Preparando para El Futuro de La Inteligencia Artificial

PREPARANDOSE PARA EL FUTURO DE LA INTELIGENCIA ARTIFICIAL
Oficina Ejecutiva del Presidente

Consejo Nacional de Ciencia y Tecnologa
Comit de Tecnologa
Octubre 2016
OFICINA EJECUTIVA DEL PRESIDENTE

CONSEJO NACIONAL DE CIENCIA Y TECNOLOGA
WASHINGTON, D.C. 20502
12 de Octubre de 2016
Queridos colegas:
Los avances en las tecnologas en inteligencia artificial han abierto nuevos
mercados y nuevas oportunidades para el progreso en reas crticas como la salud,
educacin, energa y el ambiente. In aos recientes, las maquinas han superado a
los humanos en el desempeo de ciertas tareas especficas, tales como en algunos
aspectos de reconocimiento de imagen. Expertos pronostican que el rpido
progreso en el campo de la inteligencia artificial especializada continuar. Aunque
es muy improbable que las mquinas exhiban una inteligencia ampliamente
aplicable comparable o superior a la de los humanos en los prximos 20 aos, es
de esperar que las mquinas alcancen y excedan el rendimiento humano en ms y
ms tareas. Como contribucin a la preparacin de Estados Unidos para un futuro
en el que la inteligencia artificial juega un papel cada vez ms importante, este
informe examina el estado actual de la IA, sus aplicaciones actuales y potenciales
y las preguntas que se plantean para la sociedad y las polticas pblicas. El informe
tambin hace recomendaciones para acciones adicionales especficas por agencias
federales y otros actores. Un documento complementario establece un plan
estratgico para la investigacin y el desarrollo financiados con fondos federales en
AI. Adems, en los prximos meses, la Administracin publicar un informe de
seguimiento que explora en mayor profundidad el efecto de la automatizacin
impulsada por AI en los empleos y la economa.
El reporte fue desarrollado por la NSTC (Subcomit en aprendizaje automtico y la
inteligencia artificial), que fue fundada en mayo de 2016 para fomentar la
coordinacin interinstitucional, para proporcionar asesoramiento sobre temas

relacionados con la IA, y para revisar el desarrollo de las tecnologas de la
comunidad de investigacin y el gobierno federal. El reporte fue revisado por el
comit de tecnologa de la NSTC, que estuvo de acuerdo con su contenido. El
reporte sigue una serie de actividades de alcance pblico encabezadas por la oficina
de poltica de ciencias y tecnologa de la casa blanca (OSTP) en 2016, que incluy
cinco talleres pblicos coorganizados con universidades y otras asociaciones a las
que se hacen referencia en este reporte.
OSTP tambin public una solicitud de informacin (RFI) en junio de 2016, que
recibi 161 respuestas. Los comentarios fueron publicados por OSTP en 6 de
septiembre de 2016. De acuerdo con el papel de Big Data como un facilitador de IA,
este reporte se basa en tres reportes anteriores de la administracin de Big Data.
En los prximos aos, IA continuar contribuyendo al crecimiento econmico y ser
una valiosa herramienta para mejorar el mundo, mientras la industria, la sociedad
civil y el gobierno trabajen juntos para desarrollar los aspectos positivos de la
tecnologa, gestionar los riesgos y desafos, y asegurar que todos tengan la
oportunidad de ayudar en la construccin de una sociedad mejorada de IA y de
participar en sus beneficios.
Sinceramente,
John P. Holdren
Asistente del presidente de ciencias y tecnologa de EE.UU.
Director de la oficina de poltica cientfica y tecnologa
Megan Smith
Jefe de tecnologa
Contenido
Resumen ejecutivo ............................................................................................................... 4
Introduccin .......................................................................................................................... 9
Una breve historia de la IA....................................................................................................... 9
Qu es la inteligencia artificial? ......................................................................................... 11
El estado actual de la IA ......................................................................................................... 12
Divulgacin Pblica y Desarrollo de este Informe ......................................................... 18
Aplicaciones de la IA para el bien pblico ...................................................................... 19
IA en el gobierno federal. .................................................................................................. 22
Inteligencia Artificial y Regulacin .................................................................................. 24
Caso de estudio: Vehculos autnomos y Aeronaves .......................................................... 26
Investigacin y mano de obra........................................................................................... 32
Seguimiento del progreso en la IA ........................................................................................... 32
Apoyo Federal a la Investigacin AI ........................................................................................ 35
Investigacin y mano de obra................................................................................................... 37
IA, Automatizacin y Economa........................................................................................ 41
Equidad, seguridad y gobernabilidad .............................................................................. 42
Justicia, equidad y rendicin de cuentas ................................................................................ 43
Seguridad y control .................................................................................................................... 46
Consideraciones globales y seguridad ........................................................................... 49
Cooperacin internacional ........................................................................................................ 49
IA y Ciber seguridad................................................................................................................... 50
La IA en sistemas de armamento ............................................................................................ 52
Conclusin .......................................................................................................................... 55
Recomendaciones en este Informe.................................................................................. 56
Acrnimos ........................................................................................................................... 60
Resumen ejecutivo
Es como un distribuidor preparado hacia los Estados Unidos, para un futuro en el
cual la Inteligencia Artificial (IA) juega un rol en crecimiento, nosotros encuestamos
en la corriente actual de la IA, esto est existiendo en aplicaciones potenciales, y en
los cuestionarios que elevan para sociedad y la polica publica en los progresos de
la IA. Nosotros tambin hacemos recomendaciones para acciones especficas
futuras promueven acciones para agencias federales y otros actores. Un documento
complementario llamado El plan estratgico nacional de investigacin y desarrollo
de inteligencia artificial establece un plan estratgico para buscar financiamiento
federal y desarrolladores en IA.
Aplicaciones de IA para buen pblico

Un rea de gran optimismo sobre la IA y el aprendizaje de las maquinas es su
potencial para mejorar la vida de las personas para ayudar a resolver algunos
problema de los mayores retos del mundo e ineficiencias. Muchos comparan la
promesa de la IA para los impactos transformativos en la computacin mvil. Los
sectores pblicos y privados invierten en bsicos y aplicados R&D en IA ya empez
a cosechar mayores beneficios para el pblico en campos tan diversos como el
cuidado de la salud, transportacin, el ambiente, la justicia criminal y la inclusin
econmica. La eficacia del propio gobierno se est incrementando a medida que las
agencias aumentan su capacidad de usar IA para llevar a cabo sus misiones ms
rpidas, responsables y eficaces.
IA y regulacin
IA como aplicaciones en muchos productos, tales como automviles y aeronaves,
que estn sujetos a regulacin diseada para proteger al pblico de daos y
garantizar la equidad en la competencia econmica. Cmo afectar la
incorporacin de la IA en estos productos a los enfoques reglamentarios
pertinentes? En general, el enfoque de la regulacin de los productos compatibles
con IA para proteger la seguridad pblica debe ser informado mediante la
evaluacin de los aspectos de riesgo que la adicin de IA pueda reducir junto con
los aspectos de riesgo que puedan aumentar. Si un riesgo cae dentro de los lmites
de un rgimen regulador existente, adems, la discusin de polticas debe empezar
por considerar si las regulaciones existentes ya abordan adecuadamente el riesgo,
o si necesitan ser adaptadas a la adicin de IA. Adems, cuando las respuestas
regulatorias a la adicin de IA amenazan con aumentar el costo del cumplimiento o
frenar el desarrollo o la adopcin de innovaciones beneficiosas, los responsables
de la formulacin de polticas deberan considerar cmo esas respuestas podran
ajustarse para reducir costos y barreras a la innovacin sin afectar negativamente
la seguridad o el mercado de justicia.
Los ejemplos actuales de los retos regulatorios que presentan los productos
compatibles con IA se encuentran en los casos de vehculos automatizados (AV,
tales como automviles auto dirigidos) y sistemas de aeronaves no tripuladas
equipados con IA (UAS, o drones). A largo plazo, AV probablemente salvar
muchas vidas reduciendo el error del conductor y aumentando la movilidad
personal, y UAS ofrecer muchos beneficios econmicos. Sin embargo, la
seguridad pblica debe ser protegida a medida que estas tecnologas son probadas
y empiezan a madurar. El Departamento de Transporte (DOT, por sus siglas en
ingls) est usando un enfoque para desarrollar las regulaciones pertinentes que se
basan en la creacin de experiencia en el Departamento, creando espacios seguros
y camas de prueba para la experimentacin y trabajando con la industria y la
sociedad civil para desarrollar regulaciones basadas en desempeo que permitan
ms usos como evidencia de una operacin segura.
Investigacin y mano de obra

El gobierno tambin tiene un papel importante que desempear en el avance de la
IA a travs de la investigacin y el desarrollo de crecimiento de una mano de obra
calificada y diversa. Un plan estratgico separado para la investigacin y el
desarrollo de la IA financiada con fondos federales se est publicando junto con este
informe. El plan discute el papel de la R&D federal, identifica las reas de
oportunidad y recomienda maneras de coordinar la R&D para maximizar los
beneficios y construir una fuerza de trabajo altamente capacitada.
Dada la importancia estratgica de IA, adems, es apropiado que el Gobierno
Federal monitoree la evolucin en el campo a nivel mundial para obtener alertas
tempranas de cambios importantes que surjan en otros lugares en caso de que esto
requiera cambios en la poltica de los Estados Unidos.
El rpido crecimiento de la IA ha aumentado dramticamente la necesidad de
personas con habilidades relevantes para apoyar y avanzar en el campo. Un mundo
habilitado para la IA requiere una ciudadana que sea capaz de leer, usar, interpretar
y comunicar datos, y participar en debates de poltica sobre asuntos afectados por
la IA. El conocimiento y la educacin de la IA son cada vez ms enfatizados en los
programas federales de educacin en Ciencia, Tecnologa, Ingeniera y
Matemticas (STEM). La educacin de la IA es tambin un componente de la
Ciencia de la Computacin para todos, la iniciativa del presidente para capacitar a
todos los estudiantes estadounidenses desde el jardn de infantes hasta la escuela
secundaria para aprender ciencias de la computacin y estar equipados con las
habilidades de pensamiento computacional que necesitan en un mundo impulsado
por la tecnologa.
Impactos econmicos de la IA
El efecto econmico central de IA a corto plazo ser la automatizacin de tareas
que antes no podan ser automatizadas. Esto probablemente aumentar la
productividad y crear riqueza, pero tambin puede afectar a tipos particulares de
trabajos de diferentes maneras, reduciendo la demanda de ciertas habilidades que
pueden ser automatizadas mientras aumenta la demanda de otras habilidades que
son complementarias a la IA. El anlisis del Consejo de Asesores Econmicos
(CEA) de la Casa Blanca sugiere que el efecto negativo de la automatizacin ser
mayor en los empleos con salarios bajos y que existe un riesgo de que la
automatizacin impulsada por la IA incremente la brecha salarial entre los menos
educados y los ms, lo que podra incrementar la desigualdad econmica. La
poltica pblica puede abordar estos riesgos, asegurando que los trabajadores
reciban capacitacin y sean capaces de tener xito en ocupaciones que son
complementarias, en lugar de competir con la automatizacin. Las polticas pblicas

tambin pueden asegurar que los beneficios econmicos creados por IA sean
compartidos ampliamente y aseguren que la IA funcione de manera responsable en
una nueva era en la economa global.
Equidad, seguridad y gobernabilidad

A medida que las tecnologas de la IA avanzan hacia un despliegue ms amplio,
expertos tcnicos, analistas de polticas y especialistas en tica han expresado su
preocupacin por las consecuencias imprevistas de la adopcin generalizada. El
uso de IA para tomar decisiones consecuentes sobre las personas, a menudo
reemplazando las decisiones tomadas por los procesos burocrticos impulsados
por los humanos, lleva a preocupaciones acerca de cmo garantizar la justicia y la
rendicin de cuentas, las mismas preocupaciones expresadas previamente en los
Grandes Datos de la Administracin: Valores de 2014, as como el Informe al
Presidente sobre Grandes Datos y Privacidad: Perspectiva Tecnolgica publicado
por el Consejo Presidencial de Asesores en Ciencia y Tecnologa en 2014. Las
preocupaciones de transparencia se centran no slo en los datos y algoritmos
involucrados, sino tambin sobre el potencial de tener alguna forma de explicacin
para cualquier determinacin basada en la IA. Sin embargo, los expertos de IA han
advertido que hay retos inherentes al tratar de entender y predecir el
comportamiento de los sistemas avanzados de la IA.
El uso de IA para controlar el equipamiento del mundo fsico lleva a preocupaciones
sobre la seguridad, especialmente cuando los sistemas estn expuestos a la
complejidad del ambiente humano. Un reto importante en la seguridad de IA es la
construccin de sistemas que puedan pasar de forma segura del "mundo cerrado"
del laboratorio al "mundo abierto" exterior donde pueden suceder cosas
impredecibles. Adaptarse con gracia a situaciones imprevistas es difcil pero
necesario para una operacin segura. La experiencia en la construccin de otros
tipos de sistemas e infraestructura de seguridad crtica, como aviones, centrales
elctricas, puentes y vehculos, tiene mucho que ensear a los profesionales de la
IA.
Acerca de la verificacin y validacin, cmo construir un caso de seguridad para
una tecnologa, cmo manejar el riesgo y cmo comunicarse con las partes
interesadas sobre el riesgo.
A nivel tcnico, los desafos de equidad y seguridad estn relacionados. En ambos
casos, los profesionales se esfuerzan por evitar comportamientos no deseados y
generan la evidencia necesaria para dar a los participantes una confianza justificada
de que los fracasos involuntarios son poco probables.
El entrenamiento tico para practicantes de IA
_____________________________
"Grandes Datos: Aprovechando las Oportunidades, Preservando Valores", Oficina Ejecutiva del Presidente, mayo de 2014,
https://www.whitehouse.gov/sites/default/files/docs/big_data_privacy_report_may_1_2014.pdf.
El Consejo Presidencial de Asesores en Ciencia y Tecnologa, "Informe al Presidente: Grandes Datos y Privacidad: Una
Perspectiva Tecnolgica", Oficina Ejecutiva del Presidente, mayo de 2014,
https://www.whitehouse.gov/sites/default/files/microsites/ostp/PCAST/pcast_big_data_and_privacy_-
_may_2014.pdf.
y estudiantes es una parte necesaria de la solucin. Lo ideal sera que todos los
estudiantes que aprendieran IA, ciencias de la computacin o ciencias de los datos
estuvieran expuestos al currculo y a la discusin sobre temas relacionados con la
tica y la seguridad. Sin embargo, la tica por s sola no es suficiente. La tica puede
ayudar a los profesionales a entender sus responsabilidades para todos los
interesados, pero la capacitacin tica debe ser aumentada con herramientas y
mtodos tcnicos para poner en prctica buenas intenciones haciendo el trabajo
tcnico necesario para prevenir resultados inaceptables.
Consideraciones globales y seguridad

