{"id":858,"date":"2025-06-25T09:45:23","date_gmt":"2025-06-25T15:45:23","guid":{"rendered":"https:\/\/evida.ugto.mx\/learning\/?p=858"},"modified":"2025-06-25T09:45:23","modified_gmt":"2025-06-25T15:45:23","slug":"leccion-2-mirando-a-nuestro-alrededor","status":"publish","type":"post","link":"https:\/\/evida.ugto.mx\/learning\/leccion-2-mirando-a-nuestro-alrededor\/","title":{"rendered":"Lecci\u00f3n 2. Mirando a nuestro alrededor"},"content":{"rendered":"\n

Introducci\u00f3n<\/h2>\n\n\n\n

Al adentrarnos en la actualidad de la Inteligencia Artificial, descubrimos un paisaje en constante expansi\u00f3n que ya forma parte de nuestro d\u00eda a d\u00eda. Desde los asistentes de voz que nos reciben al llegar a casa hasta los algoritmos que personalizan nuestras redes sociales, la IA se ha incrustado en los comportamientos m\u00e1s cotidianos y en las decisiones m\u00e1s cr\u00edticas. Esta lecci\u00f3n nos invita primero a reconocer las tecnolog\u00edas con las que probablemente ya interactuamos y, a continuaci\u00f3n, a examinar las repercusiones \u2014tanto positivas como negativas\u2014 que surgen cuando tales sistemas se despliegan sin un an\u00e1lisis riguroso de sus consecuencias.<\/p>\n\n\n\n

Desarrollo del tema<\/h2>\n\n\n\n

Nuestro alrededor<\/h3>\n\n\n\n

Si retrocedemos apenas unas d\u00e9cadas, la idea de que una m\u00e1quina nos entendiera al hablar o aprendiera de nuestra conducta parec\u00eda pura fantas\u00eda. Hoy, sin embargo, basta enfrentarse a un teclado o pronunciar un comando de voz para activar sofisticados modelos de lenguaje, sistemas de reconocimiento de im\u00e1genes o recomendaciones basadas en aprendizaje autom\u00e1tico. Estas tecnolog\u00edas, nacidas en laboratorios y pasarelas de congresos, se han convertido en herramientas tan comunes que a menudo ignoramos el enorme entramado de datos, algoritmos y protocolos de control que las sustentan.<\/p>\n\n\n\n

Aunque el an\u00e1lisis t\u00e9cnico de los distintos enfoques \u2014procesamiento del lenguaje natural, visi\u00f3n por computador, rob\u00f3tica, redes neuronales profundas\u2014 es fascinante, este curso prioriza otra perspectiva: la de sus efectos en la sociedad. En lugar de profundizar en f\u00f3rmulas y arquitecturas, nos centraremos en las preguntas que surgen cuando esas arquitecturas se enfrentan a la complejidad humana: \u00bfqu\u00e9 interpretaciones err\u00f3neas pueden provocar? \u00bfqu\u00e9 prioridades invisibles se codifican en sus l\u00edneas de programaci\u00f3n? \u00bfc\u00f3mo influyen en la vida de los colectivos m\u00e1s vulnerables?<\/p>\n\n\n\n

Riesgos y beneficios<\/h3>\n\n\n\n

Cada innovaci\u00f3n trae consigo promesas y peligros. En Australia, un sistema automatizado de recaudaci\u00f3n de deudas \u2014conocido como \u201crobo-debt<\/a>\u201d\u2014 aplic\u00f3 algoritmos a datos fiscales y de prestaciones sociales sin supervisi\u00f3n suficiente. El resultado fueron notificaciones err\u00f3neas, cobros injustificados y un sufrimiento inmenso para miles de familias. Sin embargo, no todo fue un drama silente: activistas como Asher Wolf, organizadora de #notmydebt, pusieron su voz y su energ\u00eda para denunciar la arbitrariedad del sistema y exigir transparencia. A la par, movimientos globales como #TechWontBuiltIt reclamaron un compromiso \u00e9tico antes de desplegar nuevas herramientas, y entidades profesionales \u2014entre ellas la Association for Computing Machinery\u2014 empezaron a publicar gu\u00edas sobre la responsabilidad en el dise\u00f1o tecnol\u00f3gico y la sostenibilidad de la IA.<\/p>\n\n\n\n

La dimensi\u00f3n de estos riesgos no se limita a errores de c\u00e1lculo o carencias de regulaci\u00f3n. En el campo de las redes sociales, numerosos estudios y testimonios de quienes participaron en su desarrollo muestran que los algoritmos de recomendaci\u00f3n fueron dise\u00f1ados deliberadamente para maximizar el tiempo de uso, explotando sesgos psicol\u00f3gicos que fomentan la adicci\u00f3n. Esta realidad pone de manifiesto un doble filo: la misma t\u00e9cnica que sirve para personalizar sugerencias de manera beneficiosa puede volverse instrumento de manipulaci\u00f3n masiva<\/strong>.<\/p>\n\n\n\n

Una tercera faceta cr\u00edtica se encuentra en la justicia algor\u00edtmica. Documentales como \u201cAll Hail the Algorithm\u201d exponen casos como el de COMPAS \u2014un sistema que asigna puntuaciones de riesgo a personas acusadas de delitos en Estados Unidos\u2014. Detr\u00e1s de su aparente neutralidad num\u00e9rica, se ocultan variables sensibles: historial de convivencia, perfil socioecon\u00f3mico e incluso rasgos demogr\u00e1ficos que, seg\u00fan algunos estudios, pueden reproducir y amplificar sesgos raciales. Aunque estas herramientas prometen objetividad y eficiencia, la opacidad de sus criterios y la falta de control humano cuidadoso pueden agravar las desigualdades que pretenden resolver.<\/p>\n\n\n\n

Figura 5<\/strong>
Cada innovaci\u00f3n trae consigo promesas y peligros<\/em><\/p>\n\n\n

\n
\"Cada<\/figure>\n<\/div>\n\n