Inteligência artificial em processos de extração de conhecimento KDD e KDT

Ano: 2020 | Volume: 46 | Número: 1

Autores: L. R. A. B. Silva

Palavras-chave: Inteligência artificial. Extração de conhecimento. Dados. Informação.

Resumo Português:

Este artigo apresenta processos de extração de conhecimento em banco de dados e textos (KDD e KDT) e a técnica de sua aplicação que utiliza inteligência artificial e redes neurais. Destaca também possíveis impactos em concepções sobre inteligência artificial fraca (existente) e forte (ainda não existente) nos processos de extração de conhecimento e apresenta reflexões acerca dos mesmos e dos impactos científico e social de pesquisas de transição de um modelo para o outro. Entre os resultados, destaca-se que as tecnologias de inteligência artificial forte precisam ser protagonizadas para uma melhor utilização das ferramentas de extração de conhecimento, bem como a educação sobre inteligência artificial deve ser promovida entre pesquisadores a fim de mitigar problemas atualmente percebidos.

Resumo Inglês:

This paper aims to present the processes related to extraction of knowledge in databases and in texts (KDD and KDT) and the technique applied involving artificial intelligence and neural networks. It also highlights possible impacts involving concepts from weak artificial intelligence (real) and strong A.I. (not yet real) in the processes of knowledge extraction and presents reflections about these same processes and the scientific and social impacts of research about transitioning from one model to the other. Among its results, we highlight that technologies of artificial intelligence need to become protagonists for a better use of knowledge extraction tools, as well as education about artificial intelligence must be promoted among researchers in order to mitigate currently perceived problems.

Resumo Espanhol:

Este artículo presenta los procesos de extracción de conocimiento en bases de datos y textos (KDD y KDT) y la técnica de aplicación que utiliza inteligencia artificial y redes neuronales. También destaca los posibles impactos en las concepciones sobre inteligencia artificial débil (existente) y fuerte (aún no existente) en los procesos de extracción de conocimiento y presenta reflexiones sobre ellos y los impactos científicos y sociales de las transiciones de investigación de un modelo a otro. Entre los resultados, cabe destacar que las tecnologías de inteligencia artificial fuertes deben ser protagonistas para un mejor uso de las herramientas de extracción de conocimiento, así como la educación sobre inteligencia artificial debe promoverse entre los investigadores para mitigar los problemas actualmente percibidos.