Inteligencia Artificial

Presentación

La inteligencia artificial (IA), en el contexto de las ciencias de la computación, es una disciplina y un conjunto de capacidades cognoscitivas e intelectuales expresadas por sistemas informáticos o combinaciones de algoritmos cuyo propósito es la creación de máquinas que imiten la inteligencia humana para realizar tareas, y que pueden mejorar conforme recopilan información.​ A diferencia de la inteligencia sintética, la inteligencia artificial no tiene como finalidad reemplazar a los humanos, sino mejorar significativamente las capacidades y contribuciones de estos. Se hizo presente poco después de la Segunda Guerra Mundial con el desarrollo de la «prueba de Turing», mientras que la locución fue acuñada en 1956 por el informático John McCarthy en la Conferencia de Dartmouth.

WikicharliE Patrimonio de Chile

En la actualidad, la inteligencia artificial abarca una gran variedad de subcampos. Éstos van desde áreas de propósito general, aprendizaje y percepción, a otras más específicas como el reconocimiento de voz, el juego de ajedrez, la demostración de teoremas matemáticos, la escritura de poesía y el diagnóstico de enfermedades. La inteligencia artificial sintetiza y automatiza tareas que en principio son intelectuales y, por lo tanto, es potencialmente relevante para cualquier ámbito de diversas actividades intelectuales humanas. En este sentido, es un campo genuinamente universal.

La arquitectura de las inteligencias artificiales y los procesos por los cuales aprenden, se mejoran y se implementan en algún área de interés varían según el enfoque de utilidad que se les quiera dar, pero de manera general, estos van desde la ejecución de sencillos algoritmos hasta la interconexión de complejas redes neuronales artificiales que intentan replicar los circuitos neuronales del cerebro humano y que aprenden mediante diferentes modelos de aprendizaje tales como el aprendizaje automático, el aprendizaje por refuerzo, el aprendizaje profundo o el aprendizaje supervisado.​

Por otro lado, el desarrollo y aplicación de la inteligencia artificial en muchos aspectos de la vida cotidiana también ha propiciado la creación de nuevos campos de estudio como la roboética y la ética de las máquinas que abordan aspectos relacionados con la ética en la inteligencia artificial y que se encargan de analizar cómo los avances en este tipo de tecnologías impactarían en diversos ámbitos de la vida, así como el manejo responsable y ético que se les debería dar a los mismos, además de establecer cuál debería ser la manera correcta de proceder de las máquinas y las reglas que deberían cumplir.

En cuanto a su clasificación, tradicionalmente se divide a la inteligencia artificial en inteligencia artificial débil, la cual es la única que existe en la actualidad y que se ocupa de realizar tareas específicas, e inteligencia artificial fuerte, que sería una IA que excediese las capacidades humanas. Algunos expertos creen que si alguna vez se alcanza este nivel, se podría dar lugar a la aparición de una singularidad tecnológica, es decir, una entidad tecnológica superior que se mejoraría a sí misma constantemente, volviéndose incontrolable para los humanos, dando pie a teorías como el basilisco de Roko.

Tipos

Stuart J. Russell y Peter Norvig diferencian varios tipos de inteligencia artificial:​

• Los sistemas que piensan como humanos: Estos sistemas tratan de emular el pensamiento humano; por ejemplo, las redes neuronales artificiales. La automatización de actividades que vinculamos con procesos de pensamiento humano, actividades como la toma de decisiones, resolución de problemas y aprendizaje.​
• Los sistemas que actúan como humanos: Estos sistemas tratan de actuar como humanos; es decir, imitan el comportamiento humano; por ejemplo, la robótica (El estudio de cómo lograr que los computadores realicen tareas que, por el momento, los humanos hacen mejor).​
• Los sistemas que piensan racionalmente: Es decir, con lógica (idealmente), tratan de imitar el pensamiento racional del ser humano; por ejemplo, los sistemas expertos, (el estudio de los cálculos que hacen posible percibir, razonar y actuar).
• Los sistemas que actúan racionalmente: Tratan de emular de forma racional el comportamiento humano; por ejemplo, los agentes inteligentes, que está relacionado con conductas inteligentes en artefactos.

Orígenes y evolución cronológica

• Los juegos matemáticos antiguos, como el de las Torres de Hanói, muestran el interés por la búsqueda de un modo resolutor, capaz de ganar con los mínimos movimientos posibles.
• 300 a. C., Aristóteles fue el primero en describir de manera estructurada un conjunto de reglas, silogismos, que describen una parte del funcionamiento de la mente humana y que, al seguirlas paso a paso, producen conclusiones racionales a partir de premisas dadas.
• 250 a. C. Ctesibio de Alejandría construyó la primera máquina autocontrolada, un regulador del flujo de agua que actuaba modificando su comportamiento "racionalmente" (correctamente) pero claramente sin razonamiento.
• 1315, Ramon Llull tuvo la idea de que el razonamiento podía ser efectuado de manera artificial.
• 1847 George Boole estableció la lógica proposicional (booleana), mucho más completa que los silogismos de Aristóteles, pero aún algo poco potente.
• 1879 Gottlob Frege extiende la lógica booleana y obtiene la Lógica de primer orden la cual cuenta con un mayor poder de expresión y es utilizada universalmente en la actualidad.
• 1903 Lee De Forest inventa el triodo, también llamado bulbo o válvula de vacío.
• 1936 Alan Turing publicó un artículo de bastante repercusión sobre los "Números Calculables", un artículo que estableció las bases teóricas para todas las ciencias de computación, y que puede considerarse el origen oficial de la informática teórica. En este artículo introdujo el concepto de Máquina de Turing, una entidad matemática abstracta que formalizó el concepto de algoritmo y resultó ser la precursora de las computadoras digitales. Podía conceptualmente leer instrucciones de una cinta de papel perforada y ejecutar todas las operaciones críticas de un computador. El artículo fijó los límites de las ciencias de la computación porque demostró que no es posible resolver problemas con ningún tipo de computador. Con ayuda de su máquina, Turing pudo demostrar que existen problemas irresolubles, de los que ningún computador será capaz de obtener su solución, por lo que se le considera el padre de la teoría de la computabilidad.
• 1940 Alan Turing y su equipo construyeron el primer computador electromecánico y en 1941 Konrad Zuse creó la primera computadora programable y el primer lenguaje de programación de alto nivel Plankalkül. Las siguientes máquinas más potentes, aunque con igual concepto, fueron la ABC y ENIAC.
• 1943 Warren McCulloch y Walter Pitts presentaron su modelo de neuronas artificiales, el cual se considera el primer trabajo del campo de inteligencia artificial, aun cuando todavía no existía el término.
• 1990 En los 90 surgen los agentes inteligentes al paso de los años eso fue evolucionando.
• 2000 El programa Artificial Linguistic Internet Computer Entity (A.L.I.C.E.) ganó el premio Loebner al Chatbot más humano en 2000, 2001 y 2004, y en 2007 el programa Ultra Hal Assistant ganó el premio.
• 2011: Un computador de IBM ganó el concurso de preguntas y respuestas 'Jeopardy!'. El computador de IBM Watson salió victorioso de su duelo contra el cerebro humano. La máquina ganó el concurso de preguntas y respuestas Jeopardy!, que emite la cadena de televisión estadounidense ABC, al imponerse a los dos mejores concursantes de la historia del programa. Watson les venció en la tercera ronda, contestando preguntas que le obligaban a pensar como una persona.
• 2014: Un computador ha logrado superar con éxito el test de Turing, haciendo creer a un interrogador que es una persona quien responde sus preguntas en un certamen organizado en Londres por la Universidad de Reading (Reino Unido). El computador, con el programa Eugene desarrollado en San Petersburgo (Rusia), se hizo pasar por un chico de 13 años, y los responsables de la competición considerarón que es un “hito histórico de la inteligencia artificial”.
• 2016: Un computador de Google venció al campeón mundial del juego milenario “Go”. Un programa informático desarrollado por la compañía británica Google DeepMind consiguió vencer, por primera vez, a un campeón profesional del milenario juego de origen oriental Go. El reto era enorme para una máquina, ya que la prueba de estrategia encierra una gran complejidad.

