Transdisciplinariedad de la Inteligencia Artificial y

la Patología forense digital: encuentros y

desencuentros

Por: Marisol Jiménez

Guanare, 2023.

1
Universidad Nacional Experimental
De los Llanos Occidentales
“EZEQUIEL ZAMORA”
VICERRECTORADO
DE PRODUCCIÓN AGRICOLA
ESTADO PORTUGUESA

La Universidad que siembra

PROGRAMA ESTUDIOS AVANZADOS
DOCTORADO EN CIENCIAS FORENSES

Línea de investigación: 2.-Patología forense.

Transdisciplinariedad de la Inteligencia Artificial y la

Patología forense digital: encuentros y desencuentros
Tesis doctoral para optar a Grado de Doctora en Ciencias Forenses

Aspirante: Médico Marisol Jiménez, Esp.

C.I. V-11.079.712
Correo: mariposa.mjn81@gmail.com
Tutor académico: Dr. Ramón E. Azócar A.
(UNELLEZ-VPA)

Guanare, Noviembre, 2023.

2
Descripción ampliada del objeto de estudio

La transdisciplinariedad es, según Azócar (2021), un enfoque que busca superar los
límites tradicionales de las disciplinas individuales y fomentar la colaboración y el
intercambio de conocimientos entre diferentes campos. En el contexto de la inteligencia
artificial (IA) y la patología forense digital, la transdisciplinariedad se refiere a la
integración de conocimientos y técnicas de ambas áreas para abordar de manera más
efectiva los desafíos y oportunidades relacionados con el análisis de evidencia digital en
investigaciones forenses.

La inteligencia artificial, en acepción de Al Smadi, Al Issa, Trrad y Al Smadi

(2006). en este sentido, se refiere a la capacidad de las máquinas para realizar tareas que
normalmente requieren inteligencia humana, como el reconocimiento de patrones, el
aprendizaje automático y la toma de decisiones. En el campo de la patología forense digital,
la IA ha demostrado ser una herramienta prometedora para el análisis y la interpretación de
grandes volúmenes de datos digitales, como imágenes, videos, registros de actividad en
línea y comunicaciones electrónicas.

En cuanto a la aplicación de la IA en la patología forense digital , esgrimen Al

Smadi, Al Issa, Trrad y Al Smadi (2006), puede tener varios encuentros y desencuentros.
Algunos encuentros incluyen:

1. Análisis automatizado de evidencia digital: La IA puede ayudar a acelerar y mejorar el

análisis de evidencia digital al automatizar tareas repetitivas y de procesamiento intensivo,
como el reconocimiento facial, la clasificación de imágenes o el análisis de metadatos.

2. Detección de patrones y anomalías: La IA puede identificar patrones y anomalías en

grandes conjuntos de datos, lo que puede ser útil para identificar comportamientos
sospechosos o características relevantes en investigaciones forenses.

3. Mejora de la eficiencia y precisión: La IA puede ayudar a reducir el tiempo y los

recursos necesarios para analizar y examinar evidencia digital, lo que puede tener un
impacto positivo en la eficiencia y la calidad de las investigaciones forenses.

3
 Sin embargo, también pueden surgir desencuentros en la transdisciplinariedad de la
IA y la patología forense digital, a juicio de Hao (2020), como:

1. Interpretación y confiabilidad de los resultados: La interpretación de los resultados

generados por algoritmos de IA puede ser compleja y requerir conocimientos
especializados. Además, la confiabilidad de los resultados de la IA puede verse afectada
por sesgos o limitaciones inherentes a los modelos de aprendizaje automático utilizados.

2. Privacidad y ética: El uso de IA en la patología forense digital plantea desafíos éticos y

de privacidad, especialmente cuando se trata de datos personales sensibles. Es importante
garantizar que se respeten los derechos y la privacidad de las personas involucradas en las
investigaciones forenses.

3. Adaptación a nuevas tecnologías y amenazas: La rápida evolución de la tecnología y el

surgimiento de nuevas amenazas digitales pueden requerir una actualización constante de
los sistemas de IA utilizados en la patología forense digital. Esto implica la necesidad de
mantenerse actualizado y adaptarse a los cambios en el entorno digital.

En concreto, la transdisciplinariedad entre la inteligencia artificial y la patología

forense digital presenta encuentros y desencuentros. Si bien la aplicación de la IA puede
mejorar la eficiencia y precisión del análisis forense digital, también plantea desafíos en
términos de interpretación de resultados, ética y privacidad.

A todas estas, se busca darle un lugar a un enfoque transdisciplinario sólido, que

involucre a expertos en IA y patología forense, puede ayudar a abordar estos desafíos y
aprovechar al máximo las oportunidades que ofrece la convergencia de estas dos áreas.

Formulación del problema

El problema de la transdisciplinariedad de la Inteligencia Artificial (IA) y la

Patología Forense Digital, tomando algunas ideas de Krishnamoorthy y Rajeev (2000),
quienes plantean los desafíos y las oportunidades de combinar estos dos campos en un

4
enfoque integrado. La transdisciplinariedad implica la colaboración y la integración de
conocimientos y métodos de diferentes disciplinas para abordar un problema complejo.

