Page 59 - No_73
P. 59

Año 13 /Enero -Febrero/ No. 73  U.M.S.N.H.



            actual, e incluso lo que han visto antes. Combina      administrar  los  sistemas  de  inteligencia  artificial.
            esta información con más datos para comprender         También, será necesario tener personas para abor-
            el  contenido  de  los  programas  que  estás  viendo.   dar problemas más complejos dentro de las indus-
            Estos datos se recolectan de docenas de cosas in-      trias que tienen más probabilidades de verse afec-
            ternas e independientes que se ven cada minuto y       tadas por los cambios en la demanda laboral, como
            cada programa en Netflix, y los etiquetan. Todas las   el servicio al cliente. Entonces, uno de los mayores
            etiquetas y los datos de comportamiento del usua-      desafíos con la inteligencia artificial y su efecto en
            rio, se recopilan y se alimentan en un algoritmo de    el mercado laboral, será ayudar a las personas a
            machine  learning altamente complejo que decide        hacer la transición a los nuevos roles que están
            qué es lo más importante. Esto se realiza para ana-    en demanda.
            lizar el gusto de las comunidades de todo el mundo,          Además, tiende a discutirse en el contexto de
            personas que miran el mismo tipo de cosas que tú       la privacidad, la protección y la seguridad de los da-
            miras. Entonces, se hace encajar a los espectadores    tos. Estas preocupaciones han permitido a los for-
            en miles de grupos con gustos diferentes que im-       muladores de políticas avanzar más en los últimos
            pactan a las ventanas emergentes de recomenda-         años.
            ción que aparecen en su pantalla en la parte supe-           Otro  importante impacto son  los casos  de
            rior dentro de la aplicación de Netflix.               sesgo y discriminación en varios sistemas de ma-
                                                                   chine learning que han planteado muchas cuestio-
            Pero,  ¿qué  desafíos  e  impacto  sociales  tiene  el   nes éticas con respecto al uso de la inteligencia
            uso del machine learning?                              artificial. Entonces, ¿cómo podemos protegernos
                  Una de las preocupaciones sociales del uso del   contra el sesgo y la discriminación cuando los pro-
            machine learning, o de la inteligencia artificial, es la   pios  datos de entrenamiento  pueden  ser genera-
            pérdida de empleos. Sin embargo, a través de la        dos  por  procesos  humanos  sesgados?  Si bien las
            historia se ha encontrado que, con cada nueva tec-     empresas suelen tener buenas intenciones para sus
            nología revolucionaria, la demanda del mercado de      esfuerzos  de  automatización,  muchas  veces  inci-
            roles de trabajos específicos cambia. Por ejemplo,     den en la discriminación.. Un ejemplo real de esta
            debido a los aspectos ambientales, muchos fabri-       discriminación se llevó a cabo por Amazon, donde
            cantes de la industria automotriz están cambiando      en  un  esfuerzo  por  automatizar  y  simplificar  un
            para enfocarse en la producción de vehículos eléc-     proceso, discriminó involuntariamente a los candi-
            tricos. Esto no hará que la industria de los combus-   datos por género para puestos técnicos, lo que aca-
            tibles desaparezca, pero la fuente de energía en los   bó obligando a la empresa a desechar el proyecto.
            vehículos está cambiando de combustibles a elec-       El sesgo y la discriminación tampoco se limitan a
            tricidad. De manera similar, la inteligencia artificial   la función de recursos humanos, ya que se pueden
            trasladará la demanda de puestos de trabajo a otras    encontrar en una serie de aplicaciones, desde pro-
            áreas. Será necesario tener personas que ayuden a      gramas de reconocimiento facial hasta algoritmos
                                                                   de redes sociales.















              Arias V., Salazar J., Garicano C., Contreras J., Chacón G.,   cio, 5-42. https://www.managementsolutions.com/sites/
              Chacín-González M., Añez R., Rojas J. y Bermúdez-Pi-    default/files/publicaciones/esp/machine-learning.pdf
              rela V. (2019). Una introducción a las aplicaciones de la
              inteligencia  artificial  en  medicina: Aspectos  históricos.   Pedrero  V.,  Reynaldos-Grandón  K.,  Ureta-Achurra  J.
              Revista Latinoamericana de Hipertensión, 14(5), 590-609.   y  Cortez-Pinto  E.  (2021).  Generalidades  del  Machine
              https://www.redalyc.org/articulo.oa?id=170262877013     Learning y su aplicación en la gestión sanitaria en Servi-
                                                                      cios de Urgencia. Revista Médica de Chile, 149, 248-254.
              Management  Solutions.  (2018).  Machine  learning, una   http://dx.doi.org/10.4067/s0034-98872021000200248
              pieza clave en la transformación de los modelos de nego-






        Coordinación de la Investigación Científica                                                                    59
   54   55   56   57   58   59   60   61   62   63   64