Eje Tecnologías

Inteligencia Artificial
para Inteligencias Reales
 Si aún no te inscribiste al taller, escaneá el
código QR y completá el formulario.

Los Talleres País Digital son capacitaciones llevadas a cabo en todo el país a
través del Programa Punto Digital.

Punto Digital es un Programa de inclusión digital que depende de Jefatura de

Gabinete de Ministros de la Nación.
Cuenta con más de 650 espacios públicos y gratuitos instalados en todo el país.
Podés acercarte para capacitarte, hacer trámites, informarte, entretenerte o
disfrutar del microcine.

Subsecretaría de Servicios y País Digital

Gobierno
Abierto
TALLERES PAÍS DIGITAL - INTELIGENCIA ARTIFICIAL PARA INTELIGENCIAS REALES 3

Inteligencia artificial
para inteligencias reales
El siguiente cuadernillo se inspira en la “Guía Popular sobre la Inteligen-
cia Artificial” de Mimi Onuoha y Mother Cyborg, dos artistas y activistas
que buscan que más y más personas tengan la oportunidad de conocer
y tener una mirada crítica sobre las tecnologías que nos rodean y sobre
todo de la inteligencia artificial, para entender cómo funciona, qué opor-
tunidades abre y qué problemáticas acarrea.

Para empezar Cuando escuchás inteligencia artificial, ¿qué es lo

primero que te viene a la cabeza?

¿Reconocés alguna de estas películas?

¿De qué tratan?

¿Cómo se representa a la inteligencia artificial

en las películas y en los libros?
TALLERES PAÍS DIGITAL - INTELIGENCIA ARTIFICIAL PARA INTELIGENCIAS REALES 4

Primeros
En los imaginarios que existen en la cultura popular, podemos identificar
dos tendencias o miradas sobre la inteligencia artificial y sobre las tec-

problemas nologías en general:

• La demonización: creer que las tecnologías son inherentemente malas
y síntomas de decadencia.
• La idealización: creer que las tecnologías van a resolver todos nuestros
problemas.

Bill Gates y el proyecto para hacer un escudo para la tierra y así detener el calenta-
miento global. Quizás un ejemplo de idealización de las tecnologías.

Ambas posturas responden a una “fetichización” de las tecnologías, lo

cual implica olvidar que las tecnologías por sí solas no son buenas ni
malas, sino que son herramientas que surgen en contextos específicos
y que son un reflejo de estos. Los cambios sociales significativos tienen
que ver con transformar esos contextos, y no tanto con las tecnologías
que son engendradas.

Definiendo la ¿Qué es para vos la inteligencia artificial?

inteligencia
artificial Para definir a la inteligencia artificial, es importante primero definir qué
puede y qué no puede hacer una computadora (o un robot u otro dispo-
sitivo programado).

¿Qué cosas se pueden hacer con una computadora?

Aunque hagamos muchísimas cosas con la computadora, ella en reali-

dad pueden realizar básicamente dos operaciones:
1- operaciones matemáticas
2- operaciones lógicas
TALLERES PAÍS DIGITAL - INTELIGENCIA ARTIFICIAL PARA INTELIGENCIAS REALES 5

Las operaciones lógicas o booleanas consisten en verificar si una

condición se cumple o no. La computadora, por ejemplo, puede
comprobar si un número es mayor que otro, si una palabra tiene
determinada letra, si un archivo es igual a otro, etc. En estas verifi-
caciones u operaciones lógicas sólo se admiten dos respuestas:
“verdadero” o “falso”.

Programadoras y programadores han pensado formas creativas de

combinar esas operaciones para lograr que las computadoras puedan
encargarse de tareas como diseño, edición de video, reproducción de
música, modelado 3D, etc. El procedimiento es muy simple: quienes pro-
graman le pasan a las computadoras instrucciones claras e inequívocas
llenas de operaciones matemáticas y lógicas (los llamados “programas
informáticos”), y la computadora los sigue a rajatabla. Con este procedi-
miento se ha conseguido y mejorado gran parte de la automatización y
digitalización que nos rodea.
Sin embargo, ya en los años ‘50, en los albores de la informática moderna,
hubo profesionales de la ciencia que se preguntaron si era posible que la
computadora pudiera, sin instrucciones explícitas, decidir qué hacer y de
esta forma lograr una automatización más profunda y dispositivos con
capacidades cada vez más sofisticadas de responder al entorno. De ahí
surge la inteligencia artificial y sus dos grandes corrientes: la inteligen-
cia artificial simbólica (symbolic AI o GOFAI en inglés) y el aprendizaje
automático (también llamado machine learning). A continuación vere-
mos con mayor profundidad en qué consisten estas dos corrientes. Por
ahora, podemos ensayar una primera definición de inteligencia artificial:

La inteligencia artificial son softwares o programas informáticos

que, mediante distintas metodologías, permiten que una compu-
tadora o un dispositivo programado (un robot, por ejemplo), tenga
capacidades ampliadas de decidir o discernir, sin necesidad de
tener instrucciones explícitas. Generalmente, estas capacidades
estarán relacionadas a una tarea específica.

Para pensar:
¿La aspiradora robot…tiene inteligencia artificial?

Existen muchísimos dispositivos que gracias a sensores pueden com-

portarse de manera autónoma, e incluso a algunos se les llama “inteli-
gentes”. También existen cada vez más chatbots y demás programas
que simulan conversaciones. Pero no todas estas tecnologías tienen,
para los estándares de hoy en día, inteligencia artificial. Muchos sim-
plemente han sido programados con instrucciones tan, tan específicas,
que ponderan tantos escenarios que pareciera que el dispositivo está
TALLERES PAÍS DIGITAL - INTELIGENCIA ARTIFICIAL PARA INTELIGENCIAS REALES 6

eligiendo cómo accionar en el momento. Cuando un dispositivo tiene IA

propiamente, su programador/a nunca podrá anticipar a ciencia cierta
cómo responderá o qué hará, sólo podrá suponer.

Tipos de El término “inteligencia artificial” fue acuñado por el informático

estadounidense John McCarthy en el marco de la conferencia de

inteligencia Dartmouth, encuentro organizado por él mismo y otros especia-

listas en 1956. La conferencia duró aproximadamente dos meses,

artificial y participaron distintos informáticos interesados o que llevaban

adelante investigaciones similares, como Arthur Samuel, Herbert
A. Simon, Allen Newell y Marvin Minsky. En las historizaciones
que se hacen de la inteligencia artificial, esa conferencia es con-
siderada como un hito, y se le da mucha importancia a las inves-
tigaciones que por esa época se llevaron adelante en distintas
universidades de EEUU.

¿Y en Argentina?
En 1965 se crea en la Facultad de Ingeniería el Grupo de Estudios
de Inteligencia Artificial (GEIA), encabezado por Horacio Reggino.
Ante las dificultades encaradas durante la dictadura de Onganía,
este grupo fue desmantelado. Durante esta época tuvo lugar tam-
bién la Noche de los Bastones Largos, que significó un retroceso
significativo en los estudios e investigaciones de informática en
la Argentina.

En la conferencia de Darthmouth se hace claro que se vienen trabajando

dos tipos de “inteligencia” artificial: la IA simbólica, que busca que la
computadora haga deducciones; y el aprendizaje automático, que busca
que la computadora haga más bien un proceso inductivo. Ahora vere-
mos un poco más en detalle cada uno de estos dos abordajes.

Para pensar….
Es importante recordar que lo único que pueden hacer en
esencia las computadoras son operaciones matemáticas
y lógicas. Los dispositivos con “IA” adquieren capacidades
deductivas o inductivas, pero sólo mediante procedimientos
lógicos taxativos que distan mucho del gran abanico de pro-
cedimientos que tiene la inteligencia humana. De hecho, el
psicólogo Howard Earl Gardner, en su teoría de las inteligen-
cias múltiples, plantea que las personas tenemos inteligen-
cia naturalista, musical, interpersonal, intrapersonal, existen-
cial, corporal-kinestésica, lingüística y matemático-lógica.
TALLERES PAÍS DIGITAL - INTELIGENCIA ARTIFICIAL PARA INTELIGENCIAS REALES 7

Inteligencia En las investigaciones y desarrollos de inteligencia artificial simbólica

se busca que la computadora lleve adelante deducciones. Esto quiere
Artificial decir que se le pasan muchas premisas u oraciones que son verdaderas,
para que ella luego, mediante operaciones lógicas, pueda hacer inferen-
simbólica o cias. Se va de lo general a lo particular.

de proceso ¡Hacé tu propia deducción!

deductivo • Las personas son bípedas
• Carla es una persona
• Carla es….