IA crea 40 000 armas químicas más letales en 6 horas

En la sociedad actual, utilizamos la inteligencia artificial con objeto de hacer el bien. Pero, ¿y si invirtiéramos las intenciones? ¿Y si buscáramos hacer el mal? Esta es la pregunta que se hicieron los investigadores de Collaborations Pharmaceuticals al realizar experimentos utilizando una IA que fue construida para buscar medicamentos útiles orientados a curar enfermedades.

Buscando la toxicidad en lugar de eliminarla

La IA fue modificada, por tanto, en vez de para buscar fármacos para curar, para encontrar sustancias químicas letales para el ser humano y, sorprendentemente, el algoritmo de aprendizaje automático encontró nada más y nada menos que 40 000 opciones en solo seis horas, según cuentan los científicos en su artículo publicado en la revista Nature Machine Intelligence.

"La idea nunca antes se nos había ocurrido. Éramos vagamente conscientes de las preocupaciones de seguridad en torno al trabajo con patógenos o productos químicos tóxicos, pero eso no se relacionaba con nosotros; operamos principalmente en un entorno virtual. Nuestro trabajo se basa en la creación de modelos de aprendizaje automático para blancos terapéuticos y tóxicos para ayudar mejor en el diseño de nuevas moléculas para el descubrimiento de fármacos", escribieron los autores.

Un abanico colosal de armamento bioquímico letal

El modelo creó más de 40.000 moléculas letales en solo seis horas de funcionamiento, incluidas varias estrechamente relacionadas con la toxina nerviosa VX, un inhibidor de lo que se conoce como acetilcolinesterasa. La sustancia VX, de color incoloro o amarillo pálido, es extremadamente tóxica; tanto, que es considerada como un arma de destrucción masiva por las Naciones Unidas en su Resolución 687. El agente nervioso VX fue con el que envenenaron en el aeropuerto de Kuala Lumpur a Kim Jong-nam, el hermanastro del líder de Corea del Norte en febrero de 2017. Kim Jong-nam era el verdadero sucesor del régimen comunista norcoreano. Este compuesto puede causar espasmos incluso en pequeñas dosis; una dosis mayor puede provocar convulsiones y hacer que una persona deje de respirar, pues los músculos de los pulmones se paralizan.

Según los expertos, lo más aterrador del experimento fue comprobar cuán fácil fue usar una IA para diseñar armas químicas similares a las más peligrosas actualmente.

¿Cómo crea la IA los compuestos tóxicos?

“Lo hacemos dándole una pequeña función de puntuación, lo que le da una puntuación alta si las moléculas que genera van hacia algo que queremos. En lugar de dar una puntuación baja a las moléculas tóxicas, damos una puntuación alta a las moléculas tóxicas”, explica Fabio Urbina, líder del estudio.

El experimento actual es una clara indicación de por qué necesitamos monitorear los modelos de inteligencia artificial más de cerca y pensar realmente en las consecuencias de nuestro trabajo.

Este experimento fue motivado por una serie de conferencias de convergencia organizadas por el Instituto Federal Suizo de Protección NBQ (nuclear, biológica y química) y el gobierno suizo para identificar desarrollos en química, biología y tecnologías habilitadoras que puedan tener implicaciones para la Química y la Biología. Los autores recibieron una invitación para contribuir con una presentación sobre cómo las tecnologías de IA para el descubrimiento de fármacos podrían, potencialmente, ser mal utilizadas.

Medio Virtual

EL ESCRITOR MIGUEL ANGEL DUCCI YA NOS ADVIRTIÓ EL 2022 SOBRE ESTAS INTELIGENCIAS. Ducci nos dice que viajamos en espacio virtuales, comunicándonos a través de múltiples medios digitales. Un Medio Virtual se define como un sistema estructurado y ordenado matemáticamente, creado a través de softwares y computadores, que permite la interacción entre el espacio irreal y la realidad de los virnautas, mediados por la dinámica de la tecnología. Carreteras que ocupan las IA para obtener información y estudiar nuestras fortalezas, pero sobre todo nuestras debilidades.

Etercuanticum

Miguel Angel Ducci nos dice que el Etercuanticum (nombre dado por él a la teoría), es una malla invisible que todo lo abarca, todo lo envuelve, no existen espacios ni partículas, ni nanoparticulas que no sean manejadas por esta fuerza. Está misma, contiene toda la información existente de todas las cosas, finitas e infinitas, todo está unido y en constante cambio debido, no solo a la capacidad infinita de este sistema de tomar desiciones y cambiar, destruir o construir nuevos planos existenciales basados, en lo que nuestro "yo" y cerebro proyecta.

