inteligencia artificial, La inteligencia artificial y su impacto en la sociedad

Luis Carlos Torres Soler; Yama Sonia Yamilet Castro

doi:10.46616/rce.v12i18.168

Autores

Luis Carlos Torres Soler Universidad Nacional de Colombia
Yama Sonia Yamilet Castro Universidad de Barcelona

DOI:

https://doi.org/10.46616/rce.v12i18.168

Palavras-chave:

inteligencia artificial, aplicación,, educación, ética, sociedad

Resumo

Hoy día se critica, pero se incluyen mecanismos con inteligencia artificial (IA) en distintos ámbitos de la vida del ser humano. El alcance de los distintos mecanismos en las organizaciones presenta ventajas y desventajas para el ser humano, incluso cognitivas, ¿quién determina o controla su uso? La IA es una palanca para transformar distintos trabajos y hábitos que realiza el ser humano, pero posee implicaciones en variados dominios. Se reflexiona sobre ese auge que toma, los riesgos, los desafíos y la ética, desde luego, mirando su evolución, aplicaciones, concepciones y perspectivas, ¿qué acción jurídica se desarrolla? Estas líneas muestran algunos hitos clave para su avance. Se explora aplicaciones de la IA en entornos médicos, banca, transporte, producción, recursos humanos y gestión de conocimiento, mostrando de manera breve la eficiencia y experiencias como usuario. En la ética se mira la privacidad, el sesgo y las implicaciones sociales, en particular en la educación. El potencial de la IA lleva a construir una nueva sociedad, pero trae efectos negativos en el empleo, la educación, la gobernanza y los desafíos sociales, entre otros. Y ante el desarrollo de las tecnologías emergentes se trata de identificar, los desafíos para la privacidad, seguridad y transparencia de los datos. Al final, las reflexiones consideran la importancia de un desarrollo responsable y ético de la IA, a sabiendas que se requiere de mayor investigación para implementar procesos cognitivos del ser humano en las máquinas, pero por ahora, es una base que establece una comprensión holística sobre la IA. Tal vez el luchar por una ética para la gobernanza de la IA, debe partir de los procesos educativos, pues muchos de ellos están quedando en la virtualidad o a distancia, sin determinar cuáles son los efectos en la salud de las personas.

Downloads

Não há dados estatísticos.

Referências

Arrieta, A.B., et al. (2020). “Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsable AI”. En: Information Fusion, vol. 58, pp. 82–115. doi: 10.1016/j.inffus.2019.12.012.

Cao, L. (2022). “AI in Finance: Challenges, Techniques, and Opportunities”. En: ACM Computing Surveys, vol. 55, no. 3, pp. 1–38. doi: 10.1145/3502289.

Esteva, A. et al. (2017). “Dermatologist-level classification of skin cancer with deep neural networks”. En: Nature, vol. 542, no. 7639, pp. 115–118. doi: 10.1038/nature21056.

Binns, R. (2018). “Algorithmic Accountability and Public Reason”. En: Philosophy and Technology, vol. 31, no. 4, pp. 543–556. doi: 10.1007/s13347-017-0263-5.

Buolamwini, J. y Gebru, T. (2018). “Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification”. En: Proceedings of Machine Learning Research, vol. 81, pp. 1–15.

Castro-Yama, S.Y. y Torres-Soler, L.C. (2026). Los algoritmos y la ética: puntos para reflexionar. En: Castro-Yama, S., et al. METATONIA. pp. 181-217. Sao Paulo: Improving Perfomance Editora.

Castro-Yama., S.Y. y Torres-Soler, L.C. (2019). Algoritmos en la Administración pública. Impretics, Cali.

Floridi, E. et al. (2021). “An Ethical Framework for a Good AI Society: Opportunities, Risks, Principles, and Recommendations”. En: Philosophical Studies Series, vol. 144, pp. 19–39. doi: 10.1007/978-3-030-81907-1 3.

Floridi, L. (2019). “Establishing the Rules for Building Trustworthy AI”. En: Nature Machine Intelligence, vol. 1, no. 6, pp. 261–262, Jun. doi: 10.1038/s42256-019-0055-y.

Gerke, S., Minssen, T. y Cohen, G. (2020). “Ethical and legal challenges of artificial intelligence-driven healthcare”. En: Artificial intelligence in Healthcare, Massachusetts, USA: Academic Press, pp. 295–336.

Goodfellow, I.J., et al. (2014). “Generative Adversarial Nets”. En: Advances in Neural Information Processing Systems, vol. 3, no. January, pp. 2672–2680, doi: 10.1007/978-3-658-40442-0 9.

Gunning, D. (2017). “Explainable artificial intelligence (xai)”. En: Defense Advanced Research Projects Agency (DARPA), vol. 2, no. 2, pp. 1–36.

