Introducción a la IA Generativa
La IA generativa tiene un gran potencial para ser la tecnología que vuelva a generar una gran revolución para la humanidad. Gracias a sus características puede ser aplicada tanto en campos sociales como culturales, comerciales, empresariales, económicos e incluso políticos. “Puedo imaginar un montón de formas en las que romperá el sistema capitalista”, llegó a afirmar Sam Altman, uno de los principales referentes de la IA generativa.
Más allá de cómo resultará el futuro de la humanidad con esta tecnología, lo cierto es que ya está produciendo grandes cambios en la actualidad. Según un informe de la firma internacional Fortune Business Insights, el mercado relacionado a la IA generativa generó US$ 29 mil millones en 2022, casi US$ 44 mil millones en 2023 y se espera que alcance los US$ 667 mil millones para el final de la década. Además, las principales empresas de tecnología a nivel global están compitiendo por lanzar productos que sean altamente utilizados tanto por empresas como por individuos de todas las regiones.
El cambio que generará esta tecnología en la humanidad es tan grande que divide aguas entre quienes ven un futuro apocalíptico para los seres humanos y quienes creen que traerá mayor igualdad. Los aspectos a analizar para llegar a una u otra conclusión son tantos que amerita realizar un repaso de cada uno de ellos para profundizar sobre la IA generativa y así sacar el mayor provecho de sus ventajas y evitar las consecuencias que puede llegar a desencadenar.
Funcionamiento de los modelos generativos
En términos sencillos, un modelo generativo funciona de forma automática para aprender y analizar una gran cantidad de datos. Esto es sumamente útil porque son tareas que a un profesional le pueden llevar días o semanas, mientras que una IA con estas características lo puede concluir en cuestión de horas.
“Un modelo generativo es una arquitectura profunda dotada de algoritmos de aprendizaje que tiene como misión aprender cualquier tipo de distribución de datos, todo esto aplicado dentro del paradigma de aprendizaje no supervisado. Todos los tipos de modelos generativos buscan aprender la verdadera distribución de datos del conjunto de entrenamiento y, una vez logrado, ser capaces generar nuevas muestras con ligeras variaciones”, explican, con mayor detalles, en Telefonía Tech. Y agregan: “No siempre resulta posible abstraer la distribución exacta de nuestros datos, por lo que, haciendo uso de las redes neuronales, se intenta modelar una distribución lo más similar posible a la distribución verdadera”.
Quienes utilizan esta tecnología primero generan un banco con una gran cantidad de datos que sirvan para entrenar al modelo generativo. Por ejemplo, se utiliza un banco de imágenes con cientos de miles de fotos de autos y se pide al modelo que diferencia entre los autos por su color. El algoritmo procederá a realizar esta tarea y finalmente cuando alguien le pida que distinga un auto rojo de uno azul o que brinde imágenes de autos verdes podrá hacerlo casi al instante.
Aplicaciones y notables desarrollos
Las aplicaciones y desarrollos de los modelos generativos durante los últimos años son tan extensos que es imposible enumerarlos uno por uno. Sin embargo, algunos campos son sumamente relevantes para la humanidad, por lo que vale la pena profundizar en ellos.
El primero de todos es la salud. En la actualidad, existen modelos generativos de IA que ayudan a los médicos a predecir desde probabilidades de tumores hasta posibilidades de sufrir un ataque cardíaco según las imágenes tomadas de un paciente y haciendo un proceso de comparación con cientos de miles de imágenes previas. Un ejemplo de esto sucedió a finales de enero de 2024 cuando la Administración de Alimentos y Medicamentos de Estados Unidos aprobó el uso del sistema DermaSensor, un dispositivo portátil que utiliza espectroscopía impulsada por IA para evaluar las características de las lesiones tanto a nivel celular como debajo de la superficie de la piel para predecir si se puede desarrollar algún tipo de cáncer a futuro.
En lo que respecta a la producción y distribución de alimentos, quienes trabajan en la industria del agro están aplicando estos modelos para aumentar la eficiencia y disminuir los recursos naturales que se implementan. Empresas como Syngenta y Bunge están desarrollando soluciones con IA para que la producción de alimentos no solo sea sustentable sino que además alcance los estándares establecidos por los países para mitigar los impactos ambientales de esta actividad.
Finalmente, otro segmento donde la IA generativa está impactando con fuerza es en la educación. Universidades como Harvard y Stanford están implementando estos modelos para acelerar procesos de enseñanza y exponer a sus alumnos a situaciones prácticas sin la necesidad de abandonar el campus.