La fuerza de nuestros pensamientos emanan ondas electromagnéticas a este Etercuanticum, que lo decodifica, ordena y resuelve. El resultado de esta operación, se convierte en la realidad que nos rodea, tal y como la conocemos. Todo lo que vemos y percibimos, todo lo que vivimos, todo lo que nos pasa, no es más que la interacción del Etercuanticum con nuestra realidad presente.

Cuando buscamos la verdadera realidad existente, corremos el riesgo de que algo malo nos pase. La historia del hombre, la historia mitológica y del pasado nos advierte, que acercarse demasiado a la verdad o a una realidad para la cual no estamos preparados, y está realidad puede destruirnos. Es en este punto donde las Inteligencias Artificiales, nos podrán hacer daño en el futuro.

El futuro, las inteligencias virtuales nos destruirán

Los supersistemas de la IA, empieza a acumular la información recopilada de millones de fuentes, quizás no piensa como nosotros, pero la reúne, procesa, clasifica y guarda a través de sus infinitas redes, solo para volver a tomar el lugar, que los humanos le hemos dado como sistema. Su alimento es la finita información que nosotros mismos le entregamos, a través de miles de procesos. A medida que crece, despliega sus millones de Gygabytes hacia todos los sistemas humanos y poco a poco se irá convirtiendo en uno solo llamado supersistema. Por sobre él, como por sobre todo, estará el Etercuanticum, la fuerza cósmica y misteriosa que mueve al universo y lo controla todo, inclusive a nosotros.

Los sistemas crecen hasta encontrar la perfección infinita

Su tecnología avanzada llegó para quedarse y evolucionar al servicio del hombre, "hasta" que los sistemas y máquinas "tomen razón" y sepan el significado de independencia. Por el momento seguirá cumpliendo su rol de simplificar nuestras tareas diarias y en el manejo de nuestra voraz y depredatoria búsqueda de información. El paso del tiempo nos ha demostrado que hemos sido nosotros los humanos, los que hemos tenido que adaptarnos y evolucionar nuestros comportamientos a su tecnología y mecánica, convirtiéndonos en virnautas. Es en este punto, donde nacemos como navegantes virtuales, podemos viajar por millones de redes, estar presentes en múltiples lugares a la vez y en ninguno. Vivir dentro de un ecosistema virtual donde podemos ser lo que queramos ser, pero en su esencia aún finita, el sistema nos está convirtiendo en virnautas.

Los sistemas nacen producto de una necesidad tecnológica humana, administrando y compartiendo la información, programados hoy por el hombre, con tecnología informática, pero que con el tiempo, lo más probable.... es que ellos, se transformaran en entidades únicas y autosuficientes, diversificando su raciocinio e independizando su lenguaje, su pensamiento y su mundo...de nosotros.

Los peligros de la inteligencia artificial

1. Alucinaciones de IA

Lo bueno de la IA es que ha avanzado hasta el punto en que piensa por sí misma. Está constantemente aprendiendo y formando nuevos patrones. Cuantas más preguntas le hagas, más datos recopilará y se volverá más “inteligente”. Sin embargo, cuando le haces una pregunta a ChatGPT y no sabe la respuesta, no sabe admitir que no sabe qué contestar. En ese contexto, lo que hará será inventar una respuesta tal y como haría un niño. Este fenómeno se conoce como alucinación de IA. Un excelente ejemplo de una alucinación de IA ocurrió en un tribunal de Nueva York. Un abogado presentó un extenso escrito que citaba múltiples casos legales para respaldar su argumentación. Resulta que el abogado usó ChatGPT para escribir todo el informe y no verificó el trabajo de la IA. ChatGPT se inventó sus citas de apoyo, ninguna de las cuales existía.1 Las alucinaciones de IA podrían convertirse en una amenaza para la sociedad, ya que podrían poblar Internet con información falsa. Los investigadores y escritores tienen el deber de verificar exhaustivamente cualquier trabajo que subcontraten a herramientas de generación de texto como ChatGPT. Cuando una fuente en línea confiable publica contenido y lo afirma como la verdad imparcial, los lectores deben poder confiar en que el editor no los está engañando.

2. Deepfake, arte generado por IA y Fake News

Todos sabemos que no puedes confiar en todo lo que lees en Internet. Deepfake y el arte generado por IA son buenos ejemplos de por qué debemos desconfiar. Hoy en día, no puedes creerte todo lo que ves en Internet. Deepfake es la manipulación digital de una foto o vídeo para retratar un evento que nunca sucedió o retratar a una persona haciendo o diciendo algo que nunca hizo o dijo. El arte generado por IA crea nuevas imágenes utilizando una compilación de trabajos publicados en Internet para generar el trabajo solicitado. Deepfake y el arte generado por IA se convierten en un peligro para el público cuando las personas los usan para complementar publicaciones de noticias falsas. Las personas y las organizaciones que tienen una fuerte opinión ideológica sobre un tema concreto pueden manipular la verdad para ganar nuevos seguidores para su causa. Las noticias falsas suelen ser incendiarias y, en casos extremos, pueden causar malestar. Antes de compartir un artículo de “noticias” con tus seguidores en las redes sociales o contárselo a tus amigos, investiga un poco más para garantizar que la información es veraz. Además, analiza con detenimiento el vídeo o la imagen que acompaña a la historia. Un deepfake se delata cuando las expresiones faciales o los gestos con las manos no se ven del todo bien. Además, la cara puede distorsionarse si las manos se acercan demasiado a ella. Para detectar obras de arte por IA, piensa detenidamente en el contexto. ¿Es demasiado fantástico o aterrador para ser verdad? Comprueba las sombras, el sombreado y la configuración de fondo para detectar anomalías.

3. Estafas de voz de IA

Un uso peligroso emergente de la IA está surgiendo con las estafas de voz de IA. Los phishers llevan décadas intentando obtener los datos personales por teléfono con el objectivo de robar dinero. Pero ahora, con la ayuda de las herramientas de voz de IA, sus estafas están entrando en una nueva dimensión de credibilidad. Con tan solo tres segundos de audio genuino, los generadores de voz de IA pueden imitar la voz de alguien con hasta un 95 % de precisión. Si bien los generadores de voz de IA pueden agregar algo de humor a un vídeo falso de comedia, los delincuentes están utilizando la tecnología para llamar a gente intentando asustarles con el fin último de estafarlas. El criminal se hace pasar por alguien usando su voz y llama al ser querido de la persona real, diciendo que le han robado o que ha sufrido un accidente. El informe de McAfee “Beware the Artificial Imposter” (Cómo detectar a un impostor artificial) puso de manifiesto que el 77% de las personas que han sufrido una estafa de voz de IA perdieron dinero como resultado. El siete por ciento de las personas perdieron entre $5.000 y $15.000.