Aquellos que idearon esta forma de inteligencia artificial argu-

mentaban que así se forma el sentido común humano: la perso-
na va aprendiendo premisas, y luego hace muchísimas deduccio-
nes por día en base a las premisas que aprendió.

¿Qué limitaciones creés que pueda haber para estos desarro-

llos? ¿Es posible listar y pasarle a una computadora todas las
premisas que “sabemos” o de las que partimos las personas?

Podríamos decir que lo ambicioso del planteo de la IA simbólica hizo que

fuese complicado conseguir resultados rápidos y que fuese perdiendo
financiamiento. Aún así, tuvo más suerte que el aprendizaje automático,
y tuvo un boom en los años ‘80 gracias a la proliferación de los sistemas
expertos facilitada por el boom de la computadora personal. Los sis-
temas expertos fueron desarrollos de IA simbólica aplicados a rubros
acotados: no era necesario pasar a la computadora premisas de todo,
sino del rubro en cuestión. Hubo desarrollos para bancos, para medicina,
para cálculo de impuestos, etc. Los sistemas expertos existen todavía en
la actualidad, pero lo más común es que se combinen con elementos de
aprendizaje automático.

Deep blue es quizás la IA

simbólica más famosa.
TALLERES PAÍS DIGITAL - INTELIGENCIA ARTIFICIAL PARA INTELIGENCIAS REALES 8

Existen iniciativas de inteligencia artificial simbólica de más alcance. El

proyecto Cyc, originado a principios de los años ‘80, se propuso acumu-
lar la mayor cantidad de premisas para desarrollar un “sentido común”
humano. Alguien estipuló que lograr eso tomaría 3000 años. Aún así, se
avanzó con el proyecto y el mismo perdura en la actualidad. Ya ha tenido
varios lanzamientos al público en distintos formatos, aunque casi siem-
pre con licencia privativa.

Aprendizaje En la IA simbólica le pasamos a la computadora premisas y ella deduce

en base a estas. En el aprendizaje automático (o machine learning), en
automático o cambio, le pasamos a la computadora muchos ejemplos o casos, y ella
sola construye las premisas. Hace entonces el proceso inverso: va de lo
IA de proceso particular a lo general.

inductivo
Haciendo inducción
Abajo hay una pequeña muestra de lo que viene escuchando
Laura. ¿Qué escuchará el jueves 16?, ¿qué probabilidad hay
de que efectivamente escuche eso?, ¿con más información
estarías más segura o seguro?

Lunes 6 Martes 7 Miércoles 8 Jueves 9 Lunes 13 Martes 14 Miércoles 15 Jueves 16

Mercedes Luis Alberto Wos - Buitres Lali - Leon Gieco - Gustavo Cerati Residente/ ????
Sosa - Spinetta - “Disciplina” “ojo con los - “Puente” BZRP -“Music
“Zamba para “Seguir vivien- orozco” sessions #49”
olvidar” do sin tu amor”

Si bien ya hubo experimentos de aprendizaje automático en los años

‘50, estos no fueron muy populares hasta mucho tiempo después. Prin-
cipalmente porque para reconocer patrones con mayor precisión y así
elaborar conclusiones, se necesitaban cantidades masivas de muestras.

¿Qué sucedió en los años ‘90 que haya facilitado el boom del
aprendizaje automático?

