La inteligencia artificial en la sociedad

El aprendizaje automático, los grandes datos y la potencia de cálculo impulsan los avances recientes en IA
Desde que Alan Turing planteó en 1950 la pregunta "¿Pueden pensar las máquinas?", el campo de la Inteligencia Artificial (IA) ha experimentado cambios profundos. El término “IA” fue acuñado en 1956. Desde la IA simbólica, donde los humanos construían sistemas basados en lógica, pasando por los “inviernos” de la IA en los años 70, hasta las computadoras de ajedrez como Deep Blue en los 90, la IA ha evolucionado significativamente. Desde 2011, los avances en el “aprendizaje automático” (ML), un subconjunto de la IA que utiliza métodos estadísticos, han mejorado mucho la capacidad de las máquinas para predecir basándose en datos históricos. La madurez de una técnica de modelado llamada “redes neuronales”, junto con la disponibilidad de grandes conjuntos de datos y potencia de cálculo, ha sido clave para el crecimiento de la IA.

Los sistemas de IA predicen, recomiendan o deciden resultados que impactan en el entorno
Según explica el Grupo de Expertos en IA de la OCDE (AIGO):

Un sistema de IA es un sistema basado en máquina que, para un conjunto de objetivos definidos por humanos, hace predicciones, recomendaciones o toma decisiones que influyen en entornos reales o virtuales. Utiliza entradas humanas y/o de máquina para percibir esos entornos, abstrae esas percepciones en modelos (de forma automática, por ejemplo con aprendizaje automático, o manualmente) y usa inferencias basadas en modelos para formular opciones de información o acción. Los sistemas de IA están diseñados para operar con distintos grados de autonomía.

El ciclo de vida del sistema IA incluye: (i) planificación y diseño, recolección y procesamiento de datos, construcción e interpretación del modelo; (ii) verificación y validación; (iii) implementación; y (iv) operación y monitoreo. Las taxonomías de investigación en IA distinguen aplicaciones (ej. procesamiento de lenguaje natural), técnicas de aprendizaje (ej. redes neuronales), optimización (ej. aprendizaje de una sola vez) e investigación en cuestiones sociales (ej. transparencia).

La IA puede aumentar la productividad y ayudar a resolver problemas complejos
Como tecnología de propósito general, la IA está transformando el panorama económico. Al permitir predicciones, recomendaciones y decisiones más económicas y precisas, la IA puede mejorar la productividad, la calidad de vida y abordar retos complejos. Su uso efectivo requiere inversiones complementarias en datos, habilidades y flujos de trabajo digitales, además de cambios organizativos. La adopción varía según la empresa y el sector.

Rápido crecimiento de inversiones y desarrollo empresarial en IA
Tras cinco años de crecimiento constante, las inversiones de capital privado en startups de IA se aceleraron desde 2016. En 2017, la inversión se duplicó alcanzando 16 mil millones de dólares. A mediados de 2018, las startups de IA atrajeron el 12 % del total global de capital privado, frente al 3 % en 2011, una tendencia observada en las principales economías. Estas inversiones suelen ser grandes, a menudo millones de dólares. Conforme la tecnología y los modelos de negocio maduran, la IA avanza hacia una adopción generalizada.

Aplicaciones de IA en transporte, ciencia y salud
Las aplicaciones de IA se expanden rápidamente en áreas donde detectar patrones en grandes datos y modelar sistemas complejos interdependientes mejora las decisiones y reduce costos.

• En transporte, los vehículos autónomos equipados con sistemas de conducción virtual, mapas HD y optimización de rutas ofrecen beneficios en costos, seguridad, calidad de vida y medio ambiente.

• En ciencia, la IA ayuda a recolectar y procesar datos a gran escala, reproducir experimentos, reducir costos y acelerar descubrimientos.

• En salud, la IA facilita el diagnóstico temprano y la prevención de enfermedades y epidemias, apoya el descubrimiento de tratamientos, provee intervenciones dirigidas y potencia herramientas de auto-monitoreo.

• En justicia penal, la IA se utiliza para la predicción policial y evaluación del riesgo de reincidencia.

• En ciberseguridad, los sistemas de IA detectan y responden a amenazas automáticamente, a menudo en tiempo real.

• En agricultura, la IA ayuda a monitorear la salud de cultivos y suelos y predecir el impacto ambiental sobre los rendimientos.

• Los servicios financieros usan IA para detectar fraudes, evaluar crédito, reducir costos de atención al cliente, automatizar transacciones y apoyar el cumplimiento normativo.

• En marketing y publicidad, la IA analiza el comportamiento del consumidor para personalizar contenidos, anuncios, productos, recomendaciones y precios.

La IA confiable es clave para aprovechar sus beneficios
Además de sus ventajas, la IA plantea desafíos de políticas públicas que requieren coordinación para garantizar sistemas confiables y centrados en el ser humano. La IA, especialmente ciertos tipos de aprendizaje automático, genera preocupaciones éticas y de equidad, incluyendo el respeto a los derechos humanos y valores democráticos, así como el riesgo de trasladar sesgos del mundo analógico al digital. Algunos sistemas de IA son tan complejos que sus decisiones pueden ser inexplicables. La transparencia y la responsabilidad en el diseño son esenciales. Los sistemas deben funcionar de manera segura y fiable.

Los gobiernos deben promover la IA confiable mediante políticas que incentiven la investigación y desarrollo responsables. La IA no solo depende de tecnología y computación, sino también de grandes conjuntos de datos, lo que requiere infraestructuras digitales accesibles y protección fuerte de datos. Un ecosistema de IA de apoyo también ayuda a las pymes en la transición y asegura competencia justa.

La IA transformará y reemplazará partes del trabajo humano, cambiando la naturaleza del empleo. Las políticas deben facilitar la transición laboral y apoyar la educación, formación y desarrollo de habilidades continuas.

La IA es una prioridad creciente para todos los actores políticos
Dado el beneficio transformador y los riesgos de la IA, es un foco creciente para gobiernos y partes interesadas. Muchos países han adoptado estrategias dedicadas, viendo la IA como motor de crecimiento y bienestar, invirtiendo en formar a la próxima generación de investigadores y abordando sus desafíos. Actores no gubernamentales —empresas, tecnología, academia, sociedad civil y sindicatos— así como organizaciones internacionales como el G7, G20, OCDE, Comisión Europea y ONU están activamente involucrados.

En mayo de 2019, guiada por un grupo de expertos multisectorial, la OCDE adoptó los Principios de IA, el primer estándar internacional acordado por gobiernos para la gestión responsable de una IA confiable.