Comprometida para conectar al mundo

WRC-23

Inteligencia artificial para el bien

​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​5G BCKGROUNDERImagen de Shutterstock

Visión general

¿Qué es la inteligencia artificial?


La Inteligencia Artificial (IA) comprende un conjunto de tecnologías de índole muy diversa, que pueden describirse y agruparse, por lo general, como "sistemas adaptativos de aprendizaje autónomo". Cabe distinguir varios enfoques en relación con la IA:

La IA abarca un amplio conjunto de métodos y disciplinas, en particular sistemas de visión, percepción, habla y diálogo, toma de decisiones y planificación, resolución de problemas y robótica, así como otros tipos de aplicaciones de aprendizaje autónomo. La utilización ideal de la IA es en el marco de tecnologías y técnicas usadas como complemento de las cualidades humanas habituales, por ejemplo la inteligencia y la capacidad analítica, entre otras.​ La IA, el aprendizaje automático (ML) y las técnicas de datos modernas se han visto muy favorecidas por los recientes avances en materia de procesamiento, potencia y velocidad de los computadores, y los avances en materia de IA vienen dados a su vez por los avances registrados en materia de técnicas de datos.  

Oportunidades

La IA brinda ventajas en muchos sectores en cuanto a la prestación de servicios nuevos e innovadores, así como la capacidad de mejorar su alcance, eficacia y precisión. Por otro lado, amplía y conjuga muchas de esas ventajas con información estadística y macrodatos. Sobre la base de un análisis evolutivo, la IA facilita la transición de modelos empresariales y políticos y de enfoques normativos, basados actualmente en análisis descriptivos y de identificación de tendencias, a nuevos modelos y enfoques más adaptables, proactivos y predictivos basados en evidencias. En particular, la IA se usa para detectar la evolución de vulnerabilidades sanitarias y de riesgos en la esfera de los seguros, entre otras muchas aplicaciones.

La utilización de herramientas y técnicas de IA propicia nuevas oportunidades en una gran cantidad de sectores. La IA, así como otros algoritmos, se utilizan ampliamente para las búsquedas en línea, las actividades de entretenimiento, las redes sociales, los coches de conducción autónoma, el reconocimiento visual, las herramientas de traducción, los asistentes/altavoces inteligentes y la transformación de voz en texto, entre muchas otras aplicaciones.​

Retos


Los marcos políticos y normativos sobre la IA se encuentran aún en una fase inicial preparatoria. Las cuestiones políticas clave surgidas hasta ahora al respecto guardan relación con los aspectos enumerados a continuación:

Cabe plantear varias cuestiones de gran trascendencia en relación con la calidad y representatividad de los conjuntos de datos utilizados para desarrollar la IA. Por otro lado, los investigadores trabajan para mejorar la precisión de las herramientas informáticas y los algoritmos, habida cuenta de la inquietud existente de que den lugar a sesgos raciales o socioeconómicos. Por ejemplo, aunque la pandemia de COVID-19 haya afectado de forma desproporcionada a las minorías en muchos países, los modelos de predicción basados en IA no siempre incluyen las disparidades sanitarias pertinentes y, en consecuencia, no siempre evalúan correctamente los riesgos para cada persona o grupo.

La propiedad de los datos constituye actualmente un reto clave. Los datos deben agregarse de forma ininterrumpida para facilitar la validez, precisión y eficacia de cada modelo a los efectos de predicción de resultados. Cada vez son más frecuentes las falsificaciones de vídeo (por ejemplo, programación de vídeos convincentes de personalidades de alto nivel para que digan o hagan cosas que el creador del vídeo haya solicitado), así como otros soportes generados por la IA. Este tipo de tecnologías de falsificación  se han utilizado para elaborar vídeos que inducen al engaño en los principales medios de comunicación, así como para animar fotos de celebridades fallecidas hace tiempo. Además de las cuestiones éticas esenciales en materia de uso y precisión, ¿a quién pertenecen los derechos de autor de estas "nuevas" obras?