Si pensaste en el surgimiento de Internet, estás totalmente en lo correc-

to. De repente había cantidades masivas de imágenes, texto, sonidos,
y otro tipo de contenidos, todo en un mismo lugar. A esto se le sumó el
boom de los teléfonos inteligentes, con lo que además cada persona
tiene una enorme “huella digital”, por lo que tomar muestras para sacar
conclusiones e identificar patrones se ha vuelto muy sencillo.
TALLERES PAÍS DIGITAL - INTELIGENCIA ARTIFICIAL PARA INTELIGENCIAS REALES 9

Asociados al machine learning, leerás términos como aprendizaje pro-

fundo o deep learning, y redes neuronales o neural networks. Se les llama
redes neuronales a los programas informáticos propiamente encarga-
dos de procesar las muestras que damos para reconocer patrones. Es-
tos están compuestos de muchas operaciones estadísticas que analizan
con qué frecuencia se dan determinadas características.
Actualmente es posible usar redes neuronales sin crearlas, gracias a
varias aplicaciones, una de ellas llamada Teachable Machine. Podemos
“entrenarlas”: pasarles sólo muestras de aquello que queremos que re-
conozca; así las analizará, reconocerá patrones y estará lista para identi-
ficar. Este proceso se ve así:

Recolección de muestras: toma-

mos muchas fotos de aquello que
queremos que sea reconocido y lo
nombramos.

Entrenamiento propiamente: dejar

que la red neuronal procese todas
las muestras para entender qué
tienen en común.

Al terminar el entrenamiento, tendremos un modelo: una red neuronal

ya entrenada capaz de reconocer algo puntual. Las redes neuronales
después se insertan o complementan a otros proyectos: las usamos en
videojuegos, dispositivos, aplicaciones, etc., para hacerlos “inteligentes”.
Se puede, por ejemplo, entrenar una IA para que reconozca manos, o
mejor aún, gestos; luego se puede usar el modelo para que un juego res-
ponda solamente a esos gestos.
TALLERES PAÍS DIGITAL - INTELIGENCIA ARTIFICIAL PARA INTELIGENCIAS REALES 10

Inteligencias La mayoría de las inteligencias artificiales que nos rodean o de las que
se habla hoy en día son de aprendizaje automático, aunque pueden tener
artificiales aspecto de inteligencia artificial simbólica. Acá te mencionamos algunos:

que nos
• Asistentes virtuales o chatbots: no todos tienen inteligencia artificial
necesariamente. Aquellos en los que por ejemplo nos dan ya un listado

rodean de respuestas posibles es probable que no tengan inteligencia artificial.

• Reconocimiento facial: AFIP, BNA+ y cada vez más celulares usan el
reconocimiento facial como medida de seguridad para el acceso. ¿Cono-
cés alguna otra aplicación que use reconocimiento facial?
• Traducción: Google translate logra cada vez más precisión en las tra-
ducciones gracias al machine learning.
• Reconocimiento de spam: ¿nunca te preguntaste cómo es que tu mail
sabe qué mail poner en spam? Gmail y otras casillas reconocen patrones
de mails de tipo spam.
• Motores de búsqueda y de recomendación: Netflix, Spotify, Youtube,
Instagram y casi cualquier aplicación puede identificar ciertos patrones
en tus consumos para después hacerte recomendaciones.
• Sistemas de conversación como Siri, Alexa o el asistente de Google:
estos han sido programados con aprendizaje automático para emular
las voces y la sintaxis de los sistemas humanos. Es posible que haya
algo de IA simbólica en su gestión.
• ChatGPT: Usa varios modelos capaz de identificar las palabras más re-
levantes de una solicitud y luego de construir un texto coherente a base
de predecir la próxima palabra.

Problemáticas Existen pocas o prácticamente ninguna investigación en la actualidad

que busque realmente crear Androides (es decir, robots) programados
para simular el pensamiento humano. Por lo tanto, las problemáticas
que se enfrentan hoy en día con la inteligencia artificial no tienen que ver
con robots que puedan sublevarse y matar a las personas como imaginó
Isaac Asimov, sino con problemas sociales ya existentes.

Para pensar…
Imaginemos que te invitan a la mejor fiesta de la historia, y
te piden que vos invites a 6 personas. Pero no pueden ser
cualquiera, deben ser las 6 personas más interesantes y
divertidas que conozcas, y deben ser elegidas objetivamente.
¿Qué indicadores objetivos hay de que alguien es interesante
y divertido?
TALLERES PAÍS DIGITAL - INTELIGENCIA ARTIFICIAL PARA INTELIGENCIAS REALES 11

Te habrás dado cuenta de que es difícil ser taxativo, sobre todo en lo que
se refiere a personas, que están llenas de matices. Las llamadas “inteli-
gencias artificiales”, como vimos anteriormente, llevan adelante proce-
sos de deducción y de inducción recurriendo exclusivamente a operacio-
nes booleanas o estadísticas, no dando lugar a sutilezas ni gradientes.

