Definicions IA

Fonts:

– APDCAT (Informe: Intel·ligència Artificial. Decisions Automatitzades a Catalunya, 2020), Council of europe and Artificial Intelligence Glossary, IBM Studio, WHO (Ethics and governance of artificial intelligence for health), Ricardo Baeza-Yates (RBY), Campus Sanofi

Algorisme (o algoritme). Els algorismes són a tot arreu i es podrien explicar com la seqüència precisa d’instruccions o operacions lògiques que cal seguir per fer una tasca determinada.  Per exemple, els passos necessaris per matricular-se en una escola o per demanar una ajuda social. En computació, l’ordinador segueix les instruccions dels algorismes amb què ha estat programat.

Algorisme de Decisió Automatitzada (ADA). Algorisme que pren decisions sense que sigui necessària cap intervenció humana. Es calcula que avui un 70% de les transaccions financeres les realitzen els ADA. Els seus efectes potencials
sobre les persones han posat de manifest qüestions ètiques importants, com ara la responsabilitat de les decisions (per exemple, en un accident d’un cotxe autònom). En l’àmbit de la salut, han de ser un suport a la decisió del metge o especialista. Mai la màquina hauria de decidir el tractament d’un pacient o diagnosticar una malaltia sense la supervisió del professional sanitari.

Aprenentatge automàtic (Machine Learning). Amb l’aprenentatge automàtic es pot construir un model matemàtic a partir de dades, incloent un gran nombre de variables que no es coneixen per endavant. Aquest sistema permet processar les dades d’informació sanitària per a l’atenció i la gestió de la salut, com per exemple emetre diagnòstics, proporcionar dades predictives sobre una determinada malaltia o determinar l’efectivitat d’un tractament en un perfil de pacient específic.

Aprenentatge profund (Deep Learning). Subconjunt de l’aprenentatge automàtic on les xarxes neuronals (algorismes inspirats en el cervell humà) aprenenen per elles mateixes, a partir d’una gran quantitat de dades i algoritmes, que realitzen una tasca repetidament. El resultat va millorant gradualment i l’aprenentatge és progressiu. Aquesta tècnica es pot utilitzar per l’anàlisi avançada d’imatges, investigació, descobriment de fàrmacs, predicció de problemes de salut i símptomes de malalties i l’acceleració de coneixements a partir de la seqüenciació genòmica.

Biaix. “En molts casos, els conjunts de dades que s’utilitzen per formar models d’IA estan esbiaixats, ja que molts exclouen les dones i les nenes, minories ètniques, gent gran, comunitats rurals, grups desfavorits, etc. En general, la IA està esbiaixada cap al conjunt de dades majoritari, i en societats desiguals pot situar una població minoritària en desavantatge, dificultant la detecció de malalties en aquest conjunt d’individus” (WHO).

“Els biaixos són semblants als prejudicis: tots els tenim, en menor o major grau. Molts els heretem del nostre entorn social o familiar, sense adonar-nos. El biaix més gran és creure que no tenim cap prejudici. Si els biaixos no es corregeixen i es mitiguen, hi ha el risc d’habitar en un futur on cada cop sigui més difícil el progrés social perquè es perpetuin els prejudicis” (RBY).

Big Data. Tecnologia que permet emmagatzemar i analitzar grans volums de dades a alta velocitat, millorant la qualitat del servei, reduint els temps i optimitzant els recursos. També serveix per desenvolupar models més eficients d’atenció sanitària, reduir el frau en els sistemes sanitaris i establir un major control sobre aquests.

Caixa negra (o black box). En l’aprenentatge profund no sempre és fàcil explicar la resposta de l’algorisme o el perquè ha pres una determinada decisió. En aquests casos, es diu que el model es comporta com una caixa negra perquè rep unes entrades i produeix una sortida o resultat, però es desconeix com va fer la predicció o va prendre la decisió.

Intel·ligència artificial (IA). És un terme genèric que engloba aquells algorismes que busquen dotar els ordinadors d’un comportament intel·ligent. La definició de comportament intel·ligent és evasiva. Hi ha dues visions principals: IA general (que busca dotar els ordinadors de capacitats intel·lectuals humanes) i IA dèbil (que se centra en tasques específiques com ara el reconeixement de veu, d’imatges, etc.).

Model. Representació de la realitat que fan servir els algorismes de decisió automatitzada per fer prediccions i prendre decisions. Aquest model s’ajusta a cada cas particular en un procés d’aprenentatge basat en les dades disponibles.

Open data. Disponibilitat pública de bases de dades estructurades per ser descarregades i reutilitzar-se. No s’ha de confondre les dades obertes amb la informació pública unitària disponible als llocs d’Internet, la base de dades completa de la qual no es pot descarregar.

Processament del llenguatge natural (Natural Language Processing- NLP). Camp de la IA que estableix una comunicació entre les màquines i les persones mitjançant l’ús de llengües naturals, a partir de l’anàlisi del lèxic, la semàntica i la sintaxi.

Pseudononimització. Segons l’article 4 del GDPR, les dades personals no es poden atribuir a un subjecte de dades específic sense recórrer a informació addicional, i aquesta informació addicional s’ha de mantenir per separat i estar subjecta a mesures tècniques i organitzatives per garantir-ho.

Reglament general de protecció de dades (RGPD). Regulació europea sobre l’ús de dades personals. Va entrar en vigor el maig del 2018. Reforça les garanties que donava l’anterior directiva.

Responsable del tractament. Persona o organització que determina la finalitat i la manera en què s’han de processar les dades.

Seguretat cibernètica. “A mesura que els sistemes sanitaris depenen cada vegada més de la IA, hi ha més
atacs maliciosos i pirateria per tal d’aturar determinats sistemes, manipular les dades per a l’entrenament de l’algoritme, canviant-ne el rendiment i les recomanacions o bé “segrestant-les per demanar rescats” (WHO).

Transparència. Principi bàsic de l’RGPD. Perquè un tractament sigui transparent cal que els interessats rebin informació que sigui clara i que faci ús d’un llenguatge entenedor.

Visió per computador. Camp de la Intel·ligència Artificial que permet als ordinadors obtenir informació a partir d’entrades visuals (imatges, vídeos, etc.), i prendre accions o fer recomanacions basades en aquesta informació.

Xarxa neuronal artificial. Model d’aprenentatge automàtic inspirat en el funcionament de les xarxes de neurones presents en els organismes vius. Al cervell humà, la xarxa formada per totes les neurones multiplica el potencial individual de cadascuna d’elles. D’igual manera, les xarxes neuronals artificials utilitzades a la IA poden ajustar-se per fer anàlisi predictiu, reconeixement d’imatges i processament de parla. En medicina resulten de gran utilitat com a sistemes de suport a les decisions clíniques.