La IA posee una gran capacidad para desarrollar aplicaciones que puedan usarse para el bien. No obstante, siguen existiendo dificultades sustanciales, en particular: 

  1. Confianza de base y transparencia de los modelos: con frecuencia no está clara la manera en la que los modelos de aprendizaje profundo extraen conclusiones, o pueden existir modelos poco transparentes. En función de la finalidad, aunque los investigadores deseen que la IA permita realizar predicciones precisas, algunos de ellos siguen prefiriendo modelos de IA sencillos, pero claros, en lugar de modelos más precisos, pero menos transparentes. Algunas personas convienen en "confiar" a las máquinas la gestión de sistemas complejos y la toma de decisiones difíciles, al tiempo que otras prefieren, por lo general, mantener cierto grado de participación humana. 
  2. Sesgos: aunque la IA pueda utilizarse para fines de gran utilidad, también puede dar lugar de forma inadvertida a deficiencias, consecuencias inadecuadas o resultados imprevistos. Existe una preocupación cada vez mayor por problemas de sesgo racial, de discapacidad o de género en los algoritmos de IA y de aprendizaje automático, así como por sus efectos de mayor alcance en la sociedad en su conjunto. La precisión de un modelo IA ML viene dada por la calidad y la cantidad de datos con los que se entrenan los modelos de IA. En la práctica, el etiquetado de datos es deficiente. Es necesario normalizar los conjuntos de datos. Los datos también suelen estar sesgados. Es necesario implantar cursos de formación sobre aplicaciones éticas de IA, y no sólo para los alumnos de ingeniería informática. ​  
  3. Disponibilidad y propiedad de los datos: la obtención de datos es compleja. Es necesario definir prácticas idóneas a fin de determinar en qué circunstancias se pueden facilitar datos y a quién, al tiempo que se respeta la propiedad y los objetivos explícitos de confidencialidad para determinados tipos de datos. . 
  4. Privacidad y seguridad de los datos: las brechas de seguridad debidas a ciberataques pueden tener consecuencias nefastas. Técnicas como el aprendizaje federado pueden reducir los riesgos al facilitar el aprendizaje de los modelos de IA en todos los dispositivos que almacenan datos a escala local, sin intercambiarlos, y las tecnologías de preservación de privacidad ayudan a garantizar la protección de los datos personales. 
  5. Limitación de conocimientos: La IA permite abordar muchos problemas, si bien sólo existe un reducido grupo  de expertos que saben cómo aplicar la IA de forma ética. Muchos investigadores subrayan la necesidad de implicar a sociólogos y responsables de la formulación de políticas en los debates, en lugar de suponer que la IA diseñada por un reducido grupo de "tecnólogos", ingenieros informáticos y científicos de datos se utilizará de forma ética. La educación es primordial para aprender a usar la IA de forma responsable. 
  6. Aplicaciones equitativos de la IA: la investigación en IA requiere muchos recursos de computación. El acceso dispar a la capacidad de cálculo y a los datos aumenta la brecha entre un restringido grupo de empresas y de universidades elitistas, que disponen de recursos, y el resto del mundo, que carece de los mismos.

La capacidad de la IA ha de usarse para el bien

La IA ofrece muchas aplicaciones de gran utilidad para facilitar el cumplimiento de los Objetivos de Desarrollo Sostenible (ODS) de la ONU a un ritmo más rápido. Permite la prestación de nuevos servicios en muchos ámbitos de interés para los ODS, en particular los enumerados a continuación.

En relación con el ODS 3, la IA se aplica en el sector sanitario para realizar análisis sanitarios a distancia y facilitar herramientas de supervisión. La IA puede analizar grandes cantidades de información con objeto de recabar datos de grandes poblaciones de pacientes, mejorar las actividades de diagnóstico y los análisis predictivos. Se ha aplicado con cierta eficacia a modelos de diagnóstico de la COVID, en particular mediante el uso de escáneres pulmonares y toma de imágenes, o para diagnosticar tos de "COVID" con respecto a otros tipos de tos. La IA y los macrodatos tienen la capacidad de mejorar los sistemas sanitarios por medio de la optimización de los flujos de trabajo hospitalarios, la realización de diagnósticos más precisos, la mejora de la toma de decisiones clínicas, la realización de mejores tratamientos y la prestación de atención sanitaria de mayor calidad por un coste menor.     .     