IA plantea cuestiones de poltica a travs de una serie de reas en las relaciones
internacionales y la seguridad. IA ha sido un tema de inters en discusiones
internacionales recientes como pases, instituciones multilaterales y otras partes
interesadas han comenzado a acceder a los beneficios y desafos de la IA. El
dilogo y la cooperacin entre estas entidades podran contribuir a impulsar la R&D
de la IA y aprovechar la IA para siempre, al mismo tiempo que se abordan desafos
compartidos.
La IA actual tiene aplicaciones importantes en la ciber seguridad, y se espera que
desempee un papel cada vez mayor tanto para las medidas cibernticas
defensivas como ofensivas. Actualmente, disear y operar sistemas seguros
requiere tiempo y atencin significativa de parte de los expertos. La automatizacin
parcial o total de este trabajo experto puede aumentar la seguridad a travs de una
gama mucho ms amplia de sistemas y aplicaciones a un costo considerablemente
ms bajo, y podra aumentar la agilidad de las ciber defensas de la nacin. El uso
de la IA puede ayudar a mantener la respuesta rpida requerida para detectar y
reaccionar ante el panorama de las amenazas en evolucin.
Problemas desafiantes se plantean por el uso potencial de la IA en los sistemas de
armas. Estados Unidos ha incorporado la autonoma en ciertos sistemas de armas
durante dcadas, permitiendo una mayor precisin en el uso de armas y
operaciones militares ms seguras y humanas. Sin embargo, alejarse del control
humano directo de los sistemas de armas implica algunos riesgos y puede plantear
cuestiones legales y ticas.
La clave para incorporar sistemas de armas autnomos y semiautnomos a la
planificacin de defensa estadounidense es asegurar que las entidades
gubernamentales de los Estados Unidos estn actuando siempre de acuerdo con el
derecho internacional humanitario, tomando medidas apropiadas para controlar la
proliferacin y trabajando con socios y Aliados para desarrollar estndares
relacionados con el desarrollo y uso de tales sistemas de armas. Los Estados
Unidos han participado activamente en el debate internacional en curso sobre los
sistemas de armas autnomas letales, y prev la continuacin de un debate
internacional slido sobre estos sistemas de armas potenciales. Las agencias de
todo el Gobierno de los Estados Unidos estn trabajando para desarrollar una
poltica nica, gubernamental, consistente con el derecho internacional humanitario,
sobre armas autnomas y semiautnomas.
Preparndose para el Futuro

IA tiene el potencial de ser un impulsor importante del crecimiento econmico y el

progreso social, si la industria, la sociedad civil, el gobierno y el pblico trabajan
juntos para apoyar el desarrollo de la tecnologa con atencin atenta a su potencial
y para gestionar sus riesgos.
El Gobierno de los Estados Unidos tiene varias funciones que desempear. Puede
convocar conversaciones sobre asuntos importantes y ayudar a establecer la
agenda para el debate pblico. Puede monitorear la seguridad y la imparcialidad de
las aplicaciones a medida que se desarrollan, y adaptar los marcos regulatorios para
fomentar la innovacin mientras protege al pblico. Puede proporcionar
herramientas de poltica pblica para asegurar que la interrupcin en los medios y
mtodos de trabajo permitidos por la IA incrementa la productividad mientras evita
consecuencias econmicas negativas para ciertos sectores de la fuerza de trabajo.
Puede apoyar la investigacin bsica y la aplicacin de la IA al bien pblico. Puede
apoyar el desarrollo de una mano de obra calificada y diversa. Y el gobierno puede
usar la IA misma para servir al pblico ms rpido, ms eficazmente y a menor
costo. Muchas reas de la poltica pblica, desde la educacin y la red de seguridad
econmica hasta la defensa, la preservacin del medio ambiente y la justicia penal,
vern nuevas oportunidades y nuevos desafos impulsados por el progreso continuo
de la IA. El Gobierno de los Estados Unidos debe seguir construyendo su capacidad
para comprender y adaptarse a estos cambios.
A medida que la tecnologa de IA contina desarrollndose, los profesionales deben
asegurarse de que los sistemas habilitados para la IA sean gobernables; que son
abiertos, transparentes y comprensibles; que pueden trabajar eficazmente con las
personas; y que su funcionamiento seguir siendo coherente con los valores y
aspiraciones humanos. Los investigadores y los profesionales han aumentado su
atencin a estos retos y deben seguir centrndose en ellos.
Desarrollar y estudiar inteligencia de mquina puede ayudarnos a entender y
apreciar mejor nuestra inteligencia humana. Utilizando con cuidado, la inteligencia
artificial puede aumentar nuestra inteligencia, ayudndonos a trazar un camino
mejor y ms sabio hacia adelante.
Una lista completa de las recomendaciones hechas en este informe est en la

pgina 40.
Introduccin
La inteligencia artificial (IA) tiene el potencial de ayudar uno de los retos ms
grandes que enfrenta la sociedad. Los vehculos inteligentes pueden salvar miles
de vidas mundialmente cada ao e incrementar la movilidad para los mayores y
aquellos con discapacidades. Los edificios inteligentes pueden ahorrar energa y
reducir las emisiones de carbono. La medicina de precisin puede extender e
incrementar la calidad de vida. Un gobierno ms inteligente puede servir a los
ciudadanos ms rpido y preciso, proteger mejor aquellos en riesgo y ahorrar
dinero. Educacin mejorada con IA puede ayudar a los profesores a dar a los nios
una educacin que abra las puertas a una vida segura y completa. Esto es solo un
poco del potencial de los beneficios si la tecnologa es desarrollada teniendo en
cuenta sus beneficios y especial consideracin con sus retos y riesgos.
Los estados unidos han estado al frente de fundaciones de investigacin en la IA,
apoyadas principalmente por la mayora de los campos de historia por los fondos
de investigacin federal y el trabajo en laboratorios gubernamentales. El apoyo del
Gobierno Federal a la I + D sin clasificar se gestiona a travs del programa de
Investigacin y Desarrollo en Redes y Tecnologas de la Informacin (NITRD) y
apoyado principalmente por la Agencia de Proyectos Avanzados de Investigacin
en Defensa (DARPA), la Fundacion Nacional de Ciencia (NSF) (NIH), la Oficina de
Investigacin Naval (ONR) y la Actividad de Proyectos de Investigacin Avanzada
de Inteligencia (IARPA). Los principales esfuerzos nacionales de investigacin,
como la Iniciativa Nacional de Computacin Estratgica, la Iniciativa de Big Data y
la Iniciativa de Investigacin del Cerebro a travs de la Iniciativa Avanzada de
Neurotecnologas (BRAIN), tambin contribuyen indirectamente al progreso de la
investigacin de la IA. Los beneficios actuales y proyectados de la tecnologa de IA
son grandes, lo que aumenta la vitalidad econmica de la Nacin y la productividad
y bienestar de su gente. Un documento complementario establece un plan
estratgico para la investigacin y el desarrollo financiados con fondos federales en
IA.
Como una contribucin para preparar a los Estados Unidos para un futuro en el que
la IA desempea un papel cada vez ms importante, examinamos el estado actual
de la IA, sus aplicaciones actuales y potenciales y las cuestiones que el progreso
de la IA suscita para la sociedad y las polticas pblicas. Tambin hacemos
recomendaciones para acciones adicionales especficas por agencias federales y
otros actores.
Una breve historia de la IA

La dotacin de ordenadores con inteligencia humana ha sido un sueo de los
expertos en informtica desde los inicios de la computacin electrnica. Aunque el
trmino "Inteligencia Artificial" no fue acuado hasta 1956, las races del campo
retroceden por lo menos a la dcada de 1940, 3 y la idea de la IA se cristaliz en el

famoso trabajo de Alan Turing en 1950, "Computing Machinery and Intelligence". El
artculo de Turing planteaba la pregunta: "Pueden las mquinas pensar?" Tambin
propuso una prueba para responder a esa pregunta, 4 y plante la posibilidad de
que una mquina podra ser programada para aprender de la experiencia como un
nio pequeo.
En las dcadas que surgi, el campo de la IA experiment altibajos, ya que algunos
problemas de investigacin de IA resultaron ms difciles de lo previsto y otros
resultaron insuperables con las tecnologas de la poca. No fue sino hasta finales
de los noventa que el progreso de la investigacin en IA comenz a acelerarse, ya
que los investigadores se centraron ms en los sub-problemas de la IA y la
aplicacin de la IA a problemas del mundo real como el reconocimiento de imgenes
y el diagnstico mdico. Un hito temprano fue la victoria de 1997 de la computadora
de ajedrez de IBM Deep Blue sobre el campen del mundo Garry Kasparov. Otros
avances significativos incluyen el agente cognitivo de DARPA que aprende y
organiza (CALO), que condujo a Siri de Apple Inc.; La respuesta a preguntas de
IBM, la victoria de Watson en el programa de televisin "Jeopardy!"; y el
sorprendente xito de automviles autnomos en las competiciones DARPA Grand
Challenge en los aos 2000.
La actual ola de progreso y entusiasmo por la IA comenz alrededor de 2010,
impulsada por tres factores que se basaron unos sobre otros: la disponibilidad de
grandes fuentes de datos como el comercio electrnico, las empresas, los medios
sociales, la ciencia y el gobierno; que proporcionaron materia prima para enfoques
y algoritmos de aprendizaje mejorados; que a su vez dependa de las capacidades
de los ordenadores ms potentes. Durante este perodo, el ritmo de la mejora
sorprendi a los expertos de la IA. Por ejemplo, en un popular reto de
reconocimiento de imgenes que tiene una tasa de error humano del 5% de acuerdo
con una medida de error, el mejor resultado de IA mejor de una tasa de error de
26 por ciento en 2011 a 3,5 por ciento en 2015.
Simultneamente, la industria ha ido incrementando su inversin en la IA. En 2016,
el CEO de Google, Sundar Pichai, dijo: "El aprendizaje automtico [un subcampo
de IA] es una forma fundamental y transformadora mediante la cual estamos
replanteando cmo estamos haciendo todo. Estamos aplicndolo cuidadosamente
a travs de todos nuestros productos, ya sea de bsqueda, anuncios, YouTube o
Play. Y estamos en los primeros das, pero ustedes nos vern - de forma sistemtica
- aplicarn el aprendizaje automtico en todas estas reas. Esta visin de la IA que
afecta ampliamente cmo el software es creado y entregado fue ampliamente
compartida por los CEOs en la industria de la tecnologa, incluyendo a Ginni
Rometty de IBM, quien ha dicho que su organizacin est apostando a la compaa
en IA.
Qu es la inteligencia artificial?
No existe una definicin nica de IA que sea universalmente aceptada por los
profesionales. Algunos definen IA como un sistema computarizado que exhibe un
comportamiento que comnmente se piensa que requiere inteligencia. Otros
definen a IA como un sistema capaz de resolver racionalmente problemas
complejos o tomar acciones apropiadas para alcanzar sus objetivos en cualquier
circunstancia real que encuentre.
Los expertos ofrecen diferentes taxonomas de problemas y soluciones de IA. Un
libro de texto IA popular utiliz la siguiente taxonoma: (1) sistemas que piensan
como seres humanos (por ejemplo, arquitecturas cognitivas y redes neuronales);
(Por ejemplo, pasar la prueba de Turing a travs del procesamiento del lenguaje
natural, la representacin del conocimiento, el razonamiento automatizado y el
aprendizaje), (3) sistemas que piensan racionalmente (por ejemplo,
5 En el Apndice del Informe AI 100 se puede encontrar un historial ms detallado de AI. Peter Stone, Erik Brynjolfsson, Ryan
Calo, Oren Etzioni, Greg Hager, Julia Hirschberg, Shivaram Kalyanakrishnan, Ece Kamar, Sarit Kraus, Kevin Leyton-Brown,
David Parkes, William Press, AnnaLee Saxenian, Julie Shah, Milind Tambe, y Astro Teller, "Inteligencia Artificial y Vida en
2030," Cien aos de estudio sobre Inteligencia Artificial: Informe del Panel de Estudio 2015-2016, Stanford University,
Stanford, CA, septiembre de 2016, http://ai100.stanford.edu/ 2016-informe.
6 The ImageNet Large Scale Visual Recognition Challenge provides a set of photographic images and asks for an accurate
description of what is depicted in each image. Statistics in the text refer to the classification error metric in the
classification+localization with provided training data task. See http://image-net.org/challenges/LSVRC/.
7 Steven Levy, "Cmo se reorganiza Google como mquina que aprende la primera compaa," Backchannel, 22 de junio de
2016, https://backchannel.com/how-google-is-remaking-self-as-a-machine-learning -first-company-ada63defcb70.
8 See, e.g., Andrew Nusca, IBMs CEO Thinks Every Digital Business Will Become a Cognitive Computing Business, Fortune,
June 1 2016. ([IBM] CEO Ginni Rometty is optimistic that the companys wager on cognitive computing, the term it uses for
applied artificial intelligence and machine learning technologies, is the biggest bet the company will make in its 105-year
history.)
9 Stuart Russell and Peter Norvig, Artificial Intelligence: A Modern Approach (3rd Edition) (Essex, England: Pearson, 2009).
solucionadores lgicos, inferencia y optimizacin); y (4) sistemas que actan

racionalmente (por ejemplo, agentes de software inteligente y robots incorporados
que logran objetivos a travs de la percepcin, la planificacin, el razonamiento, el
aprendizaje, la comunicacin, la toma de decisiones y la actuacin). El capitalista
de riesgo Frank Chen derrib el espacio problemtico de la IA en cinco categoras
generales: el razonamiento lgico, la representacin del conocimiento, la
planificacin y la navegacin, el procesamiento del lenguaje natural y la
percepcin.10 Y el investigador de la IA Pedro Domingos atribuy a los
investigadores de la IA a cinco "tribus" sobre los mtodos que utilizan: los
"simbolistas" utilizan el razonamiento lgico basado en smbolos abstractos, los
"conexionistas" construyen estructuras inspiradas en el cerebro humano;
"Evolucionistas" usan mtodos inspirados en la evolucin darwiniana; Los
"bayesianos" utilizan la inferencia probabilstica; y "analogizers" extrapolan de casos
similares vistos previamente.
Esta diversidad de problemas y soluciones de IA y la base de la IA en la evaluacin
humana del desempeo y la precisin de los algoritmos, hace difcil definir
claramente una distincin de lnea brillante entre lo que constituye AI y lo que no.
Por ejemplo, muchas de las tcnicas utilizadas para analizar grandes volmenes de
datos fueron desarrolladas por los investigadores de AI y ahora son identificadas
como algoritmos y sistemas "Big Data". En algunos casos, la opinin puede cambiar,
lo que significa que un problema se considera que requiere AI antes de que se ha
resuelto, pero una vez que una solucin es bien conocida se considera el
procesamiento de datos de rutina. Aunque los lmites de la AI pueden ser inciertos
y han tendido a cambiar con el tiempo, lo importante es que un objetivo bsico de
la investigacin y las aplicaciones de la IA a lo largo de los aos ha sido automatizar
o replicar el comportamiento inteligente.
El estado actual de la IA
Se han realizado progresos notables en lo que se conoce como Narrow AI, que se
ocupa de reas de aplicacin especficas, como jugar juegos estratgicos,
traduccin de idiomas, vehculos autodirigidos y reconocimiento de imgenes.12 La
AI estrecha sustenta muchos servicios comerciales como la planificacin de viajes,
la recomendacin del comprador sistemas y orientacin de anuncios, y est
encontrando aplicaciones importantes en el diagnstico mdico, la educacin y la
investigacin cientfica. Todos ellos han tenido importantes beneficios sociales y
han contribuido a la vitalidad econmica de la nacin.13
La IA general (a veces llamada Inteligencia General Artificial, o AGI) se refiere a un
futuro nocional sistema AI que exhibe comportamiento aparentemente inteligente
por lo menos tan avanzado como una persona en toda la gama de tareas cognitivas.
Un amplio abismo parece separar hoy a Narrow AI del desafo mucho ms difcil de
General AI. Los intentos de llegar a la IA general mediante la ampliacin de las
soluciones de Narrow AI han avanzado poco a lo largo de muchas dcadas de