En el contexto de la Patología Forense Digital, la IA, afirman Krishnamoorthy y

Rajeev (2000), puede desempeñar un papel crucial en el análisis y la interpretación de la
evidencia digital, como imágenes, videos, registros de actividad en línea, entre otros. La IA
puede ayudar a automatizar ciertas tareas, mejorar la eficiencia y la precisión de los
procesos forenses, y proporcionar nuevas perspectivas y herramientas para comprender y
resolver casos.

Sin embargo, existen desafíos significativos en la aplicación de la IA en la Patología

Forense Digital. Estos incluyen la falta de conjuntos de datos adecuados y representativos,
la interpretación y la explicabilidad de los resultados de la IA, la privacidad y la ética en el
manejo de datos sensibles, y la necesidad de una colaboración efectiva entre expertos
forenses y científicos de la IA.

Además, puntualizan Krishnamoorthy y Rajeev (2000), la IA puede enfrentar

desencuentros con la Patología Forense Digital debido a la complejidad y la naturaleza
cambiante de los casos forenses, la necesidad de evidencia sólida y confiable en los
tribunales, y la importancia de la experiencia y el juicio humano en la interpretación de la
evidencia.

A grandes rasgos, el problema de la transdisciplinariedad de la IA y la Patología

Forense Digital implica la necesidad de encontrar un equilibrio entre el potencial de la IA
para mejorar y agilizar los procesos forenses y la necesidad de abordar los desafíos y los
desencuentros asociados con su aplicación en este campo.

Relevancia científica del estudio

El estudio de la transdisciplinariedad de la Inteligencia Artificial (IA) y la patología

forense digital es de gran relevancia científica en la actualidad. La IA ha mostrado un
enorme potencial en diversas áreas, incluyendo la medicina, la seguridad y el análisis
forense. En el contexto de la patología forense digital, la IA puede desempeñar un papel
fundamental en la detección y análisis de evidencia digital en casos criminales.

5
 A todas estas, la patología forense digital se refiere al estudio y análisis de la
evidencia digital con el fin de investigar y resolver delitos. Con el creciente uso de la
tecnología digital en nuestras vidas, se ha vuelto cada vez más importante contar con
expertos en el análisis forense de dispositivos y datos digitales.

La IA, tal como lo estacan Krishnamoorthy y Rajeev (2000), en este contexto de

ideas, ayuda en el ámbito al automatizar y agilizar ciertas tareas, como el procesamiento y
análisis de grandes volúmenes de datos digitales, la identificación de patrones en la
evidencia y la detección de anomalías. Además, la IA puede ayudar a mejorar la precisión y
confiabilidad de los análisis forenses al reducir el sesgo humano y proporcionar
herramientas avanzadas de análisis y visualización de datos.

Sin embargo, también existen desafíos y desencuentros en la aplicación de la IA en

la patología forense digital. Estos incluyen cuestiones éticas y legales relacionadas con la
privacidad y la protección de datos, así como la interpretación y validación de los
resultados generados por los algoritmos de IA. Además, la naturaleza cambiante de la
tecnología digital y las tácticas utilizadas por los delincuentes digitales plantean desafíos
constantes para los investigadores forenses.

En este aspecto, el estudio de la transdisciplinariedad de la IA y la patología forense

digital es relevante científicamente porque puede impulsar avances significativos en la
investigación y resolución de delitos digitales. Al comprender y abordar los encuentros y
desencuentros entre estas dos áreas, podemos aprovechar el potencial de la IA de manera
ética y efectiva en el ámbito forense digital.

Alcances de la investigación

El alcance de la investigación sobre la transdisciplinariedad de la Inteligencia

Artificial (IA) y la patología forense digital es amplio y abarca diversos aspectos. Este tema
busca explorar cómo la IA puede ser utilizada en el campo de la patología forense digital,
que se ocupa del análisis de evidencia digital en investigaciones criminales.

La transdisciplinariedad, a todas estas, implica la integración de conocimientos y

enfoques de diferentes disciplinas para abordar un problema o área de estudio. En este caso,

6
implica combinar los conocimientos de la IA y la patología forense digital para mejorar la
eficiencia y precisión de las investigaciones.

La investigación en este ámbito se centra en desarrollar algoritmos y sistemas de IA

que puedan analizar y procesar grandes cantidades de datos digitales, como archivos,
metadatos, registros de actividad, comunicaciones en línea, entre otros. Esto permite
identificar patrones, anomalías y evidencia relevante para las investigaciones.

Además, se investiga cómo la IA puede ayudar en la detección automática de delitos

digitales, como el fraude cibernético, el acoso en línea, la pornografía infantil y otros
delitos relacionados con la tecnología. También se exploran las implicaciones éticas y
legales de utilizar la IA en el ámbito forense digital, como la privacidad, la confiabilidad de
los resultados y la interpretación de los hallazgos.

En concreto, el abordaje de la transdisciplinariedad de la IA y la patología forense

digital busca mejorar las capacidades de investigación y análisis en el campo forense
digital, utilizando técnicas de IA para procesar y examinar evidencia digital de manera más
eficiente y precisa.

Propósitos de la investigación

El propósito general de la investigación, que es de corte cualitativo, bajo el enfoque

hermenéutico dialecto, orientada a visualizar la transdisciplinariedad de la Inteligencia
Artificial y la Patología forense digital, es generar un modelo teórico explicativo que
permita comprender los encuentros y desencuentros entre ambos campos desde una
perspectiva multidisciplinaria.