Figura: Modelos de autoaprendizaje en salud​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​

AI BCKGROUNDER

​ Fuente: Babyl
.
  1. En relación con el ODS 4, la IA se utiliza en el sector educativo para supervisar la atención de los alumnos o para llevar a cabo una vigilancia emocional que permita determinar la facilidad con la que los niños asimilan el aprendizaje de ciertas materias, o identificar a los estudiantes con dificultades antes de que se conozcan los resultados de sus exámenes. En muchos países, la IA se usa para desarrollar herramientas de pruebas personalizadas, determinar esferas con deficiencias y ayudar a los estudiantes a mejorar sus resultados.
  2. En el sector financiero, la IA facilita información y asistencia en tareas de contabilidad e inversiones, incluida la automatización de tareas rutinarias y el desarrollo de nuevos patrones de datos susceptibles de ayudar a realizar microinversiones para combatir la pobreza (ODS 1) o introducir nuevos servicios e infraestructuras financieras (ODS 9).
  3. En el sector de la fabricación, la industria y el desarrollo económico sostenible (ODS 8), el uso de la automatización, la telefonía móvil de quinta generación (5G), la Internet de las Cosas (IoT) y la implantación de una robótica más eficaz han transformado la actividad de las fábricas, los depósitos de suministros y los almacenes en Asia, Europa y América, y han facilitado una labor de fabricación, producción y distribución más eficiente y eficaz.   
  4. Las aplicaciones informáticas de traducción y publicación en línea han transformado las actividades de publicación en línea, los medios de comunicación y la distribución de textos y documentos, en particular los libros y los sitios web. Muchas industrias emplean sistemas de diálogo automatizado y asistentes inteligentes para atender las consultas e inquietudes cotidianas de sus clientes. 
  5. En el sector del transporte, la IA contribuye al desarrollo de vehículos plenamente autónomos y de sistemas de conducción autónoma (ADS), que mejoran cada vez más sus habilidades de conducción y navegación mediante programas de aprendizaje autónomo, así como a la gestión de tráfico en tiempo real en espacios urbanos.
  6. En el sector agrícola, la IA puede utilizarse para la gestión de explotaciones agrícolas y el análisis predictivo basado en datos de vigilancia de cultivos, del suelo y del clima, a fin de facilitar la toma de decisiones y optimizar el uso de recursos (agua, fertilizantes, etc.). Puede ayudar a detectar plagas y enfermedades mediante al análisis de imágenes de plantas y de datos relativos al comportamiento del ganado. Los robots agrícolas y la automatización permiten reducir costos de mano de obra en muchas tareas que consumen recursos​.

Labor de la UIT sobre IA


La UIT participa ampliamente en trabajos relacionados con el análisis de las tendencias del desarrollo de aplicaciones nuevas y emergentes de IA, y ayuda a los Miembros de la UIT, los Estados Miembros y las partes interesadas a prepararse para adaptarse a las repercusiones de la IA en los planos político y reglamentario​.

La plataforma "IA para el bien"

La plataforma "AI para el bien" [https://aiforgood.itu.int/programme/] hace hincapié en las aplicaciones de la IA para ayudar a satisfacer las necesidades fundamentales del ser humano, incluido el cumplimiento de los 17 ODS de las Naciones Unidas para 2030, en el marco de un programa en línea ininterrumpido a lo largo de todo el año. El objetivo de la iniciativa es identificar aplicaciones prácticas de la IA que permitan avanzar en el cumplimiento de los Objetivos de Desarrollo Sostenible y ampliar las soluciones para lograr una repercusión a escala mundial. La UIT organiza la iniciativa en Suiza en colaboración con 38 organismos asociados de las Naciones Unidas​. 

El canal de YouTube "AI para el bien" contiene centenares de vídeos en los que se muestran entrevistas a líderes e innovadores de la esfera de la IA, innovaciones y demostraciones sobre soluciones de IA para facilitar el cumplimiento de los ODS, y recopila información actualizada relativa a las tendencias incipientes de la IA para el bien. Suscríbase al canal y reciba actualizaciones y contenidos exclusivos en línea​ a medida que se publican sobre conceptos, información y debates activos en relación con la aplicación de la IA para facilitar el cumplimiento de los ODS. El canal abarca discursos clave, seminarios web, previsiones, talleres de innovación y redes sociales.

Política y reglamentación

Sobre la base de encuestas y actividades de supervisión anuales en materia de reglamentación (https://www.itu.int/itu-d/sites/regulatory-market/), la UIT realiza un seguimiento de la formulación de las estrategias y políticas sobre IA a escala nacional. Los modelos de aprendizaje automático se desarrollan y completan mediante grandes cantidades de datos, de ahí la suma importancia que reviste tener en cuenta las políticas nacionales en materia de privacidad y protección de datos, así como de reglamentación, y los enfoques relativos a Internet de las cosas (IoT), las redes de sensores y las redes 5G que facilitan la transmisión de datos, al considerar enfoques sobre la IA a escala nacional.

