MENÚ
Algoritmos que prometen adivinar tu personalidad según cómo conduces, inteligencia artificial que supuestamente predice cuándo morirás pero sin que nadie explique cómo funciona o sistemas de machine learning para contratar a gente: ¿te suena haber leído cosas así?
El término “inteligencia artificial” (IA) está muy de moda desde hace un tiempo y, por lo general, se usa para hablar de un grupo de tecnologías que están automatizadas, es decir, que pueden decidir por sí solas.
En realidad, de lo que se trata es de programas informáticos que son diseñados para resolver problemas de forma autónoma que teóricamente las personas no podrían resolver sin ayuda o no lo harían de una forma tan rápida. Sin embargo, hay que tener en cuenta que son sistemas basados en datos y estadísticas que se pueden equivocar, por eso a día de hoy es arriesgado dejar que actúen sin ningún tipo de supervisión.
Los tres conceptos no significan lo mismo, pero están relacionados
Es lo primero que tenemos que tener claro: no son sinónimos pero sí que se relacionan unos con otros. Cuando hablamos de machine learning, hablamos de un tipo de inteligencia artificial entrenada para absorber una gran cantidad de datos, encontrar patrones entre ellos y arrojar ciertas conclusiones basadas en el análisis.
Machine learning se traduce como “aprendizaje automático” debido a que es capaz de proporcionar más conclusiones diferentes al captar más datos, a pesar de que el sistema no haya sido entrenado con ellos inicialmente. ¿Y cómo se hace ese procesamiento masivo? Gracias a una secuencia de operaciones y reglas, como una ecuación matemática, diseñada por una persona o grupo de personas para resolver un problema: un algoritmo.
A grandes rasgos, podemos decir que los tres conceptos integran el mismo sistema tecnológico, por así decirlo, pero no son exactamente lo mismo: la inteligencia artificial es como se llama a ese campo de actuación -en el que se emplean algoritmos- y el machine learning es un tipo de inteligencia artificial.
¿Por qué tanto lío al utilizar cada término y por qué se llama a casi todo IA?
“Hay mucha magia alrededor de los tres conceptos: por el tratamiento que se ha dado en prensa y desde la industria ha despistado un poco, se nos presentan como cosas que son inentendibles, que son inauditables y neutras, como si no hubiera personas ni ideologías detrás”, asegura Liliana Arroyo, doctora en sociología e investigadora del Instituto de Innovación Social de ESADE, a Maldita Tecnología.
Como hemos dicho arriba, estos programas informáticos necesitan “aprender” a base de datos para poder evaluar casos y dar resultados y los algoritmos son las ecuaciones con las que se consigue que aprendan. Un sistema de reconocimiento facial emplea inteligencia artificial para identificar a las personas, como os explicamos aquí. TikTok te ofrece cosas diferentes para ver según lo que decide su algoritmo, y de eso te hablamos aquí.
Sin embargo, sigue siendo algo complicado distinguir lo que es inteligencia artificial de lo que no lo es. Si puedes llegar a un resultado con una tabla de estadística o una calculadora un poco más compleja, igual no estamos hablando de un programa que “decide” o “predice” cosas por sí mismo en base a los datos que tiene.
“La IA es un término que se ha extendido en los últimos años sobre todo por razones de márketing ante la dificultad de definirla, la influencia de la ciencia ficción y la dificultad que tiene la sociedad para distinguir entre los problemas que resultan difíciles o no de resolver para un ordenador”, explica Javier Sánchez Monedero, investigador en esta disciplina en el laboratorio Data Justice Lab.
De ahí que sea tan complicado que funcionen los sistemas basados en IA que aseguran poder predecir cómo se va a comportar una persona en su puesto de trabajo en función de cómo habla o cuál es su expresión al hacer una entrevista. O que digan que pueden saber si un bebé llora porque tiene hambre o porque está cansado.
“Cuando leemos que una IA puede clasificar y reconocer una serie de animales en una imagen debemos tener claro que la IA en ningún momento entiende esos conceptos a pesar de ser capaz de realizar la tarea”, asegura Sánchez Monedero.
Dónde está el principal problema del uso de la inteligencia artificial
Principalmente, en que las personas que crean y desarrollan las IA las dejen actuar por sí solas sin ningún tipo de supervisión. El ejemplo de la entrevista sirve para explicar esto: si una máquina decide que no eres apto para un trabajo en función del vídeo que analiza, ¿a quién puedes dirigirte si no estás conforme con la decisión del sistema? Pues todavía no hay una regulación demasiado definida.
“La precisión es importante (en la definición de un algoritmo), pero también se trata de analizar cómo lleva a cabo una decisión: se diferencian de las personas en el hecho de que sí que hay una persona detrás que ha hecho una decisión previa y al que se le puede considerar responsable. ¿Por qué la máquina ha decidido decir que no?”, cuenta Matthias Spielkamp, fundador y director ejecutivo de AlgorithmWatch, en la BBC.
Los algoritmos no llevan nombre y apellidos, pero sí las personas que los crean y que cargan un sesgo ideológico y cultural y puede que un objetivo comercial (si es una empresa que busca crear un sistema capaz de, por ejemplo, detectar automáticamente que una persona lleva mascarilla y quiere venderlo). Los casos de discriminación a las personas con piel negra en el caso del reconocimiento facial son un ejemplo de ello.
Por eso es importante no pensar que estos sistemas son totalmente autónomos: “La opinión pública se cree a la industria porque cree que es donde está la innovación, la investigación puntera y el desarrollo. Las industrias lo que quieren es generar nuevos productos y colocarlos en los mercados, y si no hay mercado lo que hacen es crearlo para generar necesidad y que haya demanda”, concluye Arroyo.
Primera fecha de publicación de este artículo: 27/08/2020.
Primera fecha de publicación de este artículo: 27/08/2020
