Cinco usos de la inteligencia artificial en las investigaciones universitarias

La inteligencia artificial es cada vez más utilizada y perfeccionada al mismo tiempo, por lo que es casi inevitable encontrarla en un sinfín de actividades. Una de las aplicaciones que se le da a la IA y que resulta de las más polémicas es la de la investigación académica.

De acuerdo con el Informe Anual de IA en la Educación, titulado La inteligencia Artificial: Retos y Oportunidades la tecnología no debe ser un enemigo de la indagatoria, sino un aliado en la búsqueda de nuevas respuestas.

Aún cuando una de las primeras preguntas que surgieron sobre la IA en las escuelas y la academia fue referente a los plagios, cabe preguntarse: ¿Cómo puede la inteligencia artificial ayudar a las investigaciones? ¿Qué puede aportar a la academia?

El informe anual de la IA cita una investigación de la Universidad de Standford, titulada Artificial Intelligence Index Report 2023, en la que se plantea que “el mejor nuevo científico del mundo es la IA (?)”, añadiendo que “los modelos de IA están empezando a acelerar rápidamente el progreso científico y en 2022 fueron utilizados para ayudar en la fusión de hidrógeno, mejorar la eficiencia de la manipulación de matrices y generar nuevos anticuerpos”. Sin embargo, el reporte sobre la IA en la educación resalta que la tecnología es usada por los investigadores reales y que no debe hacerse a un lado su labor.

El estudio destaca que en un mundo globalizado “ningún profesor universitario es capaz de leerse actualmente todo lo que se publica sobre una materia específica”, sobre todo por este carácter imposible en el que hay muchas investigaciones abiertas, publicaciones hechas en internet, tesis, artículos y demás ensayos. La masividad de los productos hace imposible (incluso en la investigación) lograr asimilar miles de páginas publicadas en todo el mundo. La IA sí puede, y además es capaz de ofrecer síntesis y generar respuestas a preguntas determinadas que están escondidas en millones de datos o páginas.

Por ello, el informe señala que una de las posibilidades es aprovechar las potencialidades lingüísticas de la IA generativa multilingüe para acotar que sus fuentes de información sean únicamente información avalada científicamente, para empezar. También puede traducir de un idioma a otro, por lo que puede accederse a información que originalmente solo estaría disponible de ser políglota.

El libro del informe anual refiere que una de las herramientas actuales que pueden utilizarse en este sentido es el proyecto “Accio” 23 , que busca acotar la información y entrenamiento del modelo con vectores de información/conocimiento que el científico selecciona previamente.

En la fase de diseño, la IA (en especial estas herramientas) puede ser de gran ayuda para formular hipótesis y marcos iniciales basados en datos e información previa, proporcionando una variedad de enfoques y perspectivas que pueden no ser inmediatamente evidentes para un investigador. Estas herramientas no solo proporcionan una base sobre la cual trabajar, sino que también pueden fomentar la creatividad, el pensamiento lateral y el análisis crítico.

Los modelos de lenguaje de gran tamaño (LLM), como ChatGPT, al ser alimentados con la información adecuada, son capaces de proporcionar marcos preliminares de investigación y proporcionar diferentes perspectivas. La tecnología de la IA tiene la capacidad de comprender profundamente las características intrínsecas o esenciales de algo, especialmente a través de una percepción intuitiva o un claro entendimiento de una situación compleja. Sin embargo, en ese sentido, el informe recuerda que la inteligencia artificial dará respuestas eficaces siempre y cuando la orden que el usuario le da sea de calidad y pertinencia, lo cual convierte (una vez más) a la interacción y supervisión humana como un punto crucial para garantizar la relevancia y validez de las respuestas generadas.

La recomendación dentro de este uso es MillionBot Prompts, que tiene una innovadora plataforma web que permite a los usuarios interactuar directamente con documentos académicos utilizando tecnología de IA. Esta herramienta facilita la identificación de puntos clave, la recomendación de literatura relacionada y la organización de documentos según distintos criterios, desde campos de estudio hasta rangos específicos de fechas.

Cuando se trata de recopilación y análisis de datos, las técnicas de aprendizaje automático (AA) y aprendizaje profundo (AP) se convierten en herramientas fundamentales. Estas tecnologías son capaces de descifrar y comprender patrones y relaciones en grandes conjuntos de datos que pueden ser difíciles o imposibles de detectar manualmente.

