GENERACIÓN DE PICTOGRAMAS CON INTELIGENCIA ARTIFICIAL GENERATIVA PARA MIEMBROS DEL ESPECTRO AUTISTA

Abstract

El presente proyecto de investigación se centra en el uso de la Inteligencia Artificial Generativa (IAG) para mejorar la comunicación de personas con dificultades verbales, especialmente para miembros del espectro autista. Se presenta una arquitectura de red neuronal convolucional diseñada específicamente para la clasificación de imágenes, con el objetivo de evaluar la efectividad de los pictogramas generados por Inteligencia Artificial (IA) en comparación con los pictogramas convencionales. Tras una rigurosa experimentación se observa que, si bien los pictogramas generados por IA muestran una calidad y utilidad comparables a los de fuentes convencionales, como es ARASAAC, aún presentan diferencias significativas. Aunque representan una alternativa innovadora, se hace evidente la necesidad de un refinamiento para lograr una mayor similitud con los pictogramas originales y, por consiguiente, una efectividad superior en la comunicación asistida. La tesis que se presenta establece un marco metodológico para la evaluación de pictogramas generados por IA, lo que puede servir como punto de partida para futuras investigaciones en el campo de la generación de imágenes, con el propósito de mejorar la calidad y la accesibilidad de las herramientas de comunicación para personas con dificultades del habla.

The present research project focuses on the use of Generative Artificial Intelligence (GAI) to enhance communication for individuals with verbal difficulties, particularly for those on the autism spectrum. It introduces a convolutional neural network architecture specifically designed for image classification, aiming to assess the effectiveness of Artificial Intelligence (AI) generated pictograms compared to conventional ones. Through rigorous experimentation, it is observed that while AI-generated pictograms demonstrate quality and utility comparable to those from conventional sources like ARASAAC, they still exhibit significant differences. Despite representing an innovative alternative, the need for refinement becomes evident to achieve greater resemblance to original pictograms and, consequently, higher effectiveness in assisted communication. The thesis at hand establishes a methodological framework for evaluating AI-generated pictograms, which could serve as a starting point for future research in the field of image generation, aiming to improve the quality and accessibility of communication tools for individuals with speech difficulties.