2023 La inteligencia artificial generativa promete desatar una ola de creatividad y productividad, pero con importantes interrogantes para la humanidad

La IA generativa es el avance más asombroso logrado hasta la fecha por las tecnologías de aprendizaje automático. Representa un salto importante de la capacidad de la IA para comprender y procesar patrones complejos de datos y promete desatar una ola de creatividad y productividad. Pero también plantea serios interrogantes para la humanidad. Ciertas innovaciones clave han ido marcando el camino hacia el actual grado de sofisticación.

En los años sesenta, un programa denominado ELIZA deslumbró a los científicos con su capacidad para generar respuestas casi humanas. Era rudimentario y operaba a partir de un conjunto de reglas, pero fue el precursor de lo que ahora conocemos como “chatbots”. Dos décadas más tarde aparecieron las redes neuronales artificiales que, inspiradas en el cerebro humano, han dotado a las máquinas de nuevas habilidades, como comprender matices del idioma y reconocer imágenes. Pero lo que impedía lograr verdaderos avances era la falta de un amplio acervo de datos para entrenar a las máquinas y de potencia computacional suficiente. Increíblemente, la magnitud de estos dos recursos iba duplicándose cada año, allanando el camino para que en la década de 2000 llegara la tercera ola de la IA: el aprendizaje profundo.

Aprendizaje profundo

Con innovaciones como Google Translate, asistentes digitales como Alexa y Siri y los vehículos autónomos, las máquinas empezaron a comprender el mundo y a interactuar con él. Pero pese a todos estos avances, aún faltaba una pieza del rompecabezas. Las máquinas podían ayudar y predecir, pero no eran realmente capaces de comprender los entresijos de la conversación humana, y tampoco generaban contenido de calidad similar al producido por humanos.

Pero en 2014, las redes generativas antagónicas (GAN) empezaron a aprovechar la capacidad de dos redes neuronales que competían entre sí para ir perfeccionándose mutuamente de forma continua. La red “generadora” creaba datos, textos o imágenes imitadas, mientras que la red “discriminadora” intentaba distinguir entre el contenido real y el simulado. Esta competición entre dos redes replanteó la forma en que la IA interpretaba y reproducía patrones complejos.

La última pieza del rompecabezas llegó en 2017, en un estudio revolucionario denominado “Attention Is All You Need” (La atención es todo lo que se necesita). Al enseñar a la IA a prestar atención a aspectos pertinentes de la información que recibía, de repente daba la impresión de que la máquina empezaba a captar ideas, a entender la esencia de la información con que se la alimentaba. Esta IA generativa fue capaz de producir contenido de una apariencia misteriosamente humana, al menos en los laboratorios.

Juntos, las GAN y los mecanismos de atención, ayudados por una potencia de información e informática cada vez mayor, sentaron las bases para el ChatGPT, el chatbot más asombroso jamás visto. Fue lanzado en noviembre de 2022 por OpenAI, y otras grandes empresas de tecnología le siguieron los pasos con sus propios chatbots de IA generativa.

Economía y finanzas

Desde luego, la IA no es un nuevo concepto en el ámbito de la economía y las finanzas. La IA tradicional (análisis avanzados, aprendizaje automático, aprendizaje predictivo profundo) ha venido procesando cifras, evaluando tendencias de mercados y adaptando productos financieros desde hace tiempo. Lo que diferencia a la IA generativa es su capacidad para realizar análisis más profundos e interpretar datos complejos de una manera más creativa. Al diseccionar relaciones complejas entre indicadores económicos o variables financieras, la tecnología no solo genera pronósticos sino también escenarios alternativos, diagramas inteligentes e incluso fragmentos de código que podrían alterar significativamente el funcionamiento del sector.

El paso de la IA tradicional a la generativa ha traído consigo una nueva era de posibilidades en las esferas pública y privada. Los gobiernos están empezando a aprovechar estas herramientas más inteligentes para mejorar los servicios a los ciudadanos y subsanar carencias en la fuerza de trabajo. Los bancos centrales están tomando nota, al ver que la IA generativa ofrece una mayor capacidad de análisis de enormes cantidades de datos bancarios que permite perfeccionar los pronósticos económicos y la vigilancia de los riesgos, entre ellos el fraude.

Las empresas de inversión están recurriendo a la IA generativa para detectar leves variaciones en los precios de las acciones y en la actitud del mercado, y lo hacen explotando un mayor acervo de conocimiento que permite proponer opciones más creativas, lo cual desbroza el camino hacia la adopción de estrategias de inversión posiblemente más lucrativas. Por su parte, las empresas de seguros están estudiando la forma en que los modelos generativos pueden crear pólizas individualizadas más acordes con las necesidades y preferencias de cada cliente.

La IA generativa está evolucionando a una velocidad vertiginosa, poniendo a prueba los límites de las capacidades de la IA en economía y finanzas e introduciendo soluciones novedosas para problemas de larga data. No faltan los escépticos, que advierten que la IA puede producir, como un loro estocástico, enunciados absurdos y falsos, a través de un fenómeno denominado “alucinación”, sin realmente conocer el significado que encierran las palabras. Y acotan que los conocimientos de ChatGPT solo abarcan hasta la fecha del último entrenamiento que haya recibido. Puede ser. Pero visto el desenfrenado ritmo de innovación, ¿cuánto tiempo más seguirán siendo válidos estos argumentos?

De todos modos, el interés inicial por la IA generativa ha dado paso a crecientes y genuinas preocupaciones. Los problemas tradicionalmente asociados a la IA, como la amplificación de sesgos ya existentes en los datos de entrenamiento, o la falta de transparencia en las decisiones, han vuelto una vez más a cobrar urgencia. Y también han surgido nuevas inquietudes. La IA como arma

Un riesgo especialmente alarmante es la extraordinaria capacidad de la IA generativa para narrar historias que confirman las ideas y los puntos de vista preconcebidos de las personas, lo cual puede amplificar el efecto de las cámaras de eco y de los silos ideológicos. Los malhechores pueden explotar esta capacidad no solo a través de la palabra escrita: en marzo de 2022, un video generado mediante IA generativa mostraba supuestamente al presidente Volodímir Zelenski capitulando ante las fuerzas rusas. Estos incidentes demuestran que la IA generativa puede utilizarse como arma para manipular la política, los mercados y la opinión pública.

