Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Incytu 18-012 PDF
Incytu 18-012 PDF
Inteligencia artificial
RESUMEN
ejemplo, un sistema inteligente para diagnosticar cáncer • Colaboración humano-computadora: Consiste en incorporar sistemas in-
debe discernir entre tejido benigno y maligno y ser capaz, teligentes como parte de equipos de trabajo humanos. Por ejemplo, para
también, de indicarnos cuál es la probabilidad de acierto. Así, responder más ágilmente a desastres naturales, se han desarrollado siste-
podremos distinguir las muestras que tienen una alta pro- mas que pueden analizar vistas aéreas de las zonas afectadas para identifi-
babilidad de ser malignas sobre aquellas donde no hay cer- car dónde se requiere mayor apoyo.
teza alguna.
Una clase diferente son los modelos gráficos probabilísti-
cos, que representan explícitamente las relaciones entre las La ciencia de datos es la conjunción de matemáticas apli-
diferentes variables de un problema.11 A diferencia de las re- cadas, ciencias computacionales e IA con el fin de inferir so-
des neuronales, en este caso existe un registro de cada deci- luciones y predecir comportamientos.22,23 Es una herramienta
sión tomada que puede consultarse y revisarse permitiendo poderosa para aprovechar la gran cantidad de datos públicos
interrogar al modelo sobre las decisiones y medir la confiabi- que se generan a cada minuto. Se estima que a diario se su-
lidad de sus predicciones. ben a Internet 2.2 miles de millones de gigabytes.14 El término
Una aplicación exitosa de los modelos gráficos probabilís- Big Data (ver nota INCyTU-001) se refiere al desarrollo y uso
ticos es el diagnóstico de enfermedades. Por ejemplo, para de tecnologías que permiten almacenar, consultar y analizar
determinar si un paciente tiene malaria, el modelo toma en eficientemente estas enormes cantidades de datos.
cuenta la relación entre variables, como los síntomas del pa- La ciencia de datos ha fomentado la colaboración mul-
ciente (cansancio, vómito, dolor de cabeza, etc.), los viajes tidisciplinaria y permite llevar los métodos de inteligencia
que realizó recientemente (en particular si estuvo en alguna artificial a otras áreas, como medicina e ingeniería. Tam-
región de alto riesgo) y los resultados de estudios médicos; bién ha motivado la creación de iniciativas públicas de in-
asigna un grado de importancia a cada variable y permite a vestigación en varios países, como el Instituto Alan Turing
2
los analistas determinar cuáles factores son cruciales al tomar en Inglaterra.24
una decisión.
Los modelos gráficos probabilísticos presentan ventajas Implicaciones sociales
pero también algunas desventajas. Cuentan con caracterís-
ticas deseables, como transparencia y honestidad, pero aún El desarrollo de tecnologías inteligentes impacta profunda-
no han alcanzado el desempeño logrado por los modelos de mente en la sociedad.25 En el sector productivo, las oficinas
redes neuronales en tareas de gran complejidad. Existe una gerenciales incorporan métodos automáticos para la toma
compensación entre el desempeño de la tecnología actual y de decisiones. En la manufactura, usan robots con capacida-
las características que son deseables para poder implemen- des de desplazamiento y localización de objetos. En la agri-
tarla en la sociedad. cultura, se desarrollan tecnologías para diagnosticar oportu-
namente enfermedades en cosechas,27 así como sistemas de
Aplicaciones inteligentes y big data. vigilancia del suelo,28 utilizando sensores, imágenes satelita-
les y registros históricos para predecir la productividad de los
El campo de la IA ha crecido a gran velocidad en los últimos plantíos. Debido a su alto costo, estas tecnologías sólo son
años. Tres de los principales detonadores de este fenómeno accesibles para grandes empresas en la actualidad.26
han sido:12 el desarrollo de algoritmos y circuitos electró- En el sector salud, sistemas inteligentes, sensores de bajo
nicos especializados13 (con mayor capacidad de procesa- costo y ambientes virtuales están transformando la preven-
miento), el crecimiento de datos disponibles y el aumento ción, el diagnóstico y el tratamiento de enfermedades de
en recursos humanos y financieros destinados a su desa- alto riesgo como cáncer, obesidad, hipertensión y diabetes.26
rrollo. Según estimaciones, para el 2050 el valor de merca- Por ejemplo, en la prevención, algunas aplicaciones móviles
do global de la IA será de casi 126 mil millones de dólares permiten utilizar los sensores del teléfono celular para vi-
estadounidenses.14 gilar la cantidad de azúcar ingerida y el ritmo cardíaco del
| INCYTU No. 012 | CIUDAD DE MÉXICO | MARZO 2018
usuario.29,30 Gracias a su bajo costo, estas tecnologías pue- Implicaciones económicas
den llevarse a zonas rurales, incrementando la cobertura y
evitando gastos de traslado de pacientes.26 Por otro lado, el La IA traerá cambios importantes en el ámbito laboral tanto
uso de ambientes virtuales (espacios intangibles creados por nacional como internacional. Por un lado, los empleos reque-
computadoras, accesibles a través de redes, como internet o rirán de conocimientos en computación y análisis de datos y
equipos de realidad virtual), puede cambiar el tratamiento y por otro, disminuirá la oferta de aquellos empleos que pue-
3
la rehabilitación de padecimientos motrices o cognitivos que den ser automatizados, como la albañilería, manufactura, o
requieren ejercicios físicos o mentales. las ventas por teléfono.