Esto implica abarcar varios propósitos específicos como: analizar el

entrelazamiento e interacción entre la Inteligencia Artificial y la Patología forense digital;
identificar los desafíos y oportunidades en su integración, y comprender cómo se pueden
aprovechar las fortalezas de ambas disciplinas para mejorar la investigación y la detección
de delitos digitales; construir conocimientos y recomendaciones para fomentar una
colaboración efectiva y transdisciplinaria entre los expertos en Inteligencia Artificial y los
profesionales de la Patología forense digital.

7
Bases conceptuales

La transdisciplinariedad de la Inteligencia Artificial y la Patología forense digital,

siguiendo la orientación doctrinal de Martos, Ibáñez y Mesejo (2020), se sustenta en
varias bases teóricas; en este contexto de ideas destacan las siguientes teorías:

1. Teoría de la Inteligencia Artificial: La Inteligencia Artificial es un campo de estudio que

se basa en teorías y modelos matemáticos, lógicos y computacionales para simular el
razonamiento humano y la toma de decisiones. Estas teorías proporcionan los fundamentos
para el desarrollo de algoritmos y sistemas inteligentes que pueden ser aplicados en la
Patología forense digital, permitiendo el análisis y la interpretación automatizada de
evidencia digital.

En este sentido, el grupo de investigadores de la Iniciativa Latinoamericana de

Libros de Texto Abiertos (LATIn), conformado por Ponce, Torres, Quezada, Silva,
Martínez, Casali, Scheihing, Túpac, Torres, Ornelas, Hernández , Zavala , Vakhnia y
Pedreño (2014), resaltaron que existe una clasificación de los modelos de Inteligencia
Artificial que se basa en el objetivo y la forma en que trabaja el sistema, esta clasificación
de manera inicial se veía como clases independientes, sin embargo, en la actualidad los
sistemas mezclan características de ellas.

Es un sistemas que piensan como humano pero en la medida que éste le da señales e
información oportuna; es un modelo cuyo funcionamiento de la mente humana busca
establecer una teoría que valiéndose del manejo de fórmulas y ecuaciones algorítmicas, en
el marco de los modelos computacionales, obtiene respuestas en el marco de un proceso
cognitivo auténtico y autónomo. El referente principal es el hombre; el objetivo es construir
un sistema que pase por humano.

Hoy día se programan los equipos de computación para ser capaz de procesar un
lenguaje natural: para así poder establecer comunicación satisfactoria, sea en español,
inglés o en cualquier otro idioma humano; representar el conocimiento: para guardar toda la
información que se le haya dado antes o durante el interrogatorio. Utilización de Base de

8
Datos para receptar preguntas y luego almacenarlas; razonar automáticamente: Utiliza la
información guardada al responder preguntas y obtener nuevas conclusiones o tomar
decisiones; autoaprendizaje de la máquina, con el propósito de adaptarse a nuevas
circunstancias; se promueve un autoaprendizaje que conlleva a la autoevaluación y de allí a
planteamientos que permitan minimizar en la realidad el tiempo de respuesta hacia un
tópico determinado de interés, haciendo uso de una cantidad importante de información y
notas o registros de experiencias.

En este contexto, explican Ponce, et al (2014), debido al enorme éxito que tuvieron
los sistemas expertos en la década de los 80’s, empezaron a surgir desarrollos conocidos
como Shell. En computación, una Shell es una, pieza de software que provee una interfaz
para los usuarios; un sistema experto posee entre sus componentes las dos herramientas
siguientes: Base de conocimientos, donde el conocimiento relacionado con un problema o
fenómeno se codifica según una notación específica que incluye reglas, predicados, redes
semánticas y objetos; Motor de inferencia, es el mecanismo que combina los hechos y las
preguntas particulares, utilizando la base de conocimiento, seleccionando los datos y pasos
apropiados para presentar los resultados. En el entorno de los sistemas expertos, una Shell
es una herramienta diseñada para facilitar su desarrollo e implementación.

En otros términos, afirman Ponce, et al (2014), una Shell es un “sistema experto”

que posee una base de conocimientos vacía, pero acompañada de las herramientas
necesarias para proveer la base de conocimiento sobre el dominio del discurso de una
aplicación específica. Una Shell provee también al ingeniero del conocimiento de una
herramienta que trae integrado algún mecanismo de representación del conocimiento, un
mecanismo de inferencia, elementos que faciliten la explicación del procedimiento o
decisión tomados por el sistema experto e incluso, algunas veces, proveen una interfaz de
usuario.

El uso de estos ambientes de desarrollo, describen Ponce, et al (2014), permiten el

desarrollo de sistemas expertos eficientes incluso cuando no se domine algún lenguaje de
programación; razón por la que se ha popularizado su uso para la producción de sistemas
expertos en todos los dominios del conocimiento.

9
 Algunos ambientes de desarrollo para la construcción de sistemas expertos
independientes del dominio o Shell clásicos son:

-EMYCIN o Essential Mycin: Esta Shell fue construida en la Universidad de Stanford

como resultado del desarrollo del sistema experto MYCIN que realizaba el diagnóstico de
enfermedades infecciosas de la sangre. El sistema EMYCIN fue la base para la
construcción de muchos otros sistemas expertos, tales como el PUFF (que diagnostica
enfermedades pulmonares) y el SACON (que trabaja con ingeniería estructural).

