Detalhes bibliográficos
Ano de defesa: |
2019 |
Autor(a) principal: |
Oliveira, Paula Jacqueline de |
Orientador(a): |
Não Informado pela instituição |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Tese
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Biblioteca Digitais de Teses e Dissertações da USP
|
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: |
|
Link de acesso: |
https://www.teses.usp.br/teses/disponiveis/47/47134/tde-12122019-163927/
|
Resumo: |
Esta pesquisa teve o objetivo de analisar, caracterizar e descrever os fenômenos emergentes do imperativo da acumulação tecnológica e da complexidade sobre a dinâmica do conhecimento científico, quando utilizadas técnicas de Inteligência Artificial por mecanismos de Deep Reinforcement Learning (DRL). Tal análise foi elaborada por meio de uma meta-análise da totalidade dos artigos veiculados pela organização Deep Mind e disponibilizados de forma gratuita no seu site. Observouse que tais mecanismos têm sido anunciados como alternativas para a resolução de problemas complexos. Observou-se, no entanto, que são de difícil análise, seja a respeito dos paradigmas sobre os quais são desenvolvidos, ou pelas métricas de performance e processamento. A não interpretabilidade de tais mecanismos mostrouse uma preocupação marcante, na comunidade científica. Parece haver, no entanto, uma tendência de se balizar a sua adoção por princípios de utilidade, ou seja, pela sua expressiva redução das margens de erro características de modelos probabilísticos interpretáveis. Observou-se ainda que tais mecanismos tendem a retroalimentar a tríade Ciência Tecnologia Interesse Comercial, na medida em que o consumo de recursos computacionais, exigindo investimentos extremamente altos, os quais tem sido feitos pelas Big Techs, como são denominadas as 05 (cinco) maiores empresas de tecnologia do mundo Apple, Google, Amazon, Microsofg e Facebook |