"Entre las élites de los países ricos se ha instalado una preocupación por la inteligencia artificial: las máquinas nos quitarán el trabajo. Con la explosiva popularidad de ChatGPT, un chatbot extraordinariamente realista, muchos occidentales han empezado a temer que no solo los camioneros y los obreros de montaje corran el riesgo de ser sustituidos por robots, sino también los trabajadores del conocimiento mejor pagados. Contables, analistas de datos, programadores, asesores financieros, abogados e incluso guionistas de Hollywood temen que la IA les deje sin trabajo.
Pero es probable que el efecto de la IA en los 100 países y más de 4.000 millones de personas del mundo en desarrollo sea muy diferente. Los países con menos ingresos emplean a muchos menos trabajadores del conocimiento y una mayor proporción de su población trabaja en sectores menos susceptibles de automatización, especialmente la agricultura. En los países pobres, la gran pregunta no es cómo afectará la IA a millones de personas empleadas, sino cómo la emplearán miles de millones de personas. Las aplicaciones más transformadoras en el mundo en desarrollo probablemente no serán las que sustituyan a los humanos; serán las que abran nuevas posibilidades para los humanos.
Hasta ahora, casi todo el debate sobre cómo apoyar la IA y cómo mitigar sus riesgos se ha centrado en los países ricos, que albergan las empresas y universidades que trabajan en esta tecnología. Pero como los efectos de la IA -buenos y malos- serán diferentes en los países pobres, es probable que también sean diferentes las inversiones y normativas que estos países necesitan. Filósofos, economistas y tecnólogos han derramado infinita tinta contemplando el futuro de la IA en el mundo desarrollado. Ahora es el momento de pensar en una agenda de IA para todos los demás.
EL PODER DE LAS MÁQUINAS
El aprendizaje automático ya ha afectado a la vida de los pobres del mundo. Pensemos en la evolución del crédito. Muchos pobres carecen de historial financiero y puntuación crediticia, por lo que tienen poco acceso a los préstamos formales. En 2010, propuse una forma de crear puntuaciones de crédito alternativas, utilizando el aprendizaje automático para deducir la probabilidad de reembolso a partir de los datos recogidos automáticamente por las redes de telefonía móvil. Este método es ahora uno de los varios que prestamistas de decenas de países han empleado para ofrecer pequeños préstamos a través del teléfono móvil a millones de personas. Otros investigadores están aplicando el aprendizaje automático al mismo tipo de datos para identificar qué hogares de una zona determinada son los más pobres, de modo que la ayuda pueda dirigirse de forma inteligente durante una crisis. Otros la emplean en imágenes de satélite, afinando las estimaciones de población en función de los patrones de asentamiento humano y anticipando la escasez de alimentos en función de los patrones de vegetación. Estos programas ponen de relieve un valor particular de la IA en el mundo en desarrollo: en entornos con poca información, el aprendizaje automático puede extraer señales de nuevas fuentes de datos.
Las posibilidades no acaban ahí. Pensemos en la educación. La mayoría de los sistemas educativos de los países en desarrollo tienen dificultades para ofrecer una enseñanza de calidad. Los tutores personalizados de inteligencia artificial -chatbots con una paciencia infinita- podrían satisfacer algún día las necesidades de estudiantes curiosos en escuelas remotas. También podrían ayudar a los profesionales a pasar de una profesión a otra, permitiendo, por ejemplo, que los trabajadores de la reparación mejoren sus conocimientos y aprendan ingeniería. O la salud. En gran parte del mundo en desarrollo, es difícil obtener un buen consejo médico; los sistemas basados en IA podrían ofrecer diagnósticos mejores y más accesibles. Muchas comunidades tienen altas tasas de depresión y pocos terapeutas; las herramientas digitales de salud mental, como los terapeutas chatbot, podrían cubrir una necesidad real a bajo coste. La IA podría desempeñar un papel similar ayudando a las personas a navegar por las burocracias. Un empresario indio que quiera entrar en un nuevo mercado, por ejemplo, podría confiar algún día en una aplicación basada en IA para cumplimentar los permisos necesarios.
