Resumen: El aprendizaje automático informado por filosofía (PHIML) infunde directamente las ideas centrales de la filosofía analítica en las arquitecturas, objetivos y protocolos de evaluación del modelo ML. Por lo tanto, PHIML promete nuevas capacidades a través de modelos que respetan conceptos y valores filosóficos por diseño. De esta lente, este documento revisa las bases conceptuales para demostrar ganancias filosóficas y alineación. Además, presentamos estudios de casos sobre cómo los usuarios/diseñadores de ML pueden adoptar PHIML como una herramienta post-hoc agnóstica o incorporarla intrínsecamente en arquitecturas de modelos ML. Finalmente, este documento arroja luz sobre las barreras técnicas abiertas junto con los desafíos filosóficos, prácticos y de gobernanza y describe una hoja de ruta de investigación hacia PHIML seguras, conscientes de la filosofía y éticamente responsable.
Publicado Originalme en export.arxiv.org El 25 de septiembre de 2025.
Ver Fuente Original
