ABC de la Inteligencia Artificial para el Desarrollo Sostenible

marzo 12, 2024

Javier Surasky
Director de investigación
j.surasky@cepei.org

La Inteligencia Artificial (IA) está presente cada vez más en nuestra cotidianidad: somos la primera generación en la historia que tiene contacto directo y masivo con ella y que comienza a moldear, a traves de ella, oportunidades nuevas para nuestro futuro. Las transformaciones que está produciendo tendrán un enorme impacto en la posibilidad de cumplir las promesas realizadas en la Agenda 2030.

Por ello, entender los conceptos básicos que componen la IA y las formas en que puede contribuir a acelerar los Objetivos de Desarrollo Sostenible es indispensable para todos, especialmente para quienes están interesados en el desarrollo sostenible.

Alfabetización estadística: también llamada “alfabetización en datos”, es la capacidad de las personas para comprender el significado de estadísticas, hacer correcto uso de datos y lograr extraer información a partir de estos. Podemos etender a los datos y su manejo como un “lenguaje técnico” cuyos elementos esenciales deberían conocer todas las personas para poder beneficiarse plenamente de las ventajas que ofrecen las nuevas tecnologías.

Aportes al desarrollo sostenible: cuanto más alto es el nivel de alfabetización estadística de las personas y sociedades, mayor es el control democrático que puede ejerecerse sobre la Inteligencia Artificial y más alto el entendimiento sobre los riesgos asociados a problemas como la privacidad de datos o la transparencia de su gestión y uso. Una población alfabetizada en datos puede contribuir de forma más integral al diseño y seguimiento de políticas públicas para el desarrollo sostenible. 

Algoritmo: conjunto de reglas que, incluidas en la programación de una máquina, le permiten aprender por sí misma a realizar una tarea. En términos simples, las instrucciones para armar un mueble pueden asimilarse a un algoritmo, en tanto indican los pasos y procesos que deben seguirse en su construcción de forma secuencial y ordenada en la que cada nuevo paso parte del resultado de haber cumplido con el anterior. Si los algoritmos tienen deficiencias o sesgos, la máquina los replicará en la tarea asignada

El algoritmo más conocido, y seguramente más utilizado, es Pagerank, utilizado por el buscador de Google, que nos presenta resultados a partir de información como la consulta realizada, nuestras búsquedas anteriores, nuestro perfil, el lugar donde estamos, la seriedad de las páginas que presentan posibles resultados, etc.

Aportes al desarrollo sostenible: Los algoritmos pueden tener diferentes formas y funciones, pero en todos los casos contribuyen a analizar información y, sobre esa base, pueden ayudarnos a encontrar relaciones entre datos, tendencias y proyecciones a futuro que sería imposible (o muy complejo) calcular sin su apoyo. 

Por ejemplo, la plataforma Global Fishing Watch, establecida como resultado de un esfuerzo colaborativo entre Google, SkyTruth y Oceana, muestra el movimiento de los buques en el océano casi en tiempo real. Un algoritmo identifica actividades sospechosas de pesca ilegal, señala las áreas en que tienen lugar e identifica puntos críticos de posibles actividades de pesca prohibida, contribuyendo al cuidado de la vida submarina (ODS 14).

Algoritmo de búsqueda: algoritmo que permite localizar un elemento dentro de un conjunto a partir de ciertas propiedades determinadas. Cuando el elemento buscado es una solución a un problema a partir de su descripción detallada, genera posibles “soluciones óptimas”. Es el caso de Pagerank de Google (ver la entrada “Algoritmo”). El 21 de marzo de 2019, por ejemplo, se publicó el primer doodle que utilizó IA para conmemorar la fecha de nacimiento de Johann Sebastian Bach. 

Los tres doodles del 21 de marzo de 2019. El de Bach integró IA por primera vez en la historia

Aportes al desarrollo sostenible: Winnow Vision es una tecnología que permite a las cocinas de producción masiva (restaurantes, hoteles, etc.) realizar un seguimiento automático del desperdicio de alimentos que provocan. Utiliza visión por computadora (un campo de la IA) para que los chefs identifiquen los desperdicios que generan y ajusten su producción y formas de trabajo para reducir costos y optimizar tiempos. Se estima que su aplicación evita que más de 36 millones de comidas terminen en la basura cada año.

