La Inteligencia Artificial (IA) no es un concepto nuevo. Sus orígenes se remontan a la década de 1950, cuando se acuñó el término por primera vez. Sin embargo, no fué hasta el siglo XXI que la IA comenzó a tener un impacto significativo en nuestras vidas diarias.

En Latinoamérica, uno de los encuentros clave para apoyar el avance de la Inteligencia Artificial es Khipu, que realiza un evento anual desde 2019. Este año, el Laboratorio de Aceleración del PNUD Guatemala fue seleccionado para participar en dicho evento, luego de un proceso de selección y basado en su actual trabajo en la generación y uso de evidencia en base a datos geolocalizados para orientar la toma de decisiones ambientales de autoridades centrales y locales.

Khipu 2023 se llevó a cabo a principios de marzo con tres objetivos principales: ofrecer capacitación en temas avanzados de IA, fortalecer la comunidad de IA fomentando colaboraciones, y aumentar la conciencia sobre cómo la IA puede utilizarse en beneficio de Latinoamérica. Las reuniones de cinco días tuvieron lugar en la Facultad de Ingeniería de la Universidad de la República, en Montevideo Uruguay, reuniendo a instituciones privadas, sin fines de lucro, de la sociedad civil y académicas, alimentada por una agenda integral que incluyó oradores de alto nivel internacional, charlas de investigación, sesiones prácticas, presentaciones de posters y eventos paralelos.

Los modelos avanzados de IA, según lo conversado en el encuentro, abren nuevas y prometedoras vías para una variedad de aplicaciones. Por ejemplo, los modelos generativos profundos (deep generative models, en inglés), como Dalle-2 e Imagen, son sistemas de inteligencia artificial que permiten crear imágenes y arte fotorrealistas a partir de una descripción de texto en lenguaje natural. El aprendizaje por refuerzo (reinforcement learning, en inglés) y los grandes modelos de lenguaje (large language models, en inglés) son agentes capacitados para tomar las mejores acciones en un entorno para maximizar una recompensa determinada a largo plazo. Dichos modelos han tenido un gran éxito en una amplia gama de problemas desafiantes, como aprender a jugar videojuegos complejos como Atari, y resolver con precisión problemas de alta dificultad de una manera conversacional como ChatGPT.

También se conversó que existen desafíos conocidos al desarrollar modelos de IA. Por ejemplo, en modelos generativos profundos (deep generative models, en inglés), un desafío clave es conocer la verdadera distribución y escribirla matemáticamente. En modelos de lenguaje, tareas conocidas que son difíciles de abordar incluyen la incorporación de conocimiento de dominio especializado (como de medicina y derecho), el razonamiento con sentido común, el procesamiento en tiempo real y la consideración de implicaciones éticas y morales.

Generalmente durante el desarrollo de modelos de IA hay aspectos que balancear, los cuales incluyen la precisión (cuán generalizable es un modelo de IA para datos nuevos), la compresión (cuántos recursos computacionales demanda un modelo, como cantidad de memoria), la interpretabilidad (cuán comprensible es un modelo), la robustez (cuán vulnerable es un modelo a los cambios en la distribución de los datos) y la equidad (cómo debe comportarse un modelo en características sensibles, como el color de la piel o la religión).

En Latinoamérica, la adopción de la IA ha sido más lenta en comparación con otras regiones del mundo, donde Centroamérica y el Caribe se encuentran aún más rezagadas. Además, la región latinoamericana se caracteriza por una fuerte presencia de lenguas indígenas, que son inherentes a su diversidad cultural. En ese sentido, algunos modelos de lenguaje de IA pueden enfrentar más desafíos, como idiomas sean más hablados que escritos, e idiomas evolucionen o incluso se desvanezcan con el tiempo.

A pesar de estos desafíos, ha habido un creciente interés en el desarrollo impulsado por la IA en los últimos años en la región. Países como Brasil, México, Colombia, Uruguay y Argentina han estado invirtiendo en la investigación y desarrollo para construir sus ecosistemas de IA. Un ejemplo es la Estrategia de Inteligencia Artificial de Uruguay para promover y fortalecer el uso responsable de la IA en la administración pública.

También se observa una mayor conciencia sobre las implicaciones ambientales, sociales y éticas en la utilización y adopción de nuevas tecnologías. Un esfuerzo actual relevante para comprender los impactos sociales de la Inteligencia Artificial es EDIA (Estereotipos y Discriminación en Inteligencia Artificial), proporcionando mecanismos para que comunidades de ciencias sociales y personas expertas de dominio en Latinoamérica exploren sesgos y estereotipos discriminatorios presentes en texto y modelos de lenguaje.

Además, existen comunidades globales de IA ya establecidas (como HuggingFace) donde convergen el sector privado, académico, sin fines de lucro y sociedad civil, potencializando un ecosistema para el desarrollo e implementación de modelos de IA de última generación de manera abierta y colaborativa.

En conclusión, la IA es una tecnología transformadora que ofrece importantes oportunidades de desarrollo en Latinoamérica. Sin embargo, abordar los desafíos conocidos requiere un esfuerzo de colaboración multisectorial. Al adoptar la IA de manera responsable y sostenible, invertir en investigación y desarrollo, brindar capacitación y educación, y promover la innovación y la colaboración, Latinoamérica puede posicionarse como líder mundial en el desarrollo impulsado por la IA.

Acerca del PNUD

El Programa de las Naciones Unidas para el Desarrollo (PNUD), a través de su estrategia digital y plan estratégico, presenta una visión a largo plazo para crear un mundo en el que lo digital sea una fuerza de empoderamiento para las personas y el planeta, buscando apoyar a los países en tres direcciones de cambio: estructural. transformación, no dejar a nadie atrás y desarrollar resiliencia, y subraya la importancia de lo digital como uno de los tres facilitadores para lograr este cambio.
La red de laboratorios aceleradores del PNUD está compuesta por 91 equipos de laboratorio que cubren 115 países. Los laboratorios están diseñados para cerrar la brecha entre las prácticas actuales de desarrollo internacional a un ritmo acelerado de cambio. Modelan una nueva capacidad para lograr avances en el futuro del desarrollo, incluída la cuarta revolución industrial.