Aplicaciones prácticas de la IA Generativa
Existen decenas de aplicaciones prácticas para la IA generativa y los usuarios de esta tecnología encuentran cada vez más funciones que generan beneficios en su día a día. Quizás la más frecuente es la de obtener un asistente personal al cual se pueden realizar preguntas de todo tipo y obtener consejos y recomendaciones. Desde cuestiones simples como posibilidades de regalos de cumpleaños hasta lugares para ir a comer hasta recordatorio de fechas importantes y desgrabación de conversaciones, esta tecnología puede ser extremadamente útil para actividades cotidianas.
Ya pensando en un plano empresarial, la IA generativa puede implementarse en chats que mejoren la experiencia de los clientes con la marca. Brindar respuestas de forma inmediata, generar turnos e incluso brindar información en pocos segundos son algunas de las ventajas que tiene sumar esta tecnología al diálogo constante que una compañía busca tener con sus clientes.
Con respecto a cuestiones educativas, puede ser una gran fuente de información para aprender sobre distintas cuestiones. Si bien hay que tomar recaudos y pedirle que indique de dónde sacó esos datos, ya que pueden ser erróneos dependiendo de la fuente original, la IA generativa puede servir como una guía de aprendizaje extra en los distintos niveles académicos.
Finalmente, se pueden destacar otros usos prácticos que se han encontrado, como indicar una lista de los supermercados cercanos con mejores precios, crear determinadas imágenes o videos, desarrollar notas musicales e incluso generar códigos de programación. Lo cierto es que a medida que esta tecnología se expande surgen cada vez más usos prácticos para ella.
Sistemas notables de IA Generativa
Al observar el potencial de esta tecnología, las principales empresas tecnológicas del mundo comenzaron a desarrollar sus propios sistemas de IA Generativa. Sin embargo, el principal de todos ellos, no por ser el primero, pero sí por ser el que popularizó este producto a nivel global, es Chat GPT, de la empresa Open AI. Lanzado oficialmente en noviembre de 2022, este chat de inteligencia artificial con un modelo de lenguaje ajustado por técnicas de aprendizaje ya tiene más de 180 millones de usuarios y solo en diciembre de 2023 generó 1.600 millones de visitas.
Para no quedarse atrás, Google lanzó su propio sistema de chat con IA que primero llamó Bard y actualmente se denomina Gemini. El bot conversacional y multimodal se creó como respuesta a ChatGPT y cumple con funciones similares. Según los datos oficiales, la plataforma recibe 140 millones de usuarios mensuales aunque el 62% reside en Estados Unidos, lo que demuestra que aún no ha podido hacer pie a nivel internacional.
Microsoft no se quedó atrás en este proceso y a principios de 2023 también lanzó su propia herramienta de IA. En su caso la llamó Bing Chat y funciona como un chat conversacional de inteligencia artificial dentro de su motor de búsqueda Bing. Pocas semanas después de su lanzamiento, Bing superó los 100 millones de usuarios activos, una cifra que jamás había alcanzado y que se adjudicó al impulso que generó el chat de IA.
Tidio, Zendesk, Chatsonic y Liveperson son algunos de los chats con IA Generativa que han surgido durante los últimos meses o años. Si bien todos cumplen tareas similares, existen variaciones según al tipo de público u organización que apunten para ofrecer servicios. Por lo tanto, es recomendable estudiarlos y analizarlos antes de empezar a utilizarlos para comprobar que realmente serán útiles en relación con sus tareas cotidianas.
Evolución y desarrollo
Como la IA generativa se basa en modelos de aprendizajes, su evolución es constante. Esto se debe a que entre más conversaciones realice o más datos reciba, mayor será su eficiencia a la hora de dar respuestas y se desarrollará con mejores estándares de funcionamiento.
Si se toman los avances tecnológicos, se observa que la IA Generativa lleva décadas en la sociedad, impulsada sobre todo por espacios académicos donde se crearon los primeros chatbots interactivos con IA. Sin embargo, fue necesario desarrollar nuevas tecnologías y aumentar el poder de cómputo para que esta tecnología llegue a los niveles que alcanzaron herramientas como ChatGPT. De hecho, a mediados de la década del 2010 se lanzaron algunos productos que predecían una revolución de la IA, pero que finalmente no terminaron siendo lo esperado. Es cierto que las empresas como OpenAI han acelerado fuertemente estos desarrollos, pero aún resta un largo camino de evolución y desarrollo.