También está el OPS5- OPS83, afirman Ponce, et al (2014), donde Shell desarrolló
en C. C es el lenguaje que debe ser empleado para la inserción de las reglas base y junto
con el uso del encadenamiento hacia adelante, la posibilidad de insertar las reglas en un
lenguaje como el C son sus principales aportaciones. Este sistema está basado en el
algoritmo propietario RETE.

El KEE (Knowledge Engineering Environment), que se comporta, según Ponce, et

al (2014), como herramienta de la casa comercial IntelliCorp combina el uso de la
programación orientada a objetos y el uso de reglas como herramientas de representación
del conocimiento. Debido a la mezcla de técnicas, esta Shell es conocida como una
herramienta híbrida. El tipo b{asico de representación de KEE está basada en marcos con
jerarquías multipadre y varios mecanismos de herencias, que permiten transferir los
atributos de los marcos a través de la jerarquía; esta herramienta también puede codificar el
conocimiento mediante LISP. KEE fue desarrollado mediante Common Lisp y usa reglas
del tipo IF antecedente THEN consecuente.

Otro sistema es el S1, que de acuerdo con Ponce, et al (2014),), es una herramienta
para el desarrollo de sistemas expertos basada en reglas, provee toda clase de facilidades
para la introducción del conocimiento tanto por parte del ingeniero como del experto sobre
un cierto dominio. Este sistema incluye ya el uso del idioma inglés, de manera que traduce
automáticamente fragmentos de texto que se asocien con la base de conocimientos. Este
sistema además, muestra dinámicamente sus líneas de razonamiento alternativas,
conclusiones y reglas heurísticas consideradas.

10
2. Teoría de la Patología forense digital: La Patología forense digital se basa en
conocimientos teóricos y prácticos de diversas disciplinas, como la informática forense, la
criminología, la psicología forense y la ciencia forense en general. Estas teorías
proporcionan los fundamentos para la recolección, el análisis y la interpretación de
evidencia digital en investigaciones criminales. La transdisciplinariedad se da al integrar los
principios y enfoques de la Patología forense digital con los avances en Inteligencia
Artificial.

En un aspecto puntual, según Guerra (2021), la patología forense digital forma parte
de la Ciencia Forense, pasando a tomar un papel protagónico en las investigaciones de
interés policial, ya que permite entender y saber cómo monitorear una causa determinada
desde la aproximación multidisciplinar, la cual permite juntar todo tipo de evidencias en
una investigación. Normalmente, durante el transcurso de una investigación, deberán
aplicarse los principios y metodologías de diferentes disciplinas científicas para la
presentación de evidencias ante un tribunal.

Si algo rescata Guerra (2021), es que desde 1910, que es cuando el francés Edmond
Locard establece el primer laboratorio forense policial en Lyon. Pasa además a la historia
de la ciencia forense por enunciar el denominado Principio de Locard “Todo contacto deja
una huella”.

Es decir, enfatiza Guerra (2021), que la presencia del autor de los hechos en la
escena del crimen conlleva una transferencia de evidencias, pues el criminal deja rastros en
la escena del crimen, pero también lleva consigo evidencias que demuestran su presencia en
dicho lugar.

Dicho de otra forma, aclara Guerra (2021), las acciones físicas dejan evidencias
físicas en el mundo físico; las acciones digitales dejan evidencias digitales en el mundo
digital.

En la actualidad, entre las diferentes ramas de la Ciencia Forense destacan:

Toxicología, Psicología, Podología, Patología, Odontología, Lingüística, Geología,
Entomología, Ingeniería, Análisis de ADN, Botánica, Arqueología, Antropología, Balística
y Digital.

11
3. Teoría de la interdisciplinariedad: La interdisciplinariedad es un enfoque que busca
establecer puentes y conexiones entre diferentes disciplinas para abordar problemas
complejos. En el caso de la Inteligencia Artificial y la Patología forense digital, la teoría de
la interdisciplinariedad sustenta la necesidad de colaboración y diálogo entre expertos en
ambas áreas, con el fin de combinar sus conocimientos y enfoques para abordar de manera
más efectiva los desafíos y aprovechar las oportunidades que surgen de su encuentro.

En este punto el aporte de Rivera (2015) y Azócar (2021), es importante al inferir

que la interdisciplinariedad da pistas sobre los vacíos, silencios e incertidumbre de una
época en la que los antiguos valores se han derrumbado y los nuevos no acaban de aparecer
para tomar su lugar; esta transición paradigmática, de un paradigma de la simplicidad a otro
de la complejidad, no se reduce solamente a la sustitución de una epistemología que
representa una ciencia moderna de otra postmoderna, se trata de transformaciones que están
tocando las puertas de la organización social, política y cultural, que a su vez, son cambios
que enfrenta un mundo que defiende la comodidad de su estatus a otro más plural, de
nuevas demandas y nuevas formas de comprensión de los fenómenos de la realidad.

En este aspecto, las estructuras sociales están en plena transformación, el paso del
paradigma clásico mecanicista que apuesta a lo lineal y funcional donde se conoce una
realidad social representada como única y verdadera, generalmente centrada en un enfoque
monodisciplinar, a otro paradigma que aún es considerado como emergente y que se
sustenta en lo no lineal, en causas múltiples y efectos emergentes, es necesario.

