Esta semana se estrenó el primer episodio de IA LAB, un podcast de DF en el que se abordarán los retos y oportunidades que abre la nueva era de la Inteligencia Artificial (IA) en Chile. Con entrevistados del ecosistema de innovación local, la serie busca analizar los alcances del acelerado desarrollo de esta tecnología que ha tomado protagonismo el último año.
El primer capítulo (escanear código QR) fue protagonizado por la directora del Instituto de Data Science de la Universidad del Desarrollo (UDD), Loreto Bravo, quien abordó las oportunidades y desafíos del uso y enseñanza de la IA en las universidades.
Bravo hizo hincapié en aspectos como la importancia de los datos y la necesidad que tienen los modelos de IA para poder explicar sus respuestas al público, entre otros temas.
IA generativa en universidades: “La pregunta es cuáles son las capacidades que queremos generar que son compatibles o que se potencian con el uso de la IA generativa y cómo generamos evaluaciones que permitan medir esas capacidades”.
- ¿Cuántos tipos de IA hay actualmente?
- Más que tipos, diría qué tan poderosos son. La IA existe hace más de 70 años y si quisiéramos distinguir los tipos, partiría por describir la que existe actualmente, la IA débil, que no es la más poderosa. Este tipo de IA consiste en imitar ciertas características de los humanos. Por ejemplo, Spotify es capaz de recomendar música, pero no hacer un diagnóstico de cáncer a partir de una radiografía. Tiene que ver con enseñarle a las máquinas a realizar tareas específicas.
Después viene la IA general, que es enseñarle a imitar al humano completamente en su inteligencia y capacidad de pensar, enfrentarse a situaciones nuevas y poder reaccionar.
Aún no tenemos IA general, pero antes se veía como algo muy lejano y con la aparición de ChatGPT y la IA generativa nos sentimos mucho más cerca.
- Mencionaste la IA generativa. ¿Cómo la están integrando en la academia? ¿Cuál es el potencial en el mediano plazo?
- A nivel de universidad nos metimos en el tema muy rápido, creamos una comisión de IA generativa en marzo de este año, porque creemos que esto va a afectar profundamente las profesiones del futuro.
Por lo tanto, no es ponernos en actitud de que no queremos que nuestros alumnos la utilicen. La pregunta es cuáles son las capacidades que queremos generar que son compatibles o que se potencian con el uso de la IA y cómo generamos evaluaciones que permitan medir esas capacidades.
No vamos por la línea de prohibir el uso de la IA generativa, porque es imposible, y porque yo quiero que mi profesional sepa utilizar la IA generativa.
- ¿Existe preocupación por aspectos como la ética y los sesgos que tiene esta tecnología?
- Sí, es una preocupación que existe hace muchos años. Se hace más patente por la cantidad de usos que se le está dando a la IA, pero la verdad es que no porque lo haga un computador es objetivo. Los sistemas de IA son tan objetivos como los datos que se utilizaron para entrenarlo y el equipo que trabajó en diseñar esos algoritmos.
Si tienes datos con los que estás entrenando el sistema que están sesgados, tu sistema de IA va a estar sesgado.
El tema de análisis de sesgos en IA es algo que desde la academia se ha tratado hace muchos años. Y hay otra cosa importante que tiene que ver con las cajas negras. Los sistemas de IA tratan de imitar muchas veces el cerebro, pero no te explican la respuesta (…) se está haciendo mucha investigación en cómo logramos explicar las conclusiones a las que llega la IA.
- ¿Se deben crear nuevas carreras en torno a esta tecnología o basta con reformar algunos currículums?
- Hay dos aristas. Una es cómo cambian todas las profesiones a la luz de la IA. Tenemos que reexaminar nuestras mallas, cómo evaluamos a los alumnos en todos los contextos profesionales, pero también desarrollar capital humano en el contexto de la IA. En carreras como ciencias de la computación o informática, que existen hace muchos años, uno puede preocuparse de tener electivos o líneas de especialización en esa área.
- ¿En el campo de la IA hay colaboración entre la academia e industria?
- Sí, existe. Dirijo el Instituto de Data Science de la UDD que se creó con ese objetivo (…) Hacemos desarrollo de proyectos, tanto de impacto para la empresa como social. Llevamos muchos años trabajando en temas de datos e IA.
- ¿Cuál es el principal desafío que tiene el país para el aprendizaje y el uso de IA?
- La colaboración, que como instituto lo hemos hecho, pero no es algo que sea común. Las empresas tienen que invertir en investigación y desarrollo, innovación, en estar viendo qué es lo que está ocurriendo y no estar solo preocupados del día a día. La colaboración industria-academia es muy importante y hay que potenciarla.
- ¿Tienes alguna reflexión final?
- Me gustaría cerrar con la importancia del dato. Sé que ahora estamos hablando mucho de IA, pero toda la IA se basa en entrenamiento fundamentado en datos. Las empresas que puedan sacar más valor de la IA son las que mejores datos tengan. En el fondo, cuiden sus datos, aprendan a mirarlos, mejórenlos para poder tener buenos sistemas de IA por sobre ellos.
VER MÁS
MARKET DATA
<%userdata?.email%>
Editar perfil
Credencial
Salir
(Twitter)
Instagram
Facebook
LinkedIn
YouTube
TikTok
Alto contraste
Transformación Digital