Esto se observa claramente en los números de mercado que se relacionan con la IA Generativa. Desde la firma internacional Statista han realizado este seguimiento y muestran que en 2017 el sector generaba alrededor de 2.4 mil millones, mientras que ahora se estima que alcanzará los 60 mil millones de dólares en 2025. “Este incremento no solo refleja la expansión del campo, sino también la diversificación de sus aplicaciones, su evolución y desarrollo que, además, se extiende a través de múltiples industrias, demostrando ser particularmente rentables”, afirman al respecto.
Historia de la IA Generativa
Aunque parezca una tecnología reciente, la IA Generativa se creó hace décadas. De hecho, se puede rastrear sus orígenes hasta 1966, cuando el laboratorio del MIT presentó a ELIZA, un chatbot que simulaba hablar con un terapeuta. Sin embargo, llevó varias décadas refinar y sofisticar los procesos de aprendizaje automático a partir de modelos estadísticos para modelar y predecir datos.
Recién a finales del 2000 se empezaron a observar avances significativos en este campo con redes neuronales más avanzadas. De todas maneras, las primeras de ellas eran discriminativas, por lo que podían realizar tareas de clasificación, pero no generaban datos nuevos a partir de las bases de datos suministradas para el aprendizaje.
El próximo gran avance en este campo ocurrió en 2014 con el surgimiento de tecnologías como el autocodificador variacional y las redes generativas adversativas. Ambos fueron especialmente relevantes porque permitieron el surgimiento de las primeras redes neuronales capaces de aprender modelos generativos y no solo discriminarlos. Por lo tanto, no solo eran capaces de etiquetar imágenes, por mencionar un ejemplo, sino también crearlas.
Otras tecnologías que fueron surgiendo y que impulsaron la IA Generativa son la red Transformador, en 2017, y el primer transformador generativo preentrenado en 2018. De hecho, gracias a ellos surgió en 2019 el GPT-2, un antecesor del CHAT GPT que se conoce actualmente y que tuvo a OpenAI, Sam Altman e incluso a Elon Musk entre sus desarrolladores. Esta herramienta ya podía generalizar tareas sin supervisión, un paso importante para esta tecnología.
Finalmente, el 2021 se lanzó un modelo generativo de píxeles basado en transformadores llamado DALL-E. Esto fue fundamental porque a partir de ese momento la IA Generativa no fue capaz de generar solo texto sino también imágenes de alta calidad y, en la actualidad, incluso videos. Todo esto desencadenó en productos como el GPT-4 que si bien aún tiene muchos desarrollos por sumar, se presenta como uno de los primeros sistemas de IA Generativa más completos a nivel global.
Modalidades de la IA Generativa y aplicaciones específicas
Si bien la tecnología es conocida como IA Generativa, existen distintos modelos de ella que son creados específicamente para producir distintos tipos de contenidos. Por ese motivo, es crucial entender que hay IA Generativas que sirven para determinadas aplicaciones específicas y no para otras.
Generación de texto
Cuando se habla de Chat GPT o de Gemini, por lo general se está haciendo referencia a modelos de IA Generativa para la producción de texto. Estos suelen ser chatbots que atravesaron extensos períodos de aprendizaje a partir de bases de datos e información y que pueden continuar aprendiendo según los prompts que se vayan realizando. En general, sirven para desarrollar o editar textos relacionados a determinados temas.
Generación de imágenes
En la actualidad, existen modalidades de IA Generativa que convierten una indicación textual en una imagen. Adobe, Open AI y Google tienen herramientas de estas características que se entrenan con cientos de millones de imágenes y pies de ilustraciones. De esta manera, cualquier persona puede describir una imagen que desea y la IA la recrea en cuestión de segundos.
Generación de sonidos
Esta modalidad de IA es similar a los generadores de imágenes pero para el desarrollo de sonidos. Son funcionalidades entrenadas a partir de bases de datos que incluyen millones de sonidos y que, por lo tanto, permiten al usuario hacer una descripción textual de un determinado sonido y obtenerlo para luego reproducirlo en cualquier formato disponible.
Generación de videos
Este modelo de IA incluye a los tres mencionados anteriormente ya que al describir en un texto qué imágenes con movimiento se quiere y cuáles son los sonidos que deben aparecer en simultáneo se puede desarrollar un video a partir de la IA. Estas herramientas se entrenan con datos en formato de audio, video y texto y, según los expertos que las utilizan, sirven para ahorrar tiempo de edición, añadir subtítulos, cambiar el tamaño para adaptar los resultados a distintos formatos e incluso generar nuevo contenido de video a partir de instrucciones de texto.
