Innovación en Inteligencia Artificial

Este elemento es una profundización de los cursos y guías de Lawi. Ofrece hechos, comentarios y análisis sobre la “Innovación en Inteligencia Artificial”.

Nota: puede ser de interés la información sobre los riesgos de la inteligencia artificial, el análisis sobre la IA en la gestión de relaciones con los clientes, y consultar acerca de la “Inteligencia Artificial para Contratar Trabajadores“.

Innovación en IA en el mundo académico, la confección y las artes

Los cimientos de la IA tuvieron lugar en la década de 1950. Posteriormente se sucedieron una serie de vicisitudes de financiación, interés y apoyo a la IA. En 2015, AlphaGo, el sistema impulsado por IA de Google, ganó al gran maestro humano en el complejísimo juego de mesa Go. Esto se considera uno de los hitos más significativos en el desarrollo de la IA y marca el inicio de un nuevo periodo, que ha permitido varias innovaciones de la IA en diversos sectores e industrias.

La enseñanza superior, la industria de la moda y las artes sirven como ejemplos de ámbitos en los que se produce una amplia innovación basada en la IA. Utilizando estos ámbitos, se pueden presentar y descifrar diversos ángulos de la innovación en IA. La innovación en IA en la enseñanza superior, por ejemplo, indica que en algún momento los robots impulsados por IA podrían asumir el papel de los profesores humanos. Por el momento, sin embargo, la IA en el mundo académico se utiliza únicamente para apoyar a los seres humanos, no para sustituirlos. La industria de la confección, en concreto la moda rápida -uno de los mayores contaminantes del planeta-, muestra cómo la innovación en IA puede ayudar al sector a avanzar hacia la sostenibilidad y la ecorresponsabilidad mediante, entre otras cosas, la mejora de las previsiones, el aumento de la satisfacción del cliente y una gestión más eficaz de la cadena de suministro. Un análisis de la novedad impulsada por la IA en las artes, especialmente en los museos, muestra que el desarrollo de soluciones altamente innovadoras basadas en la IA podría ser una necesidad para la supervivencia de un sector cultural en fuerte declive.

Todos estos ejemplos muestran el papel que ya desempeña la IA en estos sectores y su probable importancia en sus respectivos futuros. Aunque las aplicaciones de la IA implican muchas mejoras para el mundo académico, la industria de la confección y las artes, no debería sorprendernos que también tenga varios inconvenientes. La aplicación de leyes y reglamentos relativos a la IA es fundamental para evitar sus efectos adversos. La ética y el comportamiento ético de los directivos y líderes de diversos sectores e industrias es igualmente crucial. La educación desempeñará un papel significativo adicional para ayudar a que la IA influya positivamente en las economías y sociedades de todo el mundo. Por último, la entente internacional (es decir, la cooperación de las mayores economías y naciones del mundo) debe tener lugar para garantizar el beneficio de la IA para la humanidad y la civilización. Por lo tanto, estos retos y ámbitos (es decir, aplicación, ética, educación y entente) pueden resumirse como las cuatro convocatorias de la IA.

Esbozo histórico de la IA

El nacimiento de la inteligencia artificial (IA) puede situarse en una serie de acontecimientos apócrifos y reales, que comienzan con la publicación del relato corto de Isaac Asimov “Runaround” (1950). En él, describía las conocidas Tres Leyes de la Robótica, que siguen inspirando a expertos y especialistas en IA de todo el mundo:

1.

Un robot no puede herir a un ser humano ni, por inacción, permitir que un ser humano sufra daños.

2.

Un robot debe obedecer las órdenes que le den los seres humanos, excepto cuando dichas órdenes entren en conflicto con la Primera Ley.

3.

Un robot debe proteger su propia existencia siempre que dicha protección no entre en conflicto con la Primera o la Segunda Ley.

En el mismo año, Alan Turing (1950) redactó su ahora famoso artículo, un trabajo científico titulado “Computing Machinery and Intelligence”, que establece una forma de examinar la inteligencia de una máquina (artificial), la llamada prueba de Turing. Esencialmente, la prueba de Turing hace que un humano evalúe si conversa con una máquina o con otro ser humano. El evaluador humano sabría que uno de los dos compañeros de chat es un sistema de IA. Si el evaluador fuera incapaz de distinguir la máquina del humano, se consideraría que la máquina ha superado la prueba de Turing; en otras palabras, que ha sido capaz de mostrar un comportamiento inteligente equivalente al de un ser humano.

En 1956, John McCarthy y Marvin Minsky, junto con otras personas, organizaron el Proyecto de Investigación de Verano de Dartmouth sobre Inteligencia Artificial, en el que se acuñó el término inteligencia artificial. Este taller, considerado por muchos como el acontecimiento fundador de la IA como campo, reunió a destacados científicos y expertos. A menudo se atribuye a la propuesta inicial del evento el haber introducido el término “inteligencia artificial”:

“Proponemos que durante el verano de 1956 se lleve a cabo en el Dartmouth College de Hanover, New Hampshire, un estudio sobre la inteligencia artificial, con una duración de 2 meses y 10 participantes. El estudio partirá de la conjetura de que cada aspecto del aprendizaje o cualquier otra característica de la inteligencia puede, en principio, describirse con tanta precisión que se puede hacer que una máquina lo simule. Se intentará encontrar la forma de hacer que las máquinas utilicen el lenguaje, formen abstracciones y conceptos, resuelvan tipos de problemas ahora reservados a los humanos y se mejoren a sí mismas. Creemos que se puede lograr un avance significativo en uno o varios de estos problemas si un grupo de científicos cuidadosamente seleccionado trabaja en ello conjuntamente durante un verano.”