En concreto, a relevancia de la interdisciplinariedad dentro de este nuevo paradigma

encuentra múltiples contradicciones y situaciones obstaculizadoras y en esta coyuntura, las
Ciencias Sociales no son la excepción.

Esta posición resalta que hay disciplinas sociales que han estado sistemáticamente
cerradas a los estudios sobre complejidad; hay disciplinas que han incorporado a brazos
abiertos a la teoría de la complejidad, como la administración, pero la inmensa mayoría de
la literatura que habla de complejidad o incorpora elementos de complejidad en
administración solo tiene, en el mejor de los casos, “un barniz de complejidad, con notables
excepciones.

12
 Por tanto, se está en una transición que podría quedarse ahí, en la transición misma
ante el caos que puede generar la indefinición, o por el contrario, podría avanzar hasta crear
su propio orden y por consiguiente reiniciar una especie de nuevo ciclo sobre nuevas bases
o presupuestos que no incluyan segregaciones y abismos como los del ahora viejo orden ha
expresado, a juicio de Rivera (2015).

4. Teoría de hermenéutica, como corriente filosófica que se centra en la interpretación y

comprensión de los fenómenos humanos y simbólicos. En el contexto de la
transdisciplinariedad entre la Inteligencia Artificial y la Patología forense digital, la teoría
hermenéutica proporciona herramientas conceptuales para comprender las implicaciones
éticas, sociales y legales de la aplicación de la Inteligencia Artificial en la investigación
forense digital. Ayuda a reflexionar sobre los desafíos éticos y las consideraciones
necesarias para garantizar un uso responsable y justo de estas tecnologías.

En las tradiciones metodológicas de las ciencias sociales, esgrime Herrera (2009),

especialmente en aquellos métodos llamados cualitativos, se han desarrollado múltiples
tendencias ligadas a las disciplinas y a sus objetos de estudio, que pueden ser observados
según los criterios elaborados por la filosofía hermenéutica; en el marco de estas
tradiciones, pueden distinguirse cuatro tendencias: la etnografía, como estudio de culturas
que se apartan de los patrones étnicos europeos y que requieren, por tanto, una reflexión
sobre la aproximación a fenómenos humanos que deben ser interpretados en sus propios
términos, y traducidos a los términos de otra cultura; la fenomenología como método y con
la teoría fundada. La primera, formulada especialmente por Husserl antes del desarrollo de
la filosofía hermenéutica y dentro de la cual se inscribe ésta, con una crítica a algunos de
sus postulados, deriva en un método que tiene dos características: la primera consiste en la
suspensión de los supuestos o prejuicios en el abordaje del fenómeno, y la segunda es la
pretensión de llegar a ideas universales o esencias. La otra tradición que comparte con la
fenomenología algunos de estos postulados es la Teoría Fundada (o fundamentada), que
parte del principio de que toda categoría debe partir exclusivamente de los datos, cuyo
principio de generalización es la saturación de la muestra y concibe la teoría como el
sistema de regularidades obtenidas en dicha muestra.

13
 El tercero, explica Herrera (2009), es la tendencia positivista como es el estudio de
caso según la concepción de Yin, en la cual se parte de una teoría para aplicarla a un
estudio de un fenómeno social, o de demostrar empíricamente dicha teoría; y el cuarto
asume una perspectiva hermenéutica y la supera al incorporar el conflicto y el poder en sus
análisis y al vincularse a las prácticas sociales y no solamente a una perspectiva
contemplativa de la investigación, como son la Cartografía Social, la IAP y los estudios de
memoria.

En este último se da un vínculo directo con las ciencias forenses en el marco de la

tradición hermenéutica que no incorpora en su planteamiento el problema del poder, ni
asume una postura política emancipatoria ni de ninguna otra índole; se interrelacionan las
prácticas sociales conflictivas que adoptan criterios hermenéuticos en relación con la
interpretación de las culturas y con la historicidad del pensamiento sobre lo humano.

Estas bases teóricas apoyan la exploración de los encuentros y desencuentros entre

la Inteligencia Artificial y la Patología forense digital, permitiendo un análisis crítico y una
comprensión profunda de su transdisciplinariedad.

Metodología

El enfoque hermenéutico dialéctico es una perspectiva teórica que busca

comprender fenómenos complejos mediante la interpretación y el diálogo. Al aplicarlo al
estudio de la transdisciplinariedad de la Inteligencia Artificial (IA) y la Patología Forense
Digital, se busca explorar los encuentros y desencuentros entre estas dos áreas.

La transdisciplinariedad implica la integración de conocimientos y métodos de

diferentes disciplinas para abordar un problema común. En este caso, la IA y la Patología
Forense Digital se unen con el objetivo de mejorar la identificación y el análisis de
evidencia digital en casos legales.

Desde una perspectiva hermenéutica, se enfatiza la importancia de la interpretación

y la comprensión de los fenómenos. En el contexto de la IA y la Patología Forense Digital,
esto implica considerar no solo los aspectos técnicos y científicos, sino también los

14
aspectos éticos, legales y sociales involucrados en el uso de la tecnología en el ámbito
forense.

La dialéctica, por otro lado, se refiere a la interacción y el conflicto de ideas y

perspectivas. En el caso de la IA y la Patología Forense Digital, esto implica reconocer y
abordar los desencuentros y tensiones que pueden surgir al combinar estas dos disciplinas.
Esto puede incluir debates sobre la validez y confiabilidad de los métodos de IA en la
interpretación de pruebas digitales, así como consideraciones éticas relacionadas con la
privacidad y la seguridad de los datos.