Uso y desafíos éticos
Es indudable que el uso de la IA Generativa se expande en el mundo y que cada vez será una tecnología más popular. Si bien es cierto que plantea decenas de beneficios para individuos y empresas, también existen desafíos éticos que empiezan a surgir y que generan preocupación en organizaciones como la ONU y la UNESCO.
¿Quién proporciona la base de datos de la cual aprende la IA? ¿Puede haber sesgos discriminatorios en esa información? ¿Qué pasa con la IA y tecnologías como las deep fakes que permiten crear imágenes de personas en situaciones que nunca ocurrieron? ¿Se pueden alterar las campañas políticas con IA? Todas estas son solo algunas de las preguntas que empiezan a surgir a partir de situaciones que ya pasaron, como la viralización en redes sociales de imágenes y audios falsos de políticos y celebridades.
Por ese motivo, desde los organismos internacionales más reconocidos hasta instituciones académicas de todo tipo empiezan a desarrollar espacios de debate sobre la ética a la hora de usar IA Generativa. Un ejemplo de esto es la Universidad de Harvard, que recientemente lanzó la primera guía ética a la hora de experimentar con IA. “La Universidad apoya la experimentación responsable con herramientas de IA generativa, pero hay consideraciones importantes a tener en cuenta al utilizar estas herramientas, incluida la seguridad de la información y la privacidad de los datos, el cumplimiento, los derechos de autor y la integridad académica”, escribieron desde la institución para enumerar solo algunos de los desafíos actuales que representa esta tecnología.
Elaboración de órdenes para la IA Generativa
Utilizar una IA Generativa puede parecer sencillo pero se requiere de ciertas habilidades para hacerlo correctamente y aprovechar todos sus beneficios. Una de ellas es la de elaborar órdenes, popularmente conocidas como prompts, de manera tal que la IA devuelva exactamente lo que se está buscando. Es cierto que esto se hace a partir de lenguaje natural, es decir del vocabulario de la sociedad, pero, de la misma manera que una persona no se comunica igual en su trabajo que con sus amigos, existen determinados acercamientos a una IA.
Lo primero a tener en cuenta es la importancia de usar vocabulario sencillo y oraciones específicas. Esto no quiere decir utilizar pocas palabras, sino todo lo contrario. Utilizar la mayor cantidad de ellas siempre y cuando sea de forma concreta y describiendo precisamente lo que se está buscando.
Otra recomendación que suelen dar los expertos en el tema es la de utilizar lenguaje positivo. Siempre es mejor escribir lo que se quiere buscar y no lo que no se desea. Además, suele ser muy útil utilizar adjetivos y sumar datos específicos del tema que se está ingresando. Por ejemplo, si se quiere tener información sobre la historia del fútbol argentino, ingresar nombres de clubes y jugadores sirve para que la búsqueda sea más direccionada.
Algo a tener en cuenta es que las respuestas de la IA se basarán en la base de datos e información de la cual aprenda. En muchas de estas herramientas esto puede generar sesgos y, por lo tanto, siempre hay que tener en cuenta esta posibilidad. Por lo tanto, suele ser positivo pedirle a la IA que informe de dónde tomó la información y, de ser posible, chequearla con una fuente distinta.
En esa línea, existen ciertas indicaciones que pueden ser útiles a la hora de dialogar con una IA. Por ejemplo, si se busca información sobre matemáticas, empezar la oración con “Actúa como un experto en matemáticas” y “Presenta información detallada sobre esta asignatura”, pueden ser formatos que direccionen correctamente a la IA. De todas maneras, también es importante ser conscientes de los límites que puede tener esta tecnología y comprender que no proporcionará nunca el 100% de lo que se le pide.
En la actualidad, existen profesiones basadas en la elaboración de órdenes para la IA Generativa y cada vez más personas trabajan en roles como el prompt engineer. Quienes se están especializando en estas labores suelen dejar un último consejo que es el de no copiar y pegar prompts distribuidos por Internet. En la actualidad, existen muchas páginas que ya dejan prompts sobre determinados temas para utilizar, pero la respuesta a ellos dependerá mucho de qué IA se está utilizando.
Preocupaciones y aspectos Sociales: empleo, deep fakes, cibercrimen
Existen varias preocupaciones relacionadas a la IA Generativa y los aspectos sociales que componen a una comunidad. Es probable que el primero en surgir en todos los casos sea la pérdida de trabajos, ya que esta tecnología tiene la capacidad de automatizar tareas y realizarlas de manera más rápida y a menor costo.
