A dinâmica do conhecimento sob o imperativo da tecnologia e da complexidade: uma análise dos mecanismos de Deep Reinforcement Learning e das suas interfaces com o saber, na contemporaneidade

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:
Artificial intelligence
Black box
Ciência
Complexidade
Complexity
Deep learning
Inteligência artificial
Paradigmas científicos
Science
Scientific paradigms
Technology
Tecnologia
Trabalho
Work
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
id USP_4200bbaaa720844b1aa170a9ef15be2f
oai_identifier_str oai:teses.usp.br:tde-12122019-163927
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling A dinâmica do conhecimento sob o imperativo da tecnologia e da complexidade: uma análise dos mecanismos de Deep Reinforcement Learning e das suas interfaces com o saber, na contemporaneidadeNot informed by the authorArtificial intelligenceBlack boxBlack boxCiênciaComplexidadeComplexityDeep learningDeep learningInteligência artificialParadigmas científicosScienceScientific paradigmsTechnologyTecnologiaTrabalhoWorkEsta 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 FacebookThis research aimed to analyze, characterize and describe emerging phenomena of the imperative of technological accumulation and complexity on the dynamics of scientific knowledge, when using Artificial Intelligence techniques by mechanisms of Deep Reinforcement Learning (DRL). This analysis was elaborated by means of a meta-analysis of all the articles sent by the organization Deep Mind and made available for free in its site. It has been observed that such mechanisms have been announced as alternatives for solving complex problems. It was observed, however, that they are difficult to analyze, either with respect to the paradigms on which they are developed, or by performance and processing metrics. The non-interpretability of such mechanisms has been a major concern in the scientific community. However, there seems to be a tendency to base their adoption on utility principles, that is, on their expressive reduction of the error margins characteristic of interpretable probabilistic models. It was also observed that such mechanisms tend to feed back the Triad Science-Technology-Business-Interest, insofar as the consumption of computing resources, requiring extremely high investments, which have been made by the Big Techs, ) the world\'s largest technology companies - Apple, Google, Amazon, Microsofg and FacebookBiblioteca Digitais de Teses e Dissertações da USPMalvezzi, SigmarOliveira, Paula Jacqueline de2019-09-05info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/47/47134/tde-12122019-163927/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2019-12-12T23:32:01Zoai:teses.usp.br:tde-12122019-163927Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212019-12-12T23:32:01Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv A dinâmica do conhecimento sob o imperativo da tecnologia e da complexidade: uma análise dos mecanismos de Deep Reinforcement Learning e das suas interfaces com o saber, na contemporaneidade
Not informed by the author
title A dinâmica do conhecimento sob o imperativo da tecnologia e da complexidade: uma análise dos mecanismos de Deep Reinforcement Learning e das suas interfaces com o saber, na contemporaneidade
spellingShingle A dinâmica do conhecimento sob o imperativo da tecnologia e da complexidade: uma análise dos mecanismos de Deep Reinforcement Learning e das suas interfaces com o saber, na contemporaneidade
Oliveira, Paula Jacqueline de
Artificial intelligence
Black box
Black box
Ciência
Complexidade
Complexity
Deep learning
Deep learning
Inteligência artificial
Paradigmas científicos
Science
Scientific paradigms
Technology
Tecnologia
Trabalho
Work
title_short A dinâmica do conhecimento sob o imperativo da tecnologia e da complexidade: uma análise dos mecanismos de Deep Reinforcement Learning e das suas interfaces com o saber, na contemporaneidade
title_full A dinâmica do conhecimento sob o imperativo da tecnologia e da complexidade: uma análise dos mecanismos de Deep Reinforcement Learning e das suas interfaces com o saber, na contemporaneidade
title_fullStr A dinâmica do conhecimento sob o imperativo da tecnologia e da complexidade: uma análise dos mecanismos de Deep Reinforcement Learning e das suas interfaces com o saber, na contemporaneidade
title_full_unstemmed A dinâmica do conhecimento sob o imperativo da tecnologia e da complexidade: uma análise dos mecanismos de Deep Reinforcement Learning e das suas interfaces com o saber, na contemporaneidade
title_sort A dinâmica do conhecimento sob o imperativo da tecnologia e da complexidade: uma análise dos mecanismos de Deep Reinforcement Learning e das suas interfaces com o saber, na contemporaneidade
author Oliveira, Paula Jacqueline de
author_facet Oliveira, Paula Jacqueline de
author_role author
dc.contributor.none.fl_str_mv Malvezzi, Sigmar
dc.contributor.author.fl_str_mv Oliveira, Paula Jacqueline de
dc.subject.por.fl_str_mv Artificial intelligence
Black box
Black box
Ciência
Complexidade
Complexity
Deep learning
Deep learning
Inteligência artificial
Paradigmas científicos
Science
Scientific paradigms
Technology
Tecnologia
Trabalho
Work
topic Artificial intelligence
Black box
Black box
Ciência
Complexidade
Complexity
Deep learning
Deep learning
Inteligência artificial
Paradigmas científicos
Science
Scientific paradigms
Technology
Tecnologia
Trabalho
Work
description 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
publishDate 2019
dc.date.none.fl_str_mv 2019-09-05
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/47/47134/tde-12122019-163927/
url https://www.teses.usp.br/teses/disponiveis/47/47134/tde-12122019-163927/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815258151277035520

Registros relacionados