Investigadores de la Universidad Ben-Gurion del Negev han diseñado un sistema de inteligencia artificial que identifica violaciones a las normas sociales.
Investigadores de la Universidad Ben-Gurion del Negev diseñaron sistema IA que identifica violaciones normas sociales.
El Diccionario APA de Psicología proporciona una definición completa de las normas sociales como estándares determinados socialmente que indican comportamientos típicos y apropiados dentro de un contexto social específico. Estas normas pueden ser universales, aplicándose ampliamente a través de las culturas, o contextuales, específicas de configuraciones culturales particulares.
Aunque las normas sociales varían entre culturas y contextos, las violaciones de las normas sociales a menudo se pueden agrupar en algunas categorías generales. Estas categorías capturan temas comunes que trascienden las fronteras culturales.
La identificación automática de las normas sociales y sus violaciones plantea un desafío significativo. Para abordar este desafío de manera efectiva, el primer paso es identificar las características, señales o variables que indican cuándo se ha violado una norma social.
Los investigadores de la Universidad de Ben-Gurion de Negev han estudiado la identificación automática de las violaciones de las normas sociales y un investigador ha diseñado un sistema de IA que puede detectar las violaciones de las normas sociales. Este estudio tenía como objetivo cerrar la brecha entre las ciencias sociales y la ciencia de datos, reconociendo el potencial de integrar ambos campos para obtener una comprensión más profunda del comportamiento humano y las dinámicas sociales.
- Web Scraping en el punto de mira ¿Están los modelos de lenguaje yen...
- Disrupting Productivity Paranoia ¿Sí al copiloto de Microsoft 365?
- Meet Animate-A-Story Un enfoque de narración con generación de vide...
Los investigadores construyeron este sistema utilizando la clasificación de texto Zero-shot (la clasificación Zero-shot es una forma especializada de inferencia de lenguaje natural (NLI) en la que el objetivo es determinar la probabilidad de que una etiqueta de clase dada se pueda inferir o deducir a partir de una premisa textual), GPT-3 (para generar datos sintéticos e identificar las normas sociales violadas a través de la experiencia humana en el dominio) y el descubrimiento automático de reglas. El sistema que crearon utilizó una clasificación binaria de diez emociones sociales como categorías. Dado que el número de normas sociales es enorme, los investigadores las agruparon en un número limitado de emociones sociales.
Los investigadores entrenaron el sistema para detectar diez emociones que son: competencia, cortesía, confianza, disciplina, cuidado, amabilidad, éxito, conformidad, decencia y lealtad. El sistema que crearon puede clasificar un texto dado en una de estas emociones y, además, puede clasificarlas como positivas o negativas.
Los investigadores primero utilizaron la clasificación Zero-shot para identificar automáticamente las emociones sociales en datos textuales cortos. Luego utilizaron GPT-3 para generar datos sintéticos e identificar las normas sociales violadas a través de la experiencia humana en el dominio, lo que resultó en una taxonomía de alto nivel de normas representadas por diez categorías principales. Además, desarrollaron siete modelos simples basados en características que miden las emociones sociales, la violación de normas y otros factores para clasificar casos que involucran violación o confirmación de normas. Estos modelos se probaron en dos conjuntos de datos masivos separados de textos cortos.
El rendimiento del sistema fue bastante impresionante, obteniendo una coincidencia del 64% entre la emoción superior clasificada por el clasificador Zero-shot y las emociones identificadas por los sujetos humanos. Para lograr esto, los investigadores utilizaron el conjunto de datos EmpatheticDialogues, que contiene alrededor de 25,000 conversaciones etiquetadas con 32 emociones diferentes. Su enfoque se centró en situaciones que involucran violaciones de normas y emociones.
Aprovechando estos datos etiquetados, entrenaron los modelos para identificar automáticamente las normas sociales y categorizarlas en grupos de alto nivel. Los resultados fueron bastante alentadores, con una precisión de aproximadamente el 94% y una precisión de alrededor del 96% en la detección de violaciones de normas.
Hablando sobre el estudio, los investigadores dijeron que este es un trabajo preliminar, pero proporciona evidencia sólida de que su enfoque es correcto y se puede ampliar para incluir más normas sociales.