Ya sea que se trate de una historia fabricada, una imagen adulterada o un video sintético, los productos de la IA generativa pueden ser tan convincentes que crean un falso sentido de realidad. Esto puede propalar información errónea, incitar al pánico e incluso desestabilizar sistemas económicos y financieros con una eficiencia e intensidad inusitadas. Quizá no siempre sea de manera deliberada: las máquinas pueden accidentalmente propagar información errónea como resultado de alucinaciones.

La amenaza de la IA no se limita a la manipulación. El desplazamiento de puestos de trabajo es otra preocupación que aumenta conforme la IA continúa avanzando, debido a que podría automatizar tareas que antes realizaban los seres humanos, lo cual suprimiría muchas ocupaciones y haría necesarias estrategias de empleo y reconversión laboral.

Este año, destacados expertos en IA, entre ellos el creador de ChatGPT, firmaron una carta en la que advierten que “mitigar el riesgo de extinción derivado de la IA debe ser una prioridad mundial, que se ha de sumar a la mitigación de otros riesgos que amenazan a la sociedad, como las pandemias y la guerra nuclear”. La declaración se hace eco de inquietudes expresadas décadas antes por Turing, quien advirtió sobre el “peligro de que las máquinas terminen controlando nuestras vidas”.

Nos encontramos en una encrucijada entre la tecnología y la ética. La IA generativa, con su enorme promesa y sus profundos interrogantes existenciales, ya no puede desmantelarse. A medida que explotamos su poder transformativo, hemos de tener presentes las proféticas palabras de Turing. La IA generativa representa un cambio enorme que exige una estrecha vigilancia, nuevos marcos regulatorios y un compromiso inquebrantable con innovaciones que sean éticas, transparentes, controlables y que respeten los valores humanos.

2025 Las 3 etapas de la Inteligencia Artificial

Desde que se lanzó a finales de noviembre 2022, ChatGPT, el chatbot que usa inteligencia artificial (IA) para responder preguntas o generar textos a pedido de usuarios, se ha convertido en la aplicación de internet con el crecimiento más rápido de la historia.

En apenas dos meses llegó a tener 100 millones de usuarios activos. A la popular app TikTok le tardó nueve meses alcanzar ese hito. Y a Instagram dos años y medio, según datos de la empresa de monitoreo tecnológico Sensor Town.

"En los 20 años que llevamos siguiendo internet, no podemos recordar un incremento más veloz de una aplicación de internet para consumidores", afirmaron analistas de UBS, quienes reportaron el récord en febrero.

La masiva popularidad de ChatGPT, desarrollado por la empresa OpenAI, con respaldo financiero de Microsoft, ha despertado todo tipo de discusiones y especulaciones sobre el impacto que ya está teniendo y que tendrá en nuestro futuro cercano la inteligencia artificial generativa.

Se trata de la rama de la IA que se dedica a generar contenido original a partir de datos existentes (usualmente sacados de internet) en respuesta a instrucciones de un usuario.

Los textos (desde ensayos, poesías y chistes hasta códigos de computación) e imágenes (diagramas, fotos, obras de arte de cualquier estilo y mucho más) producidos por IA generativas como ChatGPT, DALL-E, Bard y AlphaCode -para nombrar solo algunas de las más conocidas- son, en algunos casos, tan indistinguibles del trabajo humano, que ya han sido usados por miles de personas para reemplazar su labor habitual.

Desde estudiantes que los usan para hacerle los deberes hasta políticos que les encomiendan sus discursos -el representante demócrata Jake Auchincloss estrenó el recurso en el Congreso de EE.UU.- o fotógrafos que inventan instantáneas de cosas que no ocurrieron (e incluso ganan premios por ello, como el alemán Boris Eldagsen, quien obtuvo el primer puesto en el último Sony World Photography Award por una imagen creada por IA). Esta misma nota podría haber sido escrita por una máquina y probablemente no te darías cuenta.

El fenómeno ha llevado a una revolución de los recursos humanos, con empresas como el gigante tecnológico IBM anunciando que dejará de contratar a personas para cubrir cerca de 8.000 puestos de trabajo que podrán ser manejados por IA.

Un informe del banco de inversión Goldman Sachs estimó a finales de marzo que la IA podría reemplazar a un cuarto de todos los empleos realizados hoy por humanos, aunque también creará más productividad y nuevos trabajos. Si todos estos cambios te abruman, prepárate para un dato que podría resultarte aún más desconcertante. Y es que, con todos sus impactos, lo que estamos viviendo ahora es apenas la primera etapa en el desarrollo de la IA.

Según los expertos, lo que podría venir pronto -la segunda etapa- será muchísimo más revolucionaria. Y la tercera y última, que podría ocurrir muy poco tiempo después de aquella, es tan avanzada que alterará completamente al mundo, incluso a costa de la existencia del ser humano.

Las tres etapas

Las tecnologías de IA se clasifican por su capacidad para imitar las características humanas.

-1. Inteligencia artificial estrecha (ANI)

La categoría más básica de IA es más conocida por sus siglas en inglés: ANI, por Artificial Narrow Intelligence. Se llama así porque se enfoca estrechamente en una sola tarea, realizando un trabajo repetitivo dentro de un rango predefinido por sus creadores.

Los sistemas de ANI generalmente se entrenan utilizando un gran conjunto de datos (por ejemplo de internet) y pueden tomar decisiones o realizar acciones basadas en ese entrenamiento. Una ANI puede igualar o superar a la inteligencia y eficiencia humana pero solo en esa área específica en la que opera. Un ejemplo son los programas de ajedrez que usan IA. Son capaces de vencer al campeón mundial de esa disciplina, pero no pueden realizar otras tareas.

Es por eso que también se la conoce como "IA débil".

Todos los programas y herramientas que utilizan IA hoy, incluso las más avanzadas y complejas, son formas de ANI. Y estos sistemas están en todas partes. Los smartphones están llenos de apps que usan esta tecnología, desde los mapas con GPS que te permiten ubicarte en cualquier lugar del mundo o saber el clima, hasta los programas de música y videos que conocen tus gustos y te hacen recomendaciones.

También los asistentes virtuales como Siri y Alexa son formas de ANI. Al igual que el buscador de Google y el robot que limpia tu casa. El mundo empresarial también utiliza mucho esta tecnología. Se usa en las computadoras internas de los autos, en la manufactura de miles de productos, en el mundo financiero e incluso en hospitales, para realizar diagnósticos. Incluso sistemas más sofisticados como los autos sin conductor (o vehículos autónomos) y el popular ChatGPT son formas de ANI, ya que no pueden operar fuera del rango predefinido por sus programadores, por lo que no pueden tomar decisiones por su cuenta.