investigacin. El consenso actual de la comunidad de expertos del sector privado,
con el que coincide el Comit de Tecnologa de la NSTC, es que la AI General no
se alcanzar por lo menos durante dcadas.14
10 Frank Chen, "AI, Aprendizaje Profundo y Aprendizaje Automtico: Una Cartilla", Andreessen Horowitz, 10 de junio de 2016,
http://a16z.com/2016/06/10/ai-deep-learning-machines.
11 Pedro Domingos, El algoritmo maestro: cmo la bsqueda de la mquina de aprendizaje definitiva rehacer nuestro mundo
(Nueva York, Nueva York: Libros bsicos, 2015).
12 La AI estrecha no es un enfoque tcnico nico, sino ms bien un conjunto de problemas discretos cuyas soluciones se
basan en un conjunto de herramientas de mtodos de IA junto con algunos algoritmos especficos del problema. La diversidad
de los problemas y soluciones de la Narrow AI, y la aparente necesidad de desarrollar mtodos especficos para cada
aplicacin de Narrow AI, ha hecho imposible "generalizar" una sola solucin Narrow AI para producir un comportamiento
inteligente de aplicabilidad general.
13 Mike Purdy y Paul Daugherty, "Por qu la inteligencia artificial es el futuro del crecimiento", Accenture, 2016,
https://www.accenture.com/us-en/_acnmedia/PDF-33/Accenture-Why-AI-is- el-futuro-de-crecimiento.pdf.
14 La opinin de los expertos sobre la fecha prevista de llegada de AGI oscila entre 2030 y siglos. Hay una larga historia de
optimismo excesivo sobre la IA. Por ejemplo, el pionero de la IA Herb Simon predijo en 1957 que los ordenadores
Las personas han especulado largamente sobre las implicaciones de una

computadora ms inteligente que los humanos. Algunos predicen que una IA lo
suficientemente inteligente podra estar encargado de desarrollar an ms,
sistemas inteligentes, y estos a su vez podran utilizarse para crear sistemas con
mayor inteligencia, y as sucesivamente, conduciendo en principio a una "explosin
de inteligencia" o "singularidad" en la que las mquinas con rapidez en la carrera
crecern mucho por delante de los seres humanos en la inteligencia.
En una visin distpica de este proceso, estas sper-inteligentes mquinas

excederan la capacidad de la humanidad para entender o controlar. Si las
computadoras pudieran ejercer control sobre muchos sistemas crticos, el resultado
podra ser catastrfico, cuando los seres humanos ya no tengan control sobre su
destino en el peor de los casos. Esta ha sido objeto de historias de ciencia ficcin,
y los recientes pronunciamientos de algunos influyentes lderes de la industria han
destacado estos temores.
Una visin ms positiva del futuro de muchos investigadores ve el desarrollo de

sistemas inteligentes sistemas que funcionan bien como ayudantes, asistentes,
entrenadores y compaeros de equipo de los humanos, y son diseado para
funcionar seguros y ticos.
El NSTC Comit de Tecnologa evaluacin es tan grandes-preocupaciones a largo

plazo sper-inteligente La IA general debera tener poco impacto en la poltica
actual. El Gobierno Federal debera adoptar en las cercanas a medio plazo si estos
temores estn justificados casi exactamente a las mismas polticas que la El
Gobierno Federal debe adoptar si no estn justificados. La mejor manera de crear
capacidad a corto plazo los riesgos especulativos es atacar los riesgos menos
extremos ya vistos hoy , como las corrientes seguridad, privacidad y riesgos de
seguridad, mientras invierten en investigacin sobre aptitudes y la forma en que
retos podran ser manejados. Adems, a medida que la investigacin y las
aplicaciones en el campo continan madurando, los profesionales de la IA en el
gobierno y las empresas deben abordar los avances con la debida consideracin a
largo plazo, adems de las preguntas tcnicas - que tal avances advienen. Aunque
la prudencia dicta cierta atencin a la posibilidad de que - inteligencia podra algn
da ser posible, estas preocupaciones no deberan ser el principal motor de la
poltica de AI.
Aprendizaje automtico
El aprendizaje automtico es uno de los enfoques tcnicos ms importantes de la
IA y la base de muchos recientes avances y aplicaciones comerciales de IA . El
aprendizaje moderno de la mquina es un proceso estadstico en los comienzos con
un cuerpo de datos que intenta derivar una regla o procedimiento que explique los
datos o pueda predecir datos futuros. Este enfoque - aprender de los datos que
contrasta con el mayor "Sistema experto" enfoque de la IA, en el cual los
programadores se sientan con expertos de dominio para aprender las reglas y los
criterios de uso retomar decisiones, y traducir esas reglas en cdigo de software.
Un sistema experto pretende emular los principios utilizados por humanos, mientras
que el aprendizaje automtico se basa en mtodos estadsticos para procedimiento
que funciona bien en la prctica.
Una ventaja del aprendizaje automtico es que puede utilizarse incluso en los casos
en que sea imposible o difcil de notar reglas explcitas para resolver un problema.
Por ejemplo, una empresa que ejecuta un servicio en lnea podra utilizar el
aprendizaje de la mquina para detectar el registro del usuario - en intentos que son
fraudulentos. La empresa podra comenzar con grandes datos junto con intentos
anteriores de inicio de sesin, con cada uno como fraudulento o no de beneficio
superando a los humanos en el ajedrez dentro de una dcada, un resultado que
requera 40 aos para ocurrir. Las primeras predicciones sobre la traduccin
automatizada de idiomas tambin result increblemente optimista en la tecnologa
que se ha convertido en utilizable (y no medio completamente fluido) en los ltimos
aos. Es tentador pero incorrecto extrapolar de la capacidad de resolver uno tarea
particular de imaginar mquinas con una gama mucho ms amplia y capacidades y
pasar por alto el enorme brecha entre tarea estrecha - y el tipo de inteligencia
general que exhiben las personas.
No es seguro que este tipo de crecimiento explosivo en la inteligencia sea probable,

o incluso posible. Otro plausible del conocimiento actual es que la inteligencia de
mquina continuar aumentando gradualmente superando la inteligencia humana.
comprensin retrospectiva. Residencia en este conjunto de datos, podra usar el

aprendizaje automtico para derivar una regla a aplicar para futuros intentos de
inicio de sesin ese predecir cuales intentos son ms susceptibles de ser
fraudulentas y deben ser extra medidas de seguridad . En cierto sentido, el
aprendizaje automtico no es un algoritmo para resolver un problema especfico,
sino ms bien un enfoque ms general a encontrar soluciones para muchos
diferentes problemas , datos sobre ellos.
Para aplicar el aprendizaje automtico, el practicante comienza con un conjunto de
datos histricos, que el practicante divide en un conjunto de entrenamiento y un
equipo de prueba. El practicante elige un modelo, o estructura matemtica que
caracteriza una distancia de la posible decisin - haciendo reglas con ajustable
parmetros. Una analoga comn es que el modelo es una "caja" que aplica una
regla, y los parmetros son perillas ajustables en la parte que controlan cmo
funciona la caja. En la prctica, un modelo puede tener muchos millones de
parmetros.
El practicante tambin define una funcin objetiva utilizado para evaluar la
deseabilidad del resultado ese resultados de una seleccin particular de
parmetros. La funcin objetivo normalmente contiene partes que recompensar el
modelo para que coincida estrechamente con el conjunto de entrenamiento, as
como partes que recompensan el uso de reglas.
Formacin el modelo es el proceso de ajustar el p para maximizar la funcin objetivo.
La formacin es l paso tcnico difcil en el aprendizaje de la mquina. Un modelo
con millones de parmetros tendr astronmicamente ms resultados posibles de
lo que cualquier algoritmo podra esperar intentar, los algoritmos tienen que ser
inteligentes en la forma de explorar el espacio de configuracin de parmetros para
encontrar muy buena con un nivel factible de esfuerzo computacional.
Una vez un modelo ha sido entrenado, el practicante puede usar el conjunto de
pruebas para evaluar la eficacia del modelo. El objetivo del aprendizaje automtico
es crear un modelo generalizar - va a ser exactos no slo en los ejemplos del
conjunto de formacin, sino tambin en los casos futuros que ha nunca antes visto.
Aunque muchos de estos modelos puede lograr mejor - que - rendimiento humano
en tareas como el etiquetado de imgenes, incluso el mejores modelos puede fallar
de maneras impredecibles. Por ejemplo, para muchos modelos de etiquetado de

imgenes es posible crear imgenes que claramente parecen ser ruido aleatorio a
un humano pero estarn falsamente etiquetado como un objeto especfico con alta
confianza por un modelo entrenado.
Otro desafo en usar el aprendizaje automtico es normalmente no es posible

extraer o generar un explicacin directa de por qu un especial modelo entrenado
es efectiva. Porque los modelos entrenados tener un gran nmero de parmetros
ajustables - a menudo cientos de millones o ms - formacin puede dar lugar a
modelo que "funciona," en el sentido de hacer coincidir los datos, pero no es
necesariamente la ms simple modelo de trabajos. En decisin humana - cualquier
opacidad en el proceso es tpicamente debido a no tener suficiente informacin
sobre por qu se lleg a una decisin porque el decisor puede ser incapaz de
articular por qu el decisin "se senta bien." Con el aprendizaje automtico, se
conoce todo acerca del procedimiento de decisin con precisin matemtica, pero
puede haber simplemente demasiada informacin para interpretar claramente.
Aprendizaje profundo
En aos recientes, algunos de los avances ms impresionantes en la el aprendizaje
ha estado en el subcampo de aprendizaje profundo, tambin conocido como
aprendizaje en red profunda. El aprendizaje profundo utiliza estructuras ligeramente
inspiradas en el cerebro humano, que consiste en un conjunto de unidades (o
"neuronas"). Cada unidad combina un conjunto de valores a producir un salida valor
, que a su vez se transmite a otras neuronas aguas abajo. Por ejemplo, en una
aplicacin de reconocimiento de imagen, una primera unidades combinar los datos
sin procesar de la imagen para reconocer patrones simples en la imagen; una
segunda capa de unidades podra combinar los resultados de la primera capa
reconocer patrones - de - patrones; una tercera capa podra combinar los resultados
de la segunda capa; y as.
Las redes de aprendizaje profundo suelen utilizar muchas capas - a veces ms de
100 - y usan a menudo un grande nmero en cada capa, el reconocimiento de
patrones extremadamente complejos y precisos en los datos.
En los ltimos aos, nuevas teoras sobre cmo construir y tren profundo redes
Haber emergido, una afeitada ms grande, sistemas informticos ms rpidos ,
permitiendo el uso de mucho ms grande aprendizaje profundo redes. El dramtico
xito de estos muy grandes en muchas tareas de aprendizaje automtico ha sido
una sorpresa para algunos expertos, y es la principal causa de la actual ola de
entusiasmo por el aprendizaje automtico entre IA investigadores y practica.
Autonoma y Automatizacin
AI se aplica a menudo a sistemas que pueden controlar actuadores fsicos o activar
acciones en lnea. Cuando IA entra en contacto con el mundo cotidiano, las
cuestiones de autonoma, automatizacin y - mquina agrupacin surgir.
Autonoma se refiere a la capacidad de un sistema para operar y adaptarse a las
circunstancias cambiantes con reducido o sin control humano . Por ejemplo, un
automvil autnomo podra conducirse a su destino. A pesar de la atencin en gran
parte de la literatura en automviles y aviones, autonoma es un concepto mucho
ms amplio que incluye escenarios como la automatizacin de la negociacin
financiera y los sistemas automatizados de restauracin de contenidos. Autonoma
tambin incluye sistemas que pueden diagnosticar y reparar fallas en su propia
operacin, tales como identificar y fijar gramo vulnerabilidades de seguridad.
Automatizacin ocurre cuando un la mquina hace el trabajo que pudo haber sido
hecho previamente por una persona. Los trmino se refiere a ambos trabajo fsico
y mental o cognitivo que podra ser reemplazado por IA. Automatizacin y su
impacto en empleo, ha ve fenmenos sociales y econmicos significativos un ya
que al menos la Revolucin Industrial. Es ampliamente aceptado que IA
automatizar algunos trabajos, pero hay ms debate sobre si este es simplemente
el prximo captulo en la historia de la o si la IA afectar a la economa de forma
diferente a las olas pasadas de automatizacin previamente .
Humano - Trabajo en equipo

En contraste con la automatizacin, donde una mquina sustituye al trabajo
humano, en algunos casos una mquina complemento humano trabajo. Esto puede
haber abrazadera como un lado - efecto del desarrollo de IA, o un sistema podra
desarrollado especficamente con el objetivo de crear un - equipo de la mquina.
Sistemas que pretenden complementar las capacidades cognitivas humanas se
refieren a veces como aumento de la inteligencia.
En hombre y aplicaciones, un ser humano - equipo de la mquina puede ser ms

eficaz que uno solo, las fuerzas de uno para compensar el debilidades del otro. Uno
ejemplo es jugar al ajedrez, donde una una computadora ms dbil a menudo puede
golpear a un jugador ms fuerte de la computadora, si la computadora ms dbil se
da a un humano compaero de equipo - esto es cierto, aunque los mejores equipos
son jugadores mucho ms fuertes que cualquier humano. 18 Otro ejemplo est en
radilogo . En un estudio reciente, g imgenes de las clulas de los ganglios
linfticos y se les
Diferentes definiciones de "automatizacin" se utilizan en diferentes entornos. La

definicin utilizada en el texto principal, que la sustitucin del trabajo de la mquina
por el trabajo humano, se utiliza comnmente en la economa. Otra definicin se
utiliza en la anlisis de sistemas en el Departamento de Defensa ( DoD):
Automatizacin significa que el sistema funciona con poca o ninguna participacin
del operador humano. Sin embargo, el rendimiento del sistema se limita a -
programado acciones que se ha diseado para ejecutar. Una vez que el sistema es
iniciado por un operador humano, ejecuta su tarea de acuerdo con aquellas
instrucciones y subrutinas, que han sido probadas y validadas. Normalmente, stas
estn bien - tareas definidas que tienen predeterminadas respuestas, es decir, la
regla - basadas en respuestas razonablemente bien - conocidos y estructurados
entornos.
Si las clulas contenan o no el cncer, una IA - enfoque basado en tena un 7,5 por
ciento Tasa de error, dnde un patlogo humano tena un 3.5 por ciento Tasa de
error; un enfoque combinado, nosotros tanto la IA como el aporte humano, baj la
tasa de error a 0,5 por ciento, lo que representa una reduccin del 85 por ciento en
el error.
Divulgacin Pblica y Desarrollo de este Informe

Este informe fue elaborado por el Subcomit de Aprendizaje Automtico e
Inteligencia Artificial de la NSTC, que fue fundado en mayo de 2016 para fomentar
la coordinacin interinstitucional y proporcionar asesoramiento tcnico y de polticas
sobre temas relacionados con la IA y monitorear el desarrollo de las tecnologas de
IA en la industria, comunidad y el Gobierno Federal. El informe sigue a una serie de
actividades de divulgacin pblica dirigida por OSTP, diseada para permitir que los
funcionarios gubernamentales que piensen sobre estos temas aprendan de
expertos y del pblico. Esta divulgacin pblica sobre AI incluy cinco talleres
pblicos co-organizados y una Solicitud Pblica de Informacin (RFI). Los talleres
pblicos fueron:
AI, Derecho y Gobernabilidad (24 de mayo, en Seattle, co-auspiciado por
OSTP, el Consejo Econmico Nacional (NEC) y la Universidad de
Washington);
AI para el Bien Social (7 de junio, en Washington DC, co-organizado por
OSTP, la Asociacin para el Avance de la IA (AAAI) y el Consorcio de la
Comunidad Informtica (CCC));
El futuro de la AI: temas emergentes y beneficios sociales en la Cumbre
Mundial sobre Empresariado (23 de junio, en Palo Alto, co-auspiciada por
OSTP y la Universidad de Stanford);
Tecnologa, Seguridad y Control de AI (28 de junio, en Pittsburgh, co-

organizado por OSTP y Carnegie Mellon University); y
Impactos sociales y econmicos de la IA (7 de julio, en Nueva York, co-
auspiciado por OSTP, NEC y la Universidad de Nueva York).
Junto con cada uno de los cinco talleres, los coorganizadores del sector privado
organizaron reuniones separadas o sesiones de conferencias a las que asistieron
funcionarios del gobierno. La asistencia total en persona a los eventos pblicos fue
de ms de 2.000 personas, adems de las audiencias internacionales de streaming
en lnea, que incluyeron a ms de 3.500 personas para el taller de Washington, DC
solo en vivo.
OSTP tambin public una Solicitud de Informacin (RFI) que buscaba comentarios
pblicos sobre los temas de los talleres. El RFI cerr el 22 de julio de 2016 y recibi
161 respuestas. Los comentarios enviados en respuesta a la RFI pblica fueron
publicados por OSTP el 6 de septiembre de 2016.^20
20 Ed Felten and Terah Lyons, Public Input and Next Steps on the Future of Artificial Intelligence, Medium, Septiembre 6
2016, https://medium.com/@USCTO/public-input-and-next-steps-on-the-future-of-artificial-intelligence-458b82059fc3.
Aplicaciones de la IA para el bien pblico

