La Inteligencia Artificial aplicada al lenguaje y su potencial aplicación al dominio de las AA.PP.

• Fresno Fernández, Víctor ^[1]
  1. [1] Universidad Nacional de Educación a Distancia

     Universidad Nacional de Educación a Distancia

     Madrid, España

     
• Localización: Revista Canaria de Administración Pública, ISSN-e 2990-3734, ISSN 1130-3824, Nº. Extra 0, 2023
• Idioma: español
• DOI: 10.36151/RCAP.ext.4
• Títulos paralelos:
  • Artificial Intelligence applied to language and its potential application to the AA.PP domain
• Enlaces
  • Texto completo
• Dialnet Métricas: 1 Cita
• Resumen
  • español

    En este artículo se presenta una reflexión acerca de cómo la inteligencia artificial y el procesamiento del lenguaje natural pueden ser aplicados al dominio de las Administraciones Públicas. Inicialmente, se presenta una revisión histórica de la evolución de la lingüística computacional desde sus orígenes hasta el día de hoy, cuando está en boca de todos gracias a la aparición de las últimas y sorprendentes aplicaciones conversacionales como ChatGPT, subrayando el salto trascendental que han supuesto en este campo las redes neuronales y los mecanismos de autoaprendizaje. Se introduce el concepto de modelado del lenguaje y se muestra cómo el acceso a volúmenes masivos de datos y el crecimiento exponencial en la capacidad de cómputo han actuado como aceleradores necesarios de este desarrollo. Posteriormente, se proponen posibles aplicaciones específicas de estas tecnologías al contexto de la Administración Pública, en ámbitos que van desde la optimización en la gestión de proyectos y la potenciación de los servicios al ciudadano, hasta la transformación digital administrativa, pasando por aspectos tan importantes como la ciberseguridad, la elaboración y control de pliegos contractuales, la gestión avanzada de datos o la simplificación del lenguaje jurídico. El documento concluye con una reflexión sobre la inminente transformación y el valor añadido que estas tecnologías pueden aportar a la realidad de las Administraciones Públicas.

  • English

    In this article, a reflection is presented on how Artificial Intelligence and Natural Language Processing can be applied to the domain of Public Administrations. Initially, a historical review of the evolution of computational linguistics from its origins to the present day is presented, now being widely discussed due to the emergence of the latest impressive conversational applications such as ChatGPT, emphasizing the profound leap that neural networks and self-learning mechanisms have meant in this field. The concept of language modeling is introduced, and it is shown how access to massive volumes of data and the exponential growth in computing capacity have acted as necessary accelerators for this development. Subsequently, possible specific applications of these technologies to the context of Public Administration are proposed, in areas ranging from optimization in project management and the enhancement of citizen services, to administrative digital transformation, covering crucial aspects such as cybersecurity, drafting and control of contractual specifications, advanced data management, and simplification of legal language. The document concludes with a reflection on the imminent transformation and the added value that these technologies can bring to the reality of Public Administrations.

• Referencias bibliográficas
  • Brown, Tom B., Mann, Ben, Ryder, Nick, et al. (2020): «Language models are few-shot learners».
  • de la Rosa, Jordi, Ponferrada, Esteban G., Villegas, Pablo, et al. (2022): «Bertin: Efficient pre-training of a spanish language model using...
  • Devlin, Jacob, Chang, Ming-Wei, Lee, Kenton, et al. (2018): «BERT: pre-training of deep bidirectional transformers for language understanding»,...
  • Du, Heng, Zhang, Rui, Liu, Yang, et al. (2023): «Beyond deep reinforcement learning: A tutorial on generative diffusion models in network...
  • Fuchs, Catherine y Victorri, Bernard (1994): «Continuity in Linguistic Semantics», Lin-guisticae investigationes, J. Benjamins.
  • Hebb, Donald O. (1949): The organization of behavior: A neuropsychological theory, Nue-va York: Wiley.
  • Hupkes, Dieuwke, Dankers, Verna, Mul, Mathijs, et al. (2020): «Compositionality decom-posed: How do neural networks generalise?», Journal...
  • Kim, Nancy y Linzen, Tal (2020): «Cogs: A compositional generalization challenge based on semantic interpretation».
  • Lake, Brenden M. y Baroni, Marco (2018): «Generalization without systematicity: On the compositional skills of sequence-to-sequence recurrent...
  • Linzen, Tal, Dupoux, Emmanuel y Goldberg, Yoav (2016): «Assessing the ability of LST-Ms to learn syntax-sensitive dependencies», Transactions...
  • Liu, Yinhan, Ott, Myle, Goyal, Naman, et al. (2019): «Roberta: A robustly optimized BERT pretraining approach».
  • Mikolov, Tomas, Chen, Kai, Corrado, Greg, et al. (2013): «Efficient estimation of word representations in vector space», CoRR, abs/1301.3781.
  • Mitchell, Tom M. (1997): Machine learning, Nueva York: McGraw-hill.
  • OpenAI (2023): «Gpt-4 technical report».
  • Pires, Telmo, Schlinger, Eva y Garrette, Dan (2019): «How multilingual is multilingual bert?», CoRR, abs/1906.01502.
  • Rosenblatt, Frank (1958): «The perceptron: A probabilistic model for information storage and organization in the brain», Psychological Review,...
  • Vaswani, Ashish, Shazeer, Noam, Parmar, Niki, et al. (2017): «Attention is all you need», CoRR, abs/1706.03762.
  • Wei, Jason, Tay, Yi, Bommasani, Rishi, et al. (2022): «Emergent abilities of large language models», Transactions on Machine Learning Research....