Las tecnologías que permiten estas aplicaciones potenciales seguirán mejorando a medida que los países ricos inviertan enormes recursos en IA. La clave para los países en desarrollo será complementar ese flujo de inversiones utilizando las tecnologías resultantes en productos y servicios que satisfagan las necesidades locales. Los países en desarrollo cuentan con gran parte de la infraestructura social necesaria para poner en marcha nuevas empresas: centros tecnológicos, universidades y grupos de emprendedores. Sin embargo, sus empresas tienen pocos incentivos para crear aplicaciones destinadas a los más pobres, a los que rara vez resulta rentable servir. Algunos países grandes de renta media, como la India, pueden permitirse superar este problema invirtiendo en tecnologías de IA para los pobres. Pero muchos otros países carecen de los recursos y la escala para hacerlo. De ahí el papel de las redes de emprendedores, que pueden compartir aprendizajes a través de las fronteras, y de organizaciones internacionales como el Banco Mundial, que pueden coordinar las inversiones entre gobiernos y filántropos.
CURVA DE APRENDIZAJE
Hay dos caminos principales que podrían seguir las herramientas de IA en el mundo en desarrollo. El primero es encontrar una tarea para la que la IA esté siendo buena en los países ricos y adaptarla a los países pobres. Por ejemplo, muchos empresarios están desarrollando chatbot tutores para escuelas ricas, herramientas que podrían modificarse para funcionar en lugares con peor conectividad a Internet y mayor proporción de alumnos por profesor. La segunda es encontrar aplicaciones totalmente nuevas para la IA, es decir, nuevos productos que puedan satisfacer las necesidades específicas del mundo en desarrollo. Por ejemplo, un planificador financiero con IA para agricultores de subsistencia podría ayudarles a gestionar los riesgos que conllevan las decisiones sobre qué plantar. De hecho, algunas innovaciones empezaron en un país pobre y sólo llegaron más tarde a otros más ricos. El sistema de pago por móvil M-Pesa de Kenia, por ejemplo, despegó mucho antes que aplicaciones similares en Estados Unidos.
Mientras que algunas herramientas de IA surgidas en los países ricos pueden funcionar bien en el mundo en desarrollo, otras requerirán adaptaciones. Uno de los problemas es que la mayoría de los sistemas de IA se han entrenado con datos específicos del mundo desarrollado, datos que proceden de personas con ingresos relativamente altos y que suelen estar escritos en inglés. Poco del corpus mundial de conocimientos escritos se refiere a los pobres o se presenta en lenguas minoritarias. Además, los sistemas de IA están entrenados principalmente para tomar decisiones y producir resultados que satisfagan a los consumidores ricos de Occidente, por lo que pueden cometer errores al tratar con los más pobres de otros lugares, por ejemplo, saludar a los clientes por su nombre de pila en una cultura que considera irrespetuosa esa familiaridad.
Las sociedades occidentales ricas han tenido ventaja a la hora de acumular datos de entrenamiento, por lo que los modelos de IA tardarán en representar plenamente a las personas del resto del mundo. Pero el proceso puede acelerarse. Los investigadores pueden identificar aplicaciones que podrían resultar transformadoras, si tan sólo se consiguiera que los datos que las sustentan fueran más representativos. Un asesor médico basado en IA, por ejemplo, puede ser bueno para ayudar a una persona con hipertensión en Silicon Valley, pero menos útil para alguien en Lagos que se enfrenta a la malaria, porque carece de exposición a los casos médicos locales. O un sistema de este tipo puede resultar popular entre los angloparlantes pero no estar disponible en yoruba, una de las principales lenguas nativas de Nigeria.
Para compensar la escasez de datos del mundo en desarrollo, hay que crear nuevos contenidos con los que entrenar los modelos. En este caso, el crowdsourcing podría ayudar. El movimiento WikiÁfrica, por ejemplo, coordinó la incorporación de contenidos africanos a Wikipedia. Estas iniciativas son tanto más valiosas cuanto que estos conocimientos pueden mejorar las decisiones de las máquinas. En otros ámbitos en los que la corrección es más difícil de discernir, como la medicina o la agricultura, el crowdsourcing no será suficiente. Habrá que contratar a expertos o digitalizar datos analógicos, como las historias clínicas en papel. La representación es sólo una parte del rompecabezas, porque los desarrolladores tendrán que arbitrar entre grupos con valores diferentes. Diferentes grupos religiosos de la India, por ejemplo, pueden discrepar sobre lo que constituye un consejo médico apropiado.
