ESI ULM
首頁全年齡今天在 RNE:社交網絡的激進化和大流行的經濟後果

今天在 RNE:社交網絡的激進化和大流行的經濟後果

José Ángel Olivas 教授 - Radio Nacional de España

今天在 RNE:社交網絡的激進化和大流行的經濟後果

今天,18 年 2023 月 23 日,晚上 XNUMX 點開始,西班牙國家廣播電台,教授 何塞·安吉爾·奧利瓦斯 將接受采訪 Josep Cuní 在“24 小時”節目中. José Ángel Olivas 教授將介紹報告“人工智能,利用知識工程智能利用海量數據: 社交網絡的激進化和大流行的經濟後果。 由 José A. Olivas 本人、Andrés Montoro 和 Antonio Lorenzo 創作,並由 OBS 商學院出版。

報告摘要:

本報告描述並建議在計算、信息學和人工智能領域內使用知識工程模型和其他更多“認知”和更少“數字”的學科和技術,例如軟計算、自然的語義/語言方法語言處理,社會學和心理學的某些方面等。 除其他外,更好地智能地利用在許多情況下可用的海量數據,以便設計出比許多僅使用孤立的數字技術的系統更智能的系統。

必須考慮到,另一個核心要素必須是將這些模型轉移到社會技術、商業結構和工業中的能力,從而有助於開發更強大、更人性化的計算機系統,並具有更大的預測未來的能力。以其不同的形式(預測、預後、估計、處方……),這基本上是使人類“理性”的推理能力的目標和痴迷之一。

該提案是 OBS 報告中提出的提案的延續:人工智能、計算智能和智能數據分析1,它為人工智能應該嚴格理解的內容奠定了基礎。

下面簡要介紹了人工智能應該理解的內容以及在處理數據、信息和知識時必須考慮的許多具體特徵。 這些元素沒有被考慮到它們在大多數係統中的相關性以使用大量可用數據,這會導致太差、錯誤或不相關的結果,正如我們在許多宣傳的預測未來的系統中看到的那樣,例如如選舉預測、衝突或流行病演變的估計、經濟因素的演變、Euribor、CPI、通貨膨脹等等。

為了改進這些系統的行為和結果,提出了一種結合應用領域知識工程和知識工程的海量數據智能利用系統開發的通用方法論(示意圖)。它以兩個案例為例,第一個是為了檢測激進行為而對社交媒體進行監視,第二個是分析 COVID 19 大流行對股市的影響。

可以參考該提案的其他應用示例,例如選舉預測和上述 OBS 人工智能報告中提到的所有示例。

與某人分享:
評價這個項目