Acelerando la interacción humano–computadora a través de condiciones convergentes para la explicación de LLM

El artículo aborda la aceleración de la interacción humano-máquina utilizando el modelo de lenguaje grande (LLM). Va más allá de los paradigmas lógicos tradicionales de la inteligencia artificial explicable (XAI) al considerar interpretaciones semánticas cognitivas poco formalizables del LLM. La XAI está inmersa en un espacio híbrido, donde humanos y máquinas tienen distinciones cruciales durante la digitalización del proceso de interacción. La metodología convergente del autor asegura las condiciones para hacer que la XAI sea intencionada y sostenible. Esta metodología se basa en el método de resolución de problemas inversos, modelado cognitivo, algoritmo genético, red neuronal, dinámica de bucles causales y realización de eigenforma. Se ha demostrado que los tomadores de decisiones necesitan crear condiciones estructurales únicas para los procesos de información, utilizando LLM para acelerar la convergencia de la resolución colectiva de problemas. Las implementaciones se han llevado a cabo durante la planificación estratégica colectiva en centros situacionales. El estudio es útil para el avance de LLM explicables en muchas ramas de la economía, la ciencia y la tecnología.