En la educación, la IA será central en las escuelas del fu- Varias actividades se benefician del desarrollo de la IA,
turo, cambiando radicalmente el papel del profesor en el como la de los médicos, que cuentan con tecnología eficien-
aula. Actualmente ya hay sistemas inteligentes capaces de te para obtener información sobre enfermedades y medi-
dar asesoría personalizada a cada alumno en reportes y en- camentos usando lenguaje natural. Los estudiantes pueden
sayos,31,32 lo cual permite a los profesores identificar áreas de enfocarse mejor en desarrollar habilidades analíticas y com-
oportunidad con mayor eficacia. Asimismo, también ha cre- putacionales en vez de memorizar contenidos. La educa-
cido el número de plataformas que ofrecen tutorías por inter- ción para desarrollar las áreas de inteligencia artificial desde
net para todos los grados educativos. Sin embargo, el INEGI temprana edad es fundamental, en particular para fortalecer
reportó que en 2016 sólo el 59.5% de los mexicanos mayores las habilidades que tienen que ver con el análisis de datos,
de 6 años tenían acceso a Internet y que estos se encuentran abstracción, desarrollo de algoritmos y solución de proble-
distribuidos en el 47% de los hogares, lo que sugiere la nece- mas. Estas habilidades se conocen como pensamiento com-
sidad de mejorar el acceso a este tipo de tecnologías.33 putacional42 y en la época actual, son tan importantes como
Finalmente, en materia de seguridad, se pueden analizar las habilidades matemáticas o de comunicación. Es por ello
eficientemente días enteros de grabación de cámaras de cir- que países como Estados Unidos, Reino Unido y Finlandia
cuito cerrado,34 así como rastrear la ubicación de individuos.35 fomentan ya estas habilidades desde la educación básica
También se podrían emplear sistemas inteligentes en drones y media.
para detectar actividades criminales, aunque este uso es Con este cambio de paradigma, la competitividad inter-
controvertido, ya que suscita preocupaciones sobre el con- nacional favorecerá a egresados con habilidades de razona-
trol que el gobierno podría ejercer sobre la población y su miento computacional, abstracción de conceptos y capaces
privacidad.36 de trabajar en ambientes multidisciplinarios.26
La Tabla 1 presenta valores indicativos de la probabilidad Dilemas éticos y legales
de automatización de algunos tipos de trabajos, donde se es-
tán desarrollando tecnologías capaces de realizar esas tareas. En los ámbitos ético y legal se debaten las asignaciones de
El valor máximo es uno y el mínimo es cero. Por ejemplo, la al- responsabilidades y obligaciones en situaciones donde in-
bañilería tiene un 0.94 de probabilidad (o 94%), lo que signifi- tervienen sistemas inteligentes. Por ejemplo si un automó-
ca que es altamente probable que se desarrollen tecnologías vil autónomo atropella a un peatón, la responsabilidad del
que reduzcan la necesidad de contratar albañiles humanos. acto podría recaer en el dueño del vehículo; pero también
Las áreas con mayor probabilidad de automatización son debe reconocerse que éste no tiene un control completo del
aquellas que requieren habilidades manuales repetitivas y automóvil y la responsabilidad también podría recaer en el
las de menor riesgo son aquellas que necesitan habilidades dueño intelectual de la IA43: la compañía que la desarrolló ori-
sociales, de análisis, negociación, tutoría, empatía y creativi- ginalmente. Es por esto que los modelos de caja negra, como
dad.37,38 Por ejemplo, ser maestro de primaria requiere de un las redes neuronales, podrían generar situaciones ambiguas
alto grado de dichas habilidades para poder tratar a los niños y reacciones negativas si no logran funcionar de manera
adecuadamente y es por esto que tiene una baja probabili- transparente. En consecuencia, los desarrolladores de siste-
dad de automatización. mas inteligentes tienen la responsabilidad de cumplir con
Los países en vías de desarrollo tienen una mayor propor- estándares internacionales que aseguren la transparencia y
| INCYTU No. 012 | CIUDAD DE MÉXICO | MARZO 2018
5
Bibliografía
1. Turing AM. En Mind. 1950 Oct 1;59(236):433-60. 27. You, J., et al. En AAAI Conference on Artificial Intelligence (AAAI-17); 2017.
