Inteligencia artificial y seguridad ciudadana: aplicaciones y desafíos de los grandes modelos del lenguaje
DOI:
https://doi.org/10.26507/paper.2953Palabras clave:
Seguridad ciudadana, territorios inteligentes, inteligencia artificial, grandes modelos del lenguaje, LLM, prevención, criminalidadResumen
La seguridad ciudadana es una de las principales preocupaciones de la población colombiana y se ha convertido en una prioridad en los planes de desarrollo gubernamentales. En el marco del Plan de Desarrollo de Antioquia y el Acuerdo Estratégico Departamental en Ciencia, Tecnología e Innovación, se busca aumentar la producción científica y generar conocimiento para abordar problemáticas específicas, como la seguridad ciudadana. En este contexto, este trabajo de investigación se orienta a la revisión y análisis de tecnologías emergentes, como la inteligencia artificial, con el potencial de aplicación para identificar y detectar posibles amenazas o patrones delictivos mediante el análisis de texto que puedan ser usados en el diseño de sistemas de alerta temprana basados en información textual aportando soluciones preventivas en el ámbito de la seguridad ciudadana. Se puede abordar la seguridad ciudadana desde muchas variables, algunas de ellas son las señales multimedia, como el texto, insumo principal de los grandes modelos del lenguaje, estos modelos han demostrado capacidades útiles para la inferencia de diferentes problemáticas en diversas áreas del conocimiento, en este trabajo se realiza una investigación sobre el estado actual de estos grandes modelos y el cómo podrían utilizarse en el pro de la seguridad ciudadana. Como resultado de este estudio se identifica que las técnicas con mayor potencia para el tipo de aplicaciones en seguridad son el In-Context Learning, Indexing y Fine-Tuning y su utilización dependerá del alcance y necesidades de las herramientas que se deseen implementar, como el análisis de sentimiento en redes sociales para detectar posibles amenazas, la identificación de patrones para la detección de delitos mediante el análisis de texto, y el diseño de sistemas de alerta temprana basados en información textual.
Descargas
Citas
Ali, A., Khan Ghouri, K. F., Naseem, H., Soomro, T. R., Mansoor, W., & Momani, A. M. (2022). Battle of Deep Fakes: Artificial Intelligence Set to Become a Major Threat to the Individual and National Security. International Conference on Cyber Resilience, ICCR 2022. https://doi.org/10.1109/ICCR56254.2022.9995821
Amairany Montiel Fernandez, Z., Alberto Torres Cruz, M., Penaloza, C., & Hidalgo Morgan, J. (2020). Challenges of Smart Cities: How Smartphone Apps Can Improve the Safety of Women. 4th International Conference on Smart Grid and Smart Cities, ICSGSC 2020, 145–148. https://doi.org/10.1109/ICSGSC50906.2020.9248546
Announcing the launch of new Hugging Face LLM Inference containers on Amazon SageMaker | AWS Machine Learning Blog. (s/f). Recuperado el 6 de junio de 2023, de https://aws.amazon.com/es/blogs/machine-learning/announcing-the-launch-of-new-hugging-face-llm-inference-containers-on-amazon-sagemaker/
Azure OpenAI Service: modelos de lenguaje avanzados | Microsoft Azure. (s/f). Recuperado el 6 de junio de 2023, de https://azure.microsoft.com/es-es/products/cognitive-services/openai-service
Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., Neelakantan, A., Shyam, P., Sastry, G., Askell, A., Agarwal, S., Herbert-Voss, A., Krueger, G., Henighan, T., Child, R., Ramesh, A., Ziegler, D. M., Wu, J., Winter, C., … Amodei, D. (2020). Language Models are Few-Shot Learners. http://arxiv.org/abs/2005.14165
Chaparro, L. F., Pulido, C., Rudas, J., Reyes, A. M., Victorino, J., Narvaez, L. A., Martinez, D., & Gomez, F. (2021). Interpretability of the Perception of Security Based on Tweets Content. 2021 International Conference on Applied Artificial Intelligence, ICAPAI 2021. https://doi.org/10.1109/ICAPAI49758.2021.9462052
Chowdhery, A., Narang, S., Devlin, J., Bosma, M., Mishra, G., Roberts, A., Barham, P., Chung, H. W., Sutton, C., Gehrmann, S., Schuh, P., Shi, K., Tsvyashchenko, S., Maynez, J., Rao, A., Barnes, P., Tay, Y., Shazeer, N., Prabhakaran, V., … Fiedel, N. (2022). PaLM: Scaling Language Modeling with Pathways. http://arxiv.org/abs/2204.02311
Dettmers, T., Pagnoni, A., Holtzman, A., & Zettlemoyer, L. (2023). QLoRA: Efficient Finetuning of Quantized LLMs. http://arxiv.org/abs/2305.14314
Doohan, N. V., Kadam, S., Phursule, R., Wadne, V. S., & Junnarkar, A. (2022). Implementation of AI based Safety and Security System Integration for Smart City. International Journal of Electrical and Electronics Research, 10(3), 518–522. https://doi.org/10.37391/IJEER.100319