Algoritmo de ordenamiento: algoritmo que organiza un conjunto de elementos preexistente siguiendo un criterio determinado. Un ejemplo de ello es el algoritmo que nos sugiere qué películas de Netflix serían las más adecuadas para nosotros tomando como base nuestras preferencias de género cinematográfico, actores que participan en las películas, directores de cine, duración, idioma del film, etc.

Aportes al desarrollo sostenible: el Alto Comisionado de las Naciones Unidas para los Derechos Humanos se alió con el Instituto Danés de Derechos Humanos para desarrollar un Índice Universal de Derechos Humanos, basado en un algoritmo que permite ver la relación entre las recomendaciones hace la ONU hacen a cada país y el impulso del avance de metas de desarrollo sostenible. El resultado es la organización de los resultados por país, tema, o grupo de personas afectadas. De esta forma se fortalece la eficiencia de los esfuerzos por implementar la Agenda 2030 al tiempo que se visibilizan sus lazos con el progreso de los derechos humanos.

Análisis de sentimientos: permite definir, dentro de un texto, actitudes (positivas, negativas, neutras) por parte de su autor hacia objetos, personas o grupos de personas. 

Aportes al desarrollo sostenible: en su informe Sentiment Analysis to Inform about the SDGs, Cepei ha aplicado IA al seguimiento y clasificación de publicaciones que realizaban en twitter (hoy X) usuarios de Colombia y Costa Rica para conocer sus percepciones sobre las personas migrantes, lo que permite un mejor diseño de políticas públicas orientadas a proteger e integrar a estos grupos y detectar riesgos sociales latentes.

Aprendizaje automático (Machine Learning): parte de la ciencia de la IA dedicada a crear algoritmos que ayuden a las máquinas a aprender y a cambiar sus respuestas de acuerdo a la nueva información que el propio programa va generando, de acuerdo a la nueva información que el propio programa va generando, sin necesidad de intervención humana. 

Esto es lo que ocurre con plataformas como Spotify, que utiliza aprendizaje automático para decidir qué canciones o artistas recomendarnos al asociar nuestras preferencias con las de otros usuarios que han escuchado música similar: cuanta más música escucha un usuario, más conoce la máquina sobre sus gustos y estará en condiciones de hacerle recomendaciones más acertadas de nuevos cantantes para escuchar.

Aportes al desarrollo sostenible: ProMED (Programa de Monitoreo de Enfermedades Emergentes) es un sistema de informes en línea en tiempo real que muestra los brotes de enfermedades infecciosas en todo el mundo. Para ello, analiza millones de datos de fuentes que van desde reportes oficiales, notas de prensa, datos satelitales y reportes de observadores locales para monitorear de manera permanente posibles brotes de enfermedades infecciosas. A través de esta tecnología “aprende” de sus experiencias anteriores para aumentar la precisión de sus informes.

Aprendizaje no supervisado: forma de entrenamiento de un algoritmo para que haga inferencias a partir de conjuntos de datos, sin participación por parte de seres humanos, más allá de unas instrucciones iniciales. Un ejemplo extendido es el agrupamiento (clustering) en que la IA agrupa elementos por sus características comunes sin que una persona haya indicado cuáles son esas características.

Aportes al desarrollo sostenible: este tipo de aprendizaje se ha utilizado para determinar características de áreas con mayor propensión a accidentes viales. No se le indica a la IA qué buscar, sino que a partir de identificar un sitio donde se producen reiterados accidentes de tránsito, la tecnología analiza sus características y las compara con las de otros lugares donde ocurren frecuentemente este tipo de eventos, en busca de características comunes que no están predefinidas, sino que surgirán del proceso de “aprendizaje” que lleva adelante la IA. 

A partir de este proceso se realizan intervenciones en las zonas para reducir el riesgo de siniestros viales eliminando en lo posible las características que causan con mayor frecuencia que en otros puntos. Recordemos que la meta 3.6 de la Agenda 2030 llama a “reducir a la mitad el número de muertes y lesiones causadas por accidentes de tráfico en el mundo”.

Aprendizaje por refuerzo: estrategia para enseñar a las máquinas a que incluyan la retroalimentación humana mediante la inclusión de “premios” (logro de resultados especialmente valorados) que guían el trayecto de aprendizaje de la IA. Este tipo de entrenamiento se utiliza, por ejemplo, en programas de IA para jugar ajedrez, donde las opciones que implican “comer a la dama o reina sin riesgos” (considerado como premio) se definen como preferidas a “comer un peón sin riesgos”.

