Seminarios de investigación en tecnología. Carrera de Arquitectura. Semestre Primavera 2022

Seminarios de investigación en tecnología – Semestre Primavera 2022 327 proponen integrar el conocimiento humano para reducir la necesidad de grandes cantidades de datos y al mismo tiempo incrementar la fiabilidad para construir sistemas que puedan ser entendidos por humanos. En el caso del conocimiento cualitativo, debe existir por parte del humano un compromiso e interpretación sofisticado, ya que requeriría estrategias personalizadas a cada campo de estudio. Esta integración tiene dos ventajas principales, primero, que al ser explicado por conocedores de cada campo de estudio, puede ser validado con mayor rigor generando una masa estadísticamente más rigurosa, y segundo, ayuda a profundizar en los mecanismos teóricos de los modelos de machine learning al estar sujetos a interpretación. Modelo de Procesamiento natural de lenguaje (NLP) Para que una máquina pueda ser capaz de procesar información mediante aprendizaje automático (ML), es crucial que el input y el output entregados sean interpretables por el ser humano. El procesamiento natural de lenguaje (NLP) es una colección de técnicas computacionales para el análisis y representación automática del lenguaje humano motivado por la teoría. (K.R. Chowdhary, 2020) Este permite analizar las estructuras sintácticas y léxicas de las palabras y oraciones para armar una estructura que corresponda al significado. Esta estructura puede ser usada en un proceso de razonamiento sistemático como una simulación parcial de la comprensión del lenguaje (Winograd & Flores, 1986). Actualmente los modelos de NLP se usan tanto para propósitos teóricos, como explorar la naturaleza de la comunicación y sus propiedades, como para propósitos prácticos y de aplicación, como establecer comunicaciones humano-computacionales efectivas. A modo de ejemplo, Word2vec, es una familia de algoritmos de NLP desarrollado por Google, que es utilizado para crear word embeddings , o incrustaciones de palabras, a partir de un conjunto de datos. Las incrustaciones de palabras son un método de conversión de palabras a vectores numéricos para construir un vocabulario desde los datos de entrenamiento y crear un aprendizaje de la representación vectorial de las palabras. (Google, 2013) El resultado en vectores es lo que permite poder trabajar posteriormente en un modelo de aprendizaje automático. 2.3. Aplicación en arquitectura Dentro de los usos de inteligencia artificial en arquitectura podemos encontrar el diseño algorítmico como método de representación arquitectónica, Castelo-Branco, Caetano y Leitão (2022) evalúan si el diseño algorítmico es apropiado para representar, haciendo un análisis sistemático y comparando la capacidad de representar el problema con otras herramientas de representación como CAD y BIM. Sostienen que la principal diferencia entre estas herramientas está basada en la expresividad y la compresibilidad. En cuanto a la expresividad, el diseño algorítmico, al estar basado en un pensamiento matemático, está más enfocado en la abstracción de conceptos, entregando una mayor flexibilidad al facilitar más instancias de diseño, mientras CAD y BIM obligan al diseñador a concretar solo una instancia. En cuanto a la comprensibilidad, el diseño algorítmico es más difícil de comprender dada su naturaleza matemática, sin embargo, esto le permite representar de manera explícita