En los últimos años, la inteligencia artificial (IA) se convirtió en un tema omnipresente. Se habla de ella en las noticias, se utiliza en los smartphones y se discute en las mesas de debate. Sin embargo, existe una falta de comprensión profunda sobre lo que realmente significa y las diversas formas en que impacta la vida cotidiana.
Cada vez más, en distintos espacios se destaca la naturaleza diversa de la IA y la existencia de múltiples inteligencias, cada una con sus propias fortalezas y desafíos. Pero ¿qué es realmente?
Si se define por la propia fuente, según ChatGPT, la inteligencia artificial es una rama de la informática que se enfoca en la creación de sistemas y programas capaces de realizar tareas que normalmente requieren inteligencia humana.
Estas tareas incluyen el reconocimiento de voz, la toma de decisiones, la traducción de idiomas, el reconocimiento de imágenes, y el juego de ajedrez, entre otras. La IA se basa en diversas disciplinas como la informática, las matemáticas, la lógica, la filosofía, la psicología, la neurociencia y la ingeniería.
No obstante, es crucial ir más allá de la definición y explorar las diferentes manifestaciones de la IA y cómo impactan en la vida del ser humano.
En diálogo con iProUP, Alejandro Dingianna, Gerente de BI y Analítica Digital de CAT Technologies, expresa que "cada tipo de IA tiene capacidades, aplicaciones y limitaciones específicas que impactan directamente en su uso en diferentes contextos".
En este sentido, según señala el experto, comprender estas diferencias permite a los desarrolladores, investigadores y empresas elegir la tecnología adecuada para sus necesidades particulares, optimizar recursos y maximizar resultados.
Actualmente, existen varios tipos de IA, pero tres de las más conocidas y relevantes son las siguientes.
IA débil: Este tipo de IA se encarga de tareas específicas y no aprende más allá de ellas. Algunos tipos de inteligencia artificial débil son el reconocimiento de imágenes, los procesadores de lenguaje natural y los generadores de imágenes.
Máquinas reactivas: sólo pueden reaccionar a estímulos, como el movimiento de una ficha de ajedrez en un tablero virtual. No crean memorias a las que puedan acceder en el futuro, como es el caso de las máquinas de IA de memoria limitada, pero son componentes útiles de la vida digital.
IAs de memoria limitada: pueden almacenar información, aprender de ella y utilizarla para ejecutar nuevas tareas. Este tipo de IA resulta útil para hacer predicciones y se usa para vaticinar futuras tendencias en cualquier ámbito, desde las finanzas hasta el tiempo. Se trata del tipo más común de IA que se usa en la actualidad.
Dingianna asegura que esta diferenciación dentro de las IA, es vital para la gestión de expectativas y para abordar adecuadamente las implicaciones éticas y de seguridad asociadas con cada tipo de IA, garantizando que su implementación se realice de manera responsable y con un impacto positivo para la sociedad.
Sin duda, el impacto de la IA crece a un ritmo exponencial, y de la mano de este crecimiento surge la responsabilidad de garantizar que se utilice de manera ética y responsable.
Es por esto que se vuelve crucial tener conciencia de los sesgos que pueden surgir en su desarrollo o entrenamiento y tomar medidas para mitigar su impacto negativo.
Según detalla el Gerente de BI y Analítica Digital de CAT Technologies, entre las IA débiles, las máquinas reactivas y las IAs de memoria limitada, las últimas representan el mayor peligro en el contexto de los ciberdelitos.
"Las IAs de memoria limitada son capaces de aprender y adaptarse a partir de datos pasados, lo que les permite desarrollar estrategias complejas y personalizadas para evadir sistemas de seguridad y perpetrar ataques más sofisticados", explica.
Esta capacidad de aprendizaje y adaptación les otorga a los hackers herramientas poderosas para desarrollar malware avanzado, llevar a cabo ataques de phishing altamente dirigidos y esquivar mecanismos de defensa cibernética.
A diferencia de las máquinas reactivas, que solo pueden responder a situaciones presentes sin aprender de experiencias previas, las IAs de memoria limitada pueden evolucionar continuamente
En este contexto, existen diversas estrategias para reducir el impacto negativo de los sesgos en la IA. Estas incluyen utilizar datos diversos en el entrenamiento de los sistemas y aplicar técnicas de depuración para identificar y eliminar sesgos.
"Reconocer los sesgos y trabajar activamente para reducir su impacto garantizará que la IA contribuya positivamente a la sociedad en su conjunto", concluyeron desde CAT Technologies.