El enfoque hermenéutico dialéctico, a todas estas, para abordar la

transdisciplinariedad de la IA y la Patología Forense Digital busca promover una
comprensión más profunda y crítica de los encuentros y desencuentros entre estas
disciplinas, considerando tanto los aspectos técnicos como los éticos y sociales
involucrados.
A juicio de Martínez (2014), describe la secuencia metódica que debe llevar el
enfoque hermenéutico en un proceso de investigación cualitativo. Tomando ideas de Gerard
Radnitzky (1970), quien propone siete reglas generales que se circunscriben dentro de la
teoría y la técnica propias de la hermenéutica de los autores más renombrados en este
campo, cuyas ideas resumen e integran, Martínez (2014) expone que en toda la exposición
está siempre presente la analogía entre el texto escrito (como expresión de un tipo de acción
humana) y la acción humana en general: a) Utilizar el procedimiento dialéctico que va del
significado global al de las partes y viceversa, es decir, el llamado círculo hermenéutico.
Este procedimiento produce una ampliación del significado, al estilo de círculos
concéntricos que amplían la unidad de significado captada con anterioridad; b) Preguntar,
al hacer una interpretación, qué es lo que la hace máximamente buena (en el sentido del
concepto de “buena gestalt” o “buena configuración” de la psicología de la Gestalt) o qué
es lo que la hace “razonable”; c) Autonomía del objeto: el texto debe comprenderse desde
adentro, es decir, tratar de entender lo que el texto dice acerca de las cosas de que habla,
entendiendo al texto en sí y a los términos en el sentido en que son usados dentro del texto;
d) Importancia de la tradición: de las normas, costumbres y estilos que son anteriores al
texto en sí y que dan significado a ciertos términos primitivos. Este punto hace hincapié en

15
el aspecto opuesto y complementario del anterior; e) Empatía con el autor del texto
(acción), en el sentido de ponerse imaginariamente en su situación para comprenderlo
desde su marco interno de referencia. Esto implica familiaridad con la temática específica
en cuestión, con el mundo y la vida del autor, y con las tradiciones que influyeron en él; f)
Contrastar la interpretación provisional de las partes con el significado global del texto (o
de la conducta de la persona) como un todo, y posiblemente con otros textos afines del
mismo autor (el comportamiento en circunstancias similares). Esto hará que los resultados
de la interpretación sean “razonables” al máximo, no sólo “consistentes” lógicamente, sino
también “coherentes” y sin “disonancias cognitivas”; y g) Toda interpretación implica
innovación y creatividad. Según un viejo aforismo hermenéutico, “toda comprensión debe
ser una mejor comprensión que la anterior”; de este modo, al comprender un texto o acción
humana debemos llegar a comprenderla, en cierto modo, mejor que su autor; esto sería
posible en el sentido de que son analizados desde otros puntos de vista, los cuales
enriquecen su descripción o comprensión.

Cronograma de actividades

El cronograma de actividades para el logro de la investigación sobre la

transdisciplinariedad de la Inteligencia Artificial y la Patología Forense Digital: encuentros
y desencuentros; se tuvo en cuenta una planificación de tiempo y recursos de acuerdo a las
necesidades y disponibilidad de tiempo:

1. Semana 1-2: Revisión bibliográfica inicial

- Identificar y recopilar artículos, libros y recursos relevantes sobre la

transdisciplinariedad de la IA y la Patología Forense Digital.

- Leer y analizar los materiales recopilados para obtener una comprensión sólida del
tema.

2. Semana 3-4: Definición de la metodología de investigación.

- Determinar el enfoque metodológico más adecuado para abordar tu investigación.

16
 - Diseñar un marco teórico y metodológico que guíe tu investigación y establezca los
objetivos y las preguntas de investigación.

3. Semana 5-6: Recopilación y análisis de datos

- Identificar las fuentes de datos relevantes, como estudios de casos, informes forenses
digitales, investigaciones previas, etc.

- Recolectar y organizar los datos de acuerdo con tu metodología de investigación.

- Realizar el análisis de los datos recopilados utilizando técnicas apropiadas.

4. Semana 7-8: Análisis y discusión de resultados

- Analizar los resultados obtenidos y relacionarlos con las preguntas de investigación y el

marco teórico establecido.

- Identificar los encuentros y desencuentros entre la IA y la Patología Forense Digital, así

como los factores que influyen en ellos.

- Discutir las implicaciones de los hallazgos y su relevancia para el campo de estudio.

5. Semana 9-10: Redacción y revisión del informe final

- Escribir el informe de investigación, que incluya una introducción, el marco teórico, la

metodología, los resultados, la discusión y las conclusiones.

- Revisar y editar el informe final para asegurar la coherencia, la claridad y la precisión.

- Formatear y preparar el informe según las pautas establecidas por tu institución

académica o revista científica objetivo (ver Tabla 1).

Tabla 1.- Cronograma de Actividades.