Lo que siguió fue un periodo de grandes inversiones y fuerte entusiasmo por el progreso de la IA que duró casi 20 años. Los primeros ejemplos de historias de éxito fueron el programa General Problem Solver creado en 1959, capaz de resolver automáticamente problemas sencillos como las Torres de Hanoi; o el programa Eliza, finalizado en 1966, una herramienta de procesamiento del lenguaje natural capaz de simular una conversación con un humano y del que se decía que había superado la prueba de Turing. El fuerte optimismo que reinaba en aquella época puede ilustrarse mejor con una entrevista de Marvin Minsky en 1970 en la revista Life Magazine, en la que afirmaba que la IA podría alcanzar la inteligencia humana media en un plazo máximo de 8 años.

Sin embargo, con el tiempo, el optimismo inicial se convirtió en pesimismo debido a un obstáculo con respecto a la viabilidad de la IA: la potencia de cálculo no era lo suficientemente grande, lo que representaba una barrera sustancial para la evolución de la IA. Esto dio lugar a un periodo, también llamado el invierno de la IA, caracterizado por la escasez de financiación y un escepticismo vehemente hacia el desarrollo de la IA.

Aunque la financiación regresó brevemente en la década de 1980, en general se mantuvo relativamente baja, aunque en las décadas de 1990 y 2000 se produjeron algunos avances muy publicitados en la evolución de la IA. Uno de estos acontecimientos se produjo en 1997, cuando Deep Blue de IBM, un programa informático para jugar al ajedrez, derrotó al campeón mundial de ajedrez ruso Gary Kasparov. Fue la primera vez que una máquina ganaba una partida a un campeón mundial reinante y, por tanto, fue intensamente mediatizado en todo el mundo.

Sin embargo, el verdadero hito y cambio de juego no se produjo hasta 2015, cuando el sistema de Google impulsado por IA, AlphaGo, venció al gran maestro humano en el juego de mesa de estrategia abstracta Go (también conocido como Weiqi o Weichi), de gran complejidad. Hasta ese momento, la potencia de cálculo era demasiado débil para resolver los complejos algoritmos como los que subyacen en el Go, lo que hizo que esta partida fuera tan particular e innovadora: Lo que antes era imposible se hizo realidad. Este partido marcó el comienzo de una nueva era de la IA, con una plétora de innovaciones actuales y futuras que se han hecho posibles en todos los sectores e industrias, y que finalmente han permitido recuperar la inversión de años de investigación y desarrollo.

En este artículo, se describirán y analizarán tres sectores -la enseñanza superior, la industria de la moda (rápida) y el sector cultural aplicado a los museos- en relación con la innovación y el progreso de la IA. Previamente, dado que la IA es un concepto bastante vago, se explicará, categorizará y delimitará de otros conceptos similares, como el aprendizaje automático, el Internet de las cosas, los macrodatos y los sistemas expertos. Una última sección analiza cuatro nociones importantes, las cuatro “Es” para que la sociedad y la civilización humana estén debidamente preparadas para la próxima innovación basada en la IA: aplicación de leyes y reglamentos, conducta ética, educación y cooperación internacional o, en jerga diplomática, “entente”.

IA: definición y delimitación

El pionero de la inteligencia artificial (IA) Marvin Minsky (1968) definió la IA como “la ciencia de hacer que las máquinas hagan cosas que requerirían inteligencia si las hicieran los hombres” (p. v). John McCarthy (2007) amplió posteriormente la definición de Minsky, describiendo la IA como “la ciencia y la ingeniería de fabricar máquinas inteligentes, especialmente programas informáticos inteligentes” (p. 2). Para el profesor de Dartmouth Praveen Kopalle et al. (2022), la IA caracteriza a los “programas, algoritmos, sistemas y máquinas que imitan el comportamiento humano inteligente” (p. 522). Una definición más detallada de la IA la describe como la capacidad de un sistema para interpretar correctamente datos externos, aprender de esos datos y utilizar esos aprendizajes para lograr objetivos y tareas específicos mediante una adaptación flexible.

Tal diversidad a la hora de definir la IA no hace sino confirmar lo difuso del concepto y la consiguiente dificultad para llegar a una definición clara y directa del mismo . Existen al menos dos explicaciones al respecto: En primer lugar, ya es bastante complicado definir la inteligencia (humana), que a menudo se describe de diversas formas, como la capacidad para la creatividad, el pensamiento crítico, el aprendizaje, la planificación, la resolución de problemas, el razonamiento y la comprensión. En segundo lugar, la IA es un blanco móvil, denominado “efecto IA”, que se produce cuando los espectadores descartan el comportamiento de un programa de IA afirmando que no refleja la inteligencia real.Forma parte de la historia del campo de la inteligencia artificial que cada vez que alguien descubría cómo hacer que un ordenador hiciera algo -jugar bien a las damas, resolver problemas sencillos pero relativamente informales- surgía un coro de críticos para decir: “eso no es pensar”.

Otra razón que hace difícil una definición de la IA es que existen varios tipos de IA que se basan unas en otras y reflejan diversas combinaciones de competencias cognitivas, emocionales y sociales, que son la IA analítica, la de inspiración humana y la humanizada . La IA analítica muestra rasgos coherentes con las competencias estrictamente cognitivas al producir una representación cognitiva de un fenómeno basada en el aprendizaje pasado para informar la toma de decisiones futuras. Tanto las competencias cognitivas como las emocionales son necesarias para ser considerada IA inspirada en el ser humano, en la que dichos sistemas impulsados por la IA comprenden y detectan las emociones humanas además de los elementos cognitivos. Por último, la IA humanizada se caracteriza por una combinación de competencias cognitivas, emocionales y sociales, lo que permite a dichos sistemas ser autoconscientes y conscientes de sí mismos cuando interactúan con humanos.