¿Qué problemas creés que pueden surgir a raíz de esto?

El sesgo algorítmico y el efecto burbuja

Esta problemática mencionada no es simplemente teórica. En 2014,
Amazon creó una inteligencia artificial con aprendizaje automático para
elegir entre los miles de currículums que recibía. Había sido entrenada
con los currículums de personas contratadas los pasados 10 años. De-
bía identificar patrones de esos currículums y así seleccionar a nuevos
empleados. Pero descubrieron que la inteligencia artificial estaba des-
cartando en primera ronda curriculums de mujeres, ya que como eran
minoría en el personal, la IA lo consideraba como un rasgo no deseable.
Durante la pandemia también surgieron discusiones de cómo, por ejem-
plo, los algoritmos de Youtube podían estar siendo factores de radica-
lización al identificar varios casos de terroristas y personas de grupos
extremistas a los que el algoritmo de Youtube les continuaba sugiriendo
contenido que sólo reforzaba y amplificaba sus creencias.
Ambas situaciones son un problema recurrente con el aprendizaje au-
tomático, y se les llama de distintas formas: sesgo algorítmico y filtro
burbuja. La IA es entrenada con información que le es suministrada y si
esta presenta desigualdades o irregularidades, la inteligencia artificial
las amplificará. El sesgo algorítmico en conjunto con los “triggers” y las
fake news componen un cocktail explosivo al que es fundamental hacer-
le frente y mantener una postura crítica.
Las problemáticas que pueden surgir con el aprendizaje automático son
recordatorios de lo que mencionamos al principio de este material: las tec-
nologías no son la solución y la respuesta final a todos los problemas, sino
herramientas creadas por personas a ser usadas a conciencia. Las pen-
sadoras Lauren F. Klein y Catherine D´Ignazio, en su libro “Data feminism”,
nos instan a ser críticos o al menos de sospechar de los proyectos o po-
sicionamiento que hablan de las tecnologías, la “big data” y la inteligencia
artificial en términos mesiánicos como si fueran el santo grial y el destino
de la humanidad. Por ejemplo, la aplicación del aprendizaje automático
puede tener implicancias sumamente crueles en temas como prevención
del delito o en otros criterios para implementar medidas a gran escala.
TALLERES PAÍS DIGITAL - INTELIGENCIA ARTIFICIAL PARA INTELIGENCIAS REALES 12

Oportunidades La IA no es la respuesta a todos los problemas de la humanidad y pre-

senta problemas cuando se pretende que de soluciones fáciles para
de la inteligen- grandes grupos humanos, pero sí es sin duda una herramienta increíble
con la que se puede innovar.
cia artificial
¿Te han facilitado en algo las IA con las que interactuás a
diario? ¿Podrías pensar algo en lo que sea útil el reconoci-
miento de patrones?

Si bien en cada comunidad las necesidades de innovación se verán di-

ferentes, en casi todos lados existe por ejemplo la necesidad de innova-
ción para la sustentabilidad y para la asistencia a las discapacidades.
Innovación, claro está, que debe acompañar cambios estructurales y
sociales. La IA presenta oportunidades interesantes para estos rubros
en demanda.
Como parte del proyecto Euphonia por ejemplo, Steve Sailing entrena
modelos para que reconozcan sus expresiones faciales y lo ayuden a
expresarse de forma más inmediata.

Steve probando su modelo

Conclusiones Si bien las tecnologías no son la respuesta definitiva para muchas de

las problemáticas y necesidades de las personas y las comunidades,
estas pueden ser re apropiadas para generar innovaciones cada vez más
pertinentes para su contexto y para la necesidad a la pretenden atender.
La IA si bien puede ser muy problemática cuando se usa con fines co-
merciales y para caracterizar a poblaciones humanas, es un herramienta
que presenta enorme potencial y que puede aportar a crear soluciones
puntuales a la asistencia en la discapacidad o a lograr la sustentabilidad,
campos con gran necesidad de innovación.
Eje Tecnologías