Un rea de gran optimismo sobre la IA y el aprendizaje automtico es su potencial
para mejorar la vida de las personas al ayudar a resolver algunos de los mayores
desafos e ineficiencias del mundo. La promesa de AI se ha comparado con los
impactos transformadores de los avances en la informtica mvil. ^21 Las
inversiones de los sectores pblico y privado en la R&D bsica y aplicada sobre la
IA ya han comenzado a obtener grandes beneficios para el pblico en campos tan
diversos como la salud, el transporte, el medio ambiente, la justicia penal y la
inclusin econmica.^22
En el Centro Mdico Walter Reed, el Departamento de Asuntos de Veteranos utiliza
AI para predecir mejor las complicaciones mdicas y mejorar el tratamiento de las
heridas de combate severas, lo que conduce a mejores resultados para los
pacientes, cicatrizacin ms rpida y menores costos.^23 El mismo enfoque general
-la prediccin de complicaciones para permitir el tratamiento preventivo- tambin ha
reducido las infecciones adquiridas en el hospital en la Universidad Johns
Hopkins.24 Dada la actual transicin a los registros de salud electrnicos, el anlisis
predictivo de los datos de salud puede desempear un papel clave en muchos
dominios de salud, medicina e investigacin del cncer.
En el transporte, las aplicaciones de gestin del trfico inteligentes habilitadas para
la IA estn reduciendo los tiempos de espera, el uso de energa y las emisiones
hasta en un 25 por ciento en algunos lugares.^25 Las ciudades ahora estn

comenzando a aprovechar el tipo de envo y enrutamiento responsivos utilizados
por los servicios , y vincularlo con software de programacin y seguimiento para el
transporte pblico para proporcionar acceso justo a tiempo al transporte pblico que
a menudo puede ser ms rpido, ms barato y, en muchos casos, ms accesible al
pblico.
Algunos investigadores estn aprovechando la AI para mejorar el seguimiento de la
migracin animal mediante el uso de software de clasificacin de imgenes de IA
para analizar las fotos tursticas de los sitios de medios sociales pblicos. El
software puede identificar animales individuales en las fotos y crear una base de
datos de su migracin utilizando los datos y los sellos de ubicacin en las fotos. En
el taller de AI para el Bienestar Social del OSTP, los investigadores hablaron sobre
la construccin de algunos de los conjuntos de datos disponibles ms grandes sobre
las poblaciones y migraciones de ballenas y animales africanos grandes, y sobre el
lanzamiento de un proyecto para rastrear "Internet de Tortugas" acerca de la vida
marina.^26 Otros oradores describieron los usos de AI para optimizar la estrategia
de patrulla de los agentes contra la caza furtiva y disear estrategias de
preservacin del hbitat para maximizar la diversidad gentica de las poblaciones
en peligro de extincin.
21 Frank Chen, AI, Deep Learning, and Machine Learning: A Primer, Andreessen Horowitz, June 10, 2016,
http://a16z.com/2016/06/10/ai-deep-learning-machines.
22 The potential benefits of increasing access to digital technologies are detailed further in the World Bank Groups Digital
Dividends report. (World Development Report 2016: Digital Dividends, The World Bank Group, 2016,
http://documents.worldbank.org/curated/en/896971468194972881/pdf/102725-PUB-Replacement-PUBLIC.pdf.)
23 Eric Elster, Surgical Critical Care Initiative: Bringing Precision Medicine to the Critically Ill, presentation at AI for Social
Good workshop, Washington, DC, June 7, 2016, http://cra.org/ccc/wp-content/uploads/sites/2/2016/06/Eric-Elster-AI-slides-
min.pdf.
24 Katharine E. Henry, David N. Hager, Peter J. Pronovost, and Suchi Saria, "A targeted real-time early warning score
(TREWScore) for septic shock," Science Translational Medicine 7, no. 299 (2015): 299ra122-299ra122.
25 Stephen F. Smith, Smart Infrastructure for Urban Mobility, presentation at AI for Social Good workshop, Washington, DC,
June 7, 2016, http://cra.org/ccc/wp-content/uploads/sites/2/2016/06/Stephen-Smith-AI-slides.pdf.
26 Aimee Leslie, Christine Hof, Diego Amorocho, Tanya Berger-Wolf, Jason Holmberg, Chuck Stewart, Stephen G. Dunbar,
and Claire Jea,, The Internet of Turtles, April 12, 2016,
https://www.researchgate.net/publication/301202821_The_Internet_of_Turtles.
Los veleros y embarcaciones autnomos ya estn patrullando los ocanos

transportando sofisticados sensores, recolectando datos sobre los cambios en el
hielo del rtico y los ecosistemas ocenicos sensibles en operaciones que seran
demasiado caras o peligrosas para los barcos tripulados. Las embarcaciones
autnomas pueden ser mucho ms baratas de operar que las naves tripuladas y
pueden ser utilizadas algn da para mejorar la prediccin del clima, el monitoreo
climtico o la vigilancia de la pesca ilegal. ^27
AI tambin tiene el potencial de mejorar aspectos del sistema de justicia penal,

incluyendo reportes de delitos, policas, fianzas, sentencias y decisiones de libertad
condicional. La Administracin est explorando cmo la AI puede beneficiar de
manera responsable las iniciativas actuales como Data Driven Justice y la Iniciativa
de datos policiales que buscan proporcionar a la polica y al pblico datos que
puedan informar mejor la toma de decisiones en el sistema de justicia penal,
minimizar la posibilidad de que la IA pueda introducir sesgos o imprecisiones debido
a deficiencias en los datos disponibles.
Varias instituciones acadmicas estadounidenses han lanzado iniciativas para
utilizar la IA para abordar los desafos econmicos y sociales. Por ejemplo, la
Universidad de Chicago cre un programa acadmico que utiliza la ciencia de los
datos y la IA para abordar desafos pblicos como el desempleo y la desercin
escolar. ^28 La Universidad del Sur de California lanz el Centro de Inteligencia
Artificial en la Sociedad, teora de juegos, aprendizaje automtico, planificacin
automatizada y tcnicas de razonamiento multi-agente pueden ayudar a resolver
problemas socialmente relevantes como la falta de vivienda. Mientras tanto, los
investigadores de la Universidad de Stanford estn usando el aprendizaje
automtico para tratar la pobreza global usando AI para analizar las imgenes
satelitales de zonas de pobreza probable para identificar dnde ms se necesita
ayuda.^29
Muchos usos de AI para el bien pblico se basan en la disponibilidad de datos que
pueden usarse para entrenar modelos de aprendizaje de mquina y probar el
desempeo de los sistemas de IA. Las agencias y organizaciones con datos que
pueden ser liberados sin implicar privacidad personal o secretos comerciales
pueden ayudar a habilitar el desarrollo de la IA al poner esos datos a disposicin de
los investigadores. Estandarizar esquemas de datos y formatos puede reducir el
costo y la dificultad de hacer nuevos conjuntos de datos tiles.
Recomendacin 1: Se alienta a las instituciones pblicas y privadas a examinar si

y cmo pueden influir de manera responsable en la AI y el aprendizaje automtico
de manera que beneficie a la sociedad. Las instituciones de justicia social y de
polticas pblicas que normalmente no se involucran con las tecnologas
avanzadas y la ciencia de datos en su trabajo deberan considerar asociaciones
con investigadores y profesionales de AI que pueden ayudar a aplicar tcticas de
AI a los amplios problemas sociales que estas instituciones ya abordan de otras
maneras.
Recomendacin 2: Las agencias federales deberan dar prioridad a los datos de
capacitacin abiertos ya los estndares de datos abiertos en AI. El gobierno debe
enfatizar la liberacin de conjuntos de datos que permitan el uso de AI para
enfrentar los desafos sociales. Los pasos posibles pueden incluir el desarrollo de
una iniciativa "Open Data for AI" con el objetivo de liberar un nmero significativo
de conjuntos de datos gubernamentales para acelerar la investigacin de AI y
galvanizar el uso de estndares de datos abiertos y mejores prcticas en el
gobierno, la academia y el sector privado.
27 John Markoff, No Sailors Needed: Robot Sailboats Scout the Oceans for Data, The New York Times, September 4, 2016.
28 Data Science for Social Good, University of Chicago, https://dssg.uchicago.edu/.
29 Neal Jean, Marshall Burke, Michael Xie, W. Matthew Davis, David B. Lobell, and Stefano Ermon. "Combining satellite
imagery and machine learning to predict poverty." Science 353, no. 6301 (2016): 790-794.
IA en el gobierno federal.
La administracin est trabajando para desarrollar polticas y prcticas internas que
sern los mximos beneficios econmicos y sociales de la Inteligencia Artificial y
promueve la innovacin. Estas polticas y prcticas pueden incluir:
Invertir en lo bsico y aplicarlo en la investigacin y desarrollo.
Servir como un comprador prematuro para las tecnologas de Inteligencia
Artificial y sus aplicaciones.
Apoyando proyectos piloto y creando probetas en escenarios del mundo real.
Creando bancos de datos disponibles para el pblico.
Patrocinando incentivos
Identificando y persiguiendo grandes retos para establecer ambiciones pero
con metas alcanzables.
Financiando evaluaciones rigurosas de aplicaciones de la Inteligencia
Artificial para tomar medida de su impacto, costo y eficiencia.
Creando una poltica, legal, y en un ambiente regulado que permita la
innovacin para prosperar mientras se protege lo pblico desde el dao.
Usando la inteligencia artificial en el gobierno para mejorar los servicios

y beneficiar a los americanos.
Uno de los retos usando Inteligencia Artificial para mejorar los servicios es que la
capacidad del gobierno federal para fomentar y aprovechar la innovacin en el orden
para un mejor servicio ya que el pas varia ampliamente por las agencias. Algunas
agencias estn mas enfocadas en la innovacin, particularmente esas agencias con
gran presupuesto en R&D, un personal que incluye muchos cientficos e ingenieros,
una cultura de innovacin y experimentacin, y poner en marcha grandes
colaboraciones con innovadores del sector privado. Muchos tambin tienen
organizaciones que son especficamente encargadas con apoyo de alto riesgo y alto
retorno en investigaciones (ejemplo, Las agencias avanzadas de proyectos de
investigacin en los departamentos de defensa y energa, son tan buenas como la
comunidad de inteligencia) y financiadas en R&D a travs del alto rango desde las
investigaciones bsicas para desarrollo avanzado. Otras agencias como la NSF
tienen investigaciones y desarrollos como su primera misin.
Pero algunas agencias, particularmente aquellas encargadas de reducir la pobreza

y aumentar la movilidad, tienen niveles ms modestos de capacidades, recursos y
experiencia pertinentes 30. Por ejemplo, mientras los Institutos Nacionales de la
Salud (NIH) tiene un presupuesto de ms de $ 30 mil millones, el Departamento de
Labors R&D el presupuesto del Partido Laborista es de slo $ 14 millones. Esto
limita la capacidad del Departamento de Trabajo para explorar aplicaciones de IA,
tales como la aplicacin de la tecnologa basada en IA "tutor digital" para aumentar
las habilidades y los ingresos de los trabajadores no educados en la universidad.
El programa "Dominio de la Educacin" de DARPA sirve como un ejemplo del
potencial de acelerar las prioridades de la agencia. DARPA, con la intencin de
reducir de aos a meses el tiempo requerido para la Marina recluta para convertirse
en expertos en habilidades tcnicas, ahora patrocina el desarrollo de un tutor digital
que utiliza IA para modelar la interaccin entre un experto y un principiante. Una
evaluacin del tutor digital concluy que la Marina recluta usando el tutor digital para
convertirse en administradores de sistemas de TI suelen superar a los expertos de
la Marina con 7-10 aos de experiencia tanto en pruebas escritas de la resolucin
de problemas en el mundo real 31.
La evidencia preliminar basada en proyectos piloto de tutor digital tambin sugiere
que los trabajadores usan un programa de entrenamiento que utiliza el tutor digital
son ms propensos a conseguir un trabajo de alta tecnologa que dramticamente
aumente sus ingresos 32.
30 Thomas Kalil, Una vision ms amplia para la investigacin gubernamental, Cuestiones en Ciencia y Tecnologa, 2003.
31 Ganar el futuro de la educacin: el papel de ARPA-ED, The U.S. Department of Education, March 8 2011,
https://www.whitehouse.gov/sites/default/files/microsites/ostp/arpa-ed-factsheet.pdf.
32 El Consejo Presidencial de Asesores en Ciencia y Tecnologa, carta al Presidente, septiembre de 2014,
https://www.whitehouse.gov/sites/default/files/microsites/ostp/PCAST/pcast_workforce_edit_report_sept_2014.pdf.
Estos aumentos salariales parecen ser mucho mayores que los impactos en los
programas de desarrollo de la fuerza de trabajo 33. Idealmente, estos resultados
seran confirmados independientemente, realizados, aleatorizados, ensayos
controlados. Actualmente, el costo de desarrollar tutores digitales es alto y no es
una metodologa repetible para desarrollar tutores digitales eficaces. Investigacin
que permite el surgimiento de una industria que utiliza enfoques de IA como los
tutores digitales podra potencialmente ayudar a los trabajadores a adquirir
habilidades.
Recomendacin 3: El Gobierno Federal debe explorar maneras de mejorar la capacidad

de los agencias para aplicar IA a sus misiones. Por ejemplo, las agencias federales deben
explorar el crear organizaciones parecidas a DARPA para apoyar la investigacin de IA de
alto riesgo y alta recompensa y su aplicacin, como lo ha hecho el Departamento de
Educacin a travs de su propuesta de crear un "ARPA-ED", para apoyar la investigacin
y el desarrollo para determinar si la IA y otras tecnologas podran mejorar los resultados
del aprendizaje.
Recomendacin 4: El subcomit MLAI del NSTC debe desarrollar una comunidad de
prctica para Profesionales de IA en todo el gobierno. Las agencias deben trabajar juntas
para desarrollar y compartir estndares y las mejores prcticas en torno al uso de IA en
las operaciones gubernamentales. Las agencias deben Los programas de capacitacin de
empleados federales incluyen oportunidades relevantes de IA.
33 J.D. Fletcher, "Tutora digital en tecnologa de sistemas de informacin para veteranos: Informe de datos", El Instituto para
Anlisis de Defensa, septiembre de 2014.
Inteligencia Artificial y Regulacin

