Artículo de información

José Carlos Botto Cayo y Abel Marcial Oruna Rodríguez

La inteligencia artificial (IA) es un campo de la informática que aspira a emular la inteligencia humana en las máquinas. En años recientes, los progresos en IA están revolucionando numerosos ámbitos gracias a técnicas como el aprendizaje profundo y el procesamiento del lenguaje natural. Exploramos cómo estas tecnologías inteligentes pueden contribuir al avance económico y social.

El objetivo final de la IA, lograr que una máquina tenga una inteligencia de tipo general similar a la humana, es uno de los propósitos más ambiciosos planteados por la ciencia. Por su dificultad, es comparable a otras grandes metas científicas como explicar el origen de la vida, el origen del universo o conocer la estructura de la materia. A lo largo de los últimos siglos, este afán por construir máquinas inteligentes nos ha llevado a idear modelos o metáforas del cerebro humano. Por ejemplo, en el siglo XVII, Descartes se preguntó si un complejo sistema mecánico de engranes, poleas y tubos podría, en principio, emular el pensamiento. Dos siglos después, la metáfora fueron los sistemas telefónicos ya que parecía que sus conexiones se podían asemejar a una red neuronal. Actualmente el modelo imperante es el modelo computacional basado en el ordenador digital y, por ende, es el modelo contemplado en este artículo (López de Mántaras, 2019).

Principales hitos históricos de la IA

La IA como disciplina nace en la década de 1950, impulsada por científicos como John McCarthy, Marvin Minsky y Claude Shannon. Al principio, se enfocó en resolver problemas matemáticos y juegos como el ajedrez. En la década de 1980 hubo grandes avances en redes neuronales y algoritmos de aprendizaje. Recientemente, la disponibilidad de enormes conjuntos de datos y el aumento de la potencia de cómputo dieron paso al aprendizaje profundo o deep learning (Solano, 2023).

Algunos hitos destacados incluyen la victoria de Deep Blue sobre el ajedrecista Garry Kasparov en 1997, la creación de Siri por Apple en 2010 y la derrota del campeón mundial de Go Lee Sedol por el sistema AlphaGo de DeepMind en 2016. Hoy en día la IA está presente en asistentes virtuales, vehículos autoguiados, detección de fraude financiero, diagnóstico médico, entre muchos otros usos (Solano, 2023).

Principales técnicas de aprendizaje automático

Entre las técnicas de aprendizaje automático más empleadas en IA se hallan: (Strand, 2019)

  • Redes neuronales: algoritmos inspirados en las redes neuronales biológicas. Permiten detectar patrones y clasificar datos.
  • Árboles de decisión: diagrama de flujo representando posibles resultados de acciones y sus probabilidades. Sirven para la toma de decisiones.
  • Algoritmos genéticos: basados en la evolución biológica para encontrar soluciones óptimas a problemas complejos.
  • Aprendizaje profundo: modelo de redes neuronales con múltiples capas ocultas. Logra resultados excepcionales en tareas como visión artificial y procesamiento de lenguaje natural.
  • Procesamiento de lenguaje natural y asistentes virtuales

Gracias al procesamiento de lenguaje natural (PLN), las máquinas pueden analizar, comprender e incluso generar texto y habla humana. Esto permite interfaces conversacionales en lenguaje natural con los usuarios, como Siri de Apple, Alexa de Amazon y el Asistente de Google (Strand, 2019).

El PLN también tiene aplicaciones como traducción automática, detección de spam, análisis de sentimientos en redes sociales, automatización de atención al cliente y extracción de información de grandes volúmenes de texto (Strand, 2019).

Consideraciones éticas sobre el empleo de la IA

A medida que la IA se integra en más ámbitos, surgen importantes preocupaciones éticas:

  • Privacidad y uso de datos personales para entrenar algoritmos.
  • Posibles sesgos en los conjuntos de datos y modelos que pueden discriminar contra ciertos grupos.
  • Falta de transparencia sobre cómo toman decisiones los algoritmos.
  • Impacto en el empleo al automatizar tareas antes realizadas por humanos.
  • Estos desafíos requieren que la IA se desarrolle y regule de forma responsable, considerando valores sociales como la equidad y los derechos humanos(Bellver Belda, 2023).

IA en América Latina: situación actual

Si bien Latinoamérica está rezagada en adopción de IA respecto a otras regiones, existen crecientes capacidades. Brasil, México, Argentina, Chile y Colombia lideran en investigación, desarrollo de talento y casos de uso en gobierno, banca y comercio minorista (Varios, 2023).

Algunos obstáculos que enfrenta la región son la escasez de profesionales especializados, limitaciones en infraestructura de datos y cómputo, y marcos regulatorios débiles sobre protección de datos y ética algorítmica. Pero el panorama es prometedor gracias a las políticas públicas que varios gobiernos están implementando para fomentar la IA de forma inclusiva (Varios, 2023).

Como vemos el futuro

La inteligencia artificial es sin duda una de las tecnologías más disruptivas y con mayor potencial de transformación en la actualidad. Si bien plantea importantes desafíos éticos y sociales que deben atenderse responsablemente, su enorme potencial para beneficiar a la humanidad en áreas como la salud, la educación, la sostenibilidad ambiental y la reducción de la pobreza hace que valga la pena el esfuerzo mancomunado para desarrollarla y regularla adecuadamente.

América Latina tiene ante sí la oportunidad histórica de subirse a la ola de la IA y liderear el camino hacia la construcción de marcos éticos y legales que garanticen un desarrollo equitativo e inclusivo. Si logramos conciliar innovación, ética y equidad podremos aprovechar lo mejor de estas tecnologías para crear sociedades más justas y prósperas para todos. El futuro depende de las decisiones que tomemos hoy.

Referencias

Bellver Belda, J. (19 de Julio de 2023). El derecho. Obtenido de El uso de la inteligencia artificial en el ámbito del compliance: posibilidades, limitaciones y perspectivas de futuro: https://elderecho.com/uso-inteligencia-artificial-ambito-compliance-posibilidades-limitaciones

López de Mántaras, R. (25 de Julio de 2019). Bbva openmind. Obtenido de El futuro de la IA: hacia inteligencias artificiales realmente inteligentes: https://www.bbvaopenmind.com/articulos/el-futuro-de-la-ia-hacia-inteligencias-artificiales-realmente-inteligentes/

Solano, G. (25 de Abril de 2023). Emocional. Obtenido de La inteligencia artificial nos impresiona cada día pero, ¿cómo surgió?: https://emocional.co/momentos-clave-en-la-historia-de-la-inteligencia-artificial/

Strand, K. (25 de Febrero de 2019). iadb. Obtenido de Inteligencia artificial: conceptos básicos y aplicaciones en el desarrollo: https://blogs.iadb.org/conocimiento-abierto/es/inteligencia-artificial/

Varios. (3 de Junio de 2023). Periodismo digital de negocios. Obtenido de México, el quinto país de Latinoamérica con mayor adopción de inteligencia artificial: https://elceo.com/tecnologia/mexico-el-quinto-pais-de-latinoamerica-con-mayor-adopcion-de-inteligencia-artificial/