Para ilustrar las diferencias entre los tres tipos, resulta instructivo fijarse en la industria de la confección. Amazon, por ejemplo, el mayor vendedor de ropa en línea del mundo, aplica la IA analítica en su tienda Amazon Go, su motor de recomendaciones y su asistente de voz, Alexa. Basándose en las compras anteriores de un comprador, su comportamiento de compra en el pasado y su historial de navegación, un comprador de la Go Store podría recibir consejos de moda personalizados e impulsados por la IA por parte de Alexa o sugerencias para futuras compras por parte del motor de recomendaciones de Amazon . En el ámbito de la IA de inspiración humana, estos elementos cognitivos se complementarían con capacidades de inteligencia emocional. Walmart, conocida por su ropa asequible, ha desarrollado un software de reconocimiento facial capaz de identificar las emociones de sus compradores en la tienda. Capaz de detectar los estados emocionales de los compradores con la ayuda de las cámaras de las tiendas, este sistema podría, por ejemplo, decidir enviar a un asociado de ventas para ayudar a un comprador del departamento de ropa identificado como muy insatisfecho. Por último, en el ámbito aún ficticio de la IA humanizada, un empleado de este tipo podría, en lugar de ser humano, ser un robot de ventas potenciado por la IA. Capaz de ser consciente de sí mismo y socialmente inteligente, un robot de ventas de este tipo podría, por ejemplo, al aconsejar a una pareja que va de compras, percibir en qué momento podrían necesitar un momento de intimidad para hablar de su compra o, a la inversa, la presencia del robot podría ser bienvenida si pudiera liberar cierta tensión entre la pareja que discrepa sobre una compra .

La mayoría de los sistemas de IA pertenecen a la categoría de IA analítica aplicada a multitud de sectores como la banca (por ejemplo, las evaluaciones del riesgo crediticio), los recursos humanos (RRHH) (por ejemplo, las decisiones de contratación), la medicina (por ejemplo, la asignación de cirugías) y la administración pública (por ejemplo, las decisiones sobre el estatus de inmigración) que dependen cada vez más de algoritmos basados en IA para tomar decisiones y emitir juicios. Cada vez más decisiones humanas son sustituidas o aumentadas por la IA, lo que exige que la mano de obra humana adquiera nuevas capacidades y habilidades para seguir siendo relevante en el mercado laboral . Con el aumento de la potencia de cálculo y los avances tecnológicos, la IA pasa de resolver tareas más bien limitadas y sencillas a otras más complejas y amplias en ámbitos tan polifacéticos como las artes, la creatividad y la innovación. Se ha dicho que la IA está en el núcleo de la llamada “cuarta revolución industrial” , caracterizada por la transferencia del control y la influencia de los humanos a la tecnología y, por tanto, por la redefinición de los enredos entre humanos y tecnología.

Lo que confunde aún más la cuestión de la definición de la IA es que a menudo se aplica incorrectamente terminología como big data, Internet de las cosas, aprendizaje automático y sistemas expertos, aunque están estrechamente relacionados con la IA. Para poder aprender de los datos, la IA necesita muchos de ellos (es decir, big data), definidos como conjuntos de datos formados por enormes cantidades (volumen) de datos actualizados con frecuencia (velocidad) en diversos formatos, como numéricos, textuales o imágenes/vídeos (variedad). El Internet de las cosas proporciona una forma de obtener big data, y se describe como una extensión de la conectividad a Internet a dispositivos físicos y objetos cotidianos, como un gran electrodoméstico, que están equipados con sensores y software para recopilar e intercambiar datos. El aprendizaje automático, por el contrario, se define como métodos que ayudan a los ordenadores a aprender sin ser programados explícitamente para ello, permitiendo así la detección de patrones subyacentes dentro de los (grandes) datos.

Probablemente, la delimitación más difícil de la IA es la relativa a los sistemas expertos, que son colecciones de reglas programadas por humanos en forma de afirmaciones “si > entonces” y teorizan la inteligencia humana de forma descendente; en otras palabras, asumen que la actividad cerebral humana puede sistematizarse según normas y reglas predefinidas. Los sistemas expertos son los claros predecesores de los sistemas de IA, pero no representan la IA real, al menos no según el rasgo que los define de ser capaces de aprender de forma autónoma. De hecho, durante mucho tiempo, la IA existente se categorizó con los sistemas expertos, (es decir, no debería haberse llamado IA stricto sensu). Por el contrario, la IA genuina sigue un enfoque ascendente y reconstruye la actividad del cerebro humano aplicando big data para derivar aprendizajes de forma autónoma. Probablemente el sistema experto más conocido sea Deep Blue, el superordenador de ajedrez de IBM que derrotó al campeón mundial Garry Kasparov en 1997. Esta victoria de una máquina sobre un humano ha sido objeto de varios libros y películas y se consideró un hito en la historia de la IA. En sentido estricto, Deep Blue representaba un sistema experto, no capaz de aprendizaje autónomo como es la IA.

Implementaciones en el mundo académico: La IA y la enseñanza superior

Gran parte de los primeros avances de la inteligencia artificial (IA) tuvieron su origen en el mundo académico, como se menciona en la sección “Introducción: Bosquejo histórico de la IA”. El término inteligencia artificial se definió y acuñó en el Dartmouth College en 1956. DeepMind, el sistema de IA que derrotó al campeón humano de Go, también fue desarrollado por tres científicos, dos de ellos estudiantes del University College de Londres. Fiel a sus inicios, la IA ha empezado a afectar definitivamente a la enseñanza superior. En lo que respecta a la investigación, la IA se aplica a la redacción de reseñas bibliográficas académicas, la realización de comprobaciones exhaustivas de plagio o la detección de datos falsos y el uso indebido del análisis de datos y la estadística. En la enseñanza, los chatbots impulsados por IA ya se utilizan en Georgia Tech, Carnegie Mellon y la Universidad Técnica de Berlín para responder a las consultas de los estudiantes, liberando así el tiempo de los profesores para actividades de más valor añadido. A estas alturas, la IA también se utiliza cada vez más para calificar, admitir e incluso instruir, aplicaciones que se han vuelto controvertidas. Pensando en el futuro, cabe preguntarse si los robots impulsados por la IA podrían sustituir por completo a los profesores humanos, lo que lleva a preguntarse si las universidades no han sembrado las semillas de su propia disrupción con su innovación en IA.