2. Russell S, Norvig P. Artificial Intelligence: A Modern Approach. Prenti- 28. Byrum, J. The Challenges for Artificial Intelligence in agriculture. 2017;
ce-Hall Press; 2009. Disponible en: tinyurl.com/n35qp49 [Consultado el 5 de noviembre de
3. 3Luger GF. Computation & intelligence: collected readings. American 2017]
Association for Artificial Intelligence; 1995. 29. Glucosio. Glucosio. 2015; Disponible en: glucosio.org/ [Consultado el 1
4. 4Bellman, R.E. An Introduction to Artificial Intelligence: Can Computers septiembre de 2017]
Think? Boyd & Fraser Publishing Company; 1978. 30. Cardiograph. Cardiograph. 2017; Disponible en: macropinch.com/car-
5. Mitchell TM. Machine learning. WCB; 1997. diograph/ [Consultado el 1 septiembre 2017]
6. Krizhevsky A, Sutskever I, Hinton GE. En Advances in neural information 31. Alden B et al. En International Journal of e-Assessment. 2014;4(1).
processing systems 2012. 2012; (pp. 1097-1105). 32. Whitelock, Denise et al. In: The 1st International Conference on Open
7. Graves A, Mohamed AR, Hinton G. En ICASSP, 2013 IEEE international Learning: Role, Challenges and Aspirations. 2013
conference; mayo 2013 (pp. 6645-6649). IEEE. 33. INEGI. Estadísticas a propósito del día mundial del internet (17 de mayo).
8. Bostrom N, Yudkowsky E. The Cambridge handbook of artificial intelli- 2017; Disponible en: tinyurl.com/y8ye6qua [Consultado el 10 de agos-
gence. 2014 Jun 12:316-34. to de 2017].
| INCYTU No. 012 | CIUDAD DE MÉXICO | MARZO 2018
9. Gal Y. Uncertainty in Deep Learning. 2016; Disponible en:tinyurl.com/ 34. Sathyadevan S, Balakrishnan AK, Arya S. En Networks & Soft Computing
yay9vl2t. (ICNSC), 2014 First International Conference. 2014 Aug 19 (pp. 151-157).
10. Schwartz-Ziv R, Tishby N. En arXiv [preprint] 2017. Disponible en:tin- 35. Mascharka D, Manley E. En arXiv [preprint] 2015. Disponible en: tinyurl.
yurl.com/ya4v6sox. com/yc5ep357 [Consultado el 20 de junio de 2017].
11. Koller D, Friedman N. Probabilistic graphical models: principles and tech- 36. Bellovin SM, Hutchins RM, Jebara T, Zimmeck S. En NYUJL & Liberty.
niques. MIT press; 2009. 2013; 8:556.
12. Brynjolfsson, Erik. What’s driving the Machine Learning explosion? 2017; 37. Frey CB, Osborne M. Technology at Work. The Future of Innovation and
Disponible en: tinyurl.com/ybarcyuk. [Consultado el 15 de agosto de Employment, Citi GPS: Global Perspectives & Solutions. 2015.
