Coeckelbergh, Etica de la inteligencia artificial. Terminología

 Glosario según Notebook LM:

Para comprender los capítulos 5, 6, 7 y 9 del libro de Mark Coeckelbergh, es fundamental familiarizarse con una serie de términos técnicos y conceptos éticos que estructuran su argumentación. A continuación, se detalla la terminología clave organizada por capítulos:

Capítulo 5: La tecnología

Este capítulo sienta las bases técnicas para entender qué es y qué no es la IA hoy en día.

• Inteligencia Artificial (IA): Inteligencia desplegada o simulada mediante algoritmos o máquinas. Se divide principalmente en dos:
  • IA fuerte o general: Máquinas con capacidades cognitivas similares o superiores a las humanas, capaces de realizar cualquier tarea intelectual.
  • IA débil o estrecha: Sistemas diseñados para operar en ámbitos específicos, como el ajedrez o el reconocimiento facial.
• Algoritmo: Secuencia de instrucciones lógicas (como una receta) que le indica a un ordenador qué hacer para resolver un problema.
• IA simbólica: Paradigma basado en reglas lógicas del tipo "si... entonces" y representaciones simbólicas del conocimiento humano.
• Conexionismo / Redes Neuronales: Enfoque inspirado en el cerebro humano que utiliza unidades interconectadas (neuronas artificiales) para procesar información.
• Sistemas ciberfísicos: Dispositivos que interactúan directamente con el mundo físico, como los robots o los coches autónomos.

Capítulo 6: Que no se nos olvide la ciencia de datos

En este apartado, el autor explica cómo la IA actual depende del análisis masivo de información.

• Aprendizaje automático (Machine Learning): Software que "aprende" a detectar patrones o reglas en conjuntos de datos mediante procesos estadísticos, permitiéndole hacer predicciones sobre datos nuevos. Existen tres tipos principales:
  • Supervisado: El algoritmo aprende mediante ejemplos y contraejemplos etiquetados por humanos.
  • No supervisado: El sistema crea sus propios grupos (clusters) basándose en variables que él mismo identifica, sin etiquetas previas.
  • Por refuerzo: Basado en un sistema de recompensas y castigos para que la máquina optimice su comportamiento.
• Aprendizaje profundo (Deep Learning): Forma avanzada de aprendizaje automático que utiliza redes neuronales con múltiples capas intermedias.
• Ciencia de datos: Disciplina que utiliza la estadística y algoritmos para extraer patrones útiles de grandes volúmenes de información (Big Data).
• Caja negra (Black box): Sistemas de IA cuyo proceso interno de decisión es inescrutable o difícil de explicar para los humanos.
• Correlación vs. Causalidad: Diferencia entre dos eventos que suceden juntos estadísticamente (correlación) y un evento que realmente provoca al otro (causalidad).

Capítulo 7: La privacidad y otros sospechosos habituales

Se introducen conceptos éticos relacionados con la vigilancia y la protección del individuo.

• Privacidad y protección de datos: Respeto al derecho de los individuos sobre su información personal y el conocimiento de cómo se utiliza.
• Reutilización de datos: Uso de información recogida originalmente para un fin en un contexto completamente distinto, a menudo sin que el usuario lo sepa.
• Explotación / Trabajo digital: Concepto que describe a los usuarios de redes sociales como "mano de obra no pagada" que produce datos gratuitos para las grandes empresas.
• Usuarios vulnerables: Grupos que corren mayor riesgo de manipulación o violación de su privacidad, como niños, ancianos o personas con discapacidad.

Capítulo 9: El sesgo y el significado de la vida

Este capítulo explora las consecuencias sociales y existenciales de la automatización.

• Sesgo (Bias): Decisiones injustas o discriminatorias producidas por un algoritmo, a menudo por utilizar datos de entrenamiento que no son representativos de la población real.
• Falsos positivos: Predicciones incorrectas donde el sistema señala que algo ocurrirá (como un delito) cuando en realidad no sucede.
• Justicia y equidad: Conceptos en debate sobre si los algoritmos deben ser "ciegos" o si deben incluir discriminación positiva para compensar desventajas históricas.
• Automatización: Proceso por el cual la IA asume tareas humanas, planteando el riesgo de desempleo tecnológico masivo.
• Sabiduría pragmática: Capacidad humana para determinar prioridades éticas basada en la experiencia vivida, la cual no puede ser delegada en las máquinas.