Jill Watson, probablemente el asistente de curso basado en IA más conocido, es el chatbot de Georgia Tech, que comenzó su carrera en 2016. Dos situaciones motivaron la creación de Jill: En primer lugar, el equipo de asistentes de enseñanza (TA) humanos ya no era capaz de responder a 10.000 correos electrónicos y consultas por semestre. En segundo lugar, se esperaba que Jill aumentara el compromiso de los estudiantes, que parecía resentirse debido al número cada vez mayor de alumnos matriculados en el curso. El bot responde fácilmente a todas las consultas que tienen respuestas claras y directas. Algunos ejemplos son las horas de oficina, cuándo tiene lugar la próxima sesión de clase o la lista de lecturas. Cuando las preguntas son demasiado exigentes o complejas, los asistentes técnicos humanos toman el relevo, algo poco frecuente ya que Jill mejora constantemente sus capacidades gracias a su capacidad de aprendizaje autónomo. Desde el principio, los resultados fueron tan convincentes, ya que Jill respondió con precisión al 97% de las consultas de los estudiantes, que algunos de ellos no pudieron detectar cuándo estaban manteniendo correspondencia con una máquina y no con un humano.

Además de facilitar los procesos administrativos y la búsqueda de información, la IA se ha aplicado con éxito en la enseñanza en la educación superior. Utilizando la llamada analítica del aprendizaje, que se describe como la medición, recopilación y análisis de (grandes) datos sobre los alumnos y sus contextos, con el objetivo de comprender y optimizar el aprendizaje y la enseñanza, el profesorado puede supervisar más fácilmente el progreso de los estudiantes y evaluar su propio enfoque pedagógico, el contenido de los cursos, los recursos didácticos, etc. Los macrodatos en la enseñanza superior permiten además el aprendizaje adaptativo (es decir, la aplicación de la pedagogía basada en la IA para adaptar el nivel y la velocidad de la instrucción al alumno individual). El aprendizaje adaptativo no sólo es coherente con el enfoque centrado en el alumno, sino que ha demostrado ser superior al aprendizaje no adaptativo. Además, los propios alumnos pueden utilizar este tipo de análisis con fines de autoevaluación. Aunque son muy útiles tanto para los profesores como para los alumnos, estas analíticas también incitan a reflexionar sobre la protección de los datos de los alumnos y su derecho a la privacidad.

La calificación también se realiza cada vez más mediante IA, para regocijo de muchos profesores. Las máquinas llevan calificando exámenes de opción múltiple desde la década de 1950. Hoy en día, las máquinas impulsadas por IA pueden evaluar las redacciones y los trabajos de examen de los alumnos. La IA puede imitar el estilo de calificación de un instructor con menos de un punto porcentual de disparidad. Con más de 140.000 estudiantes en línea, la Southern New Hampshire University (SNHU) trabaja intensamente en formas de utilizar la IA para calificar a un número tan enorme de estudiantes lo más rápidamente posible. La SNHU incluso pone a prueba máquinas impulsadas por IA que supervisan y analizan la voz, el lenguaje corporal y el tiempo de respuesta de un estudiante en comunicaciones de vídeo para ver cómo podrían integrarse esos indicadores en las evaluaciones de los alumnos.

Por último, muchas universidades e instituciones de enseñanza superior también aplican la IA a las decisiones de admisión y ayuda financiera. Los indicadores integrados en el análisis de datos impulsado por la IA se extraen de los trabajos, la forma en que un candidato interactúa con el sitio web de la universidad o el intercambio de correos electrónicos, la evaluación de su probabilidad de matricularse y graduarse con éxito en el programa respectivo, y el nivel probable de ayuda financiera obtenida. Kira Talent, una empresa canadiense de EdTech, ha desarrollado un sistema de IA capaz de calificar las aptitudes interpersonales, la motivación percibida y los rasgos de personalidad de un candidato simplemente revisando el contenido de los vídeos enviados por el solicitante. Aunque la IA ayuda a reducir el grupo de candidatos, los humanos -por ahora- siguen tomando las decisiones finales de admisión. A pesar de ello, algunas instituciones, como la Universidad de Texas en Austin, han decidido dejar de utilizar la IA en las admisiones tras detectar que un sistema de este tipo refuerza y perpetúa potencialmente los prejuicios en las decisiones de aceptación.

Aunque la IA se aplica en instituciones de enseñanza superior de todo el mundo, China está especialmente avanzada en este ámbito, lo que demuestra claramente cómo podría evolucionar el sector y qué innovaciones cabe esperar. Con el apoyo de la campaña Campus Inteligentes del Ministerio de Educación chino, la Universidad de Xian, por ejemplo, ha desplegado cámaras de reconocimiento facial y puertas impulsadas por IA por todo el campus. Los estudiantes deben escanear su rostro para entrar y demostrar su asistencia a clase. Además, la tecnología de IA apoyada por cientos de cámaras desplegadas por todo el campus puede detectar siete emociones diferentes: sorpresa, tristeza, neutro, felicidad, miedo, decepción e ira. Estos estados emocionales se utilizan para analizar la atención de los estudiantes, entre otros rasgos. Este enfoque plantea cuestiones preocupantes sobre la privacidad de los datos y la protección de la información personal.