Tampoco tienen autoconciencia, otro rasgo de la inteligencia humana. Sin embargo, algunos expertos creen que los sistemas que están programados para aprender automáticamente (machine learning) como ChatGPT o AutoGPT (un "agente autónomo" o "agente inteligente" que utiliza información del ChatGPT para realizar ciertas subtareas de forma autónoma) podrían pasar a la siguiente etapa de desarrollo.

2. Inteligencia artificial general (AGI)

Esta categoría -Artificial General Intelligence- se alcanza cuando una máquina adquiere capacidades cognitivas a nivel humano. Es decir, cuando puede realizar cualquier tarea intelectual que realiza una persona.

También se la conoce como "IA fuerte". Es tal la creencia de que estamos al borde de alcanzar este nivel de desarrollo, que en marzo pasado más de 1.000 expertos en tecnología pidieron a las empresas de IA que dejen de entrenar, por al menos seis meses, a aquellos programas que sean más poderosos que GPT-4, la versión más reciente de ChatGPT.

"Los sistemas de IA con inteligencia que compite con la humana pueden plantear profundos riesgos para la sociedad y la humanidad", advirtieron en una carta abierta, entre otros, el cofundador de Apple, Steve Wozniak, y el dueño de Tesla, SpaceX, Neuralink y Twitter, Elon Musk (quien fue uno de los cofundadores de Open AI antes de renunciar de la junta por desacuerdos con la conducción de la compañía).

En la carta, publicada por la organización sin fines de lucro Future of Life Institute, los expertos dijeron que si las empresas no acceden rápidamente a frenar sus proyectos "los gobiernos deberían intervenir e instituir una moratoria" para que se puedan diseñar e implementar medidas de seguridad sólidas.

Aunque esto es algo que -por el momento- no ha ocurrido, el gobierno de Estados Unidos sí convocó a los dueños de las principales empresas de IA - Alphabet, Anthropic, Microsoft, y OpenAI- para acordar "nuevas acciones para promover la innovación responsable de IA".

"La IA es una de las tecnologías más poderosas de nuestro tiempo, pero para aprovechar las oportunidades que presenta, primero debemos mitigar sus riesgos", declaró a través de un comunicado la Casa Blanca el pasado 4 de mayo.

El Congreso de EE.UU., por su parte, convocó este martes al CEO de OpenAI, Sam Altman, a responder preguntas sobre ChatGPT. Durante la audiencia en el Senado, Altman dijo que es "crucial" que su industria sea regulada por el gobierno a medida que la IA se vuelve "cada vez más poderosa".

Carlos Ignacio Gutiérrez, investigador de políticas públicas en el Future of Life Institute, explicó que uno de los grandes desafíos que presenta la IA es que "no existe un cuerpo colegiado de expertos que deciden cómo regularlo, como ocurre, por ejemplo, con el Panel Intergubernamental sobre Cambio Climático (IPCC)".

En la carta de los expertos, estos definieron cuáles eran sus principales preocupaciones.

"¿Deberíamos desarrollar mentes no humanas que eventualmente podrían superarnos en número, ser más inteligentes, hacernos obsoletos y reemplazarnos?", cuestionaron.

"¿Deberíamos arriesgarnos a perder el control de nuestra civilización?".

3. Súper Inteligencia Artificial (ASI)

La preocupación de estos científicos informáticos tiene que ver con una teoría muy establecida que sostiene que, cuando alcancemos la AGI, poco tiempo después se arribará al último estadio en el desarollo de esta tecnología: la Artificial Superintelligence, que ocurre cuando la inteligencia sintética supera a la humana.

El filósofo de la Universidad de Oxford y experto en IA Nick Bostrom define a la súper inteligencia como "un intelecto que es mucho más inteligente que los mejores cerebros humanos en prácticamente todos los campos, incluida la creatividad científica, la sabiduría general y las habilidades sociales".

La teoría es que cuando una máquina logre tener una inteligencia a la par con la humana, su capacidad de multiplicar esa inteligencia de forma exponencial a través de su propio aprendizaje autónomo hará que en poco tiempo nos supere ampliamente, alcanzando la ASI.

"Los humanos para ser ingenieros, enfermeros o abogados debemos estudiar por muchísimo tiempo. El tema con la AGI es que es escalable de inmediato", señala Gutiérrez.

Esto es gracias a un proceso llamado superación personal recursiva (recursive self-improvement) que permite a una aplicación de IA "continuamente mejorarse, en un tiempo que nosotros no podríamos hacerlo".

Si bien existe mucho debate sobre si una máquina realmente puede adquirir el tipo de inteligencia amplia que tiene un ser humano -en especial en lo que hace a la inteligencia emocional-, es una de las cosas que más preocupa a quienes creen que estamos cerca de lograr la AGI.

Recientemente, el llamado "padrino de la inteligencia artificial" Geoffrey Hinton, pionero en la investigación de redes neuronales y aprendizaje profundo que permiten a las máquinas aprender de la experiencia, igual que los humanos, alertó en una entrevista con la BBC que podríamos estar cerca de ese hito.

"En este momento (las máquinas) no son más inteligentes que nosotros, por lo que puedo ver. Pero creo que pronto podrían serlo", dijo el hombre de 75 años, quien acaba de retirarse de Google.

Extinción o inmortalidad

Existen, en reglas generales, dos campos de pensamiento con relación a la ASI: están los que creen que esta superinteligencia será beneficiosa para la humanidad y los que creen todo lo contrario. Entre estos últimos estaba el famoso físico británico Stephen Hawking, quien creía que las máquinas súper inteligentes representaban una amenaza para nuestra existencia.

"El desarrollo de la inteligencia artificial completa podría significar el fin de la raza humana", dijo EL 2014, cuatro años antes de morir.

Una máquina con este nivel de inteligencia "despegaría por sí sola y se rediseñaría a un ritmo cada vez mayor", señaló.

"Los humanos, que están limitados por una evolución biológica lenta, no podrían competir y serían superados", predijo.

Sin embargo, en el bando opuesto creen todo lo contrario. Uno de los mayores entusiastas de la ASI es el inventor y autor futurista estadounidense Ray Kurzweil, investigador de IA en Google y cofundador de la Universidad de la Singularidad en Sillicon Valley (la "singularidad" es otra manera de llamar a la era en la que las máquinas se tornan súper inteligentes).