Los patrones identificados permiten a los investigadores hacer predicciones, modelar escenarios futuros y tomar decisiones informadas, lo que resulta esencial para avanzar en cualquier investigación. Además, la habilidad de estas herramientas para realizar proyecciones basadas en patrones identificados puede ser una ventaja invaluable que permite a los investigadores formular nuevas preguntas e hipótesis.

Una vez más volvemos al inicio. ¿Qué pasa con la originalidad, los plagios y la autoría? Quizá este es uno de los desafíos más significativos para la inteligencia artificial. Utilizar herramientas como ChatGPT podría conllevar riesgos como la generación de referencias no verificadas y textos vagos, así como la posibilidad de plagio, lo cual afecta la autenticidad del conocimiento generado, un pilar esencial de la investigación académica.

En ese sentido, las nuevas perspectivas sobre estos problemas sugieren que el camino para la convivencia y uso de la tecnología se haga desde una perspectiva colaborativa de investigación, en la que se englobe a humanos, entornos de investigación e inteligencia artificial (en lugar de un enfoque individual de originalidad). El Informe Anual de IA en la Educación refiere que esta propuesta busca abordar los dilemas éticos actuales, a pesar de estas ideas, el consenso actual defiende que la IA debería actuar como una herramienta complementaria, mientras que el control primordial del proceso de investigación debe permanecer en manos humanas.

La ética es otro aspecto crítico. Las universidades con comités de ética establecen normas para garantizar la integridad de la investigación, especialmente cuando involucra a sujetos humanos. Pero queda un cabo suelto en la ecuación: estas directrices pueden no estar adaptadas a la investigación basada en IA, dadas las complejidades de interpretar algoritmos y garantizar su transparencia.

A medida que la IA avanza en la educación superior, surgen otros retos éticos. Estos incluyen dilemas sobre si las consideraciones éticas deberían limitarse al investigador o extenderse a las herramientas tecnológicas utilizadas y cómo equilibrar la innovación con la ética. El documento menciona que en lugares como China algunos creen que un enfoque de ética basado en riesgos podría frenar el progreso científico, pero otros abogan por una formación ética más robusta para investigadores y profesionales.

El informe La inteligencia Artificial: Retos y Oportunidades, señala que la inteligencia artificial avanza más rápido que la Academia en materia de investigación; incluso citan el Artificial Intelligence Index Report 2023, de la Universidad de Stanford, en donde se señala que hasta 2014, la mayoría de los modelos significativos de aprendizaje automático eran desarrollados por la Academia, pero desde entonces la industria ha tomado la delantera.

Según los señalamientos del Informe, este fenómeno acelerado ocurre sobre todo porque es la industria quien posee más grandes cantidades de datos, poder computacional y dinero-recursos, sobre todo en comparación con las organizaciones sin fines de lucro y la Academia.

En la publicación del informe se señala que ahora las investigaciones que se hacen sobre la IA están enfocadas en el reconocimiento de patrones y el aprendizaje automático; en el primer caso, las investigaciones se han duplicado desde 2015, mientras que las de aprendizaje automático han crecido cuatro veces.

Según el reporte antes mencionado de la Universidad de Standford, en 2021, otros campos de investigación sobresalientes en IA fueron la visión por computadora, con 30 mil 075 publicaciones, seguidas por investigaciones sobre algoritmos, con 21 mil 527 artículos, y la minería de datos, con 19 mil181 artículos. Por el contrario, apenas el 1.4 % de los artículos sobre aplicaciones de la IA en la educación superior trataron temas de ética, desafíos y riesgos.

Es decir, aunque son temas que sí se tratan en las investigaciones, no abarcan la mayoría del mercado, pues la mayoría del mercado lo abarcan los informáticos, quienes se centran en las herramientas y algoritmos, validaciones y aplicaciones, más que en los efectos directos sobre el aprendizaje.

El Informe Anual sobre la Inteligencia Artificial sugiere que se trabaje sobre investigaciones interdisciplinarias que hay un enfoque creciente hacia la interdisciplinariedad en la IA recordando que así se avanzó durante la crisis de la COVID-19, cuando se propuso un marco de investigación interdisciplinaria para abordar el impacto de la IA en la pandemia, considerando niveles moleculares, clínicos y sociales.

“Como un dominio interdisciplinario y en constante evolución, es esencial que investigadores de diversas áreas contribuyan. Algunos expertos sugieren que el futuro de la IA estará fuertemente ligado a su carácter interdisciplinario”