Basado en la experiencia de varios autores, mis opiniones y recomendaciones se expresarán a continuación (o en otros lugares de esta plataforma, respecto a las características en 2024 o antes, y el futuro de esta cuestión):

En la actualidad, mientras que la IA libera sobre todo al profesorado de tareas estrictamente administrativas, en el futuro, los profesores humanos podrían ser sustituidos por la robótica impulsada por la IA, lo que nos lleva de nuevo a la cuestión de si las universidades han sembrado realmente las semillas de su propia disrupción con su uso de la IA. El gobierno chino no oculta que su amplio desarrollo y uso de la IA tiene el claro objetivo de superar su déficit de personal docente competente, e incluso complementarlo. Lo más probable es que, en algún momento, las máquinas instructoras impulsadas por la IA sean menos costosas que los profesores humanos, lo que convierte a las primeras en una opción atractiva. Sólo el tiempo dirá qué desarrollos de la IA se producirán en la enseñanza superior. En última instancia, la prueba será si los estudiantes prefieren los robots impulsados por IA a los instructores humanos, cuya respuesta podría ser más complicada de lo que cabría esperar (o desear). A modo de reflexión, un estudio reciente del Centro para la Gobernanza del Cambio de la Universidad IE de España demostró que una cuarta parte de los europeos preferiría que la política fuera dirigida por sistemas impulsados por IA en lugar de por políticos humanos, a menudo extremistas ideológicamente o tentados por la corrupción.

Aplicaciones en la confección: La IA y la moda rápida

Otro campo de innovación de la inteligencia artificial (IA) es la moda rápida, uno de los mayores contaminantes del mundo, que emite el 10% de las emisiones mundiales de carbono y el 20% de las aguas residuales mundiales procedentes del teñido de textiles . Conscientes de que cada vez hay más consumidores ecorresponsables, varias marcas buscan ser más sostenibles en su enfoque y sus operaciones, al menos en la medida de lo posible, sin abandonar por completo su exitoso modelo de negocio actual. La IA y sus innovaciones son una de las vías del sector hacia la sostenibilidad.

El primer grupo de innovaciones tiene como objetivo aumentar la satisfacción del cliente. Los asistentes o sistemas de recomendación impulsados por la IA hacen sugerencias de estilismo personalizadas a los clientes. Las medidas y la forma del cuerpo de un cliente, sus gustos personales y su historial como cliente sirven de base para dichas recomendaciones. Del mismo modo, los espejos inteligentes permiten a los clientes probarse ropa virtualmente, comparar rápidamente varias opciones de ropa, alternar estilos y colores, y combinar varios artículos de moda. De nuevo, los espejos pueden emitir recomendaciones sobre qué color o estilo va mejor con la complexión o la forma del cuerpo del cliente. Unas prendas más adecuadas y que se ajusten mejor dan como resultado una mayor satisfacción del cliente con la ropa adquirida y, en consecuencia, menos devoluciones, lo que a su vez disminuye significativamente la huella de carbono del sector. En la actualidad, el sector prefiere destruir este tipo de prendas en lugar de intentar revenderlas, ya que lamentablemente esto último cuesta más que lo primero. Este enfoque basado en la IA sería incluso más beneficioso en países como China, donde los envíos son baratos y muy eficientes, lo que lleva a los consumidores chinos a realizar pedidos en línea sin pensárselo mucho, ya que los artículos pueden devolverse fácilmente.

Además, de nuevo para aumentar la satisfacción del cliente, la IA puede ayudar a incrementar el valor emocional de un producto para sus clientes, ofreciéndoles la posibilidad de adquirir prendas a medida, personalizadas y hechas a medida. A través de tecnologías avanzadas de modelado tridimensional, las medidas de un cliente se toman en probadores especializados en la tienda o a través de un dispositivo móvil en el caso de las compras en línea. Los modelos digitales, que sirven de plantilla para la producción real, se modifican en consecuencia. En un último paso, el artículo a medida se produce directamente y se entrega al cliente en la tienda o se envía a la dirección que haya elegido. Debido a su mayor valor emocional, los clientes suelen conservar las prendas hechas a medida durante más tiempo y las usan más.

El segundo grupo de innovaciones de la IA en la moda rápida aborda la mejora de la eficiencia de la cadena de suministro gracias al análisis avanzado de datos, la previsión de ventas altamente optimizada, la predicción de las tendencias de la moda y el comportamiento de los consumidores. Unas cadenas de suministro más eficientes equivalen a un ahorro y a una mayor ecorresponsabilidad y sostenibilidad. Las cadenas de suministro subóptimas son la causa del exceso de existencias, la sobreproducción, el derroche de energía y las enormes cantidades de residuos. Al menos en parte, la IA puede superar estas prácticas y reducir la huella de carbono de la industria. En este sentido, la IA puede incluso ayudar a encontrar y abastecerse de textiles más sostenibles. Comparando los materiales y sus propiedades y analizando la ubicación y los métodos de producción de los proveedores, la IA puede encontrar al fabricante óptimo desde el punto de vista medioambiental que produzca textiles adaptados a un patrón de diseño específico, lo que se traduce en la cadena de suministro menos contaminante.

En el contexto de la mejora de la eficacia de la cadena de suministro, hay que mencionar brevemente la robótica y la automatización. Según varios informes que analizan la industria de la moda (rápida) y su futuro, lo más probable es que los robots sustituyan a una parte importante de la mano de obra humana en la producción y el transporte, la clasificación y el embalaje en los almacenes, y el marketing y las ventas. En el lado positivo, el aumento de la automatización se traduce en una reducción significativa de los costes y permite la deslocalización de la fabricación, aboliendo potencialmente las tan denostadas condiciones laborales del sector. En el lado negativo, la automatización (impulsada por la IA) también provoca desempleo. Aunque la mejora de las cadenas de suministro aumenta la sostenibilidad medioambiental, las sociedades de todo el mundo podrían enfrentarse al reto de un aumento de los despidos y la consiguiente inestabilidad social.

