La IA es vista no solo como una herramienta emergente sino como una revolución en curso.
1- La IA es vista no solo como una herramienta emergente sino como una revolución en curso.
Cita destacada: «La IA no es una herramienta más, es la revolución que redefine la forma en que pensamos, resolvemos problemas y descubrimos el mundo.»
La inteligencia artificial se concibe no meramente como una nueva herramienta a disposición de los investigadores, sino como una revolución en progreso que está transformando fundamentalmente la interacción con el entorno, la manera de abordar problemas complejos y la capacidad para generar soluciones innovadoras. Esta perspectiva resalta la profundidad del cambio que la IA está impulsando en el quehacer científico y tecnológico.
La visión de la IA como una revolución implica un compromiso decidido para integrarla en el núcleo de las actividades de investigación en diversas disciplinas, incluyendo física, química y astronomía, entre otras áreas cultivadas en las instituciones académicas. La aspiración es que la IA se convierta en una herramienta de uso transversal, potenciando las capacidades existentes y abriendo nuevas avenidas para el descubrimiento.
2- IA para potenciar capacidades técnicas y abrir fronteras del conocimiento.
Cita destacada: «Más allá de la eficiencia, la IA es el motor que nos impulsa a lo desconocido, revelando patrones y conocimientos que antes solo podíamos soñar.»
La inteligencia artificial tiene el potencial de potenciar significativamente las capacidades técnicas de los investigadores, permitiendo realizar tareas que anteriormente eran extremadamente laboriosas o requerían tiempos prohibitivos para un ser humano. Por ejemplo, el análisis de grandes volúmenes de datos que podría tomar días o semanas puede completarse en horas, lo que acelera el ciclo de experimentación y análisis.
Más allá de la eficiencia técnica, la IA es vista como un motor para abrir nuevas fronteras del conocimiento. Al procesar y encontrar patrones en cantidades masivas de datos, o al permitir la interacción con sistemas de información a través del lenguaje natural, se sugiere que la IA puede incluso sugerir maneras distintas de pensar los problemas científicos y generar descubrimientos que antes no eran posibles.
3- IA para ampliar la mirada científica y contribuir al desarrollo tecnológico y social.
Cita destacada: «Con la IA, nuestra mirada científica se expande, permitiéndonos abordar la complejidad del mundo para construir un futuro más justo y tecnológicamente soberano.»
Además de potenciar capacidades y abrir nuevas fronteras, la inteligencia artificial busca ampliar la mirada científica, permitiendo a los investigadores abordar la complejidad de los sistemas con un enfoque más amplio. Esto es particularmente relevante en problemas donde interactúan un sinfín de variables y una descripción completa requiere considerar muchos factores simultáneamente.
Se tiene la convicción de que la IA debe ser una aliada estratégica para la investigación que contribuya de manera tangible al desarrollo tecnológico y social. Al orientar sus aplicaciones hacia el beneficio colectivo y asegurar su uso ético, se espera que la IA no solo impulse el avance académico sino que también fomente alianzas con sectores gubernamentales y empresas privadas para fortalecer la soberanía tecnológica, la seguridad y el impulso económico basado en el conocimiento. La IA tiene un potencial tremendo para resolver grandes problemas en áreas como salud, energías limpias, alimentación y educación.
4- Importancia de la colaboración.
Cita destacada: «En la era de la IA, la colaboración no es una opción, es el cimiento sobre el que construiremos el futuro de la investigación y el desarrollo.»
Para alcanzar los objetivos de incorporar y aprovechar la inteligencia artificial en la investigación, se considera fundamental la colaboración. Se busca activamente la participación de personalidades destacadas de distintas entidades afines para generar sinergias y lograr un mayor impacto en los esfuerzos relacionados con el desarrollo y aprovechamiento de la IA.
Se deben estrechar vínculos con los sectores público y privado para fomentar alianzas que contribuyan al fortalecimiento de la soberanía tecnológica, la seguridad nacional y el desarrollo económico. Reconocer que la colaboración interna, buscando sinergia entre investigadores y grupos que ya trabajan en la materia, es un pilar fundamental, así como la búsqueda de alianzas con centros de investigación y empresas externas. A pesar de la natural competencia en el ámbito académico, la unión y la colaboración son cruciales para abordar los grandes factores de cambio actuales.
5- ¿Cómo puede la inteligencia artificial mejorar la calidad y los resultados de la investigación científica?
Cita destacada: «La IA no solo acelera la investigación, la transforma: de la generación de ideas a la síntesis de literatura, es el catalizador de nuevos descubrimientos.»
La inteligencia artificial puede mejorar la calidad y los resultados de la investigación científica al acelerar procesos engorrosos y que requieren mucho tiempo, como el análisis de grandes cantidades de datos. Esto permite a los investigadores conocer rápidamente las respuestas de sus experimentos, proponer nuevas variables y continuar con el ciclo de investigación de manera más ágil.