IA tiene aplicaciones en muchos productos, tales como automviles y aviones, que
estn sujetos a regulacin diseada para proteger al pblico de los daos y
garantizar la equidad en la competencia econmica. Cmo ser la incorporacin
de IA en estos productos afectan los enfoques regulatorios relevantes? En general,
el enfoque de la regulacin de los productos compatibles con IA para proteger la
seguridad pblica debe ser informado mediante la evaluacin de los aspectos del
riesgo los lmites de un rgimen reglamentario existente, adems, la discusin de
poltica debera empezar considerando si los reglamentos existentes ya abordan
adecuadamente el riesgo, o si es necesario adaptarlos a la adicin de IA. Adems,
cuando las respuestas regulatorias a la adicin de IA amenazan con aumentar el
costo cumplimiento o retardar el desarrollo o la adopcin de innovaciones
beneficiosas, los considerar cmo esas respuestas podran ajustarse para reducir
los costos y los obstculos a la afectando negativamente la seguridad o la equidad
del mercado.
El consenso general de los comentaristas de la RFI fue que la regulacin amplia de
la investigacin o la prctica de la IA ser desaconsejable en este momento 34. En su
lugar, los comentaristas dijeron que los objetivos y la estructura de las regulaciones
existentes eran suficientes y los comentaristas pidieron que la reglamentacin
existente se adaptara segn fuera necesario para los efectos de la IA. Por ejemplo,
los comentaristas sugirieron que la regulacin de vehculos motorizados la llegada
anticipada de vehculos autnomos, y que la evolucin necesaria podra dentro de

la estructura actual de la regulacin de la seguridad de los vehculos. Al hacerlo, las
agencias deben teniendo en cuenta los propsitos y metas fundamentales de la
regulacin para salvaguardar el bien pblico, espacio para la innovacin y el
crecimiento en IA.
Una regulacin eficaz de tecnologas como la AI exige que las agencias tengan
experiencia tcnica interna para ayudan a guiar la toma de decisiones regulatorias.
La necesidad de una participacin de expertos de alto nivel existe en la
departamentos y agencias, y en todas las etapas del proceso regulatorio. Una gama
de asignacin de personal y modelos de intercambio (por ejemplo, las autoridades
de contratacin) se pueden utilizar para desarrollar una fuerza de trabajo Federal
con ms diversas perspectivas sobre el estado actual del desarrollo tecnolgico. Un
ejemplo de tal autoridad es el Programa de Movilidad de la Ley del Personal
Intergubernamental (IPA), que prev la asignacin de personal entre el Gobierno
Federal y los gobiernos estatales y locales, colegios y universidades, gobiernos
tribales indios, centros de investigacin y desarrollo con fondos federales y otros
organizaciones elegibles. Si se utiliza estratgicamente, el programa IPA puede
ayudar a las agencias a satisfacer sus necesidades y aumentar su capacidad para
contratar a candidatos de diversas procedencias tcnicas. Federal los empleados
que sirven en las asignaciones de IPA pueden servir como reclutadores y
embajadores. Por ejemplo, el personal de la agencia enviado a los colegios y
universidades como instructores puede inspirar a los estudiantes para considerar el
empleo federal. Asimismo, los programas que hacen rotar a los empleados a travs
de diferentes sectores pueden ayudar a los empleados del gobierno a adquirir
conocimiento y experiencia para informar a la regulacin y la poltica, especialmente
en lo que se refiere a tecnologas emergentes como la IA.
34 Ed Felten y Terah Lyons, " Entrada publica y Prximos Pasos sobre el Futuro de la Inteligencia Artificial".
Recomendacin 5: Las agencias deberan de poder recurrir a la experiencia tcnica

apropiada en el nivel superior cuando la poltica de regulacin para los productos de I-A
queden habilitados. La regulacin efectiva de los productos habilitados para la I-A requiere
la colaboracin entre el liderazgo de la agencia, el conocimiento del personal sobre la
existencia del framework regulatorio y las prcticas regulatorias generales, y tcnicos
expertos con conocimiento de la I-A. El liderazgo de la Agencia debe tomar las medidas
necesarias para poder reclutar el talento tcnico necesario, o identificar el personal en la
agencia existente, y debe de asegurar que haya suficientes Asientos tcnicos en las
discusiones sobre polticas regulatorias.
Recomendacin 6: Las agencias deben de utilizar todo el rango de la asignacin del
personal y el intercambio de los modelos (Ejemplo, las autoridades de contratacin) para
fomentar una fuerza de trabajo federal con perspectivas ms diversas en el estado actual
de la tecnologa.
Caso de estudio: Vehculos autnomos y Aeronaves

Un ejemplo relevante de los retos regulatorios asociados con una agencia que
actualiza las regulaciones heredadas para la cuenta de nuevos productos basados
en la I-A del Departamento de Transporte en vehculos automatizados y Sistemas
de Aeronaves no Tripulados. Con el Departamento de transporte, los automviles
automticos son regulados por la Administracin Nacional de Seguridad de Transito
y las Aeronaves estn regulados por la Administracin Federal de Aviacin.
La Promesa de la Autonoma
La aplicacin de la IA a los vehculos y los aviones ha capturado la imaginacin del
pblico. Los coches nuevos de hoy en da tienen funciones de asistencia al
conductor basadas en AI, como autoservicio y controles avanzados que mantienen
un automvil en su carril y ajustan la velocidad en funcin de los vehculos
circundantes. Los automviles experimentados completamente automatizados
supervisados por los seres humanos ya se pueden ver conduciendo en las
carreteras. El consenso de los expertos es que la tecnologa automatizada de
vehculos de superficie ser ms segura que los conductores humanos y algn da
puede prevenir la mayora de las decenas de miles de muertes que ocurren
anualmente en las carreteras y autopistas de la nacin.
Los vehculos automatizados tambin ofrecen la posibilidad de una mayor movilidad
para los ancianos y los estadounidenses con discapacidades que no pueden
conducir. El acceso de primera y ltima milla al trnsito y otros enfoques novedosos
de transporte pueden proveer a las comunidades aisladas de servicios esenciales
tales como trabajos, cuidado de la salud y provisiones sin precedentes acceso a
oportunidades. Un sistema bien diseado de vehculos automatizados capaces de
predecir y evitar colisiones tambin puede reducir significativamente las emisiones
relacionadas con el transporte y el consumo de energa. La Administracin est
tomando medidas para hacer realidad esta visin, incluida la propuesta de $ 3.900
Billones de inversin en el presupuesto fiscal del ao fiscal 2017 por el
Departamento de Transporte en investigacin, desarrollo e implementacin de
vehculos automatizados y conectados, para asegurar que Estados Unidos
mantenga su liderazgo en tecnologas automatizadas de vehculos.
Secretario Fox revela la propuesta del presupuesto del Presidente Obama, cerca de $4 billones para los Vehculos
Automatizados y anuncia las iniciativas del Departamento de transporte para poder Acelerar las Innovaciones del Seguro del
Vehculo. U.S. Departamento de Transporte, Enero 14 del 2016, https://www.transportation.gov/briefing-room/secretary-foxx-
unveils-presidentobama%E2%80%99s-fy17-budget-proposal-nearly-4-billion.
Desde principios de los aos noventa, las UAS comerciales han funcionado de
forma limitada en el Sistema Nacional de Espacios Areos (NAS, por sus siglas en
ingls) Hasta hace poco, las UAS respaldaban principalmente operaciones
gubernamentales, como operaciones militares y de seguridad fronteriza. Pero en los
ltimos aos, las aplicaciones potenciales se han expandido rpidamente para
incluir fotografa area, inspeccin de tierras y cultivos, monitoreo de incendios
forestales, respuesta a desastres e inspeccin de infraestructura crtica. Varias
agencias gubernamentales ya estn operando UAS para avanzar en sus misiones,
y miles de estadounidenses han obtenido la autoridad necesaria de la
Administracin Federal de Aviacin (FAA) para las operaciones comerciales de la
UAS, un proceso acelerado bajo la "Regla de la UAS pequea" que entr en vigor
en agosto 2016 y el Servicio de Registro de Aviones Pequeos UAS de la FAA que
se lanz en diciembre de 2015. La FAA estima que el nmero de UAS registradas
para uso comercial exceder 600,000 en agosto de 2017.
Una estimacin del impacto econmico de la integracin de la UAS en el espacio
areo predijo ms de 13.600 millones de dlares de valor econmico creado por la
UAS en los tres primeros aos de integracin, con un crecimiento sostenible previsto
para seguir. Un estudio de 2013 de la Asociacin Internacional para Sistemas de
Vehculos No Tripulados predijo que la industria de aviones comerciales podra
generar ms de $ 82 mil millones para la economa de EE.UU. Y crear ms de
100.000 nuevos puestos de trabajo en los prximos 10 aos. Los ingresos fiscales
para los estados se prev que aumenten en ms de $ 482 millones en la primera
dcada despus de la integracin.
Seguridad Garantizada
Al darse cuenta de los beneficios potenciales de estas tecnologas prometedoras,
es necesario que el gobierno adopte medidas para garantizar la seguridad del
espacio areo y las carreteras, al tiempo que contina fomentando una cultura de
innovacin y crecimiento. Estados Unidos tiene el sistema de aviacin ms seguro
y complejo del mundo, y el pblico depende de la supervisin de la FAA para
establecer normas de seguridad. Las Normas Federales de Seguridad de Vehculos
Motorizados (FMVSS) imponen requisitos a los fabricantes para desarrollar
vehculos de superficie seguros, y la NHTSA tiene la autoridad para retirar vehculos
en caso de un riesgo irrazonable para la seguridad. Aunque hay una oportunidad
considerable de reducir las muertes en carreteras y autopistas, las prcticas

actuales resultan en aproximadamente una fatalidad por cada 100 millones de millas
vehiculares viajadas. Igualar o superar tal rendimiento en vehculos automatizados
es un desafo formidable.
Aplicar tcnicas de IA en entornos crticos plantea varios desafos. Primero entre
stos es la necesidad de traducir responsabilidades humanas mientras que conduce
o que vuela en software. A diferencia de otras aplicaciones exitosas de Narrow I-A,
no hay descripciones concisas para la tarea de operar vehculos terrestres o areos.
Cada una de estas operaciones es multifactica, con responsabilidades como guiar
el vehculo, detectar y evitar los obstculos, y entregar fallas mecnicas como
neumticos planos. Mientras que las sub-tareas como la navegacin o ciertos tipos
de percepcin pueden alinearse con ciertas soluciones Narrow I-A existentes, la
integracin y priorizacin de estas tareas puede no hacerlo. Puede parecer sencillo
obedecer todas las leyes de trnsito, pero un conductor humano cualificado puede
cruzar un lmite de carretera doble amarilla para evitar un accidente o pasar por un
vehculo de doble estacionamiento. Aunque tales situaciones pueden ser raras, no
pueden ser
El Sistema Nacional del Espacio Areo es la red de instalaciones de navegacin area, instalaciones de control del trfico
areo, aeropuertos, tecnologa y normas y reglamentos necesarios para proteger a las personas y los bienes sobre el terreno
y establecer un entorno areo seguro y eficiente para los derechos civiles y comerciales, y la aviacin militar.
Aerospace Forecast Report Los aos fiscales 2016 a 2036, "La Administracin Federal de Aviacin, 24 de marzo 016,
https://www.faa.gov/data_research/aviation/aerospace_forecasts/media/Unmanned_Aircraft_Systems.pdf.
Derryl Jenkins and Bijan Vasigh, The Economic Impact of Unmanned Aircraft Systems Integration in the United States, The
Association for Unmanned Vehicle Systems International, 2013,
https://higherlogicdownload.s3.amazonaws.com/AUVSI/958c920a-7f9b-4ad2-9807-
f9a4e95d1ef1/UploadedImages/New_Economic%20Report%202013%20Full.pdf.
Ignoradas-la aritmtica simple dicta que para que los fallos ocurran al menos tan a
menudo como ocurren con los conductores humanos, un sistema debe manejar
muchos de estos casos raros sin fallar.
Para sistemas que dependen del aprendizaje automtico, la necesidad de obtener
casos excepcionales tiene implicaciones para el diseo y las pruebas del sistema.
Los enfoques de aprendizaje automtico pueden estar ms seguros de que un caso
ser manejado correctamente si un caso similar est en el conjunto de
entrenamiento. El reto es cmo desarrollar un conjunto de datos que incluya
suficientes casos raros que contribuyan al riesgo de un accidente. La aviacin
comercial tiene mecanismos para compartir datos sobre incidentes y seguridad en
toda la industria, pero la presentacin de informes puede no ser de segunda ndole
para los operadores UAS recientemente acreditados que son nuevos en la cultura
de seguridad y rendicin de cuentas de la industria de la aviacin tradicional.
Actualmente no existe un sistema comparable para la industria del automvil, slo
se reportan accidentes fatales y la recoleccin y notificacin de otra informacin de
seguridad vial se realiza, si es que se realiza de manera dispar, a nivel estatal o

local. La falta de datos de incidentes o casi perdidos reportados de forma
consistente aumenta el nmero de millas u horas de operacin necesarias para
establecer la seguridad del sistema, presentando un obstculo para ciertos
enfoques de AI que requieren pruebas extensas para su validacin.
Para facilitar pruebas seguras, la FAA ha designado seis sitios de prueba UAS en
todo el pas y ha proporcionado una autorizacin general para las operaciones UAS
dentro de estos sitios. Las actividades en los sitios incluyen un proyecto para
extender la investigacin multianual de la NASA sobre la gestin del trfico UAS
(UTM) para identificar los requisitos operacionales para las operaciones UAS de
gran escala ms all de la lnea de visin visual en el espacio areo de baja altitud.
Del mismo modo, los bancos de pruebas de vehculos terrestres, como los Pilotos
de Vehculos Conectados y el despliegue de vehculos automticos en Columbus,
Ohio, ganador del Desafo Ciudad Inteligente de $ 40 millones del Departamento de
Transporte en 2016, proporcionarn datos de lnea de base e interaccin para los
investigadores de IA.
Recomendacin 7: El Departamento de Transporte debera trabajar con la industria

y los investigadores en formas de aumentar el intercambio de datos para fines de
seguridad, investigacin y otros. A la luz de la importancia futura de la IA en la
superficie y el aire, los actores federales deberan centrarse en el corto plazo en el
desarrollo de conjuntos de datos cada vez ms ricos, compatibles con la privacidad
de los consumidores, que puedan informar mejor a la formulacin de polticas a
medida que maduren estas tecnologas.
Adaptando las regulaciones concurridas

Mientras que los enfoques regulatorios para el espacio areo y las carreteras
nacionales difieren, los enfoques para integrar vehculos y aeronaves autnomas
comparten un objetivo comn: tanto la FAA como la NHTSA estn trabajando para
establecer marcos giles y flexibles que garanticen la seguridad al tiempo que
alientan la innovacin.
Con respecto a la regulacin del espacio areo, un paso significativo hacia la
integracin segura de la UAS en el espacio areo fue la promulgacin por la FAA
de la regla final de la Parte 107, o "Small UAS", que entr en vigor el
29 de agosto de 2016. Por primera vez, la norma autoriza los vuelos no recreativos
generalizados de
55 libras La regla limita los vuelos diurnos, a una altitud de 400 pies o menos, con
el vehculo controlado por un operador con licencia y dentro de la lnea de visin
directa del operador. Vuelos sobre personas no estn permitidos.
Se planean reglas subsecuentes para relajar estas restricciones, ya que la
experiencia y los datos muestran cmo hacerlo de manera segura. En particular, el
DOT est elaborando actualmente un anuncio de propuesta de reglamentacin que
propone un ciertos tipos de "UAS micro" para llevar a cabo operaciones sobre
personas, con una regla sobre operaciones ampliadas se espera que siga.
La FAA an no ha anunciado pblicamente un camino claro hacia una regulacin
que permita un vuelo totalmente autnomo40.
Aunque la integracin segura de aviones autnomos en el espacio areo ser un
proceso complejo, la FAA
___________________________________
40 Este informe utiliza el trmino "autnomo" para una aeronave que es controlada
por una mquina en lugar de un ser humano. "Pilotado" se refiere a un avin que
tiene un humano a bordo que est controlando el avin. "Controlado a distancia" se
refiere a preparndose para un futuro tecnolgico no tan lejano en el que aeronaves
autnomas y pilotadas vuelan juntas en un sistema de espacio areo perfectamente
integrado.
Reparndose para un futuro tecnolgico no tan lejano en el que los aviones

autnomos y pilotados vuelen juntos en un sistema de espacio areo perfectamente
integrado.
Los nuevos enfoques de la gestin del espacio areo tambin pueden incluir la
mejora del sistema de control del trnsito areo basada en la IA. Es probable que la
densidad de trfico areo y la diversidad de operaciones proyectadas en el futuro
no sean factibles dentro de la arquitectura actual de gestin del espacio areo,
debido a los lmites actuales de la integracin aire / tierra y la dependencia de la
comunicacin entre humanos en las prcticas areas y terrestres. Se estima que
los retrasos en el transporte areo de Estados Unidos en 2007, el ltimo ao en el
que hay datos pblicos confiables, ascendieron a 31.200 millones de dlares, cifra
que presumiblemente ha aumentado a medida que el volumen de usuarios ha
aumentado desde ese ao.42 Aunque algunos retrasos en los vuelos son
inevitables debido al clima y otras restricciones, la adopcin de nuevas tecnologas
de la aviacin, las polticas de habilitacin y las mejoras de la infraestructura podran
aumentar significativamente la eficiencia de la operacin en el espacio areo
estadounidense. Dichas soluciones incluyen arquitecturas basadas en el

