Un reciente estudio ha arrojado luz sobre una innovadora aplicación de la inteligencia artificial (IA) y el procesamiento del lenguaje natural para abordar uno de los problemas más persistentes en Bangladesh: los accidentes de tráfico. El nuevo marco, denominado ‘Durghotona GPT’, combina técnicas de recopilación de datos de sitios web con modelos de gran lenguaje para generar automáticamente conjuntos de datos exhaustivos sobre accidentes en tiempo real, obtenidos de importantes periódicos del país.

La investigación, encabezada por un grupo de expertos del Departamento de Ingeniería Civil de la Universidad de Ingeniería y Tecnología de Bangladesh, ha sido presentada en la vigésima séptima Conferencia Internacional sobre Tecnología de la Información por el IEEE. Su enfoque promete una significativa mejora en la calidad y disponibilidad de los datos sobre accidentes, superando las limitaciones de métodos tradicionales que dependen de informes policiales con frecuencia incompletos y desactualizados.

El sistema utilizado por los investigadores integra el web scraping, una técnica que permite la extracción automática de datos de la web, y modelos avanzados de lenguaje, conocidos como LLMs. Concretamente, se utilizaron modelos como GPT-4, GPT-3.5 y Llama-3 para procesar y categorizar los informes de accidentes de tres fuentes mediáticas prominentes: Prothom Alo, Dhaka Tribune y The Daily Star.

La evaluación del marco revela que Llama-3, un modelo de código abierto, alcanzó un 89% de precisión en tareas de procesamiento, logrando competir de manera eficiente con el altamente reconocido GPT-4. Esto presenta a Llama-3 como una alternativa rentable para tareas similares, lo cual es un resultado relevante considerando que GPT-4, si bien potente, implica costos significativos.

La automatización impulsada por ‘Durghotona GPT’ no solamente facilita una colecta de datos más rápida y precisa, sino que también aborda los problemas de errores, costos adicionales y demoras relacionados con la meticulosa recolección manual. La implementación de este sistema podría ser vital para la planificación urbana, el análisis de seguridad vial y la salud pública, proporcionándoles una base de datos más rica y actualizada para una toma de decisiones informada.

Futuras líneas de investigación sugeridas por el estudio se centran en ampliar los métodos de colecta de datos y mejorar todavía más los modelos de lenguaje natural para ofrecer una precisión aún mayor. Este enfoque pionero se perfila no solo como un avance en la gestión de información de accidentes de tráfico, sino como un referente para otros desarrollos tecnológicos enfocados en la seguridad y el bienestar público.