Además de la velocidad, la IA puede ayudar a la creación de algo nuevo que antes no existía, como la generación de modelos o ideas a partir de datos existentes. Puede utilizarse en todas las fases del proceso de investigación, desde la generación de ideas e hipótesis hasta la búsqueda y síntesis de literatura, e incluso la corrección de estilo y traducción de textos científicos. La capacidad de procesar datos multimodales y el potencial de interactuar con los sistemas de información en lenguaje natural son aspectos revolucionarios que pueden transformar la forma de investigar.
6- ¿Qué experiencias de colaboración en torno a la inteligencia artificial pueden servir de referencia?
Cita destacada: «Desde desastres naturales hasta pandemias, la colaboración con IA nos muestra el camino: uniendo datos y mentes para enfrentar los mayores desafíos.»
Diversas experiencias de colaboración con la inteligencia artificial sirven de referencia. Una de ellas es el análisis eficiente de grandes conjuntos de datos experimentales para interpretar resultados, permitiendo ir más rápido en las interpretaciones, aunque siempre se requiere la supervisión del experto humano.
Otros ejemplos de colaboración incluyen proyectos para el análisis de desastres naturales y el uso de IA durante una pandemia para unificar datos y generar proyecciones de riesgo, involucrando a investigadores de diversas áreas. También se para grupos de trabajo institucionales en IA generativa aplicada a la educación, que desarrollan materiales y organizan eventos, y redes internacionales de colaboración académica. Se destaca la colaboración con la industria, tomando como referencia iniciativas que conectan centros académicos con empresas para el desarrollo de proyectos aplicados en diversos sectores. Proporcionar herramientas más que solo modelos finales, permitiendo a la comunidad crear sus propios modelos, también se considera un tipo de colaboración efectiva.
7- ¿Qué acciones son necesarias para consolidar una estrategia institucional en inteligencia artificial?
Cita destacada: «Para dominar la IA, necesitamos una estrategia clara: comunicación, ética, inversión y alianzas, son los pilares de nuestro progreso institucional.»
Para consolidar una estrategia institucional en inteligencia artificial, es necesario primero generar comunicación, proyectos y foros para dar a conocer la IA, cómo se utiliza y cómo manejarla de forma ética. Se considera crucial establecer una postura institucional que incluya principios éticos, sostenibles y responsables para su uso, y normar cómo se reconocerá o reportará el apoyo de la IA en el trabajo académico.
Es importante intensificar la discusión colectiva sobre el tema e identificar, validar y apoyar liderazgos en diferentes aspectos del desarrollo y aplicación de la IA. Una estrategia debe equilibrar la normativa y los controles con la promoción y el aprovechamiento de las ventajas que ofrece la IA, evitando poner trabas innecesarias. Además, es fundamental promover proyectos y centros interdisciplinarios aplicados a problemas locales y nacionales, formar y capacitar a recursos humanos especializados, establecer alianzas estratégicas nacionales e internacionales, e invertir en infraestructura tecnológica adecuada. Se requiere una política científica institucional que defina áreas estratégicas para el desarrollo de la IA, buscando que su desarrollo sea ético, transparente y reduzca la brecha tecnológica.
8- ¿Qué oportunidades y desafíos hay en el uso de inteligencia artificial para automatizar o mejorar la recolección de datos?
Cita destacada: «La IA nos inunda de datos y a la vez nos da la clave para desentrañarlos: la oportunidad de un análisis sin precedentes, el desafío de la ‘caja negra’.»
Una oportunidad clave es la capacidad de la IA para procesar y analizar grandes volúmenes de datos de manera rápida y eficiente, integrándose en plataformas existentes para el análisis de datos cualitativos o el procesamiento de lenguaje natural en campos como la medicina. La IA generativa también ofrece la oportunidad de generar datos sintéticos para complementar bases de datos limitadas, lo cual es útil para entrenar otros sistemas inteligentes. La creación de gemelos digitales en la industria, donde se entrena a robots expertos a partir de réplicas digitales de procesos, ilustra una aplicación directa con impacto en la eficiencia empresarial.
El principal desafío es la verificabilidad de los resultados obtenidos por los sistemas de IA, especialmente en problemas complejos donde la opacidad del sistema («caja negra») dificulta saber cómo llegó a una conclusión. Otro desafío significativo es que la generación de datos está superando exponencialmente nuestra capacidad para analizarlos, lo que nos coloca en un universo de datos donde solo podemos analizar una fracción muy pequeña. Esto subraya la necesidad de desarrollar una estrategia institucional en datos para poder aprovechar al máximo el potencial de la IA en la resolución de grandes problemas complejos que requieren integrar datos de diversas escalas y tipos.
9- ¿Qué tipo de sesgos o dilemas éticos preocupan más al utilizar herramientas en IA en la investigación científica?
Cita destacada: «La IA nos deslumbra con su aparente profundidad, pero la verdadera preocupación reside en la ilusión de comprensión, la falta de transparencia y el riesgo de una ‘monocultura’ del conocimiento.»