​Según la encuesta más reciente sobre reglamentación de las telecomunicaciones/TIC de la UIT, alrededor de 18 países habían preparado estrategias específicas sobre IA en 2019, si bien existen más países, 49 en 2021, que cuentan con estrategias específicas para el sector de la IA. No obstante, la IA abarca una gran diversidad de tecnologías, y pocas estrategias elaboradas a escala nacional la abordan plenamente. Los países también tienen que considerar el tratamiento de los flujos de datos que generan la IoT y las redes de sensores conectados con los modelos de ML y las tecnologías de IA. Varios países, entre ellos Estados Unidos y Arabia Saudí, han formulado estrategias sobre esos tres temas (5G, IoT e IA). Según la Conferencia de las Naciones Unidas sobre Comercio y Desarrollo (UNCTAD; 2020), alrededor de dos terceras partes de los países han elaborado políticas sobre protección de datos, incluida la IA para el desarrollo.

Figura: Países con estrategias sobre tecnologías incipientes, 2020​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​

AI BCKGROUNDER

​ Fuente: Encuesta anual de la UIT sobre reglamentación.

 

Normalización

Con respecto al futuro, el establecimiento de normas internacionales, a saber, las especificaciones y los requisitos técnicos necesarios para que la IA, entre otras tecnologías, funcionen adecuadamente, pueden contribuir a abordar los riesgos reales o percibidos por medio de la fijación de límites claros y haciendo que el aprendizaje automático (ML) sea predecible, fiable y eficiente. 

La IA y el ML están ganando terreno en el marco de la labor de normalización de la UIT a través de estudios, análisis y debates de las partes interesadas que hacen hincapié en la organización y gestión de redes, la codificación de multimedios, la evaluación de la calidad del servicio y diversos aspectos relativos a la gestión, el funcionamiento y los servicios de telecomunicaciones, así como las redes de cable, la sanidad digital, la eficiencia medioambiental y la conducción autónoma.

  

La IA y las normas de radiocomunicaciones

En el marco de las Comisiones de Estudio del Sector de Radiocomunicaciones de la UIT (UIT-R), incluidos sus próximos informes, se examina la utilización de la IA en las radiocomunicaciones:

Normas del UIT-T sobre AI y aprendizaje automático​

Los proveedores de redes en el sector de las TIC utilizan cada vez más la IA y el ML para mejorar el funcionamiento de sus redes y aumentar la eficiencia energética y la rentabilidad. Las nuevas normas de la UIT proporcionan, en particular, un marco estructural para integrar el ML en las redes 5G y las redes futuras (UIT-T Y.3172​); un marco de evaluación de niveles de inteligencia para distintas partes de las redes (UIT-T Y.3173​); y un marco para el procesamiento de datos que facilite el desarrollo del ML (UIT-T Y.3174). Estas normas se elaboraron a raíz de la labor del Grupo Temático del UIT-T sobre aprendizaje automático para redes futuras, incluidas las redes 5G".

​El Concurso del UIT-T sobre IA/ML en redes 5G​, puesto en marcha en 2020, reunió a estudiantes y profesionales de todo el mundo que desarrollan su labor en áreas conexas para estudiar aplicaciones prácticas de la IA y del ML en las redes de telecomunicaciones digitales incipientes y las futuras. La primera edición reunió a más de 1.300 estudiantes y profesionales de 62 países, que compitieron por obtener reconocimiento a escala mundial y un fondo de premios de 36.000 dólares. Al abordar soluciones incipientes de IA y ML, el citado Concurso fomenta una comunidad para facilitar la evolución de las normas de la UIT. Consulte el GitHub del concurso (enlace web: https://github.com/ITU-AI-ML-in-5G-Challenge).

​El Grupo Temático del UIT-T sobre eficiencia medioambiental para la IA y otras tecnologías emergentes" tiene por objeto comparar prácticas idóneas y describir posibles métodos para lograr un marco medioambiental normalizado. 