Aportes al desarrollo sostenible: dado que el aprendizaje por refuerzo orienta a la IA hacia el logro de un resultado, su aplicación es muy extensa: se utiliza en sistemas de conducción autónoma para orientar a la reducción de accidentes, en el desarrollo de nuevos fármacos y en el diseño de materiales para que sean menos agresivos con el medio ambiente en que serán utilizados.

Aprendizaje profundo (Deep Learning): un grupo de métodos de trabajo de la IA que tiene en común el uso de algoritmos en cascada. Es decir, cada uno aprende de lo hecho por el anterior para finalmente construir un único resultado final. No se trata de enseñar a la máquina a hacer algo, sino a enfrentar los problemas para generar respuestas y acciones frente a ellos. Esto es lo que hacen los asistentes virtuales de nuestros teléfonos celulares o PC como Alexa y Siri.

Aportes al desarrollo sostenible: En los documentos producidos por la ONU (propuestas de proyectos, informes, etc.) frecuentemente es necesario mapear las relaciones entre los temas que tratan y los ODS. El Programa de la ONU para el Medio Ambiente identificó que al hacer ese trabajo estaba perdiendo la oportunidad de incluir en sus documentos referencias a ODS que quedaban fuera de su área de experiencia, pero que igualmente debían ser considerados. Para enfrentar ese problema creó el SDG-Meter, una plataforma web basada en un algoritmo de procesamiento del lenguaje natural basado en aprendizaje profundo que le permite analizar documentos de texto y calificar la relación con cada uno de los 17 ODS.

Big data: conjuntos de datos extremadamente grandes o complejos para ser utilizados por aplicaciones tradicionales de procesamiento de datos para generar conocimiento. 

Aportes al desarrollo sostenible: la Administración Nacional Oceánica y Atmosférica de los Estados Unidos (NOAA) recopila datos tomados de sensores en tierra, mar y aire cada minuto de cada día. El resultado es una cantidad tan grande de datos que, para analizarlos y crear un pronóstico meteorológico, se deben utilizar máquinas y procesos no tradicionales. La NOAA utiliza múltiples herramientas de IA para poder dar sentido a todos los datos que recibe, y se ha dotado de un Plan Estratégico de IA 2021-2025.

Caja Negra (Black Box): Sistema de IA que llega a conclusiones o decisiones sin que podamos explicar cómo lo hizo. En los modelos de caja negra, redes neuronales de IA realizan el proceso de decisión combinando decenas de miles de neuronas, por lo que el proceso y sus motivos permanecen desconocidos tanto para el usuario como para los programadores. 

Un ejemplo es el caso de un programa de IA desarrollado por Google que estaba siendo entrenado para realizar traducciones del bengalí al inglés, que adquirió la capacidad de entender todo el bengalí de forma inexplicable e imprevista a partir de indicaciones mínimas.

Ilustración del proceso de “caja negra”

Aportes al desarrollo sostenible: La “caja negra” en la IA no implica una contribución, sino un desafío para el Desarrollo Sostenible que refuerza la necesidad de ampliar la transparencia en el trabajo de la IA. Es un elemento clave a tener en cuenta en cualquier regulación de esta tecnología que debe considerarse desde la etapa inicial del diseño de IA y quedar clara en sus oportunidades de uso por terceros. 

Chatbot: programa diseñado para comunicarse con personas mediante mensajes de texto o por voz. En general, se busca que imite las formas de comunicación de una persona humana. Hoy es posible encontrar chatbots en servicios de atención al cliente en todos los sectores. 

Aportes al desarrollo sostenible: el Programa de las Naciones Unidas para el Desarrollo ha escogido al chatbot “Sara” para dar información básica y apoyo sobre violencia de género a las mujeres en varios países de América Latina y el Caribe. “Sara” es capaz de atender múltiples consultas a la vez durante las 24 horas, los 365 días del año.

Chatbot “SARA”, captura de pantalla del sitio web: https://chatbotsara.org/#

Ciencia de datos: Campo interdisciplinario que incluye elementos de estadística, la informática, lingüística, ética y la ciencia de la información, entre otros, para resolver problemas que involucran datos aplicando métodos de rigor científico.

