En este momento estás viendo 
<span class="bsf-rt-reading-time"><span class="bsf-rt-display-label" prefix="Tiempo de lectura"></span> <span class="bsf-rt-display-time" reading_time="2"></span> <span class="bsf-rt-display-postfix" postfix="mins"></span></span><!-- .bsf-rt-reading-time -->Un marco de IA de múltiples componentes para la psicología computacional: del modelado predictivo sólido al diálogo generativo implementado

Un marco de IA de múltiples componentes para la psicología computacional: del modelado predictivo sólido al diálogo generativo implementado

  • Autor de la entrada:
  • Categoría de la entrada:Noticias externas

Resumen:La confluencia de la Inteligencia Artificial y la Psicología Computacional presenta una oportunidad para modelar, comprender e interactuar con estados psicológicos humanos complejos a través de medios computacionales. Este artículo presenta un marco integral y multifacético diseñado para cerrar la brecha entre el modelado predictivo aislado y un sistema interactivo para el análisis psicológico. La metodología abarca un ciclo de vida de desarrollo riguroso de extremo a extremo. En primer lugar, se establecieron puntos de referencia de rendimiento fundamentales en cuatro conjuntos de datos psicológicos diversos utilizando técnicas clásicas de aprendizaje automático. En segundo lugar, se perfeccionaron los modelos de transformadores de última generación, un proceso que requirió el desarrollo de soluciones efectivas para superar desafíos críticos de ingeniería, incluida la resolución de la inestabilidad numérica en tareas de regresión y la creación de un flujo de trabajo sistemático para llevar a cabo capacitación a gran escala bajo severas limitaciones de recursos. En tercer lugar, se ajustó un modelo generativo de lenguaje grande (LLM) utilizando técnicas de parámetros eficientes para que funcione como un “cerebro de la personalidad” interactivo. Finalmente, todo el conjunto de modelos predictivos y generativos se diseñó e implementó como un ecosistema de microservicios robusto y escalable. Los hallazgos clave incluyen la estabilización exitosa de modelos de regresión basados ​​en transformadores para la computación afectiva, que muestran un rendimiento predictivo significativo donde los enfoques estándar fallaron, y el desarrollo de una metodología replicable para democratizar la investigación de IA a gran escala. La importancia de este trabajo radica en su enfoque holístico, que demuestra un proceso completo desde la investigación hasta la implementación que integra el análisis predictivo con el diálogo generativo, proporcionando así un modelo práctico para futuras investigaciones en psicología computacional e interacción humano-IA.

Publicado originalmente en export.arxiv.org el 27 de octubre de 2025.
Ver fuente original

admin

Usuario de administración del sitio web