Preocupa la ilusión de profundidad explicativa, un sesgo humano donde la aparente comprensión proporcionada por los resúmenes o resultados de la IA puede llevar a sobreestimar el propio conocimiento sin realizar el proceso cognitivo necesario para una comprensión profunda. Aunque la deshonestidad o la pereza no son problemas nuevos, la IA puede presentarlos de maneras novedosas e inesperadas, requiriendo nuevas formas de abordaje ético.
Otro dilema ético surge de la falta de transparencia y explicabilidad de algunos sistemas de IA, que pueden tomar decisiones basadas en información irrelevante sin que el usuario entienda por qué. Esto es crítico en aplicaciones como el diagnóstico médico, donde un error puede tener consecuencias graves. Existe la preocupación de que la IA pueda normalizar o reforzar patrones existentes en los datos, limitando la posibilidad de descubrir algo genuinamente diferente y cayendo en un «remuestreo de lo que existe». Finalmente, el riesgo de utilizar la IA para sustituir tareas fundamentales en el proceso de aprendizaje y formación de investigadores, como la preparación y comprensión profunda de conceptos, es un sesgo preocupante que puede mermar el desarrollo de habilidades críticas. La centralización de sistemas de IA en pocos proveedores también es un dilema, ya que podría llevar a una «monocultura» que obstaculiza la reproducibilidad y la investigación independiente.
La inteligencia artificial es más que una herramienta; es una revolución en curso que está redefiniendo la investigación científica. Su importancia radica en su capacidad para potenciar las capacidades técnicas, abrir nuevas fronteras del conocimiento, ampliar la mirada científica y contribuir tangiblemente al desarrollo tecnológico y social.
La IA puede mejorar la calidad y los resultados de la investigación. Permite realizar análisis de grandes volúmenes de datos en horas lo que antes tomaba días o semanas, liberando tiempo valioso para los investigadores. Puede manejar tareas engorrosas que requerirían tiempos astronómicos para un humano. Se considera una herramienta poderosa que potencializa la inteligencia humana, capaz de reconocer patrones, analizar grandes cantidades de datos y tomar decisiones. La IA generativa es particularmente revolucionaria, sugiriendo incluso nuevas formas de pensar los problemas y facilitando la interacción a través del lenguaje natural. Puede usarse en todas las fases del proceso de investigación, desde la generación de ideas e hipótesis hasta el análisis de datos, la búsqueda y síntesis de literatura, e incluso la organización de referencias. Es esencial para trabajar con problemas complejos y datos profundos o multimodales. Además, tiene el potencial de resolver grandes problemas nacionales y globales en áreas como salud, energía, alimentación y educación.
Sin embargo, el uso de la IA en investigación presenta desafíos significativos que requieren una estrategia institucional.
Entre los principales desafíos y las posibles maneras de abordarlos se encuentran:
Sesgos y Dilemas Éticos:
Abordaje: La IA debe ser una herramienta que acompañe al experto humano, quien aporta la creatividad y la capacidad de imaginar. Es crucial entender sus limitantes y la responsabilidad que implica su uso. Se necesita transparencia y explicabilidad en los sistemas de IA para poder confiar plenamente en ellos y asegurar que toman decisiones basadas en información relevante.
Normatividad y Uso Responsable:
Abordaje: Es fundamental difundir el conocimiento sobre la IA, cómo se utiliza y cómo manejarla éticamente. Se deben desarrollar principios para una IA ética, sostenible y responsable. Los profesores y académicos deben adaptar sus metodologías de educación para integrar el uso benéfico de la IA y enseñar a los estudiantes a utilizarla correctamente.
Infraestructura y Recursos Humanos:
Abordaje: Se requiere invertir en infraestructura de cómputo. Es crucial formar y capacitar recursos humanos especializados en IA. La generación de datos sintéticos por la propia IA puede ayudar a complementar bases de datos.
Colaboración y Estrategia Institucional:
Abordaje: Es vital intensificar la discusión colectiva sobre la IA en la universidad. Se necesita crear un ecosistema de IA aplicada a la investigación que fomente proyectos interdisciplinarios, inter-institucionales y con apoyo estratégico.
Monocultura de Sistemas:
Abordaje: Es crucial fomentar la investigación y la creación de sistemas de IA alternativos para evitar una monocultura.
En suma, la visión es que la IA es indispensable para el futuro de la investigación, ofreciendo eficiencias sin precedentes y abriendo nuevas posibilidades. Sin embargo, su adopción exitosa y benéfica en el ámbito académico, requiere una estrategia institucional articulada, inversión en infraestructura, formación de recursos humanos, un enfoque multidisciplinario y colaborativo, y una atención constante a los aspectos éticos y normativos para asegurar un uso responsable y transparente, superando la fragmentación y promoviendo la sinergia interna y externa.
Posibles infografías para el documento