aprendizaje automtico y la maquinaria que tienen el potencial de acomodar mejor
a una gama ms amplia de usuarios del espacio areo, incluidas las aeronaves
pilotadas y no tripuladas, y utilizar el espacio areo de manera ms eficiente sin
menoscabar la seguridad. El desarrollo y despliegue de tales tecnologas
contribuira a garantizar la competitividad global de los usuarios del espacio areo
y de los proveedores de servicios, al tiempo que aumentara la seguridad y reducira
el coste.43
Con respecto al transporte terrestre, el paso ms significativo actualmente en
marcha para establecer un marco comn es la Poltica Federal Automatizada de
Vehculos que la Administracin dio a conocer el 20 de septiembre de 2016.44 La
poltica tena varias partes:
orientacin para fabricantes, desarrolladores y otras organizaciones que

describan una "Evaluacin de Seguridad" de 15 puntos para el diseo,
desarrollo, pruebas y despliegue seguros de vehculos altamente
automatizados;
una poltica estatal modelo que distingue claramente las responsabilidades
federales y estatales y recomienda reas de poltica para que los estados
consideren, con el objetivo de generar un marco nacional consistente para
probar y operar vehculos automatizados, dejando espacio para la
experimentacin por parte de los estados;
un anlisis de las herramientas reguladoras actuales que NHTSA puede
utilizar para ayudar al desarrollo seguro de vehculos automatizados, tales
como la interpretacin de las reglas actuales para permitir una flexibilidad
adecuada en el diseo, proporcionar exenciones limitadas para permitir la
prueba de diseos de vehculos no tradicionales y asegurar que la
automatizacin insegura los vehculos se quitan de la carretera; y
______________________
un avin que es controlado por un ser humano que no est a bordo. "Tripulado" significa que hay un humano a
bordo que puede o no estar en control.
41 Heinz Erzberger, "The Automated Airspace Concept", preparado para el IV Seminario de I + D de Gestin
del Trnsito Areo USA / Europa del 3 al 7 de diciembre de 2001, Santa Fe, Nuevo Mxico, Estados Unidos,
http: //www.aviationsystemsdivision.arc.nasa .gov / publications / tactical / erzberger_12_01.pdf.
42 Michael Ball, Cynthia Barnhart, Martin Dresner, Mark Hansen, Kevin Neels, Amedeo Odoni, Everett Peterson,
Lance Sherry, Antonio Trani y Bo Zou, "Estudio de Impacto de Retraso Total: Evaluacin Integral de los Costos
e Impactos del Retardo de Vuelo Estados Unidos, "El Centro Nacional de Excelencia para la Investigacin de
Operaciones Aeronuticas, noviembre de 2010, http://www.nextor.org/pubs/TDI_Report_Final_11_03_10.pdf.
43 Robert W. Poole, Jr., "La Necesidad Urgente de Reformar el Sistema de Control de Trfico Areo de la FAA",
The Heritage Foundation, 2007, http://www.heritage.org/research/reports/2007/02/the-urgent -necesario-a-
reforma-el-faas-control-de-trfico-areo.
44 "Federal Automated Vehicles Policy", del Departamento de Transporte de los Estados Unidos, 21 de
septiembre de 2016, https://www.transportation.gov/AV
una discusin de nuevas herramientas y autoridades que la agencia podra

considerar buscar en el futuro para ayudar al despliegue seguro y eficiente
de nuevas tecnologas de salvamento y asegurar que las tecnologas
desplegadas en la carretera sean seguras.
DOT tiene la intencin de que la orientacin y la poltica estatal modelo se actualicen
de forma rutinaria a medida que se aprenden nuevos datos y se completa la
investigacin.
Recomendacin 8: El Gobierno de los Estados Unidos debe invertir en el desarrollo

e implementacin de un sistema avanzado y automatizado de gestin del trnsito
areo que sea altamente escalable y que pueda acomodar completamente
aeronaves autnomas y pilotadas.
Recomendacin 9: El Departamento de Transporte debera seguir desarrollando un
marco evolutivo para la reglamentacin que permita la integracin segura de los
vehculos totalmente automatizados y las UAS, incluidos los nuevos diseos de
vehculos, en el sistema de transporte.

El gobierno tambin tiene un papel importante que desempear en el avance del
campo de la IA invirtiendo en investigacin y desarrollo, desarrollando una mano de
obra cualificada y diversa, y manejando los impactos econmicos de estas
tecnologas a medida que se desarrollan. En conjunto con este informe se publicar
un Plan Estratgico Nacional de Investigacin y Desarrollo de la Inteligencia
Artificial. En esta seccin se analizan otras cuestiones de poltica relacionadas con
la investigacin y el desarrollo de la fuerza de trabajo.
Seguimiento del progreso en la IA

Teniendo en cuenta los posibles impactos de la AI, la sociedad se beneficiara de
mtodos precisos y oportunos para monitorear y pronosticar los desarrollos de la
IA.45 Varios proyectos ha intentado prever los futuros de IA. El Panel Presidencial
de IAAI 2009 sobre el Futuro AI a largo plazo46 y el Futuro 2015 de la Conferencia
IA47 reunieron a expertos en IA para predecir el futuro de su campo. Adems, el
Estudio de cien aos de Stanford sobre Inteligencia Artificial48 planea llevar a cabo
"una serie de estudios peridicos sobre cmo la IA afectar la automatizacin, la
seguridad nacional, la psicologa, la tica, el derecho, la privacidad, la democracia
y otras cuestiones". El primero de estos estudios fue publicado en septiembre de
2016.49
Una lnea de investigacin potencialmente til es la de examinar los juicios de
expertos con el tiempo. Como un ejemplo, una encuesta de los investigadores de
IA encontr que el 80 por ciento de los encuestados crea que a nivel humano AI
general se lograr, y la mitad cree que es por lo menos 50 por ciento probable que
se logre en el ao 2040. La mayora de los encuestados tambin crea que Mientras
que estas predicciones particulares son altamente inciertas, como se discuti
anteriormente, tales encuestas de juicio de expertos son tiles, especialmente
cuando se repiten con suficiente frecuencia para medir los cambios en el juicio con
el tiempo. Una manera de obtener juicios frecuentes es la realizacin de "torneos
de prediccin" como los mercados de prediccin, en los que los participantes tienen
incentivos financieros para hacer predicciones precisas.51 Otros
_______________________
45La trayectoria de los pronsticos tecnolgicos, en general, y las previsiones de AI, en particular, sugieren que esto puede
ser difcil. Una de las mayores revisiones retrospectivas de los pronsticos tecnolgicos de los ltimos 50 aos encontr que
los pronsticos con horizonte de tiempo superior a 10 aos rara vez eran mejores que los monedas 45. (Carrie Mullins,
"Anlisis Retrospectivo de Pronsticos Tecnolgicos", The Tauri Group, 13 de agosto de 2012.) Una revisin de 95
predicciones de tiempo para la IA de 1950 a 2012 encontr que la mayora de los pronsticos pronosticados de AI General
se lograran "en los prximos 20 aos . " (Stuart Armstrong, Kaj Sotala, Sen S. higeartaigh, "Los errores, las ideas y las
lecciones de las predicciones famosas de la IA - y lo que significan para el futuro", Journal of Experimental & Theoretical
Artificial Intelligence, 20 de mayo de 2014.)
46 "Panel Presidencial de AAAI sobre Futuros AI a Largo Plazo: Estudio 2008-2009," La Asociacin para el Avance de la
Inteligencia Artificial, http://www.aaai.org/Organization/presidential-panel.php.
47 "AI Safety Conference in Puerto Rico," El futuro de la vida Instituto, 12 de octubre de 2015,
http://futureoflife.org/2015/10/12/ai-safety-conference-in-puerto-rico.
48 Peter Stone, y otros, "Inteligencia Artificial y Vida en 2030", http://ai100.stanford.edu/2016-report.
49 Ibid.
50 Vincent Mller y Nick Bostrom, "El progreso futuro en inteligencia artificial: una encuesta de opinin de expertos",
Fundamental Issues of Artificial Intelligence, 2014.
51 Charles Twardy, Robin Hanson, Kathryn Laskey, Tod S. Levitt, Brandon Goldfedder, Adam Siegel, Bruce D'Ambrosio y
Daniel Maxwell, "SciCast: Previsin Colectiva de la Innovacin", Inteligencia Colectiva, 2014.
La investigacin ha encontrado que los desarrollos tecnolgicos a menudo pueden

predecirse con exactitud al analizar las tendencias en la publicacin y los datos de
patentes52.
En la actualidad, la mayora de la investigacin bsica en IA es realizada por

acadmicos y laboratorios comerciales que regularmente anuncian sus hallazgos y
los publican en la literatura de investigacin. Si la competencia lleva a los
laboratorios comerciales hacia un mayor secretismo, el monitoreo del progreso
puede ser ms difcil y la preocupacin pblica puede aumentar.
Una lnea de investigacin particularmente valiosa es identificar hitos que podran
representar o presagiar saltos significativos en las capacidades de AI. Cuando se
pregunt durante los talleres y reuniones de divulgacin cmo el gobierno podra
reconocer los hitos del progreso en el campo, especialmente aquellos que indican
la llegada de la IA general puede estar acercndose, los investigadores tendieron a
dar tres tipos distintos pero relacionados de respuesta:
1. xito en tareas ms amplias y menos estructuradas: En este punto de vista,

la transicin de la actual IA estrecha a una IA general eventual se producir
ampliando gradualmente las capacidades de los sistemas de AI estrecha
para que un solo sistema pueda cubrir una gama ms amplia de tareas
menos estructuradas . Un hito de ejemplo en esta rea sera un robot de
limpieza que es tan capaz como una persona en la gama completa de tareas
rutinarias de limpieza.
2. Unificacin de diferentes "estilos" de mtodos IA: En esta visin, AI
actualmente se basa en un conjunto de mtodos o enfoques separados, cada
uno de ellos til para diferentes tipos de aplicaciones. El camino hacia la IA
general implicara una unificacin progresiva de estos mtodos. Un hito
implicara encontrar un nico mtodo que sea capaz de abordar un dominio
ms grande de aplicaciones que anteriormente requeran mltiples mtodos.
3. Resolver problemas tcnicos especficos, tales como el aprendizaje de
transferencia: En este punto de vista, el camino hacia la AI General no radica
en el ensanchamiento progresivo del alcance, ni en la unificacin de los
mtodos existentes, sino en el progreso de grandes desafos tcnicos
especficos, adelante. El desafo ms comnmente citado es el aprendizaje
por transferencia, que tiene como objetivo crear un algoritmo de aprendizaje
automtico cuyo resultado puede ser ampliamente aplicado (o transferido) a
una gama de nuevas aplicaciones. Por ejemplo, el aprendizaje de
transferencia podra permitir que un modelo fuera entrenado para traducir el
ingls al espaol, de tal manera que el modelo resultante pudiera "transferir"
sus conocimientos a tareas similares como la traduccin de chino a francs,
o escribir poesa en ruso, permitiendo que estas nuevas tareas sean
aprendidas mucho ms rpidamente.
Recomendacin 10: El Subcomit de Aprendizaje Automtico e Inteligencia Artificial

de la NSTC debera monitorear la evolucin de la AI e informar regularmente a los
altos cargos de la Administracin sobre la situacin de la AI, especialmente en lo que
respecta a los hitos. El Subcomit debera actualizar la lista de hitos a medida que
avanza el conocimiento y el consenso de expertos cambia con el tiempo. El
Subcomit debera considerar informar al pblico sobre la evolucin de la IA, cuando
corresponda.
Recomendacin 11: El Gobierno debera vigilar el estado de la IA en otros pases,
especialmente con respecto a los hitos.
Recomendacin 12: La industria debera trabajar con el gobierno para mantener al
gobierno actualizado
__________________________
52 Sara Reardon, "Text-mining ofrece pistas para el xito: programa de inteligencia de EE.UU. analiza el
lenguaje en patentes y documentos para identificar las prximas grandes tecnologas", Nature no. 509, 410 (22
de mayo de 2014).
Apoyo Federal a la Investigacin AI

En 2015, la inversin del Gobierno de los Estados Unidos en I + D no clasificada en
tecnologas relacionadas con la IA fue de aproximadamente 1.100 millones de
dlares, y las estimaciones preliminares mostraron un crecimiento de 1.200 millones
de dlares en 2016. A lo largo de los talleres y divulgacin pblica sobre la IA
realizada por OSTP, inversin en investigacin y desarrollo de AI, de lderes
empresariales, tecnlogos y economistas.
Los investigadores ms destacados de AI eran optimistas sobre el sostenimiento
del reciente progreso rpido en la IA y su aplicacin a una gama cada vez ms
amplia de aplicaciones. Al mismo tiempo, hicieron hincapi en que hay muchas
preguntas profundas sin respuesta, y no hay camino claro hacia la IA general.
Los investigadores informaron que el entusiasmo y la inversin en la investigacin
de la IA ha fluctuado en las ltimas dcadas -un perodo bajo se conoca como el
"invierno de IA" -y enfatizaron la importancia de la inversin sostenida dada la
historia de los avances cientficos mayores de 15 aos o ms transicin de la
concepcin en el laboratorio a la madurez industrial.
Un caso fuerte puede ser hecho a favor de un aumento de la financiacin federal
para la investigacin en AI. El anlisis realizado por el Consejo de Asesores
Econmicos (CEA, por sus siglas en ingls) indica que ms all de la IA, en todas
las reas de investigacin, duplicar o triplicar la inversin en investigacin sera un

positivo neto para la Nacin debido al consiguiente aumento del crecimiento
econmico.53 Aunque no sea factible fiscalmente para aumentar la financiacin
para toda la investigacin en esa cantidad, un aumento dirigido en reas de alto
valor econmico y estratgico puede ofrecer muchos beneficios con impacto
presupuestario mucho menor que un aumento general. AI califica como un rea de
alto apalancamiento, y las agencias de investigacin informan que la comunidad de
investigacin de AI puede absorber un aumento significativo de la financiacin de
manera productiva, lo que conduce a un progreso ms rpido en IA y un cuadro ms
grande de practicantes de IA entrenado. En un discurso pronunciado en un taller de
AI en la ciudad de Nueva York en julio de 2016, Jason Furman, presidente de CEA,
dijo: "Hemos tenido una innovacin sustancial en robtica, IA y otras reas en la
ltima dcada. Pero vamos a necesitar un ritmo mucho ms rpido de innovacin
en estas reas para realmente mover el dial en el crecimiento de la productividad
en adelante ", sealando que la mayor preocupacin que tena sobre AI es" que no
tenemos suficiente de [it] "54.
Sin duda, el sector privado ser el motor principal del progreso de la AI. Pero tal
como est, hay una subinversin en la investigacin bsica -investigacin con
horizontes de largo tiempo conducidos con el nico propsito de fomentar la base
de conocimiento cientfico- en parte porque es difcil para una empresa privada
obtener un retorno de su inversin en dicha investigacin en un plazo razonable. La
investigacin bsica beneficia a todos, pero slo la empresa que realiza la
investigacin paga los costos. La literatura sugiere que, como resultado, los niveles
actuales de gasto en I + D son de la mitad a la cuarta parte del nivel de inversin en
I + D que producira el nivel ptimo de crecimiento econmico.55
___________________
53 Jason Furman, "Es esta vez diferente? Las Oportunidades y Desafos de la Inteligencia Artificial ", (Presentacin, IA
Ahora: Las Implicaciones Sociales y Econmicas de las Tecnologas de Inteligencia Artificial en el Trmino Proximo, New
York, NY, 7 de julio de 2016), disponible en https://www.whitehouse. gov / sites / default / files / page / files /
20160707_cea_ai_furman.pdf.
54 Jason Furman, "Es esta vez diferente? Las Oportunidades y Desafos de la Inteligencia Artificial ".
55 Nicholas Bloom, Mark Schankerman, John Van Reene, "Identificacin de los derrames tecnolgicos y la rivalidad en el
mercado de productos", Econometrica, 81: 1347-1393. doi: 10.3982 / ECTA9466.
Recomendacin 13: El gobierno federal debe dar prioridad a la investigacin bsica
ya largo plazo sobre la IA. La Nacin en su conjunto se beneficiara de un aumento
constante de la R&D en el mbito federal y privado, con especial nfasis en la
investigacin bsica y las iniciativas de investigacin a largo plazo y de alto riesgo.
Debido a que la investigacin bsica ya largo plazo son reas en las que el sector
privado no es probable que invierta, las inversiones federales sern importantes para
R&D en estas reas.