Un segundo problema de la importación de la IA al mundo en desarrollo es tecnológico. A pesar de los grandes avances, el mundo en desarrollo sigue estando por detrás del mundo desarrollado en una serie de puntos de referencia tecnológicos. Algunas aplicaciones de la IA requerirán un acceso más amplio a los teléfonos inteligentes, una mejor conectividad a Internet o sistemas de registro digital para seguir el rendimiento de los estudiantes en una escuela, la salud de los pacientes en un hospital o el resultado de los casos en un tribunal. En el caso de la IA, como en anteriores oleadas de innovación tecnológica, la clave estará en diferenciar entre las aplicaciones que pueden ser valiosas relativamente pronto y las que permanecerán en el reino de la ciencia ficción en un futuro previsible. Esa línea se desplazará y variará de un campo a otro. Por ejemplo, la medicina tiene una menor tolerancia a los errores que inevitablemente cometerán los sistemas de IA, y la agricultura depende de factores contextuales matizados que son intuitivos para los agricultores pero difíciles de expresar a los sistemas de IA.
LOS LÍMITES DE LAS LEYES
Tanto en el mundo desarrollado como en el mundo en desarrollo, la difusión de la IA presentará riesgos. Pero los países en desarrollo se enfrentan a una serie de riesgos diferentes y tienen menos capacidad para regular la tecnología. La cuestión principal es si la tecnología seguirá estando centralizada, es decir, controlada por un pequeño número de empresas tecnológicas. Es probable que los sistemas de IA centralizados estén regulados en grandes mercados como Estados Unidos y la UE. Los mercados más pequeños sólo pueden ejercer una presión limitada, por lo que vivirán a la sombra de la regulación de Estados Unidos y la UE. Aunque podrían cerrar el acceso a un sistema centralizado -por ejemplo, bloqueando servidores, como han hecho algunos gobiernos autoritarios con Twitter, Facebook y YouTube-, no podrán impedir que los contenidos generados por IA crucen las fronteras.
Sin embargo, no está claro si la IA seguirá estando centralizada. Están ganando terreno alternativas de código abierto como Llama (un gran modelo lingüístico producido por Meta, propietaria de Facebook) y Stable Diffusion (un generador de imágenes creado por la startup Stability AI). Estos sistemas descentralizados pueden ser modificados y ejecutados por cualquiera que disponga de un ordenador. Si llegan a ser lo suficientemente útiles, será difícil que ningún país pueda regularlos directamente. Pero estos sistemas abiertos pueden adaptarse más fácilmente a las necesidades locales porque suelen ser de uso gratuito y porque cualquiera puede modificar su código. Dadas las limitadas palancas de regulación, los países en desarrollo quizá tengan que conformarse con adaptarse a las nuevas tecnologías en lugar de controlarlas. Para mitigar los daños, es posible que tengan que centrarse en regular no la IA en sí, sino las industrias que la utilizan; por ejemplo, recurriendo a leyes de protección del consumidor que responsabilicen a las empresas cuando un producto no sea seguro, independientemente de si utiliza IA o no.
La IA ha suscitado un saludable debate sobre la regulación en los países ricos. Pero muchas de las propuestas para abordar sus riesgos pueden resultar insuficientes en los países pobres. Los reguladores occidentales carecen de la capacidad de evaluar cómo funcionan las normas en contextos diferentes; un sistema certificado como seguro en Bruselas podría no funcionar tan bien en Bangalore. Además, las normas de los reguladores occidentales pueden ser inadecuadamente estrictas en lugares donde las alternativas existentes a una aplicación de IA son mucho peores. Las previsiones meteorológicas, por ejemplo, no tienen por qué ser perfectas para mejorar lo que tienen los agricultores de los países en desarrollo. E incluso en ámbitos de mayor riesgo, como la medicina, la IA puede ser pronto mejor que las opciones existentes a disposición de los pobres. Un estudio de 2023 auditó el rendimiento clínico en países de renta baja para averiguar qué fracción de casos se trataban correctamente. La respuesta: menos de la mitad.