Un tercer y último grupo de innovaciones de la IA en la moda rápida representa oportunidades que conducirían a un cambio más profundo: alterar todo el modelo de negocio de la industria. Se trataría de incentivar un uso más prolongado de menos artículos de moda a un precio seguramente más elevado. Para incentivar un comportamiento de compra más eco-responsable, la IA podría fomentar una mayor transparencia sobre dónde se obtienen las prendas o los textiles y en qué condiciones laborales. Los compradores potenciales podrían entonces elegir opciones más sostenibles. La IA podría incluso determinar el precio óptimo de un artículo calculando el coste de los materiales, el consumo de energía y, por último, el coste de las emisiones de carbono de un producto. Extender la prioridad a los mercados de segunda mano también entraría en la categoría de innovaciones de la IA. Los sitios web y las aplicaciones para móviles potenciados por la IA podrían ser una poderosa forma de simplificar la compraventa de prendas de segunda mano, recomendando productos basados en datos personales, sugiriendo precios fiables y adaptados, etc.

Desde el punto de vista medioambiental, aunque la IA crea muchas posibilidades para que sea más sostenible, como fomentar un consumo más eco-responsable y mejorar la cadena de suministro y la gestión de inventarios, la moda rápida podría tener que replantearse por completo su modelo de negocio para aprovechar plenamente el potencial de la IA. Aumentar el valor emocional de un producto e incentivar las compras de segunda mano o una mayor transparencia van en contra de la política actual de la moda rápida de fomentar el consumo excesivo y los ciclos de vida cortos de los productos. Que las marcas de ropa vayan en esta dirección (el enfoque de la economía circular) o se aferren a sus viejos hábitos representa un punto de inflexión ético para el sector.

Las ilustraciones en las artes: La IA y los museos modernos

Mientras que la innovación de la inteligencia artificial (IA) en el mundo académico podría llevar a la disrupción del sector, la innovación impulsada por la IA en el sector artístico podría en realidad asegurar su supervivencia. Los museos están amenazados en una era caracterizada por la transformación digital, los medios sociales y el (futuro) metaverso. En particular, los visitantes más jóvenes están cada vez más ausentes de los museos, que ya no representan para ellos las principales atracciones. Los museos tendrán que ser innovadores para seguir siendo atractivos y sobrevivir en el tiempo. Como ilustración de la innovación en IA en los museos, el Museo Metropolitano de Arte de Nueva York, más conocido como “el Met”, servirá de ejemplo.

Con su colección permanente de más de dos millones de obras de arte, el Met es el mayor museo de arte de Estados Unidos. La colección del Met incluye piezas del antiguo Egipto, de la antigüedad clásica, arte de todos los grandes artistas europeos y una parte importante de obras de arte americanas. Conocido por su enfoque innovador, especialmente en lo que respecta a la tecnología, el Met ha puesto en marcha una política de acceso abierto que permite compartir y publicar, sin cargos ni posibles infracciones de los derechos de autor, cientos de miles de imágenes de alta calidad de sus obras de arte en todos los medios sociales. Además, la aplicación de la IA está cada vez más presente en el museo. Debido a la multitud de innovaciones actuales y previstas basadas en la IA, el Met podría ganarse fácilmente el título de Museo Metropolitano de Inteligencia ARTificial.

📬Si este tipo de historias es justo lo que buscas, y quieres recibir actualizaciones y mucho contenido que no creemos encuentres en otro lugar, suscríbete a este substack. Es gratis, y puedes cancelar tu suscripción cuando quieras:

Como en muchos otros sectores, la pandemia de COVID-19 aceleró las aplicaciones de la IA en las artes, con la mayoría de las exposiciones cerradas durante varios meses debido a los cierres patronales. Muchas instituciones afectadas utilizaron medios digitales para llevar la experiencia cultural directamente a los consumidores de arte. El Met respondió asociándose con el proveedor de telecomunicaciones Verizon para desplegar tecnologías de realidad aumentada y virtual muy innovadoras, que permitieron a los amantes del arte escapar del aburrimiento del cierre visitando digitalmente la colección del Met con un sorprendente grado de realismo.

El “Art Explorer” del Met, desarrollado en colaboración con Microsoft, es un uso más de sus innovaciones en IA. En esencia, “Art Explorer” es un potente motor de búsqueda impulsado por la IA que forma parte de la visita virtual del Met. El sistema sugiere a los visitantes obras de arte que podrían ser de su interés. Por ejemplo, si a un visitante le gustó “Los olivos” de Van Gogh, el sistema buscará obras de arte similares y podría sugerirle que eche un vistazo a “Los cipreses” de Van Gogh. También podría sugerir cuadros que no tienen mucho en común, al menos no a primera vista. Mientras que esas similitudes más sutiles podrían haber pasado desapercibidas de forma ordinaria -incluso para los expertos- simplemente debido a la enorme cantidad de piezas dentro (y fuera) de la colección del Met, la IA puede detectar conexiones, puntos en común y similitudes. Además, la IA puede incluso detectar las emociones de los visitantes al contemplar determinadas obras, clasificándolas en varios grupos emocionales. Así, los visitantes pueden elegir sentirse asustados, divertidos o asqueados -si así lo desean- durante su visita virtual y real, preparada por el sistema de IA específicamente para ellos.