Aportes al desarrollo sostenible: la ciencia de datos puede hacer grandes aportes al desarrollo sostenible. Interactúa con la Inteligencia Artificial proveyéndola de más y mejores datos de entrenamiento y se nutre de los nuevos datos que la IA produce de manera autónoma (ver “aprendizaje automático”). 

Sin embargo, el encuentro entre la ciencia de datos y la IA aumenta las amenazas en temas como democracia de acceso a datos, privacidad, y aumento de la actual brecha de datos entre aquellos con acceso y sin acceso a la IA. Es por ello que se requiere tanto de un trabajo de la ciencia de datos basado en valores como capacitar al público en general para que pueda aprovechar sus productos, impulsando la alfabetización estadística.

Datos de entrenamiento: conjunto de datos utilizados durante el proceso de entrenamiento de un algoritmo de aprendizaje automático.

Aportes al desarrollo sostenible: las contribuciones de los datos de entrenamiento de una IA quedan sujetas a la calidad, los posibles sesgos, y la amplitud que tengan. Si partimos de datos de calidad suficientemente integrales y completos, que antes de utilizarse hayan pasado por un proceso para minimizar la aparición de sesgos, tendremos más posibilidades de tener una IA que “aprenda de esos datos” incluso para luego seguir generando nuevos datos por sí sola y nos apoye creando nuevas evidencias para la toma de decisiones.

Encadenamiento hacia atrás: es un método que se utiliza en IA en el que el trabajo inicia indicando a la máquina el resultado para que esta busque explicar cómo llegó a al objetivo mediante la generación de argumentos. Permite comprender por qué algo sucede cuando no podemos/sabemos explicar sus causas.

Aportes al desarrollo sostenible: dadas sus características, este método de trabajo es relevante en el campo de la investigación sobre el cambio climático, ya que a partir de las mediciones actuales podemos entender cómo diferentes factores interactuaron para llegar al punto en que estamos y así establecer acciones en el futuro para neutralizar los cambios no deseados.

Inteligencia artificial: Hay muchas definiciones de AI, pero se agrupan en dos grandes visiones: 

Aportes al desarrollo sostenible: Los aportes de la IA al desarrollo sostenible son esenciales. Al permitirnos un manejo de enormes cantidades de datos, la automatización de tareas y el descubrimiento de relaciones que no conocíamos entre elementos para implementar los ODS, podemos contar con más y mejor información, llevar adelante una acción más eficiente y acelerar el paso del progreso de la Agenda 2030. 

Sin embargo, la IA también implica riesgos para el desarrollo sostenible que deben ser abordados, desde la generación de nuevas brechas de inequidad entre quienes son sus mayores desarrolladores y el resto del mundo, entre las personas que pueden hacer a su uso y aquellas que no, y en asuntos conexos como el gran consumo energético que demanda el entrenamiento y uso de grandes sistemas de IA.

IA colaborativa (sistemas multiagentes): estrategia de trabajo en IA por la cual múltiples actores (agentes), que pueden ser personas humanas o sistemas de IA, trabajan en conjunto y de forma cooperativa para alcanzar un objetivo común expresado como un problema complejo. Cada agente actúa de manera autónoma realizando sus tareas con el fin de alcanzar resultados que, al ser integrados, conducen al logro del objetivo común. Implica la creación de sistemas de IA diseñados para trabajar junto con personas de forma colaborativa.

Aportes al desarrollo sostenible: se pueden emplear sistemas multiagente para enfrentar cualquier desafío complejo que requiere de grandes cantidades de datos generados a partir de la acción de múltiples agentes involucrados, como es el caso del diseño de redes Inteligentes para la gestión energética, la gestión inteligente del tráfico vial o la gestión de recursos hídricos, entre otros ejemplos. 

Tomemos el caso de una IA para la detección temprana y la gestión de incendios forestales: agentes autónomos, desde sensores y drones hasta guardaparques con sus teléfonos móviles, colaboran para monitorear las condiciones ambientales, detectar posibles riesgos de incendios y coordinar una respuesta colaborativa en caso de que se produzcan.

IA débil o IA especial: es la IA que puede realizar una tarea específica, como jugar ajedrez, pero no puede hacer ninguna otra cosa, por oposición a la IA fuerte o general. Es la forma actualmente más extendida de la IA.

