostraron cómo la descripción de las mujeres también cambió a lo largo de tiempo por medio de los adjetivos en la literatura y la cultura popular. El movimiento de las mujeres entre los años 60 y 70 provocó un cambio sistemático en en análisis. En 1910 los adjetivos más utilizados eran: encantadora, delicada, apasionada, dulce, soñadora, indulgente, juguetona y sentimental.

Transparente, infantil, aburrida, insípida y agradable fueron algunos adjetivos añadidos en 1950 y para el año de 1990, se utilizaron otros como maternal, macabra, artificial, física, cariñosa, emocional, protectiva, atractiva y pulcra. Los investigadores notaron que la competencia percibida y la apariencia física son solo dos componentes de los estereotipos de género.

Otros estereotipos culturales y étnicos analizados fueron los relacionados con el Islam y el terrorismo. De acuerdo con el estudio, durante más de dos décadas en el New York Times, las palabras relacionadas con el Islam se relacionaron con el terrorismo. Algunas de las palabras vinculadas con "terrorismo" fueron bomba, terror y violencia. Conforme pasó el tiempo, dentro del New York Times, el Islam se asoció más con el terrorismo que el cristianismo y esto aumentó después de los atentados del 9 de septiembre (9/11) en Estados Unidos.

Los expertos señalan en las ciencias sociales cuantitativas estándar, el aprendizaje automático toma el rol de una herramienta en el análisis de datos. "Nuestro trabajo muestra cómo los artefactos del machine learning, pueden ser objetos interesantes de análisis sociológico y creemos este cambio de paradigma puede conducir a muchos estudios fructíferos".

 

 

NOTICIAS DE LA SECCIÓN

Microsoft implementa mejoras en el Face ID

Ecosistemas forestales, estratégico aliado ante el cambio climático

El aprendizaje de la Inteligencia Artificial

Fernando Alonso y el fruto de la alianza de Kodak y blockchain

Inteligencia Artificial Mujer Estudio

¿Te gustó el contenido?