Al mismo tiempo, la persona media de un país en desarrollo es también más vulnerable que su homóloga del mundo desarrollado. Muchas personas en el mundo en desarrollo tienen pocos recursos para impugnar decisiones automatizadas, como el rechazo de una solicitud de préstamo. Los nuevos sistemas de IA suelen funcionar peor de lo anunciado, y es demasiado fácil que las empresas ignoren los problemas que surgen entre las personas con menos ingresos. Por eso será importante que los reguladores se aseguren de que los consumidores disponen de procesos adecuados para denunciar los problemas y recurrir las decisiones.
Muchas personas del mundo en desarrollo tampoco conocen la IA y nunca han oído hablar de algoritmos. Así que hay que tener cuidado de comunicar con eficacia. Un estudio que realicé con Joshua Blumenstock y Samsun Knight demuestra que esto es posible. Ofrecimos a kenianos con bajos ingresos una aplicación que les recompensaba económicamente en función del uso que hacían de su teléfono móvil, empleando un algoritmo que puntuaba la solvencia de cada uno. Cuando los sujetos recibieron descripciones directas del funcionamiento de los algoritmos, modificaron su comportamiento, una señal concreta de comprensión.
También abundan los obstáculos políticos. Los deepfakes -fotos, vídeos y clips de audio realistas generados por IA- pueden tener un efecto especialmente pernicioso en los países en desarrollo, donde los sistemas políticos tienden a ser frágiles y la confianza entre grupos suele ser escasa. A medida que la gente toma conciencia de que se pueden generar medios de comunicación, puede dejar de creer contenidos incriminatorios que en realidad son ciertos. Para evitar estos problemas, la sociedad civil puede desempeñar un papel en la construcción de la infraestructura de la confianza, difundiendo la conciencia de que el contenido puede ser falsificado y estableciendo lugares independientes que desarrollen reputaciones para examinar el contenido.
La IA también permitirá nuevas formas de vigilancia, como el seguimiento de personas a través de dispositivos móviles y el reconocimiento facial. La mayoría de los países en desarrollo en el mercado de herramientas de vigilancia de alta tecnología no desarrollan las suyas propias, sino que las importan, a menudo de China. Esta externalización significa que la aplicación real de la tecnología impulsada por la IA puede ser dispersa, lo que facilita que la información recopilada se filtre a terceros y que los derechos se vulneren de forma impredecible. Una vez más, la sociedad civil tendrá un papel que desempeñar, vigilando los nuevos sistemas y llamando la atención sobre los abusos.
VUELTA AL FUTURO
Esta oleada actual de IA ha introducido retos y oportunidades con una rapidez sin precedentes. Pero ya hemos visto antes transiciones tecnológicas similares. Aunque los teléfonos móviles se diseñaron inicialmente para los consumidores ricos, despegaron entre los pobres en los últimos 20 años. Los países en desarrollo se beneficiaron del hardware estandarizado -antenas y teléfonos- fabricado en Occidente. Las empresas de telecomunicaciones inventaron modelos de negocio al servicio de los pobres, como los planes de telefonía móvil de pago por uso. Los empresarios crearon nuevas organizaciones que permitían a la gente utilizar los teléfonos para enviar dinero, obtener crédito y consultar precios. Estas innovaciones permitieron que los teléfonos móviles llegaran rápidamente a la mayoría de los pobres del mundo y los conectaran a la economía global.
Son precisamente estos vínculos los que han sentado las bases para la difusión de la IA. Sin embargo, a pesar del éxito de los teléfonos móviles, incluso esa innovación se ha quedado corta en el mundo en desarrollo. La mayor parte de la innovación del sector privado se ha centrado en las necesidades de los ricos. Se ha invertido mucho más en aplicaciones para conectar a los consumidores ricos con conductores, casas de vacaciones y comidas preparadas que en aplicaciones para conectar a los agricultores de subsistencia con los mercados y a los niños remotos con el aprendizaje. Es probable que la innovación del sector privado en IA transforme muchas industrias, desde la educación a la sanidad y el derecho. Pero aprovechar todo el potencial de la tecnología para los países en desarrollo exigirá formular una visión amplia de lo que es posible y prestar especial atención a las personas cuyas vidas podría cambiar."
(Daniel Björkegren es Profesor Asistente de Asuntos Internacionales y Públicos en la Universidad de Columbia. Revista de prensa, 09/08/23; traducción DEEPL; fuente: Foreing Affairs)
No hay comentarios:
Publicar un comentario