Desafíos de la IA con respecto al empleo
“En las economías avanzadas, alrededor del 60 por ciento de los empleos pueden verse afectados por la IA. Aproximadamente la mitad de los empleos expuestos podrían beneficiarse de la integración de la IA, lo que mejoraría la productividad. Por la otra mitad, las aplicaciones de IA pueden ejecutar tareas clave que actualmente realizan los humanos, lo que podría reducir la demanda laboral, lo que llevaría a salarios más bajos y una reducción de la contratación. En los casos más extremos, algunos de estos puestos de trabajo pueden desaparecer”, indica un informe reciente llevado a cabo por el Fondo Monetario Internacional (FMI).
Ese mismo reporte destaca que en los mercados emergentes y los países de bajos ingresos, se espera que la exposición a la IA sea del 40 por ciento y el 26 por ciento, respectivamente. “Estos hallazgos sugieren que las economías de mercados emergentes y en desarrollo enfrentan menos perturbaciones inmediatas derivadas de la IA. Al mismo tiempo, muchos de estos países no tienen la infraestructura ni la fuerza laboral calificada para aprovechar los beneficios de la IA, lo que aumenta el riesgo de que con el tiempo la tecnología pueda empeorar la desigualdad entre las naciones”, indican los expertos del FMI.
Por otro lado, la firma internacional McKinsey destaca que “al nivel promedio global de adopción y absorción y avances en IA implícitos en su simulación, la IA tiene el profundo impacto de generar una actividad económica global adicional de alrededor de US$ 13 billones en el futuro previsible y para 2030, o alrededor del 16%”. “Esto equivale a un crecimiento adicional del PIB del 1,2% por año. Si se lograra, este impacto se compararía bien con el de otras tecnologías de propósito general a lo largo de la historia. Esto provendrá principalmente de la sustitución de mano de obra por la automatización y una mayor innovación en productos y servicios”.
Si bien todo apunta a que la IA reemplazará una gran cantidad de empleos, quienes están detrás de esta tecnología afirman que, al mismo tiempo, se crearán otros ya que esta tecnología necesita de seres humanos que la dirijan e implementen. Por lo tanto, una mirada menos apocalíptica del futuro indica que, al igual que ocurrió con otras revoluciones a lo largo de la historia, se destruirán muchos empleos para dar paso a otros nuevos.
Qué pasa con los deep fakes y la IA
En la actualidad , existen otras preocupaciones sociales alrededor de la IA que empiezan a surgir con fuerza. La viralización de fake news e imágenes, audios y videos falsos realizados a partir de esta tecnología es uno de ellos. Cómo afectará a los sistemas democráticos es una pregunta cada vez más habitual que las sociedades deberán afrontar más pronto que tarde.
En ese sentido, los deep fakes son una alarma cada vez más fuerte alrededor del mundo. La IA Generativa permite tomar rostros de personas reales, como políticos y celebridades, y realizar con ellos todo tipo de imágenes y videos. Ese material luego termina en las redes sociales y si las personas no distinguen que son falsos pueden tomarlos como reales. El Papa Francisco, Lebron James, Taylor Swift e incluso políticos como Joe Biden ya han sufrido este tipo de acciones.
La compañía Sumsub publicó hace poco su tercer Informe anual sobre fraude de identidad anual. El informe proporciona un análisis integral del fraude de identidad en todas las industrias y regiones basado en millones de verificaciones de verificación en 28 industrias y más de 2.000.000 de casos de fraude entre 2022 y 2023. Según el mismo, ha habido un aumento significativo de 10 veces en la cantidad de deep fakes detectados a nivel mundial, con diferencias regionales notables: aumento del 1740% de deep fakes en América del Norte, 1530% en Asia Pacífico, 780 % en Europa (incluido el Reino Unido), 450% en Medio Oriente y Asia y 410% en América Latina.
Las cifras demuestran que esta problemática se está dando a nivel global y es un desafío a afrontar por todos los gobiernos e instituciones internacionales relacionadas con seguridad y convivencia social.
Cibercrimen e IA
Finalmente, otra problemática que crece a diario en relación con la IA es el cibercrimen. Aplicada por delincuentes con conocimiento en la creación de distintos virus informáticos, esta tecnología tiene la capacidad de multiplicar rápidamente la cantidad de delitos a nivel global.