Otra colaboración del Met y Microsoft, a la que se ha unido el Instituto Tecnológico de Massachusetts (MIT), es la iniciativa Met x Microsoft x MIT, que representa otro ejemplo de IA en el arte. Según la vicepresidenta de Microsoft a cargo de la IA, Mitra Azizirad, La estrecha colaboración entre el Met, el MIT y Microsoft es un gran ejemplo de cómo la IA está capacitando a curadores y tecnólogos para hacer que el arte y la historia de la humanidad sean accesibles y relevantes para todos los habitantes del planeta. El objetivo de esta asociación es doble: en primer lugar, permitir que los visitantes del Met publiquen, compartan y comuniquen sobre su visita de formas innovadoras, principalmente a través de sus redes sociales; y en segundo lugar, aumentar su atractivo para las obras de arte y el museo en general (Kessler, 2019). Se presentan brevemente tres de los proyectos de la iniciativa: “Cuentacuentos”, “Etiqueta, ¡eso es!” y “Obra de arte del día”:

“Storyteller” supone un sistema de reconocimiento de voz impulsado por IA que escucha lo que hablan los visitantes mientras pasean por el Met. Capaz de escuchar conversaciones en más de 64 idiomas, el sistema propone consecuentemente obras de arte relacionadas con las conversaciones de los visitantes y los intercambios que mantienen entre sí. “Storyteller” elabora un recorrido completo por el museo basándose en las conversaciones de los visitantes suscitadas por las exposiciones que están viendo. Además, se proporciona a los visitantes un catálogo de arte completo, preservando para la posteridad su recorrido por el Met, altamente atractivo, personalizado y a medida.

“Tag, ¡Eso es!” es otro de los proyectos de la iniciativa Met x Microsoft x MIT, que podría describirse como “los visitantes del museo convertidos en personal del museo”. Mediante un enfoque de gamificación, se pide a los visitantes que etiqueten las fotografías que tomen durante su visita al Met con la mayor precisión posible. Este etiquetado y descripción de cuadros y otras obras se realiza con la ayuda de una aplicación específica y, paso a paso, transformará la colección del Met en una enorme base de datos que contendrá información muy valiosa, aportando un enorme beneficio a lo que se sabe sobre el arte en general y sobre la colección del Met en particular. Los visitantes del museo hacen el trabajo -afortunadamente- de los curadores de arte, historiadores y demás personal.

Con la ayuda de la “Obra de arte del día”, cada visitante recibe una sugerencia personalizada de la obra de arte de su visita. Las sugerencias son emitidas por un sistema basado en la inteligencia artificial que tiene en cuenta, por ejemplo, las noticias y acontecimientos actuales de interés, el tiempo y la hora del día, el comportamiento anterior del visitante (si existe) y su ubicación actual. Basándose en estos datos, el sistema elige una obra de arte a la medida del visitante del museo, por ejemplo, una de especial interés y atractivo para ese individuo o grupo que visita el Met. Por el momento, en un esfuerzo por ofrecer una recomendación ultrapersonal, así como para gestionar el flujo de visitantes y evitar aglomeraciones, la “Obra de arte del día” está programada de tal forma que no hay dos visitantes que reciban la misma sugerencia en un día determinado. Obviamente, como sistema de IA de aprendizaje autónomo, estos parámetros de aplicación podrían cambiar definitivamente en el futuro.

Estos son sólo algunos ejemplos de cómo la IA puede hacer que los museos sean más emocionantes, sean quizás más relevantes para los nativos digitales y, con suerte, aseguren un número suficiente de visitantes en el futuro. Además de aumentar la participación de los visitantes, estas innovaciones de la IA también pueden hacer que las operaciones de los museos sean más eficientes y menos costosas mediante una mejor gestión de la energía, sistemas de seguridad más sólidos y una previsión más granular del número de visitantes y su comportamiento. Además de aumentar el número de visitantes y mantenerlo constante, la aplicación de la IA a las operaciones de los museos podría reducir significativamente los costes, siendo así una palanca suplementaria para la supervivencia.

Las llamadas de atención de la IA

Se han publicado varios artículos sobre las preocupaciones éticas en relación con la aplicación de la inteligencia artificial. Es necesaria una regulación, tal y como reclaman varios científicos en este campo. Sin embargo, estos marcos éticos y normativos son escasos, por no decir totalmente inexistentes (Scherer, 2016). Se han sugerido diversas soluciones, especialmente en lo que respecta a la responsabilidad, por ejemplo, se ha optado por un enfoque de autogobierno, mientras que otros han pedido que las leyes sean impuestas por los gobiernos y los reguladores supranacionales.

Si observamos las innovaciones de la IA en diversos sectores, queda claro que su aplicación exige cierta reflexión y la superación de algunos retos. El uso de la IA en el Museo Metropolitano de Arte plantea varias cuestiones sobre la privacidad y los datos personales. Que la IA escuche las conversaciones de un grupo de visitantes durante una visita al museo, por ejemplo, podría dar lugar a un recorrido muy interesante; sin embargo, ¿suponga que los visitantes olvidan que “Gran Hermano” está observando/escuchando? ¿Suponga que se arrepienten de cosas que han dicho durante la visita? ¿Quién será el responsable si parte de esta información cae en malas manos?

Para reflexionar sobre estas cuestiones, la empresa de confección H&M, abordando preocupaciones similares en el sector de la moda rápida, creó el Club de Debate Ético sobre la IA, donde las innovaciones potencialmente nefastas en materia de IA que estudia la marca de moda sueca se debaten a fondo antes de su aplicación. H&M evalúa cada nuevo proyecto de IA en términos de riesgos éticos y sociales potenciales a través de un índice de nueve principios: La IA aplicada en ellos debe ser beneficiosa, colaborativa, justa, centrada, gobernada, fiable, segura, transparente y respetuosa con la agencia humana.

