Corrida Tecnologica pela Inteligencia Artificial: Uma Análise Automatizada do Desenvolvimento Desigual e da Concentração de Conhecimento Científico
Notice bibliographique
Résumé
A corrida tecnológica pela Inteligência artificial muda a ordem geopolítica global, e deixa em evidência padrões históricos de desenvolvimento desigual e o acúmulo de poder. Este trabalho investiga a geopolítica do conhecimento científico como o veículo destas desigualdades, partindo da hipótese de que o recente cenário se refere a uma dinâmica de centro-periferia. O objetivo é mapear os polos de produção intelectual que fundamentam a Inteligência Artificial moderna, para gerar uma base quantitativa para a discussão sobre soberania digital. Para isso, colocou-se em uso o seguinte metodo: o desenvolvimento e a manipulação de um agente de Inteligência Artificial para a condução de uma análise bibliográfica sistemática de artigos, como ‘Attention Is All You Need’ e ‘ImageNet Classification with Deep Convolutional Neural Networks’. Os resultados revelaram uma grande concentração de conhecimento na América do Norte (EUA e Canada), que responde por 82,68% do total de referências analisadas. A análise destacou também a relevante subida da China, apesar de não serem tão citados como os da América do Norte, percebemos a relevância de seu polo quando muitos de seus autores são chineses. A porcentagem também evidencia a posição marginal do Sul Global, o que inclui o Brasil. Conclui-se que a origem das citações é um reflexo direto da geopolítica do poder na era digital, o que fornece uma base experimental para o debate proposto sobre a urgência de políticas estratégicas para inserir os países menos favorecidos no cenário internacional da Inteligência Artificial e seus conhecimentos.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».