Transcripción 0:10 ¿Alguna vez han sentido que tenían en sus manos una idea que podía cambiar el destino de su país? 0:17 En junio del 2021 sentí exactamente eso, cuando el Perú aprobó su primera Estrategia Nacional de Inteligencia Artificial. 0:25 Yo fui un peruano que fue parte de un comité de expertos el cual generó tal plan, 0:31 el cual estaba diseñado no solamente para poder dar la oportunidad a la gente para que cree inteligencia artificial en el Perú, 0:38 sino también para generar miles de empleos. 0:41 Sin embargo, este plan no fue una realidad, nunca se convirtió en una ley. 0:47 Estamos hablando de tres años antes que la Unión Europea creara su propia Ley de Inteligencia Artificial. 0:54 El Perú podría haber estado a la vanguardia, sin embargo, no era una prioridad para nuestro gobierno. 1:00 El día de hoy quiero hablarles acerca de cómo usar la Inteligencia Artificial 1:04 para liberar nuestras ideas más brillantes, 1:07 del peso de la burocracia. 1:12 Ciertamente los seres humanos no estamos diseñados para llegar a acuerdos, 1:16 y el Congreso de la República no parece ser una excepción. 1:21 Algunas veces los políticos hablan de cosas distintas y no usan la lógica para resolver problemas. 1:28 Lo que dicen a veces no es realidad lo que hacen, sus incentivos no son claros. 1:34 Ese es el problema que yo observé, y antes de decirles lo que hice, 1:38 quiero comentarles de dónde vengo. 1:42 Yo soy un peruano que fue a hacer su doctorado en Inteligencia Artificial a Utah, 1:46 un lugar casi en el medio de Estados Unidos donde viven pocos latinos. 1:51 Y hace bastante frío. 1:55 Trabajé durante un año, en realidad durante diez años, en el norte de California, 2:00 en un lugar llamado el Silicon Valley, la llamada capital mundial de la tecnología. 2:05 Trabajé como científico en empresas como Intel y la red social Twitter. 2:11 Pero cuando un peruano vive lejos de su tierra, es como un río que se aleja de su causa. 2:16 Siempre busca el camino de retorno. 2:19 Por eso, tratando de combinar mi pasión con la Inteligencia Artificial, 2:23 con el lugar donde nací, empecé a hacer Inteligencia Artificial que me pudiera recordar. 2:28 Por ejemplo, entrené modelos generativos que me permitían, por ejemplo, 2:32 reconstruir los rostros de peruanos con alto nivel de peruanidad, 2:36 los llamados rostros del Bicentenario. 2:39 El siguiente año, entrené modelos generativos que me permitían reconstruir, 2:44 por ejemplo, el himno nacional del Perú usando la letra del himno nacional. 2:48 Y el año pasado, un poco decepcionado con mi experiencia con la Ley de Inteligencia Artificial, 2:53 empecé con el proyecto que les voy a comentar hoy. 2:57 En buena parte, quería ver si era posible tener un Congreso de la República 3:02 dirigido con Inteligencia Artificial. 3:15 El otro día, leí una frase que me dejó pensando. 3:19 Decía algo así como que la política es el arte de lo posible. 3:24 Fíjate que dice lo posible y no lo lógico, o no lo óptimo. 3:28 Y es que cuando los seres humanos hacen política, 3:31 a menudo utilizan palabras como alianzas, lobbies y agendas. 3:36 Y rara vez usan palabras como eficiencia, optimización y métricas. 3:41 Esto nos conduce a conversaciones interminables. 3:44 Tanto es así que en el Perú se requieren alrededor de 115 días 3:49 para promulgar una ley. 3:51 ¡115 días! 3:53 Y justificamos tal demora a la necesidad de llegar a acuerdos. 3:59 Ahora, imaginen un país en el mundo 4:02 donde los congresistas de la República no fueran personas, 4:05 sino fueran 130 modelos de Inteligencia Artificial. 4:09 ¿Cómo sería ese Congreso? 4:11 ¿Llegarían acuerdos más rápido de los que llegamos hoy en día? 4:15 ¿Tendríamos acaso una mejor representatividad? 4:19 Tengo algo interesante que contarles. 4:21 La página web del Congreso almacena alrededor de 7000 proyectos de ley desde el 2016, 4:28 incluyendo 5000 leyes archivadas y 2000 leyes aprobadas. 4:32 ¿Qué pasaría si un científico de Inteligencia Artificial 4:36 descargara todas estas leyes y las pusiera en una base de datos? 