Janiesch, C., Zschech, P. y Heinrich, K. (2021). “Machine Learning and Deep Learning”. En: Electronic Markets, vol. 31, no. 3, pp. 685–695. doi: 10.1007/s12525-021-00475-2.

Jobin, A., Lenca, M. y Vayena, E. (2019). “The Global Landscape of AI Ethics Guidelines”. En: Nature Machine Intelligence, vol. 1, no. 9, pp.389–399. doi: 10.1038/s42256-019-0088-2.

Jouppi, N.P., et al. (2017). “In-datacenter Performance Analysis of a Tensor Processing Unit”. En: Proceedings of the 44th Annual International Symposium on Computer Architecture, pp. 1–12. doi: 10.1145/3079856.3080246.

Krizhevsky, A., Sutskever, I. y Hinton, G.E. (2017). “ImageNet Classification with Deep Convolutional Neural Networks”. En: Communications of the ACM, vol. 60, no. 6, pp. 84–90. doi: 10.1145/3065386.

Kshetri, N. (2017). “Can Blockchain Strengthen the Internet of Things?”. En: IT Professional, vol. 19, no. 4, pp. 68–72. doi: 10.1109/MITP.2017.3051335.

LeCun, Y., Bengio, Y. y Hinton, G. (2015). “Deep Learning”. En: Nature, vol. 521, no. 7553, pp.436–444. doi: 10.1038/nature14539.

Lee, J., Davari, H., Singh, J. y Pandhare, V. (2018). “Industrial Artificial Intelligence for Industry 4.0- Based Manufacturing Systems”. En: Manufacturing Letters, vol. 18, pp. 20–23. doi: 10.1016/j.mfglet.2018.09.002.

Litjens, G. et al. (2017). “A Survey on Deep Learning in Medical Image Analysis”. En: Medical Image Analysis, vol. 42, no. 42, pp. 60–88. doi: 10.1016/j.media.2017.07.005.

McCarthy, J., Minsky, M.L., Rochester, N. y Shannon, C.E. (2006). “A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence”. En: AI Magazine, vol. 27, no. 4, pp. 12–14. doi: 10.1609/aimag.v27i4.1904.

Mittelstadt, B.D., Allo, P., Taddeo, M., Wachter, S. y Floridi, L. (2016). “The Ethics of Algorithms: Mapping the Debate”. En: Big Data and Society, vol. 3, no. 2, pp. 1–21. doi: 10.1177/2053951716679679.

Newell, A. y Simon, H.A. (2012). Human Problem Solving. 3ra. ed., Prentice Hall, USA.

Pozzolo, A.D., Caelen, O., Le Borgne, Y.A., Waterschoot, S. y Bontempi, G. (2014). “Learned Lessons in Credit card Fraud Detection from a Practitioner Perspective”. En: Expert Systems with Applications, vol. 41, no. 10, pp. 4915–4928. doi: 10.1016/j.eswa.2014.02.026.

Prem, E. (2023). “From Ethical AI Frameworks to Tools: a Review of Approaches”. En: AI and Ethics, vol. 3, no. 3, pp. 699–716, Aug. doi: 10.1007/s43681-023-00258-9.

Rajkomar, A., Dean, J. y Kohane, I. (2019). “Machine Learning in Medicine”. En: Journal of Medicine, vol. 380, no. 14, pp.1347–1358. doi: 10.1056/NEJMra1814259.

Rumelhart, D.E., Hinton, G.E. y Williams, R.J. (1986). “Learning Representations by Back-Propagating Errors.” En: Nature, vol. 323, no.6088, pp. 533–536. doi: 10.1038/323533a0.

Sutskever, I., Vinyals, O. y Le, Q.V. (2014). “Sequence to Sequence Learning with Neural Networks”. En: Proceedings of the 27th International Conference on Neural Information Processing Systems, pp. 3104–3112.

Tan, P., Chen, X., Zhang, H., Wei, Q. y Luo, K. (2023). “Artificial Intelligence Aids in Development of Nanomedicines for Cancer Management”. En: Seminars in Cancer Biology, vol. 89, pp. 61–75. doi: 10.1016/j.semcancer.2023.01.005.

Torres-Soler, L.C. (1996). Inteligencia Artificial: Qué es ...? Cómo ...? Fundación Universitaria Manuela Beltrán, Bogotá.

Weber, P., Carl, K.V. y Hinz, O. (2023). “Applications of Explainable Artificial Intelligence in Finance—a Systematic Review of Finance, Information Systems, and Computer Science literature”. En: Management Review Quarterly, pp. 1–41. doi: 10.1007/s11301-023-00320-0.

Weber, P., Pinski, M. y Baum, L. (2018). “Toward an Objective Measurement of AI Literacy”. En: Pacific-Asia Conference on Information Systems, pp. 1–17