Horizonte Ético de la Inteligencia Artificial: Más Allá de los Algoritmos (3a parte)

Dadas las circunstancias actuales contemporáneas a nivel internacional, pensar en la necesidad de crear un modelo ético que desarrolle un eje de equilibrio de interacción entre la mente humana y la máquina en el contexto de la IA, estriba en considerar los logros que hasta el momento se han expuesto por las grandes corporaciones al intentar mediante demostraciones y exhibiciones a la opinión pública y a los medios periodísticos, como la IA puede llegar a complementar y potenciar las capacidades humanas: cognitivas, principalmente, porque es parte de  las metas a mediano y largo plazo, el hecho de lo que puede plantear en los foros y espacios de discusión entre expertos, tomadores de decisión y discursos desde enfoques interdisciplinarios como lo requiere el proceso de regulación ética integrada a un amplio ejercicio para la creación de políticas públicas, como fue expuesto en el apartado anterior.

Los desafíos éticos en puerta, tendrán que tomar en cuenta el análisis sobre los conceptos de innovación y creatividad en contextos diversificados, industriales, científicos-tecnológicos, sociales-económicos, educativos-culturales, etc., que se intentan producir a través del enfoque de interacción mente-máquina, el punto central de discusión  tendrá que enfocarse en las maneras que las IA pueden o no fomentar o limitar estos procesos. Lo cual invita a la comunidad mundial involucrada en gestionar su exploración de posibles riesgos potenciales de dicha interacción, tales como la perdida de la agencia humana, la manipulación por parte de grupos y organizaciones con intereses de control y vigilancia particulares, y, por lo tanto, para convertirse en promotores graduales de la deshumanización.

Por lo tanto, se tendría que pensar en algunos principios éticos clave que permita guiar el desarrollo de un modelo ético en la interacción mente-máquina integrado a un proceso de autonomía, la dignidad y la justicia.

Así, por ejemplo, pensemos qué aspectos éticos se podrían establecer en la implementación de la sinapsis algorítmica en el ámbito de la educación. Estos serían los desafíos prioritarios que tendrán que ser atendidos de manera general y particular:

a) Emergencia educativa.-En el sentido de lo que ya se presenta con la proliferación de herramientas generativas IA, plantea la necesidad de enfrentar una nueva emergencia educativa, lo que requiere respuestas urgentes y efectivas para integrar la IA educativa de manera humanizada en los procesos de aprendizaje.

b) Desarrollo tecnológico.- A medida que la IA se integra en las actividades educativas, se requiere de un enfoque para humanizar las generaciones algorítmicas en el aprendizaje, lo que implica adaptar los materiales educativos y ejercicios a las necesidades y preferencias de los estudiantes.

c) Eficiencia y robustez.- Significa, a la velocidad a la que el cerebro humano en desarrollo elimina conexiones innecesarias entre las neuronas durante la infancia, plantea la necesidad de construir redes computaciones distribuidas más eficientes y robustas, lo que implica desarrollar nuevos algoritmos para mejorar la solidez y eficiencia de dichas redes.

d) Capacitación docente.- Mediante la implementación de tecnologías disruptivas en el aula, requiere que el personal docente cuente con la capacitación y el tiempo necesarios para diseñar y ejecutar proyectos exitosos que involucren nuevas tecnologías, lo que implica un cambio en el modelo pedagógico y una constante actualización de las herramientas educativas.

Entonces, otro aspecto del modelo ético a considerar, sería el garantizar y monitorear los supuestos beneficios de la sinapsis algorítmica en el proceso de aprendizaje automático, comprendida por lo siguiente:

Lograr eficiencia en el entrenamiento, es decir, mediante las sinapsis analógicas desarrolladas, permitirían reducir el costo y la energía necesarios para entrenar redes neuronales artificiales, lo que podría mejorar la eficiencia del proceso de aprendizaje.

Potencializar la velocidad de procesamiento, mediante las nuevas sinapsis analógicas, que llegan a ser un millón de veces más rápidas que las sinapsis del cerebro humano, va a permitir que se active el aceleramiento significativo del procesamiento de información en los modelos de IA.

Que sean suficiente y energéticamente eficientes, esto quiere decir, sobre la capacidad de adquirir el control de conductancia eléctrica de las resistencias protónicas a través del movimiento de protones, podrán hacer que las sinapsis algorítmicas puedan aplicarse al aprendizaje automático que requiere grandes cantidades de energía.

Lo anterior, daría pie para establecer normas éticas regulatorias para mejorar la toma de decisiones en los modelos de aprendizaje automáticos de varias maneras:

1. Aprendizaje Automático Supervisado.- Basado en datos etiquetados para entrenar algoritmos que pueden asignar etiquetas de salida a datos de entrada. La sinapsis algorítmica puede mejorar la precisión de estos algoritmos al permitirles aprender de manera más eficiente y adaptarse a patrones complejos en los datos.

2. Aprendizaje Automático No Supervisado.- Encuentra patrones en datos no etiquetados, lo que puede ser útil para sistemas de recomendación y publicidad enfocada.

3.  Aprendizaje Automático Reforzado.- Se utiliza para ejecutar acciones que serán las más recompensadas (juegos o robots de navegación). La sinapsis algorítmica puede mejorar la eficiencia de estos algoritmos al permitirles aprender de manera más rápida y adaptarse a entornos cambiantes.

 4. Redes Neuronales.- Es un enfoque popular para el aprendizaje automático supervisado. A través de la sinapsis algorítmica puede mejorar la precisión de estas redes al permitirles aprender de manera más eficiente y adaptarse a patrones complejos en los datos.

5. Algoritmos de Aprendizaje Automático de Vanguardia.- Junto con las redes neuronales artificiales, los árboles de decisión y las redes bayesianas, pueden ya utilizarse, por ejemplo, para el diagnóstico de enfermedades.

En el caso particular de las artes, se puede ya considerar la existencia de algunas formas de integración (mente-máquina):

Mediante la sinapsis algorítmica puede ser utilizada para crear algoritmos que generen arte de forma autónoma o asistida por humanos, ampliando las posibilidades creativas, explorando nuevas formas de expresión artística. Puede servir como herramienta colaborativa para artistas, permitiendo la cocreación entre humanos y algoritmos, lo que puede llevar a resultados artísticos únicos y sorprendentes. Mediante la integración de dicha sinapsis en el proceso creativo, puede abrir nuevas puertas para la exploración de nuevas técnicas artísticas innovadoras y experimentar como formas de arte que van más allá de las capacidades humanas tradicionales. Todo un tema de debate para filósofos y expertos en artes visuales.

Sin embargo, si solo nos quedamos con la lectura de que a través de las sinapsis algorítmicas es la forma como se puede potenciar la creatividad, la innovación y exploración en el campo del arte, qué sucede con las otras disciplinas del conocimiento, ¿acaso, solo tendremos que estar supeditados a las decisiones de los algoritmos, o existe algo más que aún no podemos percibir más allá de ese bosque oscuro lleno de sinapsis algorítmicas?, Aquí, creemos, es el espacio para el reencuentro sobre la forma de obrar de una humanidad que tiene esa libertad de consciencia, que lo hace ser espiritualmente libre, aunque en muchas ocasiones no logre comprender sobre el múltiple significado de conocer las causas que lo determinan, un pensamiento abierto a otras posibilidades y magnitudes, a otras dimensiones de dicho pensamiento (Rudolf Steiner, 1999), es creemos la vía y el camino que tendremos en conjunto que revalorar, resignificar y respetar, si verdaderamente queremos mejorar nuestra calidad de vida y nuestra propia humanidad.