4:40 ¿Qué sucedería si este científico le dijera a la computadora, 4:43 bueno, a un algoritmo, 4:45 oye, toma todas estas leyes, 4:48 son documentos, 4:49 y quiero que te inspires en ellos para crear una nueva ley? 4:52 ¿Qué sucedería si yo le digo a la computadora, 4:55 dame tu opinión? 4:56 Mejor aún, 4:57 ¿qué pasaría si le dijera, 4:59 dame la opinión de miles de peruanos 5:01 y quiero que llegues a un acuerdo y un consenso entre todos ellos? 5:06 El día de hoy quiero mostrarles los resultados de tal investigación. 5:11 Para entender cómo la IA puede hacer esto es necesario saber cómo funciona. 5:15 La IA, por ejemplo, permite combinar datos, 5:18 estadística y matemática 5:20 para entender algo que parecía estar reservado para el ser humano, 5:24 su lenguaje. 5:25 Pero, ¿cómo puede una computadora entender el lenguaje de los seres humanos? 5:30 Bueno, en Inteligencia Artificial usamos métodos y técnicas 5:34 llamadas redes neuronales. 5:36 Y se les llama así porque una red neuronal 5:38 se asemeja a la forma como funciona el cerebro. 5:41 En contraparte a una neurona natural, 5:44 una neurona artificial puede recibir información, 5:46 procesarla numéricamente 5:48 y compartirla con las neuronas que se encuentran en la siguiente capa, 5:51 tal como pueden ver a continuación. 5:55 Esto sucede hasta lo que tenemos en la última capa tiene sentido 5:59 y digamos es más o menos inteligente. 6:02 Pero, ¿cómo podemos asegurarnos que esta predicción sea inteligente? 6:07 Básicamente lo que se hace es tener primero una definición de error 6:12 y minimizarla a través de millones de experimentos, 6:15 calibrando en el proceso las conexiones que existen entre neuronas, 6:19 de modo que la salida sea más o menos inteligente. 6:22 En mi proyecto, lo que hice fue hacer algo parecido. 6:26 Básicamente lo que tomé fue una neurona 6:28 y la reemplacé por un modelo de lenguaje llamado ChatGPT. 6:32 Como ustedes pueden ver, 6:33 la neurona ahora recibe información de forma parecida. 6:36 La información ahora son opiniones. 6:38 Y puede básicamente generar una nueva opinión 6:41 dando puntos a favor y en contra, 6:43 generando lo que efectivamente es un nuevo punto. 6:47 Para aproximar el concepto de lo que es la representatividad, 6:50 le asigné a cada neurona un perfil diferente. 6:53 Por ejemplo, un taxista de Lima, 6:55 un ecologista de Iquitos o un profesor de Trujillo. 6:58 Entonces, cuando uno entrena a tal modelo, 7:01 puede empezar a jugar con él y generar opiniones. 7:05 Particularmente en este experimento, 7:07 le di la Ley de Inteligencia Artificial recientemente promulgada en el Perú. 7:11 Y le dije, oye, quiero que me respondas 7:14 como si fueras un taxista de Lima. 7:17 Y este taxista, en una opinión simulada, 7:20 me dice, ok, estoy a favor del uso de la Inteligencia Artificial 7:23 porque viene acompañado del uso de videovigilancia, 7:27 algo muy útil en mi trabajo. 7:29 También me expresa el temor de que una Inteligencia Artificial 7:33 sea beneficiada solamente para empresas grandes 7:36 y no para sectores informales como los taxistas. 7:40 Si yo le pregunto lo mismo a un ecologista de Iquitos, 7:43 este me dice que está de acuerdo con una Ley de Inteligencia Artificial. 7:46 Son opiniones simuladas. 7:48 Sin embargo, me dice que la tecnología y la productividad 7:53 y la conectividad que impulsa la Inteligencia Artificial 7:56 también puede beneficiar su trabajo, 7:59 porque ciertamente está ayudando a cerrar la brecha digital en la selva. 8:03 También me expresa su temor de que una automatización, por ejemplo, 8:07 pueda provocar desempleo en actividades como la pesca y la agricultura. 8:13 Actividades vitales en la selva. 8:15 Pero esto solo se pone más interesante 8:18 cuando le comparto ambas opiniones a un sindicalista de Arequipa, 8:23 el cual empieza a mostrar empatía, por ejemplo, con el taxista de Lima, 8:27 diciéndole que la videovigilancia puede ayudar a una ciudad 8:31 que está creciendo tan rápido como Arequipa. 8:34 También empatiza con el ecologista de Iquitos 8:37 en que ciertamente la transición a una economía automatizada 8:40 puede no ser beneficioso, 8:42 para actividades más informales 8:44 como el comercio ambulatorio y la ganadería, 8:47 que son prevalentes en la ciudad. 