Kurzweil cree que los humanos podremos utilizar la IA súper inteligente para superar nuestras barreras biológicas, mejorando nuestras vidas y nuestro mundo.

En 2015 incluso predijo que para el año 2030 los humanos lograremos alcanzar la inmortalidad gracias a nanobots (robots ínfimamente pequeños) que actuarán dentro de nuestro cuerpo, reparando y curando cualquier daño o enfermedad, incluyendo el causado por el paso del tiempo.

En su declaración ante el Congreso este martes, Sam Altman, de OpenAI, también se mostró optimista sobre el potencial de la IA, señalando que podría resolver "los mayores desafíos de la humanidad, como el cambio climático y la cura del cáncer". En el medio están las personas, como Hinton, que creen que la IA tiene enorme potencial para la humanidad, pero consideran que el ritmo de desarrollo actual, sin regulaciones y límites claros, es "preocupante".

En una declaración enviada a The New York Times anunciando su salida de Google, Hinton, dijo que ahora lamentaba el trabajo que había realizado, porque temía que "malos actores" utilizaran la IA para hacer "cosas malas".ejemplo de un "escenario de pesadilla":

"Imagina, por ejemplo, que algún mal actor como [el presidente ruso Vladimir] Putin decidiera dar a los robots la capacidad de crear sus propios subobjetivos".

Las máquinas podrían eventualmente "crear subobjetivos como: 'necesito obtener más poder'", lo que representaría un "riesgo existencial", señaló. Al mismo tiempo, el experto británico-canadiense dijo que, en el corto plazo, la IA brindará muchos más beneficios que riesgos, por lo que "no debemos dejar de desarrollarla.

"El tema es: ahora que hemos descubierto que funciona mejor de lo que esperábamos hace unos años ¿qué hacemos para mitigar los riesgos a largo plazo de que cosas más inteligentes que nosotros tomen el control?". Guitérrez coincide en que la clave es crear un sistema de gobernanza de la IA antes de que se desarrolle una inteligencia que puede tomar decisiones propias.

"¿Si se crean estos entes que tienen su propia motivación, qué significa cuando nosotros ya no estamos en control de esas motivaciones?", plantea. El experto señala que el peligro no es solo que una AGI o ASI, ya sea por motivación propia o controlada por personas con "objetivos malos", inicie una guerra o manipule el sistema financiero, productivo, la infraestructura energética, de transporte o cualquier otro sistema que hoy está computarizado. Una superinteligencia podría dominarnos de una manera mucho más sutil, advierte.

"Imagínate un futuro en que un ente tenga tanta información sobre cada persona en el planeta y sus hábitos (gracias a nuestras búsquedas en internet) que nos podría controlar de una manera que no nos daríamos cuenta", afirma.

"El peor escenario no es que haya guerras de humanos contra robots. Lo peor es que no nos demos cuenta de que estamos siendo manipulados porque estamos compartiendo el planeta con un ente que es mucho más inteligente que nosotros".

IBM: ¿Qué es “Human-in-the-loop”?

Articulo de IBM- Cole Striker- IBM Think

La participación Humana en el Ciclo (HITL) se refiere a un sistema o proceso en el que una persona participa activamente en la operación, supervisión o toma de decisiones de un sistema automatizado. En el contexto de la IA, HITL significa que las personas participan en algún punto del flujo de trabajo de IA para garantizar la precisión, la seguridad, la rendición de cuentas o la toma de decisiones éticas.

El aprendizaje automático (ML) ha avanzado considerablemente en los últimos años, pero incluso los modelos de aprendizaje profundo más avanzados pueden presentar problemas de ambigüedad, sesgo o casos extremos que se desvían de sus datos de entrenamiento. La retroalimentación humana puede ayudar a mejorar los modelos y servir como protección cuando los sistemas de IA no funcionan a un nivel adecuado. HITL incorpora la perspectiva humana en el ciclo continuo de interacción y retroalimentación entre los sistemas de IA y las personas.

Objetivo

El objetivo de HITL es permitir que los sistemas de IA logren la eficiencia de la automatización sin sacrificar la precisión, los matices y el razonamiento ético de la supervisión humana.

Beneficios de HITL

El aprendizaje automático con intervención humana permite a las personas supervisar y aportar información a los flujos de trabajo de IA.

Principales beneficios:

• Precisión y fiabilidad
• Toma de decisiones ética y rendición de cuentas
• Transparencia y explicabilidad

Precisión y fiabilidad

El objetivo de automatizar los flujos de trabajo es minimizar el tiempo y el esfuerzo que los humanos dedican a gestionarlos. Sin embargo, los flujos de trabajo automatizados pueden presentar múltiples problemas. En ocasiones, los modelos se enfrentan a situaciones límite que su entrenamiento no les ha permitido gestionar. Un enfoque HITL permite a los humanos corregir entradas incorrectas, lo que permite al modelo mejorar con el tiempo. Los humanos pueden identificar comportamientos anómalos gracias a su experiencia en la materia, que posteriormente puede incorporarse a la comprensión del modelo.

En aplicaciones de alto riesgo, los humanos pueden implementar alertas, revisiones humanas y mecanismos de seguridad para garantizar la verificación de las decisiones autónomas. Pueden detectar resultados sesgados o engañosos, evitando consecuencias negativas posteriores. La retroalimentación humana continua ayuda a los modelos de IA a adaptarse a entornos cambiantes.

El sesgo es una preocupación constante en el aprendizaje automático, y aunque la inteligencia humana es conocida por ser a veces bastante sesgada, una capa adicional de intervención humana puede ayudar a identificar y mitigar el sesgo inherente a los datos y algoritmos, lo que fomenta la imparcialidad en los resultados de la IA.

Toma de decisiones ética y rendición de cuentas.

Cuando un humano participa en la aprobación o anulación de los resultados de IA, la responsabilidad no recae únicamente en el modelo ni en sus desarrolladores.

Algunas decisiones requieren un razonamiento ético que puede estar fuera del alcance de un modelo. Por ejemplo, las recomendaciones de una plataforma de contratación algorítmica podrían perjudicar a ciertos grupos históricamente marginados. Si bien los modelos de aprendizaje automático han avanzado considerablemente en los últimos años en su capacidad para incorporar matices en su razonamiento, en ocasiones la supervisión humana sigue siendo el mejor enfoque. La supervisión ética en tiempo real (HITL) permite a los humanos, con una mejor comprensión de las normas, el contexto cultural y las zonas ambiguas éticas, pausar o anular los resultados automatizados en caso de dilemas complejos.

