Skip to content

10. Aplicaciones y casos de uso por dominio

This content is not available in your language yet.

Por qué este capítulo distingue lo demostrado de lo especulativo

Sección titulada «Por qué este capítulo distingue lo demostrado de lo especulativo»

Las dos primeras partes de este libro construyeron, con todo el rigor matemático, lógico y de ingeniería posible, una comprensión completa de cómo funcionan, por dentro, los sistemas de inteligencia artificial actuales. Esa comprensión es precisamente lo que permite, en esta tercera parte, evaluar con criterio propio las afirmaciones que circulan sobre lo que estos sistemas pueden o no pueden hacer, en lugar de aceptarlas o rechazarlas por simple impresión. Este capítulo recorre, dominio por dominio, algunos de los usos mejor documentados de la inteligencia artificial actual, y en cada caso distingue explícitamente entre lo que está demostrado mediante evidencia verificable —premios, publicaciones revisadas por pares, adopción medible— y lo que todavía pertenece al terreno de la promesa o la especulación.

Medicina y biología: de la percepción de imágenes a la predicción de estructuras

Sección titulada «Medicina y biología: de la percepción de imágenes a la predicción de estructuras»

El uso mejor documentado de la inteligencia artificial en un dominio científico concreto es, probablemente, la predicción de la estructura tridimensional de las proteínas. Durante más de cincuenta años, determinar experimentalmente cómo se pliega una proteína a partir de la secuencia de aminoácidos que la componen exigía técnicas costosas y lentas, como la cristalografía de rayos X. En 2020, un sistema llamado AlphaFold, desarrollado por el laboratorio DeepMind, logró predecir esa estructura con una precisión que, en una fracción sustancial de los casos evaluados, resultó comparable a la de los métodos experimentales. AlphaFold está construido sobre una arquitectura llamada mecanismo de atención, que permite a un sistema relacionar entre sí, de manera simultánea, todos los elementos de una secuencia —en este caso, todos los aminoácidos de una proteína— para determinar cuáles resultan relevantes entre sí; el capítulo 8 desarrolla ese mecanismo en detalle para quien quiera comprenderlo por dentro. Conviene ser precisos sobre el alcance exacto de este logro: el propio sistema reporta, para cada predicción que produce, una medida de confianza que varía de una proteína a otra y, dentro de una misma proteína, de una región a otra —hay zonas que se predicen con una fiabilidad muy alta y otras, en particular las más flexibles o menos estructuradas, donde la confianza es sustancialmente menor—, y una predicción computacional, por precisa que sea, sigue siendo una predicción y no un reemplazo automático de la determinación experimental en los casos donde esta última resulta indispensable. Con esa salvedad presente, el resultado sigue siendo extraordinario: el sistema ha producido predicciones —cada una con su propia medida de confianza, que varía de un caso a otro— para prácticamente la totalidad de las proteínas catalogadas por la ciencia, y esa base de datos se consulta hoy de manera rutinaria por millones de investigadores. El reconocimiento a este logro no quedó confinado al ámbito de la informática: en 2024, sus desarrolladores recibieron la mitad del Premio Nobel de Química, compartido con el investigador que desarrolló, con métodos también basados en inteligencia artificial, la capacidad de diseñar proteínas completamente nuevas que no existen en la naturaleza. Este es, en el sentido más estricto, un caso demostrado: la herramienta ya ha sido usada por millones de investigadores en todo el mundo, y una parte sustancial de esos usos se dirige directamente a comprender enfermedades y a acelerar el desarrollo de fármacos.

Un uso más antiguo y también sólidamente demostrado es el de la clasificación de imágenes médicas mediante redes neuronales profundas, es decir, sistemas que aprenden a reconocer patrones visuales directamente a partir de miles de ejemplos etiquetados por especialistas, sin que nadie les indique explícitamente qué mirar; el capítulo 7 explica cómo funcionan estas redes por dentro. Sistemas entrenados para detectar signos tempranos de retinopatía diabética en fotografías del fondo del ojo, o para distinguir lesiones cutáneas cancerosas de lesiones benignas a partir de fotografías, alcanzaron, en estudios publicados y revisados por pares desde mediados de la década de 2010, niveles de precisión comparables a los de especialistas humanos experimentados en esas tareas puntuales y acotadas. Conviene ser preciso sobre el alcance real de este logro: estos sistemas fueron entrenados y evaluados sobre tareas de clasificación muy específicas —dada una imagen, asignarle una de un conjunto limitado de categorías posibles—, y no sobre la tarea mucho más amplia y menos definida de “diagnosticar” a un paciente en el sentido clínico completo, que involucra historia clínica, contexto y juicio profesional que estos sistemas no incorporan por sí solos. Esa distinción entre clasificar y diagnosticar es, en realidad, un caso particular de una distinción general que recorre todo este libro: un sistema de aprendizaje automático resuelve exactamente la tarea sobre la que fue entrenado y evaluado, ni más ni menos, y el capítulo 6 desarrolla en detalle qué significa eso y por qué importa tanto.