8:49 Entonces, yo no sé ustedes, 8:52 pero a mí me hubiera costado trabajo y horas 8:55 entrevistar a un taxista en Lima, 8:57 a un ecologista en Iquitos 8:59 y a un sindicalista en Arequipa. 9:01 Sin embargo, todas estas tres opiniones 9:03 han sido generadas en milisegundos. 9:08 Entonces, lo que es interesante 9:10 es que este tipo de modelos, 9:12 que yo le llamo redes de opiniones, 9:15 en contraparte a la red neuronal, 9:17 puede ciertamente aprender de opiniones 9:19 y generar las suyas propias. 9:22 Volvemos de nuevo a donde empezamos, 9:24 el Congreso de la República. 9:26 Es un lugar fascinante, 9:28 no solo porque 130 personas deciden el futuro del país, 9:32 sino porque 33 millones de personas 9:34 realmente sabemos poco de cómo lo hacen. 9:38 En este lugar, 9:39 ciertamente la gente tiene que emitir opiniones 9:42 como, por ejemplo, la tala ilegal en la selva, 9:45 sin haber viajado a ella, 9:46 o cosas tan interesantes como, por ejemplo, 9:49 e importantes como la nutrición, 9:51 basado en estudios que han sido 9:54 esponsoreados y financiados 9:55 por empresas que fabrican 9:57 gaseosas, chocolates y caramelos. 10:01 Entonces, ciertamente, 10:02 si esto sin considerar la presencia, 10:04 por ejemplo, de lobbies, 10:06 acuerdos políticos y corrupción. 10:10 Esto solamente se hace más grave 10:12 si, por ejemplo, entendemos que el 85% de peruanos 10:15 está en desacuerdo con su poder legislativo. 10:18 Esto según recientes encuestas de junio de este año. 10:22 Mi punto de vista es de que la velocidad 10:25 de la inteligencia artificial y del Internet 10:27 han desactualizado muchas partes del Estado peruano. 10:30 Ojo, no digo que la IA deba reemplazar a los congresistas, 10:34 pero digo que puede acelerar tremendamente su trabajo. 10:39 Y también puede acelerar la opinión de la gente. 10:42 También puede acelerar el hecho 10:44 de tener una participación ciudadana plena, 10:46 donde tengamos todas las voces de los peruanos 10:49 al momento de escribir leyes, 10:51 incluyendo la voz de un taxista de Lima, 10:54 de un ecologista de Iquitos 10:57 o de un científico de Arequipa. 11:01 Hoy en día, la IA generativa 11:03 puede entender y leer todo el Internet. 11:07 Entonces sabe acerca de los conflictos sociales 11:10 que existen en el Perú. 11:11 Y también sabe acerca de los efectos devastadores 11:14 de calentamiento global en las montañas de Huaraz. 11:18 Entonces también uno puede entender 11:21 que al saber tanta información, 11:22 la IA generativa también puede, por ejemplo, 11:25 generar leyes que aproximen la realidad de las personas. 11:29 En este sentido, uno se pregunta 11:31 ¿cuál será el futuro de la inteligencia artificial? 11:34 Y ciertamente sí podemos ver este futuro. 11:38 Lo que es interesante es que para mucha gente 11:41 la IA es un peligro 11:43 y es una herramienta que puede ser usada para el bien y para el mal. 11:46 Pero para mí, el verdadero peligro para nuestros países 11:49 es que no hayan suficientes latinos y latinas 11:52 creando inteligencia artificial 11:53 y que dependamos de otros países 11:56 para validar y crear sistemas inteligentes. 11:59 Por eso, en el 2019, junto con unos amigos, 12:02 creamos una organización llamada Latinxing AI, 12:06 la cual da becas a los latinos de cualquier parte del mundo 12:09 que quieran asistir a las mejores conferencias de inteligencia artificial. 12:13 En ese sentido, en un mundo cada vez más globalizado, 12:17 la voz y voto que tendrá alguien 12:20 al momento de erigir el destino de la inteligencia artificial 12:24 será proporcional a la cantidad de líneas de código 12:27 que sean escritas por peruanos, chilenos, colombianos, mexicanos, 12:31 brasileños, latinos. 12:34 En este mundo, ciertamente, tendremos que entender 12:37 que es importante realizar inteligencia artificial. 12:41 Y lo que quiero decir, básicamente, 12:43 es que creo que la generación a la cual pertenezco 12:46 tiene la responsabilidad de hacer que esto sea posible. 12:50 Y solo entonces, políticos y científicos, 12:53 podremos ponernos de acuerdo. 12:55 Gracias. Transcripción automática. Puede equivocarse, sobre todo con nombres propios.