Aportes al desarrollo sostenible: dado que esta es la única forma de IA que se ha desarrollado hasta el día de hoy, por oposición a la IA fuerte, todos los ejemplos de aportes de IA al desarrollo sostenible incluidos en este glosario son, de hecho, aportes de una IA débil. Un programa de IA que colabore con la gestión inteligente del transporte público no podrá hacer contribuciones al fortalecimiento de la paz internacional o a la gestión sostenible de espejos de agua.

IA fuerte o IA general: es la IA que podría realizar con éxito cualquier tarea intelectual que pueda realizar un ser humano, por oposición a la IA débil o especial. No ha sido creada aún ninguna IA general, pero las posibles acciones que estarían a su alcance están bien retratadas en la película “Transcendence: identidad virtual” (Estados Unidos, 2014) dirigida por Wally Pfister y protagonizada por Johnny Depp, Rebecca Hall y Morgan Freeman.

Aportes al desarrollo sostenible: como lo señalamos al considerar la IA débil, la IA fuerte es todavía un proyecto y no existe en la realidad. Podemos presuponer que su existencia podría contribuir al desarrollo sostenible aportando, entre otros elementos, una mejor posibilidad de calcular y lidiar con los impactos cruzados (trade-offs) más amplios e integrales entre áreas diferentes. Sin embargo, y por ahora, se trata solamente de ciencia ficción.

IA generativa: tipo de IA que puede interpretar palabras del lenguaje natural para crear sobre ellas nuevos productos, que pueden tener la forma de textos, imágenes, composiciones musicales, videos, etc. Los ejemplos más extendidos hoy de IA generativa son Chat-GPT y Gemini (Bard).

Aportes al desarrollo sostenible: Al acercar la IA al lenguaje cotidiano, la IA generativa democratiza el uso de sus aplicaciones. Tomemos un ejemplo propio del impulso al desarrollo sostenible, Artificial Intelligence for Earth Observation (AI4EO) es una iniciativa que explora la aplicación de modelos de IA, incluso generativa, al análisis de los datos ambientales del planeta con el fin de mejorar apoyar los procesos de toma de decisiones para el uso sostenible de recursos naturales. Modelos de IA generativa se han utilizado para simular y optimizar el consumo de energía en edificios, generando modelos 3D realistas de posibles modificaciones en construcciones ya existentes para que se vuelvan energéticamente eficientes.

IA para el bien (IA4G): término que se refiere al uso de tecnologías y técnicas de IA para abordar desafíos globales y alcanzar los Objetivos de Desarrollo Sostenible. Tiene como objetivo aprovechar el potencial de la IA para mejorar el bienestar humano, la justicia social, la protección del medio ambiente y el desarrollo económico.

Aportes al desarrollo sostenible: La IA es una tecnología que nos brinda herramientas, y como tal es un medio para lograr fines. Sin embargo, cuando las herramientas son tan potentes, esos fines son definidos principalmente por los usuarios, aunque los diseñadores pueden “impedir” que sus productos sean utilizados con fines considerados como no deseados. 

Por ejemplo, ChatGPT aplica principios de IA4G porque no brinda, entre otras restricciones, acceso a información privada sin consentimiento expreso ni realiza asesoramiento médico personalizado. Una IA orientada al bien, una frase ambigua que debe apoyarse en principios prácticos y concretos, sería un reaseguro contra riesgos de uso indebido. Este tema está directamente relacionado con las llamadas indicaciones de texto defensivas (promot defense).

IA para el desarrollo sostenible (IA4SD): uso de tecnologías y técnicas de IA que tiene como fin contribuir al desarrollo sostenible mediante el avance de los Objetivos de Desarrollo Sostenible. Busca que el desarrollo sostenible se integre en todas las etapas del ciclo de vida de los productos de IA, desde la generación de ideas y la implementación de soluciones basadas en IA hasta el desarrollo de una gobernanza de la IA alineada al logro del desarrollo sostenible. Como consecuencia, incluye el trabajo en aplicaciones de IA, pero también en garantizar que el sistema sociotécnico en que tiene lugar esté orientado al desarrollo sostenible. No debe ser confundida con la sostenibilidad de la IA.

Aportes al desarrollo sostenible: ver lo dicho en la entrada sobre IA para el bien ya que, respecto de lo allí explicado, la diferencia es que ahora se considera como “bien” todo aquello que conduce a impulsar el desarrollo sostenible, fijando a la IA ese fin. 