El éxito de AlphaFold no fue un caso aislado dentro de las ciencias naturales. La predicción meteorológica, un problema que tradicionalmente se resolvía simulando las ecuaciones físicas de la atmósfera sobre supercomputadoras durante horas, encontró en la arquitectura de redes neuronales aplicada sobre datos históricos una alternativa sorprendentemente eficaz: un sistema desarrollado también por DeepMind, llamado GraphCast y entrenado sobre cuatro décadas de datos meteorológicos históricos, fue evaluado en un estudio publicado en 2023 contra el sistema determinista de referencia del Centro Europeo de Previsión Meteorológica a Medio Plazo, considerado durante mucho tiempo el estándar de la disciplina. En esa evaluación específica, GraphCast produjo pronósticos más precisos que ese sistema de referencia en la gran mayoría —más del noventa por ciento— de un conjunto amplio de variables e intervalos de tiempo evaluados, generando además un pronóstico completo de diez días en menos de un minuto sobre una única unidad de procesamiento especializada, en lugar de las horas que exige el método tradicional sobre un supercomputador completo. Conviene precisar que esta comparación se hizo contra un sistema determinista particular, y no contra el conjunto completo y más sofisticado de técnicas de predicción por conjuntos que los servicios meteorológicos también utilizan; aun con esa precisión, el resultado, premiado por la Real Academia de Ingeniería del Reino Unido en 2024, ilustra un patrón que se repite en varios dominios científicos: cuando existe una gran cantidad de datos históricos bien estructurados sobre un fenómeno físico, una red neuronal entrenada sobre esos datos puede, en ciertos casos, igualar o superar a simulaciones basadas en las ecuaciones físicas completas del fenómeno, a una fracción del costo computacional.

Industria: optimización, mantenimiento y generación de código

Sección titulada «Industria: optimización, mantenimiento y generación de código»

Fuera del ámbito estrictamente científico, el uso mejor documentado de la inteligencia artificial en un entorno industrial es la optimización de procesos mediante modelos predictivos: sistemas de aprendizaje automático clásico, del tipo presentado en el capítulo correspondiente de este libro, entrenados para predecir cuándo es probable que una pieza de maquinaria industrial falle a partir de datos de sensores, permitiendo programar el mantenimiento antes de que ocurra una falla costosa, en lugar de reaccionar después de que ya ocurrió. Este tipo de aplicación, conocida como mantenimiento predictivo, tiene una historia de adopción industrial de más de una década y una base de evidencia sólida en estudios de caso de distintos sectores, desde la manufactura hasta el transporte.

Un uso más reciente es la generación automática de código de programación: modelos de lenguaje entrenados sobre enormes cantidades de código fuente público son capaces de completar, corregir o generar desde cero fragmentos de código a partir de una descripción en lenguaje natural de la tarea deseada. Estos modelos de lenguaje —los mismos que sostienen los asistentes conversacionales de uso cotidiano— funcionan, en esencia, prediciendo qué texto es más probable que continúe a partir de lo que ya recibieron, un mecanismo que el capítulo 8 explica con todo detalle. La adopción de estas herramientas entre programadores profesionales ha crecido de manera sostenida desde su aparición, y estudios de productividad, tanto internos de las empresas que los desarrollan como independientes, documentan reducciones medibles en el tiempo necesario para completar ciertas tareas de programación rutinarias. Conviene señalar, sin embargo, que la evidencia disponible se concentra en tareas de complejidad moderada y bien definida; la evidencia sobre el desempeño de estas herramientas en el diseño de sistemas complejos de gran escala, que exige un tipo de razonamiento arquitectónico distinto del que este libro describió como el núcleo del aprendizaje profundo, es todavía más limitada y motivo de investigación activa.