El rpido crecimiento de la AI ha aumentado dramticamente la necesidad de
personas con habilidades relevantes para apoyar y avanzar en el campo. La fuerza
de trabajo de IA incluye investigadores de IA que impulsan avances fundamentales
en IA, un mayor nmero de especialistas que perfeccionan los mtodos de IA para
aplicaciones especficas y un nmero mucho mayor de usuarios que operan esas
aplicaciones en entornos especficos. Para los investigadores, la formacin en IA es
intrnsecamente interdisciplinaria, a menudo requiere una slida formacin en
informtica, estadstica, lgica matemtica y teora de la informacin.56 Para los
especialistas, la formacin suele requerir un fondo en ingeniera de software y en el
rea de aplicacin. Para los usuarios, la familiaridad con las tecnologas de AI es
necesaria para aplicar las tecnologas de IA de forma fiable.
El rol del gobierno

El desafo de la mano de obra de IA es en parte un desafo de la educacin de la
ciencia, de la tecnologa, de la ingeniera, y de las matemticas (STEM) que sigue
siendo un foco prioritario del NSTC, del OSTP, y de otras agencias. La NSF y el
Departamento de Educacin estn trabajando con el sector privado y con el
gobierno para promover la calidad de la educacin, la flexibilidad y el impacto en el
dominio, para abordar metas tales como desarrollo econmico sostenido, mayor
inclusin y diversidad y mejores medidas de resultado. El Comit de Ciencia,
Tecnologa y Educacin Matemtica de la NSTC (CoSTEM) rene a las agencias
federales que apoyan programas de educacin de STEM para coordinar esfuerzos
en mltiples temas, incluyendo la educacin de AI.
El conocimiento y la educacin de IA son cada vez ms enfatizados en los
programas de educacin federal de STEM. Hay varias funciones clave para el
gobierno federal en el desarrollo de la fuerza laboral de IA, incluyendo el apoyo a
los estudiantes de posgrado, la financiacin de la investigacin sobre el diseo del
plan de AI y el impacto, y la acreditacin de los programas de educacin de AI.
El papel de las escuelas y las universidades

La integracin de la IA, la ciencia de los datos y los campos afines en todo el sistema
educativo de la nacin es esencial para desarrollar una fuerza de trabajo que pueda
abordar las prioridades nacionales. Las instituciones educativas estn
estableciendo y creando programas de IA en todos los niveles. Universidades,
colegios e incluso escuelas secundarias estn ampliando los programas de AI y
ciencia de datos, pero se necesitan ms programas y maestros.
El papel de las escuelas y las universidades

La integracin de la IA, la ciencia de los datos y los campos afines en todo el sistema
educativo de la nacin es esencial para desarrollar una fuerza de trabajo que pueda
abordar las prioridades nacionales. Las instituciones educativas estn
estableciendo y creando programas de IA en todos los niveles. Universidades,
colegios e incluso escuelas secundarias estn ampliando los programas de AI y
ciencia de datos, pero se necesitan ms programas y maestros.
Hay varias funciones clave para las instituciones acadmicas:
__________________
Bronwyn H. Hall, Jacques Mairesse y Pierre Mohnen, "Medicin de los Retornos a la Investigacin y Desarrollo",
captulo preparado para el Manual de Economa de la Innovacin, BH Hall y N. Rosenberg (editores), 10 de
diciembre de 2009, https: // eml.berkeley.edu/~bhhall/papers/HallMairesseMohnen09_rndsurvey_HEI.pdf.
Charles I. Jones y John C. Williams, "Measuring the Social Returns to R & D", The Quarterly Journal of
Economics (1998) 113 (4): 1119-1135, doi: 10.1162 / 003355398555856.
Tambin es necesario desarrollar una slida comunidad de investigacin en campos fuera de las disciplinas
tcnicas relacionadas con la IA, para examinar los impactos y las implicaciones de la AI en la economa, las
ciencias sociales, la salud y otras reas de investigacin.
la creacin y mantenimiento de la fuerza de trabajo de los investigadores,

incluidos los informticos, los estadsticos, los programadores de bases de
datos y de programas informticos, los curadores, los bibliotecarios y los
archiveros especializados en ciencias de los datos;
capacitacin de la fuerza de trabajo especializada, haciendo hincapi en los
mtodos de AI en los cursos de desarrollo de software, ofreciendo cursos de
AI aplicados que demuestren las aplicaciones de la AI a otros dominios e
incorporando los desafos de la IA y la ciencia de datos planteados por la
industria, la sociedad civil y el gobierno.
asegurar que la mano de obra del usuario tenga la familiaridad necesaria con
los sistemas de AI para satisfacer las necesidades de los usuarios y de las
instituciones de la industria, el gobierno y la academia;
apoyar la capacitacin a travs de donaciones de semillas, estipendios de
desarrollo profesional, pasantas, becas y experiencias de investigacin de
verano; y
reclutamiento y retencin de profesores, ya que los salarios industriales
crecen ms rpido que los salarios acadmicos de los investigadores
calificados.
Oportunidades para que estudiantes y profesionales adquieran las habilidades

necesarias para una inversin modesta de su tiempo y dinero. Estas oportunidades
pueden ser especialmente relevantes para los trabajadores que amplan sus
habilidades, los veteranos que regresan a la fuerza de trabajo y los desempleados
que buscan una manera de reingresar a la fuerza de trabajo.
Un mundo habilitado para la IA requiere una ciudadana que sea capaz de leer, usar,
interpretar y comunicar datos, y participar en debates de poltica sobre asuntos
afectados por la AI. La educacin en ciencias de la informacin desde la escuela
primaria o secundaria puede ayudar a mejorar la alfabetizacin de datos a nivel
nacional, al tiempo que prepara a los estudiantes para conceptos y cursos de ciencia
de datos ms avanzados despus de la escuela secundaria.
La educacin de la IA es tambin un componente de la Informtica para Todos, la
iniciativa del Presidente para capacitar a todos los estudiantes estadounidenses
desde el jardn de infancia hasta la escuela secundaria para aprender informtica y
estar equipados con las habilidades de pensamiento computacional que necesitan
para ser creadores, economa, y ser ciudadanos activos en un mundo tecnolgico.
La economa estadounidense est cambiando rpidamente, y tanto los educadores
como los lderes empresariales reconocen cada vez ms que la informtica es una
habilidad "nueva bsica" necesaria para las oportunidades econmicas y la
movilidad social. CS for All se basa en los esfuerzos que ya estn siendo dirigidos
por padres, maestros, distritos escolares, estados y lderes del sector privado de
todo el pas y es una manera de enfrentar el reto de preparar una futura fuerza de
trabajo para las necesidades de una economa impulsada por la IA.
El desafo de la diversidad
Todos los sectores enfrentan el reto de cmo diversificar la fuerza de trabajo de AI.
La falta de gnero y la diversidad racial en la fuerza de trabajo de IA refleja la falta
de diversidad en la industria de la tecnologa y el campo de la informtica en general.
Desplegar todo el potencial del pueblo estadounidense, especialmente en los
campos STEM, en el emprendimiento y en la industria tecnolgica es una prioridad
de esta Administracin. La importancia de incluir a personas de diversos orgenes,
experiencias e identidades, especialmente mujeres y miembros de grupos raciales
y tnicos tradicionalmente sub-representados en STEM, es uno de los desafos ms
crticos y de alta prioridad para la informtica y la IA.
Slo el 18 por ciento de los graduados en ciencias de la computacin son mujeres,
frente a un pico del 37 por ciento en 1984.57 Aunque hay una falta de datos
demogrficos reportados de forma consistente en la fuerza laboral de IA, algunas
estadsticas estn disponibles. En la Conferencia de Sistemas de Procesamiento de
Informacin Neural (NIPS) en 2015 -una de las conferencias ms grandes del ao
sobre investigacin de AI- slo 13.7 por ciento de los participantes de la conferencia
fueron
_________________
57 Christianne Corbett y Catherine Hill, "Resolviendo la ecuacin: Las variables para el xito de la mujer en ingeniera y
computacin", The American Association of University Women, marzo de 2015, http://www.aauw.org/files/2015/03/Solution -
la-Ecuacin-informe-nsa.pdf.
58. Despus de ver una representacin similarmente baja en una conferencia de

inteligencia de mquina, en la que fue la nica mujer oradora de la industria, el CEO
y cofundador de Textio, una empresa que aplica AI al texto de ofertas de empleo y
reclutamiento de correos electrnicos, decidi para investigar el lenguaje de
reclutamiento en la industria. Cuando la compaa analiz 78.768 listados de trabajo
de ingeniera, encontraron que las ofertas de trabajo para ingenieros de software en
el sector de inteligencia de mquina tenan una puntuacin de sesgo de gnero en
favor de los hombres ms de dos veces ms alta que cualquier otro sector.59
El desafo de la diversidad no se limita al gnero. Los afroamericanos, los hispanos
y los miembros de otros grupos de minoras raciales y tnicas estn muy poco
representados, en comparacin con su participacin en la poblacin de los Estados
Unidos, en la fuerza laboral de STEM, en informtica y en la fuerza laboral de la
industria tecnolgica.
Muchos de los comentarios presentados al OSTP RFI discutieron el desafo de la

diversidad. Los comentaristas se centraron en la importancia de la IA producida por
y para diversas poblaciones. Hacer esto ayuda a evitar las consecuencias negativas
del desarrollo de la IA estrechamente enfocado, incluyendo el riesgo de sesgos en
el desarrollo de algoritmos, aprovechando un espectro ms amplio de experiencia,
antecedentes y opiniones. Estos temas tambin fueron ampliamente cubiertos
durante los talleres pblicos. Hay algunas investigaciones sobre los efectos de la
falta de diversidad en la fuerza de trabajo de IA sobre el diseo de la tecnologa de
AI y sobre los impactos sociales de la IA. Este rico cuerpo de investigacin est
creciendo, pero todava se queda atrs de la literatura sobre las necesidades ms
amplias de desarrollo de la fuerza laboral de AI. Ms investigacin sera beneficiosa.
Recomendacin 14: Los Subcomits NSTC sobre MLAI y NITRD, conjuntamente con
el Comit de Ciencia, Tecnologa, Ingeniera y Educacin (CoSTEM) de la NSTC,
deberan iniciar un estudio sobre la tubera de mano de obra de AI con el fin de
desarrollar acciones que aseguren un aumento apropiado en el tamao, la calidad y
la diversidad de la fuerza de trabajo, incluidos los investigadores, especialistas y
usuarios de IA.
IA, Automatizacin y Economa

El efecto econmico central de AI en el corto plazo ser la automatizacin de tareas
que antes no podan ser automatizadas. Hay un cierto precedente histrico para las
ondas de la nueva automatizacin de las cuales podemos aprender, y algunas
maneras en que la AI ser diferente. El gobierno debe comprender los impactos
potenciales para que pueda establecer polticas e instituciones que apoyen los
beneficios de la IA, al tiempo que mitigan los costos.60
Al igual que las olas pasadas de la innovacin, AI crear beneficios y costos. El
principal beneficio de las olas anteriores de automatizacin ha sido el crecimiento
de la productividad; la ola actual de automatizacin no es diferente. Por ejemplo, un
estudio realizado en 2015 sobre robots en 17 pases encontr que se agregaba un
promedio de 0,4 puntos porcentuales en promedio al crecimiento anual del PIB de
esos pases entre 1993 y 2007, representando algo ms de una dcima parte del
crecimiento general del PIB durante ese perodo tiempo.61
Sin embargo, una de las principales preocupaciones derivadas de las oleadas de
automatizacin anteriores es el impacto potencial sobre ciertos tipos de empleos y
sectores y los impactos resultantes en la desigualdad de ingresos. Debido a que AI
tiene el potencial de eliminar o disminuir los salarios de algunos empleos,
especialmente de empleos de baja y mediana habilidad, es probable que se

necesiten intervenciones polticas para asegurar que los beneficios econmicos de
AI sean ampliamente compartidos y que la desigualdad disminuya y no empeore
como consecuencia.
Las cuestiones de poltica econmica planteadas por la automatizacin impulsada
por AI son importantes, pero es mejor tratarlas por un grupo de trabajo separado de
la Casa Blanca. La Casa Blanca llevar a cabo un estudio inteligencia adicional
sobre el impacto econmico de la automatizacin en la economa y recomend
respuestas polticas que se publicarn en los prximos meses.
Recomendacin 15: La Oficina Ejecutiva del Presidente debera publicar un

informe de seguimiento a finales de este ao, para investigar ms a fondo los
efectos de la IA y la automatizacin en el mercado de trabajo de los Estados
Unidos, y esbozar las respuestas polticas recomendadas.
__________________
60 Jason Furman, "Es esta vez diferente? Las Oportunidades y Desafos de la Inteligencia Artificial ".
61 Georg Graetz y Guy Michaels, "Robots at Work", Documento de discusin del CEPR No. DP10477, marzo de 2015,
http://papers.ssrn.com/sol3/papers.cfm?abstract_id=2575781.
Equidad, seguridad y gobernabilidad

A medida que las tecnologas de AI ganan un despliegue ms amplio, los expertos
tcnicos y analistas de polticas han planteado preocupaciones sobre las
consecuencias no deseadas. El uso de AI para tomar decisiones consecuentes
sobre las personas, a menudo reemplazando las decisiones tomadas por actores e
instituciones humanas, genera preocupaciones sobre cmo garantizar la justicia, la
justicia y la rendicin de cuentas -las mismas preocupaciones expresadas
previamente en el contexto de "Big Data". el uso de AI para controlar el
equipamiento del mundo fsico conduce a preocupaciones acerca de la seguridad,
especialmente cuando los sistemas estn expuestos a toda la complejidad del
entorno humano.
A nivel tcnico, los desafos de equidad y seguridad estn relacionados. En ambos
casos, los profesionales se esfuerzan por evitar la discriminacin intencional o el
fracaso, para evitar consecuencias no deseadas y para generar las pruebas
necesarias para dar a los interesados una confianza justificada de que los fracasos
involuntarios son poco probables.
Justicia, equidad y rendicin de cuentas