​El Grupo Temático del UIT-T sobre IA en la sanidad, organizado conjuntamente con la Organización Mundial de la Salud (OMS), trabaja en la elaboración de un marco y de diversos procesos para realizar un análisis comparativo del rendimiento de soluciones de IA para en el sector sanitario, en particular para dar respuesta a la pandemia de COVID-19. Constituye una plataforma abierta a todas las partes interesadas de diferentes esferas de trabajo. Dicho Grupo de Enfoque abarca múltiples ámbitos (entre ellos, los de ML/AI, la medicina, la reglamentación, la salud pública y la estadísticas) y en él participan responsables de la toma de decisiones que abogan por el establecimiento de un marco de evaluación comparativa normalizado.

El Grupo Temático del UIT-T sobre IA para la conducción autónoma y asistida trabaja en el establecimiento de normas internacionales que permitan supervisar y evaluar el comportamiento de los "conductores" de IA que controlen vehículos automatizados. 

La Iniciativa Global sobre AI y datos comunes​, puesta en marcha en enero de 2020, reúne recursos clave para proyectos de AI que estén en consonancia con los ODS, fomenta su rápida implementación y promueve la ampliación de los proyectos de AI para el bien a escala mundial. 

La IA y el ML se utilizan ampliamente para desarrollar modelos sobre cualidades del habla y otros datos audiovisuales (AV). En el marco del Grupo de trabajo del UIT-T sobre aplicaciones multimedios basadas en la IA (UIT-T Q5/16​) se debaten los requisitos de normalización para efectuar evaluaciones de calidad respecto de la difusión web en directo de datos AV, la descarga progresiva de datos AV con velocidad binaria adaptativa (UIT-T P.1203​) y la difusión web de vídeo en directo (UIT-T P.1204​).

Las nuevas normas del UIT-T comprenden el análisis y el diagnóstico de redes inteligentes (UIT-T E.475) y la creación y el desarrollo de pruebas de calidad de funcionamiento de los modelos de ML para evaluar la incidencia de la red de transmisión en la calidad del habla para servicios de telefonía 4G (UIT-T P.565​). Otras normas abordan la sostenibilidad medioambiental, las redes de cable y los aspectos operacionales de la prestación de servicios y la gestión de las telecomunicaciones. 

​Por último, existen nuevas normas de la UIT que describen un sistema de gestión de infraestructuras de centros de datos (DCIM) basado en las tecnologías de macrodatos y la IA (UIT-T L.1305​), con el objetivo de reducir las necesidades energéticas de los centros de datos, y proporcionan el marco para una plataforma de red de cable de primera calidad que ayude al sector industrial a prestar servicios de multimedios avanzados (UIT-T J.1600​) para las redes de cable basadas en IA.


Aspectos relacionados con la IA y las TIC para el desarrollo

La UIT recopila y difunde información sobre soluciones de IA eficaces y sostenibles para proporcionar a las partes interesadas pertinentes pruebas y conocimientos sobre adopción y aprovechamiento de las aplicaciones de IA pertinentes. La FAO y la UIT han publicado el Informe e-Agriculture in Action Report: AI for Agriculture, en el que se presentan varios estudios de caso a título informativo sobre aplicaciones de la IA en la agricultura, y se facilita información útil en materia de implantación, factores de éxito y conclusiones extraídas. 

Por otro lado, la UIT participa directamente en el despliegue y las pruebas de varias aplicaciones de IA que presentan gran potencial para facilitar la prestación de servicios y herramientas relacionados con los ODS. En Senegal, la UIT, en estrecha colaboración con la OMS y el Ministerio de Sanidad y Acción Social, coordina los trabajos de pruebas piloto de una aplicación de IA para la detección automática de la retinopatía diabética, con el fin de mejorar la cobertura y la accesibilidad de las actividades de análisis. Esa solución podría ayudar a los oftalmólogos a examinar las imágenes digitales de las retinas. 

La UIT ha publicado el informe AI and big data for development 4.0, en el que se ponen de manifiesto varias oportunidades y prácticas idóneas en los planos político y reglamentario en materia de implantación, incluidas diversas propuestas para gestionar y superar dificultades. En el informe se describen los elementos fundamentales de un sistema de IA y de datos para el desarrollo a escala nacional, en particular en materia de gobernanza y reglamentación, aspectos éticos, competencias digitales y de datos, situación de innovación tecnológica y oportunidades de colaboración a escala internacional.​



Actualización: enero ​de 2023