Lenguaje y creatividad: generación de texto, imagen y el problema de la autoría

Sección titulada «Lenguaje y creatividad: generación de texto, imagen y el problema de la autoría»

El dominio donde la inteligencia artificial ha tenido, en los últimos años, la visibilidad pública más amplia es el de la generación de contenido: texto, imágenes, y en menor medida audio y video, producidos por sistemas que comparten, en su mayoría, la misma arquitectura de base que los modelos de lenguaje mencionados más arriba, adaptada a distintos tipos de datos. La capacidad de estos sistemas para producir texto coherente, imágenes visualmente convincentes, o resúmenes útiles de información extensa, está ampliamente demostrada y es, hoy, de uso cotidiano en contextos profesionales y personales.

Este dominio es también, sin embargo, el que exige la mayor cautela epistémica de todo este capítulo, y conviene explicar por qué. Cuando uno de estos sistemas produce un texto o una imagen, lo que está haciendo, en términos de su mecanismo interno, es inferir cuál es la continuación más plausible dado lo que recibió como punto de partida, a partir de los patrones que absorbió durante su entrenamiento. El capítulo 3 examina qué tipo de inferencia es esa, y por qué no conviene identificarla sin más con el razonamiento explicativo que la lógica llama abducción. Lo relevante aquí es que produce resultados que un observador humano puede juzgar creativos sin que eso implique, por sí solo, que el sistema comprenda el significado de lo que produce, una objeción que el filósofo John Searle formuló de manera célebre mediante un experimento mental conocido como la Habitación China, presentado en el capítulo 2. Que un sistema produzca un texto o una imagen que un evaluador humano juzgue creativa, original o conmovedora es un hecho conductual perfectamente demostrado; que ese sistema tenga una intención, un propósito expresivo, o una comprensión del significado de lo que produce, en el sentido que Searle exige, es una afirmación de un tipo completamente distinto, que ninguna evidencia conductual, por impresionante que sea, puede zanjar por sí sola. El próximo capítulo de este libro retoma esta misma cautela al examinar el estado actual de la investigación de frontera, y el capítulo dedicado a los límites filosóficos de estos sistemas la desarrolla con el rigor técnico completo que merece.

Casos donde la evidencia es mixta o decepcionante

Sección titulada «Casos donde la evidencia es mixta o decepcionante»

Los ejemplos presentados hasta aquí en este capítulo comparten un rasgo que conviene señalar explícitamente para no dar una impresión sesgada del estado del campo: son, todos ellos, casos de éxito bien documentado. Un panorama honesto exige también reconocer dominios donde los resultados fueron más ambiguos o directamente decepcionantes respecto de las expectativas iniciales.

La aplicación de sistemas de aprendizaje automático a la predicción de riesgo de reincidencia criminal en el sistema judicial de algunos países, por ejemplo, produjo herramientas cuyo desempeño agregado resultó razonable en algunas métricas, pero que, según análisis independientes publicados, mostraron disparidades de error significativas entre grupos demográficos. Este caso ilustra un problema que resulta más profundo de lo que parece a primera vista: distintas maneras razonables de definir qué significa que un sistema sea “justo” con todos los grupos resultan, en general, incompatibles entre sí, de modo que satisfacer una de ellas implica incumplir las otras. El capítulo 12 desarrolla esa incompatibilidad y sus consecuencias prácticas.

De manera similar, varios intentos de aplicar sistemas de diagnóstico por imagen entrenados en un hospital o una población determinada a poblaciones distintas de aquellas sobre las que fueron entrenados mostraron caídas de precisión documentadas. Esto ilustra, en un dominio de consecuencias serias, una limitación general de todo sistema que aprende de ejemplos: su desempeño depende de que los datos con los que se entrenó representen razonablemente bien las condiciones en las que después se lo usará, y esa correspondencia no está garantizada por el hecho de que el sistema funcione bien en su contexto original. El capítulo 6 examina esta limitación en detalle bajo el nombre de sobreajuste. Y en el dominio de la generación de código presentado más arriba en este mismo capítulo, si bien la evidencia sobre tareas acotadas es sólida, estudios independientes sobre el desempeño de estos sistemas en tareas de programación más largas y con más dependencias internas documentan una caída de fiabilidad notable a medida que crece la complejidad de la tarea, un patrón consistente con las cautelas ya señaladas sobre extrapolar el desempeño en tareas acotadas hacia capacidades más generales.

