La inteligencia artificial es solo una herramienta, pero qué herramienta es. Quizás la IA este elevando a nuestro mundo a una era de iluminación y productividad, o hundiéndonos en un pozo más oscuro del que ya está.
Para lograr alcanzar la primera meta y no lo segundo, la Inteligencia Artificial se debería de manejar con mucho cuidado y previsión.
En este punto, es en el que los líderes y profesionales de la tecnología deben dar un paso hacía adelante y ayudar a allanar el camino, adelantándose al uso de la IA para poder aumentar las capacidades humanas.
Lo anterior, son algunas de las observaciones extraídas del informe recientemente publicado por la Universidad de Stanford, en la próxima entrega de su Estudio sobre la inteligencia artificial a cien años vista.
Un esfuerzo a largo plazo por rastrear y monitorear la inteligencia artificial a medida que avanza durante el próximo siglo.
El informe, lanzado por primera vez en 2016, fue preparado por un comité permanente que incluye un panel de 17 expertos e insta a que se emplee la inteligencia artificial como una herramienta para aumentar y amplificar las habilidades humanas.
“Todas las partes interesadas deben participar en el diseño de asistentes de IA para producir un equipo de IA humano que supere a cualquiera de los dos por sí solo. Los usuarios humanos deben comprender el sistema de IA y sus limitaciones para confiar en él y utilizarlo de forma adecuada y los diseñadores de sistemas de IA deben comprender el contexto en el que se utilizará el sistema”.
La IA tiene el mayor potencial cuando aumenta las capacidades humanas y aquí es donde puede ser más productiva, argumentan los autores del informe.
La autonomía completa “no es el objetivo final de los sistemas de la inteligencia artificial”, afirman los coautores.
Contenidos del Informa sobre la IA a 10 años vista
El informe examina varias áreas clave en las que la Inteligencia Artificial se está desarrollando y marcando una diferencia entre el trabajo y la vida:
El descubrimiento
Los nuevos desarrollos en la inteligencia artificial interpretable y la visualización de la IA están haciendo que sea mucho más fácil para los humanos inspeccionar los programas de IA con mayor profundidad.
Usarlos así, para organizar explícitamente la información de una manera que facilite que un experto humano junte las piezas y extraiga información.
La toma de decisiones
La IA ayuda a resumir datos demasiado complejos para que una persona los absorba fácilmente.
El resumen ahora se está utilizando o se está considerando activamente en campos en los que se deben leer y analizar grandes cantidades de texto.
Bien sea siguiendo los medios de comunicación, realizando investigaciones financieras, optimizando motores de búsqueda o analizando contratos, patentes o documentos legales.
Tanto Nascent como GPT-3, también puede hacer que estas interacciones sean más naturales “.
La IA como asistente
Se están empezando a ver programas de IA que pueden procesar y traducir texto de una fotografía.
Esto permite a los viajeros leer letreros y menús; y con las herramientas de traducción mejoradas se facilitarán las interacciones humanas entre culturas.
Los proyectos que alguna vez requirieron que una persona tuviera un alto conocimiento especializado o una gran cantidad de tiempo puede llegar a ser accesible para más personas al permitirles buscar conocimientos específicos para cada tarea y contexto.
El procesamiento del lenguaje
Los avances en la tecnología de procesamiento del lenguaje han sido respaldados por los modelos del lenguaje de redes neuronales, incluidos ELMo, GPT, mT5 y BERT.
Estos modelos son capaces de aprender sobre cómo se usan las palabras en contexto, incluidos los elementos de gramática, el significado y los hechos básicos sobre un lenguaje del mundo humano.
La facilidad de estos modelos con el lenguaje ya es compatible con aplicaciones de traducción automática, clasificación de texto, reconocimiento de voz, ayudas para la escritura y chatbots.
Las aplicaciones futuras podrían incluir la mejora de las interacciones humano-IA en diversos lenguajes y situaciones.
La visión por computadora y el procesamiento de imágenes
Muchos enfoques de procesamiento de imágenes utilizan el aprendizaje profundo para el reconocimiento, la clasificación, la conversión y otras tareas.
El tiempo de capacitación para el procesamiento de imágenes se ha reducido sustancialmente.
Los programas que se ejecutan en ImageNet, una colección masiva estandarizada de más de 14 millones de fotografías utilizados para entrenar y probar programas de identificación visual, completan su trabajo 100 veces más rápido que hace apenas tres años.
Los autores del informe advierten, sin embargo, de que dicha tecnología podría estar sujeta a abusos.
La robótica
En los últimos cinco años se ha observado un progreso constante en la **robótica inteligente*+ impulsada por el aprendizaje automático.
La IA dota de mayores capacidades informáticas y de comunicación y una mayor disponibilidad de sistemas de sensores mucho más altamente sofisticados.
Aunque estos sistemas no pueden aprovechar por completo todos los avances de la IA, principalmente debido a las limitaciones físicas del entornos.
Ya se encuentran disponibles sistemas robóticos altamente ágiles y dinámicos para el uso doméstico e industrial.
La movilidad
Las predicciones más optimistas de hace cinco años sobre el rápido progreso en la conducción totalmente autónoma no se han materializado.
Las razones pueden ser complicadas, pero la necesidad de niveles excepcionales de seguridad en entornos físicos complejos hace que el problema sea más desafiante y mucho más caro de lo que se había imaginado.
El diseño de automóviles autónomos requiere la integración de una gama de tecnologías que incluyen la fusión de sensores, la planificación y la toma de decisiones de IA, la predicción de la dinámica del vehículo, el cambio de ruta sobre la marcha, la comunicación entre vehículos y muchos más parámetros.
Los sistemas de recomendación
Las tecnologías de inteligencia artificial que impulsan los sistemas de recomendación han cambiado considerablemente en los últimos cinco años, según el informe.
“Un cambio es la incorporación casi universal de redes neuronales profundas para predecir mejor las respuestas de los usuarios a las recomendaciones. También se ha incrementado el uso de técnicas sofisticadas de aprendizaje automático para analizar el contenido de los elementos recomendados, en lugar de utilizar solo metadatos y clics del usuario o comportamiento de consumo”.
Los autores del informe advierten de que el uso de modelos de aprendizaje automático cada vez más sofisticado para recomendar productos, servicios y contenido ha suscitado preocupaciones importantes sobre problemas de equidad, diversidad, polarización y una posible futura aparición de burbujas de filtros, donde el recomendante sugiera al sistema.
Si bien, estos problemas requieren más que solamente soluciones técnicas; se presta cada vez más atención a las tecnologías que pueden, al menos en parte, abordar esos problemas.