Fok, W. W. T., Chan, L. C. W., & Chen, C. (2018). Artificial intelligence for sport actions and performance analysis using Recurrent Neural Network (RNN) with Long Short-Term Memory (LSTM). ACM International Conference Proceeding Series, 40–44. https://doi.org/10.1145/3297097.3297115
Houichi, M., Jaidi, F., & Bouhoula, A. (2022). Analysis of Smart Cities Security: Challenges and Advancements. Proceedings of the 2022 15th IEEE International Conference on Security of Information and Networks, SIN 2022. https://doi.org/10.1109/SIN56466.2022.9970494
Laufs, J., Borrion, H., & Bradford, B. (2020). Security and the smart city: A systematic review. Sustainable Cities and Society, 55. https://doi.org/10.1016/j.scs.2020.102023
Lourenco, V., Mann, P., Guimaraes, A., Paes, A., & De Oliveira, D. (2018). Towards Safer (Smart) Cities: Discovering Urban Crime Patterns Using Logic-based Relational Machine Learning. Proceedings of the International Joint Conference on Neural Networks, 2018-July. https://doi.org/10.1109/IJCNN.2018.8489374
NeMo Framework | NVIDIA Developer. (s/f). Recuperado el 6 de junio de 2023, de https://www.nvidia.com/es-la/ai-data-science/generative-ai/nemo-framework/
Ninaquispe Soto, M. E., Riega-Viru, Y., & Oruna Lara, J. C. (2021). Technology and crime prevention: A systematic review of literature. Proceedings of the 2021 5th World Conference on Smart Trends in Systems Security and Sustainability, WorldS4 2021, 275–283. https://doi.org/10.1109/WorldS451998.2021.9514035
PaLM API | Generative AI for Developers. (s/f). Recuperado el 6 de junio de 2023, de https://developers.generativeai.google/
Ruan, L., & Liang, D. (2020). Legal Risk of Net Information Dissemination in Big Data Era. Journal of Physics: Conference Series, 1533(4). https://doi.org/10.1088/1742-6596/1533/4/042067
Shaped. (s/f). Recuperado el 23 de mayo de 2023, de https://www.shaped.ai/blog/size-isnt-everything-how-llama-democratizes-access-to-large-language-models
Sun, Z. (2023). A Short Survey of Viewing Large Language Models in Legal Aspect. http://arxiv.org/abs/2303.09136
Touvron, H., Lavril, T., Izacard, G., Martinet, X., Lachaux, M.-A., Lacroix, T., Rozière, B., Goyal, N., Hambro, E., Azhar, F., Rodriguez, A., Joulin, A., Grave, E., & Lample, G. (s/f). LLaMA: Open and Efficient Foundation Language Models. https://github.com/facebookresearch/xformers
Valle-Cruz, D., Sandoval-Almazan, R., & Ramon Gil-Garcia, J. (2015). The effects of technology use on efficiency, transparency, and corruption in municipal governments: Preliminary results from a citizen perspective. ACM International Conference Proceeding Series, 27-30-May-2015, 289–294. https://doi.org/10.1145/2757401.2757412
Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, L., & Polosukhin, I. (2017). Attention Is All You Need. http://arxiv.org/abs/1706.03762
Wang, L., & Siddique, A. A. (2020). Facial recognition system using LBPH face recognizer for anti-theft and surveillance application based on drone technology. Measurement and Control (United Kingdom), 53(7–8), 1070–1077. https://doi.org/10.1177/0020294020932344
Wang, X. (2020). Criminal Law Protection of Cybersecurity Considering AI-based Cybercrime. Journal of Physics: Conference Series, 1533(3). https://doi.org/10.1088/1742-6596/1533/3/032014
Yu, F., Quartey, L., & Schilder, F. (2022). Legal Prompting: Teaching a Language Model to Think Like a Lawyer. http://arxiv.org/abs/2212.01326
Announcing the launch of new Hugging Face LLM Inference containers on Amazon SageMaker | AWS Machine Learning Blog. (s/f). Consultado el 23 de mayo de 2023, de https://aws.amazon.com/es/blogs/machine-learning/announcing-the-launch-of-new-hugging-face-llm-inference-containers-on-amazon-sagemaker/
Azure OpenAI Service: modelos de lenguaje avanzados | Microsoft Azure. (s/f). Consultado el 23 de mayo de 2023, de https://azure.microsoft.com/es-es/products/cognitive-services/openai-service
NeMo Framework | NVIDIA Developer. (s/f). Consultado el 23 de mayo de 2023, de https://www.nvidia.com/es-la/ai-data-science/generative-ai/nemo-framework/
PaLM API | Generative AI for Developers. (s/f). Consultado el 23 de mayo de 2023, de https://developers.generativeai.google/
Shaped. (s/f). Consultado el 23 de mayo de 2023, de https://www.shaped.ai/blog/size-isnt-everything-how-llama-democratizes-access-to-large-language-models
Megatron-Turing NLG 530B. (s/f). Recuperado el 23 de mayo de 2023, de https://www.microsoft.com/en-us/research/blog/using-deepspeed-and-megatron-to-train-megatron-turing-nlg-530b-the-worlds-largest-and-most-powerful-generative-language-model/
Descargas
Publicado
Cómo citar
Evento
Sección
Licencia
Derechos de autor 2023 Asociación Colombiana de Facultades de Ingeniería - ACOFI
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
| Estadísticas de artículo | |
|---|---|
| Vistas de resúmenes | |
| Vistas de PDF | |
| Descargas de PDF | |
| Vistas de HTML | |
| Otras vistas | |