Incluir estos casos no resta valor a los éxitos documentados en el resto de este capítulo: los sitúa, con la misma honestidad epistémica que el resto de este libro exige, dentro de un panorama más amplio en el que el desempeño de estos sistemas depende, de manera decisiva, del dominio, de la tarea específica, y de qué tan bien los datos de entrenamiento representan las condiciones reales de uso.

Lo que este capítulo deja establecido antes de continuar

Sección titulada «Lo que este capítulo deja establecido antes de continuar»

El recorrido de este capítulo por la medicina, la ciencia, la industria y la generación de contenido muestra un patrón consistente: los usos mejor demostrados de la inteligencia artificial son, invariablemente, aquellos que se ajustan con precisión al marco de aprendizaje supervisado o de modelado estadístico presentado en la segunda parte de este libro —predecir una estructura, clasificar una imagen, pronosticar una variable, completar una secuencia—, evaluados mediante criterios verificables y comparados contra alternativas ya existentes. Las afirmaciones más especulativas, en cambio, tienden a aparecer precisamente cuando se extrapola el desempeño demostrado en una tarea acotada hacia una capacidad mucho más general y menos definida, un salto que este libro, con las herramientas conceptuales desarrolladas en sus primeros capítulos, enseña a identificar con precisión.

El próximo capítulo de este libro examina, con ese mismo criterio de distinguir lo demostrado de lo especulativo, el estado actual de la investigación de frontera: qué problemas siguen sin solución conocida dentro del propio campo, y qué caminos se están explorando activamente para resolverlos.


Al terminar este capítulo, usted debería poder explicar

Sección titulada «Al terminar este capítulo, usted debería poder explicar»
  1. Qué logró exactamente AlphaFold, y qué matices —confianza variable, predicción frente a determinación experimental— conviene retener antes de repetir que “resolvió el plegamiento de proteínas”.
  2. Por qué un sistema que clasifica imágenes médicas con precisión comparable a la de un especialista no está, por eso, diagnosticando en el sentido clínico del término.
  3. Qué tienen en común los casos de uso mejor demostrados de la inteligencia artificial, y qué señal debería activar la sospecha frente a una afirmación más especulativa.
  4. Por qué un sistema que funciona bien en el hospital donde fue entrenado puede degradarse en otro, y qué preguntar antes de adoptarlo.

  1. Jumper, J. et al. (2021). “Highly Accurate Protein Structure Prediction with AlphaFold”. Nature, 596. (Publicación original de AlphaFold2.)
  2. Real Academia Sueca de Ciencias (2024). Comunicado de prensa del Premio Nobel de Química 2024, otorgado a David Baker, Demis Hassabis y John Jumper.
  3. Esteva, A. et al. (2017). “Dermatologist-Level Classification of Skin Cancer with Deep Neural Networks”. Nature, 542. (Clasificación de lesiones cutáneas.)
  4. Gulshan, V. et al. (2016). “Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs”. JAMA, 316(22).
  5. Lam, R. et al. (2023). “Learning Skillful Medium-Range Global Weather Forecasting”. Science, 382(6677). (Publicación original de GraphCast; premiado con el MacRobert Award 2024 de la Real Academia de Ingeniería del Reino Unido.)
  6. Sobre el impacto medido de las herramientas de generación de código en la productividad de programadores: Peng, S. et al. (2023). “The Impact of AI on Developer Productivity: Evidence from GitHub Copilot”. arXiv:2302.06590.
  7. Searle, J. (1980). “Minds, Brains, and Programs”. Behavioral and Brain Sciences, 3(3). (Ya citado en el capítulo de historia de la Inteligencia Artificial; se retoma aquí para calificar las afirmaciones sobre creatividad de máquina.)
  8. Sobre disparidades demográficas en herramientas de predicción de riesgo de reincidencia: Angwin, J. et al. (2016). “Machine Bias”. ProPublica. (Investigación periodística de referencia sobre el sistema COMPAS.)
  9. Sobre la caída de precisión de sistemas de diagnóstico por imagen al aplicarse a poblaciones distintas de las de entrenamiento: Zech, J. R. et al. (2018). “Variable Generalization Performance of a Deep Learning Model to Detect Pneumonia in Chest Radiographs”. PLOS Medicine, 15(11).
  10. Sobre la caída de fiabilidad de los asistentes de generación de código en tareas de mayor complejidad y dependencias más largas: Jimenez, C. E. et al. (2024). “SWE-bench: Can Language Models Resolve Real-World GitHub Issues?”. ICLR.