Actividades
Semana 9-10
Semana 1-2

Semana 3-4

Semana 5-6

Semana 7-8

17
Revisión bibliográfica inicial ( - Identificar y recopilar
artículos, libros y recursos relevantes sobre la
transdisciplinariedad de la IA y la Patología Forense
Digital; - Leer y analizar los materiales recopilados para
obtener una comprensión sólida del tema).
Definición de la metodología de investigación (-
Determinar el enfoque metodológico más adecuado para
abordar tu investigación; y - Diseñar un marco teórico y
metodológico que guíe tu investigación y establezca los
objetivos y las preguntas de investigación).
Recopilación y análisis de datos (- Identificar las fuentes de
datos relevantes, como estudios de casos, informes forenses
digitales, investigaciones previas, etc.; - Recolectar y
organizar los datos de acuerdo con tu metodología de
investigación, y - Realizar el análisis de los datos
recopilados utilizando técnicas apropiadas).
Análisis y discusión de resultados ( - Analizar los
resultados obtenidos y relacionarlos con las preguntas de
investigación y el marco teórico establecido; - Identificar
los encuentros y desencuentros entre la IA y la Patología
Forense Digital, así como los factores que influyen en ellos;
y - Discutir las implicaciones de los hallazgos y su
relevancia para el campo de estudio).
Redacción y revisión del informe final ( - Escribir el
informe de investigación, que incluya una introducción, el
marco teórico, la metodología, los resultados, la discusión y
las conclusiones; - Revisar y editar el informe final para
asegurar la coherencia, la claridad y la precisión; y -
Formatear y preparar el informe según las pautas
establecidas por tu institución académica o revista
científica objetivo).

Fuente: Elaboración propia, 2023.

18
19
Referencias Bibliográficas

(Sobre la temática de transdisciplinariedad, patología forense e inteligencia artificial)

Al Smadi, K., Al Issa, H.A.; Trrad, I. y Al Smadi, T. (2006). «Artificial Intelligence for
Speech Recognition Based on Neural Networks,» Journal of Signal and Information
Processing.
Azócar A., Ramón (2021). El sujeto transdisciplinar. Barinas: FEDUEZ.
Cabrol, M.; González Alarcón, N.; Pombo, C. y Sánchez Ávalos, R. (2020). «FAIR LAC:
Adopción ética y responsable de la inteligencia artificial en América Latina y el
Caribe», BID, 1.
Colin Lecher (2018). «What Happens When an Algorithm Cuts Your Healthcare» en The
Verge, 21/3.
Guerra Soto, Mario (2021). Análisis Forense Informático, Madrid: Editado por: RA-MA
Editorial.
Hao, Karen (2020) «Aunque lo parezca, la IA sigue sin entender nada de lo que lee y dice»
en MIT Technology Review, 6/2/.
Health, A. y Bioscience, Google Research (2021).
https://research.google/research-areas/health-bioscience/; James Vincent:
«Microsoft Buys ai Speech Tech Company Nuance for $19.7 billion» en The Verge,
12/4/.
Izan González (2021). «Google detectará el cáncer de piel con solo una foto hecha con tu
móvil» en El Español, 18/5.
Krishnamoorthy, C. S. y Rajeev, S. (2000). Artificial Intelligence and Expert Systems for
Engineers, Boca Ratón, Florida: CRC Press.
Ley de Protección de los Datos Personales de Argentina define así los datos sensibles:
«Datos personales que revelan origen racial y étnico, opiniones políticas,
convicciones religiosas, filosóficas o morales, afiliación sindical e información
referente a la salud o a la vida sexual». Este tipo de datos goza de una mayor
protección.

20
López Delgado, M. (2007). Análisis Forense Digital, España: CriptoRed.
Martos R.; Ibáñez O.; y Mesejo P. (2020) Inteligencia Artificial en Antropología Forense:
estado del arte, retos y oportunidades. Revista Internacional de Antropología y
Odontología Forense, Volumen. 3 ‫ ׀‬Nº2 ‫ ׀‬Julio, Pp.6-41.
Ponce, J., Torres, A., Quezada, F., Silva, A., Martínez, E., Casali, A., Scheihing, E., Túpac,
Y., Torres, M., Ornelas, F., Hernández, J., Zavala, C., Vakhnia, N., y Pedreño, O.
(2014). Inteligencia Artificial. Buenos Aires: Iniciativa Latinoamericana de Libros
de Texto Abiertos (LATIn).
Poole, D., Mackworth, A.K. y Goebel, R. (1998) Computational Intelligence: A Logical
Approach, Oxford UP, Nueva York.
Rivera Alfaro, Ronald (2015). La interdisciplinariedad en las ciencias sociales Reflexiones,
vol. 94, núm. 1, 2015, pp. 11-22 Universidad de Costa Rica San José, Costa Rica.
Schwab, Klaus (2016) «The Fourth Industrial Revolution: What It Means, How to
Respond» en World Economic Forum, 16/1/.

(Sobre la temática del enfoque hermenéutico dialéctico)

Aguilar, M. (1995). Diálogos sobre filosofía contemporánea: modernidad, sujeto y

hermenéutica. México: UNAM.
Aguilar, M. (2006). Diálogo y Alteridad. Trazos de la hermenéutica de Gadamer. México:
Paideia/FFyL-UNAM.
Alcalá, R. (2002). Hermenéutica. Teoría e interpretación. México: UNAM.
Almorin, T. (2002). ¿Qué es hermenéutica? Una aproximación. En Iztapalapa, Revista de
ciencias sociales y humanidades. Núm. 49. pp. 13-26.
Beuchot, M. (2008). Perfiles esenciales de la hermenéutica. México: FCE.
Beuchot, M. (2014). Hermenéutica, analogía y símbolo. México: Herder.
Beuchot, M. (2015). La hermenéutica y el ser humano. México: Paidós.
Beuchot, M. (2016). Hechos en interpretaciones. Hacia una hermenéutica analógica.
México: FCE.
Beuchot, M. (2017). Perspectivas hermenéuticas. México: Siglo XXI.