Indicación de texto defensiva (prompt defense): estrategia de protección de la IA frente a ataques externos o para evadir brindar respuestas sobre temas que pueden implicar información peligrosa o sensible, mediante la cual se incluye salvaguardas en el diseño de la IA que suelen tomar la forma de mandatos de no responder consultas sobre los temas que se quieren evitar.

Esta es la respuesta de Bard de diciembre de 2023 a la pregunta que le hicimos respecto de sobre qué temas no puede realizar recomendaciones:

Aportes al desarrollo sostenible: una estrategia bien construida de indicaciones de texto defensivas permite asegurar que la IA que la utiliza no será utilizada para generar información y dar apoyo a acciones contrarias a las perseguidas por sus diseñadores, o al menos reducir los riesgos de que ello ocurra. Sin embargo, como ya señalamos (ver “IA para el bien”, “IA para el desarrollo sostenible”), las definición de los fines que se asignan a cada herramienta de IA son decisiones humanas.

Órgano Asesor sobre IA del secretario general de las Naciones Unidas: grupo de expertos en IA establecido por el secretario general en octubre de 2023. Está integrado por 39 expertos provenientes de diferentes sectores y de todas las regiones del mundo. Tiene la tarea de formular recomendaciones sobre la gobernanza internacional de la IA; sus riesgos, desafíos y oportunidades.

Aportes al desarrollo sostenible: este órgano marca un primer esfuerzo institucional de la ONU para establecer una gobernanza global de la IA, y tiene entre sus funciones impulsar el uso de la IA para acelerar el logro de los ODS. 

Pacto digital mundial: iniciativa propuesta por el secretario general en su informe Nuestra Agenda Común, que busca garantizar el uso responsable y compartir los beneficios que generan las tecnologías digitales, incluso mediante el cierre de la brecha digital y la creación de un entorno digital seguro e inclusivo. El contenido definitivo del pacto digital mundial se encuentra bajo negociación y se espera que pueda ser adoptado en la Cumbre del Futuro, en septiembre de 2024. Si bien los temas del pacto exceden la IA, la incluyen como uno de sus elementos destacados.

Aportes al desarrollo sostenible: tomamos aquí lo dicho por el secretario general en su informe de política sobre el Pacto digital mundial que propone: “Un Pacto Digital Global articularía una visión común de un futuro digital abierto, libre, seguro y centrado en el ser humano, que se apoya en los propósitos y principios de la Carta de las Naciones  Unidas, la Declaración Universal de Derechos Humanos y la Agenda 2030”. 

Procesamiento del lenguaje natural (PLN): diseño de programas y sus elementos que permiten a una máquina mantener conversacionales con personas haciendo uso habitual del lenguaje.

Aportes al desarrollo sostenible: el proyecto “#TECH4YOUTH Y #PLN”, desarrollado por el Fondo de las Naciones Unidas para la Población (UNFPA) junto con la Unión Internacional de Telecomunicaciones (ITU), parte del hecho de  que el 48% de los países del África subsahariana tienen una lengua local que gran parte de la población habla como lengua materna. Por ello, las oficinas país de UNFPA en Benín, Burkina Faso, Ghana, Nigeria y Togo han trabajado en colaboración para mejorar el acceso de adolescentes y jóvenes a información sobre salud sexual y reproductiva, integrando tecnologías de procesamiento de lenguaje natural en cuatro idiomas locales (fon-gbe, haussa, fulfulde y yoruba) en sus soluciones digitales previamente existentes.

Red neuronal: sistema informático que busca replicar la forma de trabajo del cerebro humano mediante unidades de procesamiento que intercambian datos o información y tienen capacidad autónoma de aprendizaje.

Aportes al desarrollo sostenible: el proyecto “Combinación de datos de Drone y Sentinel-2 para mapear tipos de cultivos en áreas de intervenciones de resiliencia” busca apoyar la producción agrícola, dar seguimiento y evaluar cambios en los medios de vida agrícolas, lo que permite asignar recursos y entregar asistencia alimentaria de manera oportuna. Para ello, actuar rápidamente es indispensable. Este proyecto combina imágenes de drones y satélites como Sentinel-2 para obtener datos en forma de imágenes que luego orientan el uso de drones para clasificar tipos de cultivos con precisión. Los datos obtenidos entrenan un modelo de aprendizaje automático que permite al satélite Sentinel-2 realizar de manera autónoma un mapeo de tipos de cultivos preciso y en tiempo real.