2017]. 38. Frey CB, Osborne MA. The future of employment: how susceptible are
13. Sze V et al. En Custom Integrated Circuits Conference (CICC), 2017 IEEE; jobs to computerisation?. Technological Forecasting and Social Chan-
2017 Apr 30 (pp. 1-8). IEEE. ge. 2017 Jan 31;114:254-80.
14. McKinsey Global Institute. Artificial intelligence The next Digital Fron- 39. Citi GPS. Technology at work v2.0: the future is not what it used to
tier?. 2017; Disponible en: tinyurl.com/y8vhzpme. be. 2016; Disponible en: tinyurl.com/y7dw3zm8 [Consultado el 10 de
15. Sutskever I, Vinyals O, Le QV. En Advances in neural information proces- agosto de 2017]
sing systems 2014. 2017; (pp. 3104-3112). 40. Pérez Orozco B. Entrevista con el profesor Michael Osborne. 6 de sep-
16. Yu L, Hermann KM, Blunsom P, Pulman S. En arXiv [preprint] 2014. Dis- tiembre 2017.
ponible en: tinyurl.com/y8lbdjs3. 41. Tarnoff B. Robots won’t just take our jobs – they’ll make the rich even ri-
17. Nallapati R et al. En arXiv [Preprint] 2016. Disponible en: arxiv.org/ cher. 2017; Disponible en: tinyurl.com/gmphtkm [consultado el 10 de
pdf/1602.06023.pdf [Consultado el 20 de agosto de 2017]. septiembre de 2017].
18. Silver D, et al. En Nature. 2016 Jan 28;529(7587):484-9. 42. J. Wing. Communications of the ACM. Marzo 2006/Vol. 49, No. 3
19. IBM. IBM Watson Health. 2017; Disponible en: ibm.com/watson/health/ 43. Pérez Orozco B. Entrevista con Brent Mittelstadt. 20 de septiembre 2017
6
[Consultado el 3 de noviembre de 2017]. 44. Salay R, Queiroz R, y Czarnecki, Krzysztof. En arXiv [preprint] 2017. Dis-
20. IBM. Machine learning models for drug discovery. 2017; Disponible en: ponible en: tinyurl.com/y93ckxtu [Consultado el 7 de septiembre de
tinyurl.com/yaoof29j [Consultado el 7 de noviembre de 2017]. 2017].
21. Oxford University Science blog. How teams of computers and humans 45. Hunt Elle. Tay, Microsoft’s AI chatbot, gets a crash course in racism from
can fight disaster. 2015; Disponible en: tinyurl.com/yaokubpf [Consul- Twitter. 2016; Disponible en: tinyurl.com/hu3lh32 [consultado el 1 de
tado el 7 de noviembre de 2017]. septiembre de 2017].
22. Universidad de Nueva York. What is data science? 2015; Disponible en: 46. Devlin, H. AI programs exhibit racial and gender biases, research re-
tinyurl.com/jzu8qgw. [Consultado el 15 de agosto de 2017]. veals. The Guardian; Disponible en: tinyurl.com/mpga97m [Consulta-
23. Schutt R, O’Neil C. Doing data science: Straight talk from the frontline. do el 5 de noviembre de 2017]
O’Reilly Media, Inc.; 2013 Oct 9. 47. Mata Ferrusquía R. 99% de las mujeres, marginadas de ciencias de la
24. The Alan Turing Institute. The Alan Turing Institute. 2017; Disponible en: computación. Disponible en: tinyurl.com/y8ewj8f7. 2017; [consultado
www.turing.ac.uk/ [Consultado el 16 de agosto de 2017]. el 2 de septiembre de 2017].
25. Williams, O. Oxford’s chief computer scientist says there hasn’t been 48. BBC. ¿Por qué tan pocas mujeres se dedican a la informática?. 2015; Dis-
any substantial progress towards general AI. Disponible en: tinyurl. ponible en: tinyurl.com/ydbnhnc4 [Consultado el 2 de septiembre de
com/ycwqhxb5 [Consultado el 6 de noviembre de 2017]. 2017].
26. Pérez Orozco B. Entrevista con el profesor Enrique Súcar. 2017.
INCyTU proporciona información al Congreso de la Unión sobre temas relacionados con ciencia y tecnología, que son relevantes para legislar y hacer políticas
públicas en México. Autor: Mtro. Bernardo Pérez Orozco. Responsable: Dr. Miguel Enrique Rentería Rodríguez. Reconocemos a quienes participaron en la
elaboración y revisión de esta nota, sus nombres pueden encontrarse en: http://foroconsultivo.org.mx/INCyTU/. Para mayor información sobre este tema
escribir a: incytu@foroconsultivo.org.mx | Diseño: Francisco Meza.
NOTA-INCyTU | NÚMERO 012 | MARZO 2018