Dr. Ramiro Esqueda-Walle
Profesor-Investigador de la Universidad Autónoma de Tamaulipas
Presidente del Colegio de Economistas y Especialistas de Tamaulipas
resquedaw@uat.edu.mx
Introducción: orígenes y conceptos
La idea de máquinas imitando la inteligencia humana ha estado presente en mitos y literatura desde tiempos antiguos. Sin embargo, el concepto moderno de inteligencia artificial (IA) comenzó a tomar forma en la década de los años cuarenta con los trabajos de Alan Turing. Turing propuso una idea provocadora: una máquina que podría simular cualquier proceso de razonamiento humano, lo que él llamó la “Máquina Universal de Turing” (Turing, 1936).
El término “inteligencia artificial” fue acuñado en 1956 por John McCarthy para la famosa conferencia de Dartmouth, donde se reconoció oficialmente el nacimiento de este campo como una disciplina académica independiente (McCulloch & Pitts, 1943).
La IA ha dejado de ser un tema de ciencia ficción para convertirse en una realidad omnipresente en nuestro mundo. Pero ¿Cómo se define la IA en la época contemporánea?
La inteligencia artificial se refiere a la simulación de habilidades humanas por parte de sistemas informáticos. Estas habilidades incluyen la capacidad de aprender (aprendizaje automático), razonar, resolver problemas, percibir el entorno (a través de sensores y otros medios), y hasta el procesamiento del lenguaje natural (Harnad, 1990).
Conceptos clave
Aprendizaje Automático (Machine Learning): Es una rama de la IA que se enfoca en la construcción de sistemas que pueden aprender de datos. En lugar de ser programados específicamente para realizar una tarea, estos sistemas usan algoritmos y modelos estadísticos para reconocer patrones y tomar decisiones basadas en datos (Samuel, 1959).
Procesamiento del Lenguaje Natural (PLN): Esta es otra rama crucial de la IA que se dedica a la interacción entre las computadoras y el lenguaje humano. Su objetivo es permitir que las máquinas entiendan, interpreten y generen lenguaje de una manera que sea valiosa para los humanos (Chomsky, 1957).
Aplicaciones cotidianas de la IA
El abanico de aplicaciones de la IA es vasto. Algunos ejemplos incluyen:
• Asistentes virtuales: Como Siri de Apple o Alexa de Amazon.
• Reconocimiento facial: Usado en seguridad y autenticación.
• Medicina: Para diagnósticos más precisos y tratamientos personalizados.
• Automóviles autónomos: Que pueden navegar sin intervención humana.
• Recomendaciones personalizadas: En plataformas como Netflix o Spotify.
• Manufactura y robótica: Automatizando procesos y mejorando la eficiencia.
Implicaciones económicas
En la actualidad, algunas implicaciones significativas de la IA en el ámbito económico son:
Automatización del empleo: La IA ha llevado a la automatización de empleos, principalmente aquellos rutinarios. Esto ha llevado a una disminución en ciertos trabajos, pero también ha creado oportunidades en nuevos campos (Arntz, Gregory & Zierahn, 2016).
Aumento de la productividad: Las empresas que adoptan soluciones basadas en ésta suelen ver un aumento en su productividad y eficiencia.
Nuevas industrias: Empresas de IA, como OpenAI, han surgido y se han consolidado como líderes en el mercado.
En el futuro cercano se destacan entre muchas otras las siguientes:
Integración en todos los sectores: Se espera que esta tecnología se integre en casi todos los sectores, desde la agricultura hasta la educación.
Cambio en la naturaleza del trabajo: A medida que se profundice, el tipo de trabajos que los humanos realizarán cambiará, posiblemente centrándose más en tareas creativas, de toma de decisiones y de empatía.
Desafíos éticos y regulatorios: Con la IA influyendo cada vez más en nuestras vidas, surgirán desafíos relacionados con la privacidad, la seguridad y la ética.
Apuntes finales
La inteligencia artificial no es solo un producto de la era moderna. Sus fundamentos se asientan en décadas de investigación y curiosidad sobre la intersección de la humanidad y la máquina. A medida que continuamos avanzando en este campo, es vital recordar sus raíces y los principios fundamentales que lo guían.
Su irrupción en la sociedad contemporánea está forjando un nuevo paradigma económico y social, generando tanto expectativas prometedoras como preocupaciones palpables.
Desde una perspectiva económica, promete una eficiencia sin precedentes. Las empresas que adoptan sistemas basados en IA pueden aumentar su productividad, reduciendo costos y ofreciendo productos y servicios más personalizados. Sin embargo, esta automatización también trae consigo un desafío significativo: la posible obsolescencia de ciertos empleos. Si bien es cierto que la tecnología ha desplazado trabajos a lo largo de la historia, la velocidad y profundidad con que la IA puede hacerlo es sin precedentes. Aunque surgirán nuevos campos y oportunidades, la transición podría ser dolorosa para muchos, y la redistribución de riqueza y oportunidades laborales se convierte en un tópico crucial.
Socialmente, tiene el potencial de transformar nuestras interacciones diarias. Por un lado, puede proporcionarnos herramientas que enriquezcan nuestra vida cotidiana, desde asistentes virtuales que comprendan nuestras necesidades hasta sistemas de salud que predigan enfermedades antes de que se manifiesten. Sin embargo, también enfrentamos desafíos éticos y de privacidad. La omnipresencia de sistemas de IA que monitorean y analizan nuestras acciones puede llevar a sociedades más vigiladas, erosionando la privacidad individual.
En conclusión, mientras navegamos por esta “era de la IA”, es imperativo hacer un balance entre sus múltiples implicaciones. Las herramientas y sistemas que creamos hoy definirán el tejido económico y social del mañana, por lo que debemos proceder con una combinación de entusiasmo, precaución y responsabilidad.
*Este trabajo es de carácter introductorio y con fines de divulgación.
Referencias:
Arntz, M., Gregory, T., & Zierahn, U. (2016). The Risk of Automation for Jobs in OECD Countries: A Comparative Analysis. OECD Social, Employment and Migration Working Papers, No. 189, OECD Publishing, Paris.
Chomsky, N. (1957). Syntactic Structures. The Hague/Paris: Mouton.
Harnad, S. (1990). The symbol grounding problem. Physica D: Nonlinear Phenomena, 42(1-3), 335-346.
McCulloch, W., & Pitts, W. (1943). A logical calculus of the ideas immanent in nervous activity. The bulletin of mathematical biophysics, 5(4), 115-133.
Samuel, A. L. (1959). Some studies in machine learning using the game of checkers. IBM Journal of research and development, 3(3), 210-229.
Turing, A. (1936). On computable numbers, with an application to the Entscheidungsproblem. Proceedings of the London Mathematical Society, 2(1), 230-265.
Como citar este texto: Esqueda-Walle, R. (2023, 17 de julio). Inteligencia Artificial: antecedentes, aplicaciones e implicaciones económicas y sociales. Blog de la Red de Investigación Economía y Desarrollo Regional. http://economistastam.org