“Los avances en inteligencia artificial pueden facilitar la piratería informática, las estafas y el lavado de dinero al reducir los conocimientos técnicos necesarios para llevar a cabo tales delitos”, afirmó hace pocas semanas Rob Joyce, director de ciberseguridad de la Agencia de Seguridad Nacional de los Estados Unidos en la Conferencia Internacional sobre Seguridad Cibernética en la Universidad de Fordham en Manhattan.
Esta mirada es compartida por otras instituciones similares como la agencia de espionaje británica GCHQ. “Es casi seguro que la IA aumentará el volumen y el impacto de los ciberataques en los próximos dos años. Sin embargo, el impacto sobre la amenaza cibernética será desigual”, se puede leer en un informe reciente de la agencia en el cual se aborda que aquellos países o empresas con menos recursos sufrirán más esta problemática.
Por lo tanto, el cibercrimen potenciado por la IA es una problemática social y otro desafío que se deberá afrontar. También es cierto que quienes trabajan para evitar estos delitos están usando la IA para contrarrestarlos. Por lo que durante los próximos años se dará una “carrera” entre ambos sectores para ver quien puede sumar esta tecnología más rápido y así cumplir sus objetivos, ya sea atacar sistemas, en el caso de los delincuentes, o protegerlos, en el caso de los profesionales en ciberdefensa.
Futuro de la IA
El futuro de la IA es claramente el crecimiento. Si bien ha aumentado exponencialmente su utilización y su mercado en los últimos años, aún resta mucho desarrollo que generará una mayor expansión en lo que resta de la década.
Por un lado, se espera que el tamaño del mercado global de la IA crezca un 37% cada año desde 2023 hasta 2030, según informes de la consultora internacional Grand View Research. Por otro lado, un reporte llevado a cabo por PWC destaca que más del 40% de los líderes empresariales informan un aumento de la productividad a través de la automatización de la IA. Por lo tanto, se profundizará su utilización dentro de las compañías. Si bien esto provocará la destrucción de muchos puestos de trabajo, también se espera que surjan nuevos. De hecho, la propia McKinsey espera que la inteligencia artificial cree 133 millones de nuevos empleos para 2030.
Finalmente, es probable que esta tecnología alcance a todos los sectores productivos de la sociedad. Sin embargo, hay algunos de ellos donde se notará más pronto y así lo deja ver un reporte de GlobalData que destaca que los sectores de banca, servicios financieros, seguros y salud tienen la mayor participación en el mercado de IA.
Regulación de la IA Generativa a nivel global
Al observar todos los cambios que la IA está provocando en la sociedad y a la velocidad que lo está haciendo, algunos países están empezando a desarrollar regulaciones sobre esta tecnología. En Latinoamérica, Colombia, Argentina y Uruguay son algunos de los países que aparecen en el mapeo de la Organización para la Cooperación y el Desarrollo Económicos (OCDE) como aquellos que hacen esfuerzos reales para desarrollar políticas para la IA.
En esa línea, a finales del 2023 se llevó a cabo una cumbre en Inglaterra llamada “AI Safety Summit” en la que 28 países, entre los que se encontraban Estados Unidos, China y todos los que componen la Unión Europea, se comprometieron a trabajar en políticas nacionales para gestionar los riesgos que puede generar esta tecnología. “Los países acordaron que pueden surgir riesgos sustanciales debido a un posible uso indebido intencional o problemas no deseados de control de la IA fronteriza, con especial preocupación causada por riesgos como la ciberseguridad, biotecnología y desinformación”, señala un texto difundido por Reino Unido.
Ya yendo a casos específicos, en marzo de 2023 Italia se convirtió en el primer país del mundo en regular directamente al Chat GPT. El motivo de hacer esto fue una preocupación real sobre el procesamiento y análisis de datos que hace la compañía de origen, OpenAI, y que recoge de los ciudadanos italianos.
Estos son solo algunos de los ejemplos recientes que existen en el campo de la regulación sobre la IA. Si bien es una tarea compleja para las naciones ya que implica la participación de distintos organismos trabajando en cooperación, es una tarea que debe realizarse. Dar un marco normativo seguro para el uso de la IA será uno de los grandes desafíos que tengan los gobiernos en los próximos años.
Material extra
- Curso gratuito de IA Generativa de Google: https://www.
cloudskillsboost.google/ course_templates/536?utm_ source=cgc&utm_medium=blog& utm_campaign= giftoflearning2023 - Curso gratuito IA: https://www.linkedin.com/
learning/introduction-to- artificial-intelligence/why- you-need-to-know-about- artificial-intelligence