Esta semana ocurrió la segunda edición del Encuentro de Innovación Educativa, ‘Innova Forum’. Dentro de muchas de las conferencias y disertaciones, el uso de la Inteligencia Artificial, aplicada al aprendizaje, fue recurrente.
Como bien lo explican Manuel Gertrudix y José Luis Rubio-Tamayo, en su artículo publicado en la revista “Telos”, ‘Inteligencia artificial, comunicación, arte y ciencia’: “Las actuales IAs –y decimos actuales porque sabemos que las transformaciones tecnológicas son excesivamente rápidas– hacen funciones relativamente específicas y están diseñadas de un modo orientado a la especialización, cuyos resultados redimensionan el campo de la intervención humana”. ¿Qué hace hoy la IA?, “explicado de un modo sencillo, es recopilar información de Internet, la procesa para descubrir patrones y, a partir de estos, genera respuestas lógicas que resultan adecuadas a las preguntas planteadas. Estas mismas respuestas, y las acciones de los usuarios con ellas, retroalimentan el sistema generando un proceso de aprendizaje recursivo semi-supervisado”.
No obstante, la inteligencia artificial (IA) ha experimentado un rápido crecimiento en los últimos años y acusa avances significativos en diversos campos. Pero, a pesar de los logros alcanzados hasta hora, existen aún límites inherentes a la IA, que es importante advertir.
Uno de los límites fundamentales de la IA, hasta ahora, es su dependencia de los datos de entrada. Los sistemas de IA aprenden a través del procesamiento de grandes volúmenes de datos, lo que implica que su capacidad para tomar decisiones o realizar predicciones está directamente relacionada con la calidad y diversidad de los datos con los que se les ha alterado. Si los datos son sesgados o incompletos, esto puede conducir a resultados inexactos. Por lo tanto, es esencial abordar los desafíos asociados con la recopilación y el uso responsable de los datos en los sistemas y herramientas de IA.
Otro límite importante es la falta de comprensión y análisis contextual profundo. A pesar de los avances en el procesamiento del lenguaje natural, los sistemas de IA a menudo tienen dificultades para interpretar el contexto y captar la sutileza de las conversaciones humanas. La comprensión del lenguaje en su totalidad, incluyendo el doble sentido, los matices culturales y las emociones, sigue siendo un desafío para la IA. Esto puede resultar en respuestas inexactas o insensibles en situaciones delicadas o complejas, lo que subraya la importancia de la necesaria supervisión humana y la ética en el desarrollo de los algoritmos en los sistemas de IA.
Además, la IA acusa aún limitaciones en cuanto a su capacidad para aprender y adaptarse en entornos nuevos o imprevistos. Los sistemas de IA están diseñados para funcionar dentro de los límites establecidos por su programación inicial, lo que significa que pueden tener dificultades para enfrentar situaciones no previstas o desconocidas. Esto se conoce como el problema de ‘la transferencia de conocimiento’, y abordarlo requiere de enfoques de aprendizaje más flexibles y de la capacidad de generalizar el conocimiento aprendido en nuevas circunstancias.
La IA también enfrenta desafíos en términos de ética y responsabilidad, que cada vez se discuten con mayor fuerza. A medida que los sistemas de IA se vuelven más autónomos, surgen preguntas sobre quién es responsable en caso de que ocurran errores o daños. La falta de transparencia y explicabilidad en algunos algoritmos de IA dificulta la identificación de posibles fallas y la rendición de cuentas por ello. Además, la IA puede ampliar sesgos existentes en los datos (aislar), lo que plantea preocupaciones éticas y sociales relacionadas con la equidad, la pluralidad, la tolerancia y la justicia.
Por ahora, la IA se ve limitada por consideraciones tecnológicas y económicas. Aunque la velocidad progresiva resulta prometedora, todavía existen limitaciones en términos de capacidad de procesamiento y almacenamiento necesarios para ejecutar algoritmos de IA a gran escala. Además, el desarrollo y la implementación de sistemas de IA a menudo requieren inversiones considerables, lo que puede limitar su acceso y uso generalizado en diversos sectores.