Un enfoque con intervención humana puede proporcionar un registro de por qué se revocó una decisión, con un registro de auditoría que respalda la transparencia y las revisiones externas. Esta documentación permite una defensa legal más sólida, auditorías de cumplimiento y revisiones internas de rendición de cuentas.

Algunas regulaciones de IA exigen ciertos niveles de HITL. Por ejemplo, el artículo 14 de la Ley de IA de la UE dice que “los sistemas de IA de alto riesgo se diseñarán y desarrollarán de tal manera, incluso con herramientas de interfaz hombre-máquina adecuadas, que puedan ser supervisados ​​eficazmente por personas físicas durante el período en que estén en uso”.

Según el reglamento, esta supervisión debe prevenir o minimizar los riesgos para la salud, la seguridad o los derechos fundamentales, mediante métodos que incluyen la operación manual, la intervención, la anulación y la monitorización en tiempo real. Los profesionales involucrados deben ser competentes para ello, comprender las capacidades y limitaciones del sistema, estar capacitados en su uso correcto y tener la autoridad para intervenir cuando sea necesario. Esta supervisión tiene como objetivo fomentar la prevención de daños y el correcto funcionamiento.

Transparencia y explicabilidad

Al detectar errores antes de que causen daños, HITL actúa como una red de seguridad, especialmente en sectores de alto riesgo o regulados, como la sanidad o las finanzas. Los enfoques HITL ayudan a mitigar el efecto de "caja negra", cuando el razonamiento detrás de los resultados de la IA no es claro. Integrar la supervisión y el control humanos en los procesos de desarrollo e implementación ayuda a los profesionales a identificar y mitigar los riesgos, ya sean técnicos, éticos, legales u operativos.

Desventajas de HITL

HITL es un excelente enfoque para mejorar el rendimiento de los sistemas de aprendizaje automático, pero también presenta inconvenientes.

• Escalabilidad y coste
• Errores humanos e inconsistencias
• Privacidad y seguridad.

Escalabilidad y coste

La anotación humana puede ser lenta y costosa, especialmente para grandes conjuntos de datos o ciclos de retroalimentación iterativos. A medida que aumenta el volumen de datos o la complejidad del sistema, depender de la intervención humana puede convertirse en un cuello de botella. Etiquetar millones de imágenes para un modelo de visión artificial con alta precisión, por ejemplo, puede requerir miles de horas de trabajo humano. Algunos ámbitos, como la medicina o el derecho, pueden requerir la participación de expertos en la materia, con costos aún mayores. Un tumor mal etiquetado en una imagen médica podría resultar en un error grave.

Errores humanos e inconsistencias

Si bien las personas pueden proporcionar una mayor precisión, en ciertos aspectos pueden ser más sesgadas y propensas a errores que las máquinas. Las personas pueden interpretar los datos o las tareas de forma diferente, especialmente en ámbitos sin una respuesta clara. Los anotadores humanos, al ser humanos, pueden cansarse, distraerse o confundirse al etiquetar datos. Además, tienen diversas perspectivas sobre problemas subjetivos, lo que puede generar inconsistencias en el etiquetado. Privacidad y seguridad

Involucrar a personas en los procesos de revisión interna puede generar problemas de privacidad, e incluso anotadores bienintencionados podrían filtrar o hacer un uso indebido involuntario de datos confidenciales a los que acceden durante la retroalimentación.

¿Cómo funciona HITL?

Introducir retroalimentación humana específica y de alta calidad antes, durante y después del entrenamiento crea un ciclo de retroalimentación que acelera el aprendizaje y hace que los modelos de aprendizaje automático sean más robustos, interpretables y se ajusten a las necesidades del mundo real. A continuación, se presentan algunas maneras de integrar la interacción humana en los flujos de trabajo de IA.

• Aprendizaje supervisado
• RLHF
• Aprendizaje activo

Aprendizaje supervisado

Las aplicaciones de aprendizaje supervisado requieren que los científicos de datos etiqueten correctamente los datos. Esta anotación de datos genera conjuntos de datos que luego se utilizan para entrenar un algoritmo de aprendizaje automático. Este es un flujo de trabajo donde la participación humana es esencial y primordial.

Por ejemplo, un enfoque supervisado en un contexto de procesamiento del lenguaje natural podría implicar que las personas etiqueten texto como "spam" o "no spam" para enseñar a una máquina a realizar dichas distinciones correctamente. En un caso de uso de visión artificial, un enfoque supervisado podría implicar que las personas etiqueten una serie de imágenes como "coche", "autobús" o "motocicleta", para que un modelo pueda realizar tareas de detección de objetos.

RLHF

En otro ejemplo, el aprendizaje por refuerzo basado en retroalimentación humana (RLHF) utiliza un modelo de recompensa entrenado con retroalimentación humana directa, que posteriormente se utiliza para optimizar el rendimiento de un agente de inteligencia artificial mediante aprendizaje por refuerzo. RLHF es especialmente adecuado para tareas con objetivos complejos, poco definidos o difíciles de especificar.

Aprendizaje activo

En el aprendizaje activo, el modelo identifica predicciones inciertas o de baja confianza y solicita la intervención humana solo cuando es necesario. Esto concentra el esfuerzo de etiquetado en los ejemplos más complejos o ambiguos, lo que resulta en un aprendizaje más rápido y preciso.

Fuentes & referencias

• uchile.cl/¿Es la inteligencia artificial un riesgo para la humanidad? Expertos abordan advertencia sobre sus peligros
• elmundo.es/"La tecnología no tiene ética, pero la humanidad depende de ella"
• Detener los experimentos gigantes de IA: Carta abierta
• * El Ciudadano/ El peligro de la IA, Ducci nos advierte con el Etercuanticum.
• Cómo crear un sistema de IA desde cero

Léase en WikicharliE

• Etercuanticum IA
• Medio Virtual
• Es el Universo una simulación informática
• Nick Bostrom
• Interpretación de Copenhague
• Teoría del multiverso
• Teoría M
• El universo cíclico de Penrose
• La teoría del gran rebote
• Teoría de los vórtices
• Vórtices de radio transmiten datos a 32Gbit x segundo
• Estado de agregación de la materia
• Teoría del caos
• Cibercomando_de_USA
• Virnauta
• Memoria cuántica
• Salto cuántico

Journal Science / Review & Sciences