21
Bernstein, R. J. (1991). Perfiles filosóficos: ensayos a la manera pragmática. México: Siglo
XXI.
Bernstein, R. J. (2011). Beyond Objectivism and Relativism: Science, Hermeneutics, and
Praxis. Philadelphia: Pennsylvania University of Pennsylvania Press.
Bleicher, J. (2017). Contemporary hermeneutics: Hermeneutics as method philosophy and
critique. Boston: Routledge.
Grondin, J. (2012). Fenomenología o hermenéutica. Un intento para comprender un afán
común dentro del movimiento fenomenológico desde su práctica hermenéutica. En
R. R. Cazzanelli. Lenguaje y categorías en la hermenéutica filosófica. Madrid: Siglo
XXI. pp. 21-37.
Collini, S. (comp.). (1995). Interpretación y sobreinterpretación. Gran Bretaña: Cambridge
University Press.
Foucault, M. (2017). La hermenéutica del sujeto. México: FCE.
Gadamer, H. G. (1981). La razón en la época de la ciencia. Barcelona: Alfa.
Gadamer, H. G. (2007). Verdad y método I. Fundamentos de una hermenéutica filosófica.
Salamanca: Sígueme.
Gadamer, H. G. (2010). Verdad y método II. Salamanca: Sígueme.
Gadamer, H. G. (2012). El giro hermenéutico. Madrid: Cátedra.
Gadamer, H. G. (2015). Antología. Hermenéutica, estética e historia. Salamanca: Sígueme.
Gadamer, H. G. (2017). Estética y hermenéutica. Madrid: Tecnos.
Garagalza, L. (2002). Introducción a la hermenéutica contemporánea: cultura, simbolismo y
sociedad. Barcelona: Anthropos.
García-Baró, M. (2017). Husserl y Gadamer: fenomenología y hermenéutica. Madrid: El
País.
Grondin, J. (2002). Introducción a la hermenéutica filosófica. Barcelona: Herder.
Grondin, J. (2003). Introducción a Gadamer. Barcelona: Herder.
Grondin, J. (2005). Del sentido de la vida. Barcelona: Herder.
Grondin, J. (2014). A la escucha del sentido. Conversaciones con Marc-Antoine Vallée.
Barcelona: Herder.
Gutiérrez, C.B. (2008). Ensayos hermenéuticos. México: Siglo XXI.

22
Harrington, A. (2013). Hermeneutic Dialogue and Social Science: A Critique of Gadamer
and Habermas. Nueva York: Routledge.
Heidegger, M. (2014 a). Experiencias del pensar (1910- 1976). Madrid: Abada Editores.
Heidegger, M. (2014 b). Interpretaciones fenomenológicas sobre Aristóteles. Indicación de
la situación hermenéutica. Madrid: Trotta.
Heidegger, M. (2011). La historia del ser. Buenos Aires: Hilo de Ariadna.
Heidegger, M. (2003). Aportes de la filósofa. Acerca del evento. Buenos Aires: Almagesto.
Herrera, J. D. (2009) La comprensión de lo social. Horizonte hermenéutico de las ciencias
sociales. Bogotá: Cinde.
Marcuse, H. (2012). Entre hermenéutica y teoría crítica: Artículos 19291931. Barcelona:
Herder.
Martínez, H. (2017). Lenguaje, verdad y hermenéutica posmoderna: H. G. Gadamer y G.
Vattino. Madrid: Edición Kindle.
Martínez, M. (2014). Ciencia y arte de la metodología cualitativa. México: Trillas.
Ricoeur, P. (2017). Hermenéutica: escritos y conferencias. Madrid: Trotta.
Ricoeur, P. (2015). El conflicto de las interpretaciones. México: FCE.
Ricoeur, P. (2003). Teoría de la interpretación. Discurso y excedente de sentido. México:
Siglo XXI / Universidad Iberoamericana.
Ricoeur, P. (2001). Del texto a la acción. Ensayos de Hermenéutica Tomo II. México: FCE.
Rodríguez, R. (2010). Hermenéutica y subjetividad. Madrid: Trotta,
Rodríguez, R. (2008). La hermenéutica fenomenológica y la contemporaneidad del pasado.
En Actas del I Congreso de Fenomenología y Hermenéutica. Santiago: Universidad
Andrés Bello. pp. 65-81.
Rueda, P. y Vilarroe, I. (2019). El método hermenéutico-dialectico una estrategia para las
ciencias de la conducta. Valencia, Carabobo: Universidad de Carabobo.
Segura, C. (2002). Hermenéutica de la vida humana: en torno al Informe Natorp de Martin
Heidegger. Madrid: Trotta.
Thompson, J. B. (1990). Critical hermeneutics. A study in the thought of Paul Ricoeur and
Jürgen Habermas. Estados Unidos: Cambridge University Press.

23