Sesgo (Bias): Suposiciones hechas por un modelo que modifican el resultado de su trabajo. En general, el sesgo se entiende como factor de discriminación que afecta el buen resultado del trabajo realizado por la IA y tiene su origen en las ideas y preconceptos de las personas que crean los algoritmos con que trabaja una IA o en la falla de precaución necesaria cuando se programa una IA para que “aprenda por sí misma” (ver “aprendizaje automático”). 

Aportes al desarrollo sostenible: La presencia de sesgos en la IA es enemiga del desarrollo sostenible. Produce desviaciones en sus resultados que repiten patrones discriminatorios instalados en el mundo real y, si no son debidamente tratados, pueden llevar a su consolidación y refuerzo. Por ejemplo, Goldman Sachs lanzó en 2019 la Apple Card, una tarjeta de crédito cuyo monto límite asignado era definido por un programa de IA sobre la base del perfil crediticio de los solicitantes, pero acabó asignando mayor monto a hombres que a mujeres en igualdad de situación crediticia. El motivo es que con los que se entrenó a la tecnología permitían identificar que, en el pasado, esa era la práctica en el otorgamiento de créditos evaluados por personas.

Sostenibilidad de la IA: capacidad de la industria de desarrollo de IA de actuar de manera sostenible a lo largo de todo el ciclo de investigación y producción de IA. 

Aportes al desarrollo sostenible: este campo no se refiere a crear una IA para el desarrollo sostenible, sino de hacer sostenible al desarrollo de la IA. Como ejemplo, señalamos que el entrenamiento que recibió AlphaGo para lograr vencer al campeón mundial del juego Go fue equivalente al consumo energético de 1000 horas de viaje aéreo. En otras palabras, plantea el desafío de que el desarrollo y uso de la IA sean sostenibles.

Supervisión por humanos (Human in the Loop o HITL): proceso que implica asegurar que el diseño y producción de IA estén bajo la supervisión de personas que controlan, registran y retroalimentan los procesos.

Aportes al desarrollo sostenible: en este caso, se trata de un modelo de trabajo de interacción entre IA y personas, que deja a cargo de estas la supervisión de la IA, ya sea en todas sus fases o en aquellas consideradas como más importantes para asegurar que los resultados que se produzcan estén orientados a valores y parámetros deseados. Por lo tanto, una supervisión humana consciente y educada sobre este tipo temas puede encaminar al desarrollo sostenible. 

Tecnología (medio de implementación de la Agenda 2030): La Agenda 2030 no hace ninguna mención al término “inteligencia artificial”, pero cuando identifica los medios cuya movilización es necesaria para lograr los ODS da un lugar destacado a la tecnología. La agenda también decide la entrada en funcionamiento del Mecanismo de Facilitación de la Tecnología creado en la Agenda de Acción de Addis Abeba sobre financiamiento del desarrollo con el fin de apoyar el logro de los ODS y basado en un marco de colaboración entre múltiples actores estatales y no estatales.

Aportes al desarrollo sostenible: existen compromisos en materia de tecnología integrados en los ODS 1 (fin de la pobreza), 4 (educación de calidad), 5 (igualdad de género), 6 (agua limpia y saneamiento), 7 (energía asequible y no contaminante), 9 (industria, innovación e infraestructura), 14 (vida submarina) y 17 (alianzas para el logro de los objetivos). Sin embargo, el acceso a tecnologías atraviesa transversalmente todos los elementos de la Agenda 2030. Una disparidad en el acceso a tecnologías resulta en una inequidad tecnológica, que ya se ha transformado en “brecha”, y potencia el crecimiento de múltiples desigualdades a futuro.

Traducción de imagen a texto: técnica de IA que describe imágenes mediante textos.

Traducción de imagen a texto utilizando la herramienta gratuita https://huggingface.co/tasks/image-to-text

Aportes al desarrollo sostenible: un ejemplo reciente de cómo la IA produce conversiones entre formatos es “Sora”, una IA que crea videos a partir de descripciones de contenidos hechas como texto. Estas tecnologías de conversión pueden, entre sus múltiples usos, ser claves en procesos de integración de personas con discapacidades y para el diseño de productos industriales sostenibles.

Share This