Aunque este tipo de iniciativas por parte de organizaciones individuales son más que bienvenidas, es necesario un enfoque más estructurado de los retos de la IA y, en consecuencia, es el tema de estas observaciones finales. Resumidos bajo el título “Las cuatro convocatorias de la IA”, estos llamamientos pueden estructurarse en cuatro eses: aplicación, ética, educación y entente (véase la figura 2). El primer llamamiento se refiere a la aplicación de la normativa y la legislación estatales con respecto a la IA. En ella habrá que abordar varias cuestiones, especialmente el posible aumento de las tasas de desempleo debido a la automatización. Esta tarea no es nada fácil, ya que la regulación constituye a menudo una contrapartida y una barrera a la creatividad, la innovación y la invención.

Aunque la regulación y las leyes son esenciales, no es fácil controlar y supervisar todo lo que abarca la IA, ya que cambia constantemente y evoluciona con rapidez. Por lo tanto, la segunda convocatoria aborda la ética o, más concretamente, el comportamiento ético de los líderes, gestores y responsables de la toma de decisiones en una sociedad determinada. Se ha establecido que la IA puede utilizarse tanto para el mal como para el bien, para prevenir o infligir daños. En última instancia, la IA realiza cualquier actividad para la que haya sido programada. Aquellos con una ética débil pueden aprovecharse de ello intentando explícitamente actividades dañinas y/o ilegales.

A través de la educación, la tercera invocación -el comportamiento ético, específicamente en lo que respecta al progreso de la IA- debe enseñarse desde una etapa temprana. De este modo, se puede educar a los individuos para que sean más conscientes del mal uso potencial de la IA o de sus posibles acciones manipuladoras. Además, los usuarios/consumidores finales deben estar mejor formados e informados sobre las cuestiones relativas a la privacidad y la seguridad de los datos, así como sobre las oportunidades y los retos de la IA y los macrodatos. En consecuencia, la IA y la conducta ética asociada deberían formar parte tanto de los planes de estudio de cursos específicos como de programas completos en la educación primaria, secundaria y superior en todo el mundo.

Por último, siendo crucial la cooperación internacional, la entente es el cuarto llamamiento. En algunos de los ejemplos tratados en este artículo, algunos países son menos restrictivos que otros en materia de privacidad y protección de datos. Esta diferencia reglamentaria puede representar una ventaja competitiva para las empresas de los lugares menos restrictivos en lo que respecta al desarrollo de la IA. Como reacción a ello, las empresas de los lugares restrictivos en materia de IA podrían verse tentadas a deslocalizar sus negocios. En consecuencia, los empleados y los trabajadores podrían verse perjudicados por un lado, mientras que la protección de los consumidores y la privacidad sufrirían por el otro. Por lo tanto, el llamamiento a la diplomacia y a la cooperación es imperativo.

En resumen, este artículo ha ofrecido una visión general de la IA, su historia, lo que es y lo que no es, y sus innovaciones en tres sectores concretos: el académico, el de la confección y el artístico. Los distintos sectores destacan diferentes ángulos de las innovaciones en IA. En el caso de los museos, la IA podría garantizar su supervivencia. En cuanto a la moda rápida, la IA podría conducir a una mayor sostenibilidad. En el mundo académico, la IA podría acabar provocando la disrupción de la enseñanza superior. Evidentemente, la IA tiene muchos aspectos positivos y varios negativos. O, para decirlo con las palabras del físico Stephen Hawking, la IA será lo mejor, o lo peor, que le ocurra a la humanidad.

Revisor de hechos: Elle

Riesgos Legales del Uso de la Inteligencia Artificial

Se ha identificado asociaciones fiables entre las puntuaciones de los candidatos y su posterior rendimiento (véase una definición en el diccionario y más detalles, en la plataforma general, sobre rendimientos) laboral (publicando las pruebas en revistas independientes, fiables y académicas). Recientemente, incluso ha habido interés y preocupación en el Senado de los Estados Unidos acerca de si las nuevas tecnologías (específicamente, las tecnologías de análisis facial) podrían tener implicaciones negativas para la igualdad de oportunidades entre los candidatos a un puesto de trabajo.

Las nuevas tecnologías ya pueden cruzar las líneas entre atributos, “rasgos” y “estados” públicos y privados de nuevas maneras, y hay motivos para creer que en el futuro serán cada vez más capaces de hacerlo. Mediante el uso de la inteligencia artificial, los grandes datos, los medios sociales y el aprendizaje automático, los empleadores tendrán un acceso cada vez mayor a la vida privada de los candidatos, a sus atributos privados y a los desafíos y estados de ánimo privados. No hay respuestas fáciles a muchas de las nuevas preguntas sobre la privacidad que hemos planteado aquí, pero creemos que todas ellas merecen ser discutidas y debatidas públicamente.

Autor: Mix

[rtbs name=”innovacion”] [rtbs name=”regulacion”] [rtbs name=”modernizacion”]

Recursos

[rtbs name=”informes-jurídicos-y-sectoriales”][rtbs name=”quieres-escribir-tu-libro”]

Véase También

Analítica Predictiva, Disrupción, Gestión de la Información, Gestión de la Innovación, Innovación, Innovación Empresarial,
mundo académico
industria de la confección
inteligencia artificial
artes
grandes datos
moda rápida
educación superior
innovación
aprendizaje automático
sostenibilidad
Educación empresarial
Espíritu empresarial
Ética
Sistemas de información, Gestión de la tecnología, Gestión de la innovación, Ética empresarial,
Aprendizaje, tecnologías de la información, Gestión estratégica de la tecnología y la innovación
éxito de los estudiantes en la enseñanza superior

▷ Esperamos que haya sido de utilidad. Si conoce a alguien que pueda estar interesado en este tema, por favor comparta con él/ella este contenido. Es la mejor forma de ayudar al Proyecto Lawi.