Un tema comn en los talleres de Ley y Gobernabilidad, AI para el Bien Social y los
Impactos Sociales y Econmicos fue la necesidad de asegurar que AI promueva la
justicia y la equidad y que los procesos basados en la AI sean responsables ante
los interesados. Este tema fue destacado previamente en el primer informe Big Data
de la Administracin63 publicado en mayo de 2014 y en el informe de seguimiento
de Big Data, Sistemas Algortmicos, Oportunidad y Derechos Civiles 64, publicado
en mayo de 2016.
En el sistema de justicia penal, algunas de las mayores preocupaciones con Big
Data son la falta de datos y la falta de datos de calidad.65 AI necesita buenos datos.
Si los datos estn incompletos o sesgados, la AI puede exacerbar los problemas de
sesgo. Es importante que cualquier persona que utilice AI en el contexto de la
justicia penal sea consciente de las limitaciones de los datos actuales.
Un ejemplo citado comnmente en los talleres es el uso de herramientas
aparentemente sesgadas de "prediccin de riesgo" por parte de algunos jueces en
sentencias criminales y audiencias de fianza, as como por algunos funcionarios
penitenciarios en las decisiones de asignacin y libertad condicional, detalladas en
un extenso artculo ProPublica.66 El artculo present evidencia que sugiere que
una herramienta de puntaje de riesgo comercial utilizada por algunos jueces genera
puntuaciones de riesgo racialmente sesgadas. Un informe separado de Upturn
cuestion la imparcialidad y la eficacia de algunas herramientas de prediccin
policial.67
________________________________________
La Casa Blanca, "Grandes Datos: Aprovechando las Oportunidades, Preservando Valores", mayo de 2014,
https://www.whitehouse.gov/sites/default/files/docs/big_data_privacy_report_may_1_2014.pdf; y La Casa Blanca, "Grandes
Datos: Un Informe sobre Sistemas Algortmicos, Oportunidad y Derechos Civiles", mayo de 2016,
https://www.whitehouse.gov/sites/default/files/microsites/ostp/2016_0504_data_discrimination.pdf.
63 La Casa Blanca, "Grandes Datos: Aprovechando las Oportunidades, Preservando Valores", Oficina Ejecutiva del
Presidente, mayo de 2014.
64 La Casa Blanca, "Grandes Datos: Un Informe sobre Sistemas Algortmicos, Oportunidad y Derechos Civiles", Oficina
Ejecutiva del Presidente, mayo de 2016.
65 Matt Ford, "Las estadsticas que faltan de la justicia penal", The Atlantic, 31 de mayo de 2015,
http://www.theatlantic.com/politics/archive/2015/05/what-we-dont-know-about-mass -incarcelacin / 394520 /
66 Julia Angwin, Jeff Larson, Surya Mattu y Lauren Kirchner, "Machine Bias", ProPublica, 23 de mayo de 2016,
https://www.propublica.org/article/machine-bias-risk-assessments-in-criminal- sentencia
67 David Robinson y Logan Koepke, "Stuck in a Pattern: Early evidencia sobre 'predictive policing' y derechos civiles", Upturn,
agosto de 2016, http://www.stuckinapattern.org.
Cuestiones similares podran afectar las prcticas de contratacin. Si se utiliza un

modelo de aprendizaje automtico para seleccionar a los solicitantes de empleo, y
si los datos utilizados para formar el modelo reflejan decisiones pasadas que estn
sesgadas, el resultado podra ser perpetuar prejuicios pasados. Por ejemplo, buscar
candidatos que se parezcan a las contrataciones anteriores puede sesgar un
sistema para contratar a ms personas como las que ya estn en un equipo, en
lugar de considerar a los mejores candidatos la diversidad completa de posibles
solicitantes.
En respuesta a estas preocupaciones, varios oradores del taller abogaron por una
mayor transparencia cuando las herramientas de AI se utilizan para fines pblicos.
Un orador compar el papel de AI con el papel de las agencias administrativas en
la toma de decisiones pblicas. La autoridad se delega a una agencia debido al
tema de la agencia pero la delegacin est limitada por las garantas del debido
proceso, las medidas que promueven la transparencia y la supervisin, y los lmites
en el mbito de la autoridad delegada. Algunos oradores pidieron el desarrollo de
una teora anloga de cmo mantener la responsabilidad al delegar la toma de
decisiones potencia a las mquinas. Los problemas de transparencia se centraron
no slo en los datos y algoritmos utilizados, sino el potencial de tener alguna forma
de explicacin para cualquier determinacin basada en la IA.
En los mismos talleres, los expertos de AI advirtieron que hay retos inherentes al
tratar de entender, predecir y explicar el comportamiento de los sistemas avanzados
de IA, debido a la complejidad de los sistemas y a l gran volumen de datos que
utilizan.
La dificultad de entender los resultados de aprendizaje de la mquina est en
desacuerdo con el concepto errneo comn de que los algoritmos complejos
siempre hacen lo que sus diseadores deciden hacer, y por lo tanto, ese sesgo raro
en un algoritmo si y slo si sus propios desarrolladores sufren de consciente o
inconsciente parcialidad.
Ciertamente un desarrollador de tecnologa que quiere producir un algoritmo
sesgado puede hacerlo, y que el sesgo inconsciente puede hacer que los
profesionales apliquen un esfuerzo insuficiente para prevenir el sesgo. Sin embargo,
los desarrolladores imparciales con las mejores intenciones pueden producir
inadvertidamente porque incluso los desarrolladores de un sistema de IA pueden no
entenderlo lo suficiente como para prevenir resultados no deseados.
68 Moritz Hardt, "Qu tamao de datos es injusto?" Medio, 26 de septiembre de 2014, https://medium.com/@mrtz/how-big-
datais-unfair-9aa544d739de. Algunos servicios en lnea requieren que los usuarios se suscriban a cuentas con sus nombres
reales. Algunos de estos servicios utilizan AI modelos para detectar nombres sospechosos de ser falsos, con el fin de cancelar
las cuentas asociadas. En dicho sistema, un usuario cuyo nombre es incorrectamente clasificado como falso puede ser
incapaz de registrarse para una cuenta, o puede tener su cuenta cancelado inesperadamente. 70 Hardt apunta a otra forma
en que puede darse un impacto dispar. Los modelos ML suelen ser ms precisos aumenta el nmero de ejemplos en el
conjunto de entrenamiento. En algunas circunstancias, esto puede hacer que la prediccin sea ms para un grupo mayoritario
que para una minora. Una vez ms, esta disparidad surge simplemente porque el grupo mayoritario est ms numeroso,
incluso si el conjunto de datos es representativo de la poblacin.
Argument que hoy, debido a la falta de entender los algoritmos IA, la forma ms
efectiva de minimizar el riesgo de resultados no intencionados es a travs de
extensas pruebas esencialmente para hacer una larga lista de los tipos de malos
resultados que podran ocurrir y descartar estos resultados mediante la creacin de
muchas pruebas especializadas para ellos.
Un ejemplo de lo que puede salir mal en ausencia de pruebas exhaustivas proviene
de un modelo automticamente subtitulando las fotos, que pusieron el subttulo
"gorila" en algunas fotos de las primeras caras humanas de piel oscura. Esto era
contrario a los valores de los desarrolladores, y se produjo a pesar de las pruebas
que mostr que el modelo produjo resultados precisos en un alto porcentaje de
todas las fotos. Estos errores, aunque raros, tenan consecuencias negativas que
estaban ms all de la comprensin del modelo, que no tena ningn concepto
incorporado de raza, ni ninguna comprensin del contexto histrico relevante. Una
manera de evitar este tipo de error habra implicado pruebas extensas del algoritmo
para escudriar cmo humanos las caras, en particular, estn etiquetadas,
incluyendo el examen de algunos resultados por personas que podran reconocer
resultados inaceptables que el modelo no captara.
El entrenamiento tico para practicantes de IA y estudiantes es una parte necesaria
de la solucin. Idealmente, cada estudiante IA, la informtica o la ciencia de los
datos estaran expuestos al currculo y al debate sobre tica y temas de seguridad.
Sin embargo, la tica por s sola no es suficiente. La tica puede ayudar a los
profesionales comprender sus responsabilidades para con todos los interesados,
pero la formacin tica debe aumentarse Capacidad tcnica para poner en prctica
buenas intenciones tomando precauciones tcnicas a medida que se construye un
sistema y probado.
A medida que los profesionales se esfuerzan por hacer los sistemas de IA ms
justos, justos y responsables, a menudo hay oportunidades para hacen de la
tecnologa una ayuda a la rendicin de cuentas en lugar de una barrera para ella.
Investigacin para mejorar la interoperabilidad de los resultados de aprendizaje de
la mquina es un ejemplo. Tener un modelo interpretable que ayude a la gente
entiende que una decisin les da poder para interrogar las suposiciones y los
procesos detrs de ella.
Existen varios enfoques tcnicos para mejorar la rendicin de cuentas y la solidez
de las decisiones algortmicas. Un sistema puede ser probado "en estado salvaje"
presentndolo con situaciones y observando su comportamiento. Un sistema puede
ser sometido a prueba de caja negra, en la que se presenta con insumos sintticos
y su comportamiento es observado, permitiendo que el comportamiento sea
probado en escenarios que no pueden ocurrir naturalmente.
Se pueden publicar algunos o todos los detalles tcnicos del diseo de un sistema,
lo que permite a los analistas replicarlo y analizar aspectos de su comportamiento
interno que podran ser difciles de caracterizar con las pruebas solas. En algunos
casos es posible publicar informacin que ayude al pblico a evaluar el riesgo de
sesgo de un sistema, mientras retenga otra informacin sobre el sistema como
propietario o privado.
Seguridad y control
En los talleres, los expertos de IA dijeron que uno de los principales factores que
limitan el despliegue de la AI en el real mundo es la preocupacin por la seguridad
y el control. Si los profesionales no pueden lograr una confianza sistema es seguro
y controlable, por lo que el despliegue del sistema no crea un riesgo inaceptable de
graves consecuencias negativas, entonces el sistema no puede ni debe ser
desplegado.
Algunas instituciones pueden optar por incorporar la tica en los cursos existentes.
Otros pueden optar por introducir cursos de tica.
72 La prueba de caja negra permite que se presente un sistema con datos ficticios, lo que permite
experimentos que varan los atributos individuales de un individuo, as como un mayor nmero de experimentos de lo que
podra ser posible para pruebas en su naturaleza. Vase, por ejemplo, Anupam Datta, Shayak Sen y Yair Zick, "Transparencia
Algortmica va Influencia cuantitativa de la entrada: teora y experimentos con sistemas de aprendizaje, "Proceedings of 37th
IEEE Simposio sobre seguridad y privacidad, 2016.
Un desafo importante en la seguridad y el control es la construccin de sistemas

que puedan pasar de forma segura del "mundo cerrado" del laboratorio al "mundo
abierto" exterior donde pueden suceder cosas imprevisibles. En el mundo abierto,
es probable que un sistema encuentre objetos y situaciones que no fueron
anticipadas cuando fue diseado y construido. Adaptarse con gracia a situaciones
imprevistas es difcil pero necesario para una operacin segura. En cuanto al tema
de la seguridad y la previsibilidad en la IA, varios oradores hicieron referencia a un
documento reciente titulado "Problemas concretos en la seguridad de la inteligencia
artificial" y el primer autor del documento habl en el taller sobre tecnologa,
seguridad y control. El papel utiliza un ejemplo corriente de un robot autnomo que
limpia la casa. La seccin general del documento ofrece una lista extensa de los
tipos de problemas prcticos que surgen al hacer que un robot sea efectivo y seguro,
que se cita aqu: Cmo evitar los efectos secundarios negativos: Cmo podemos
asegurarnos de que nuestro robot de limpieza no perturbe el medio ambiente de
manera negativa mientras persigue sus objetivos, por ejemplo, golpeando sobre un
florero porque puede limpiar ms rpido al hacerlo? Podemos hacer esto sin
especificar manualmente todo lo que el robot no debe molestar? Evitar la
recompensa Hacking: Cmo podemos asegurarnos de que el robot de limpieza no
juegue su funcin de recompensa? Por ejemplo, si recompensamos al robot por
lograr un ambiente libre de desorden, podra desactivar su visin para que no
encuentre ningn lo o cubrir los los con materiales que no puede ver a travs, o
simplemente ocultar cuando los humanos son alrededor de modo que no pueden
decirle sobre nuevos tipos de los. Supervisin escalable: Cmo podemos
asegurar eficientemente que el robot de limpieza respete aspectos del objetivo que
son demasiado caros para ser evaluados frecuentemente durante el
entrenamiento? Por ejemplo, debe lanzar cosas que es poco probable que
pertenezcan a nadie, pero dejar de lado las cosas que podran pertenecer a alguien
(debe manejar envolturas de caramelos extraviados de manera diferente a los
telfonos mviles perdidos). Preguntar a los seres humanos involucrados si han
perdido algo puede servir como un cheque en esto, pero este cheque puede tener
que ser relativamente infrecuente - el robot puede encontrar una manera de hacer
lo correcto a pesar de la informacin limitada? Exploracin Segura: Cmo nos
aseguramos de que el robot de limpieza no haga movimientos exploratorios con
muy mala repercusin? Por ejemplo, el robot debe experimentar con las estrategias
de fregado, pero poniendo un trapeador mojado en un enchufe elctrico es una idea
muy mala. Robustez al cambio de distribucin: Cmo nos aseguramos de que el
robot de limpieza reconoce y se comporta de forma robusta cuando se encuentra
en un entorno diferente del ambiente de entrenamiento? Por ejemplo, la heurstica
que aprendi para limpiar pisos de fbrica puede ser completamente peligrosa en
una oficina.
Estos ejemplos ilustran cmo la "inteligencia" de un sistema de IA puede ser
profunda pero estrecha: el sistema puede tener una capacidad sobrehumana para
detectar la suciedad y optimizar su estrategia de fregado, sin embargo no se sabe
para evitar golpear un trapeador hmedo sobre un enchufe elctrico. Una forma de
describir este problema general es: cmo podemos dar a las mquinas inteligentes
sentido comn? Los investigadores estn haciendo progresos lentos en este tipo de
problemas. Ingeniera de seguridad IA Un tema comn en el taller de Tecnologa,
Seguridad y Control fue la necesidad de conectar mtodos de IA abierta con el
campo ms amplio de la ingeniera de seguridad. La experiencia en la construccin
de otros tipos de sistemas crticos para la seguridad, tales como aviones, centrales
elctricas, puentes y vehculos, tiene mucho que ensear a los profesionales de IA
sobre la verificacin y validacin, cmo construir un caso de seguridad para una
tecnologa, cmo manejar el riesgo y cmo comunicarse con las partes interesadas
sobre el riesgo.
Dario Amodei, Chris Olah, Jacob Steinhardt, Paul Christiano, John Schulman, and Dan Man, Problemas concretos en la
seguridad IA, https://arxiv.org/abs/1606.06565.
En la actualidad, la prctica de la IA, especialmente en las reas de movimiento

rpido del aprendizaje automtico, puede ser tanto arte como ciencia. Ciertos
aspectos de la prctica no estn respaldados por una teora bien desarrollada, sino
que se basan en el juicio intuitivo y en la experimentacin de los practicantes. Esto
no es inusual en las reas emergentes de la tecnologa, pero limita la aplicacin de
la tecnologa en la prctica. Algunas partes interesadas han sugerido la necesidad
de hacer crecer la IA en un campo de ingeniera ms maduro. A medida que los
campos de ingeniera maduran, suelen pasar de una etapa inicial de "artesana"
caracterizada por la creacin impulsada por la intuicin por aficionados talentosos y
un espritu hgalo usted mismo; a una segunda etapa comercial con profesionales
expertos, mejoramiento pragmtico, reglas generales ampliamente aceptadas y
fabricacin organizada para la venta; a una etapa madura que integra mtodos ms
rigurosos, profesionales educados, teora bien establecida y mayor especializacin

de los productos.74 La mayora de los campos de ingeniera, con una historia mucho
ms larga que la IA moderna, han alcanzado una etapa madura. En general, los
campos maduros de ingeniera tienen mayor xito en la creacin de sistemas que
son predecibles, confiables, robustos, seguros y seguros. Continuar el progreso
hacia la IA convirtindose en un campo maduro de ingeniera ser uno de los
principales facilitadores de seguridad y control a medida que se construyan sistemas
ms complejos.
Recomendacin 16: Las agencias federales que usan sistemas basados en la IA para
hacer o proporcionar apoyo a la toma de decisiones para las decisiones consecuentes
sobre individuos deben tomar cuidado extra para asegurar la eficacia y justicia de esos
sistemas, basados en la verificacin y validacin basadas en evidencia.
Recomendacin 17: Las agencias federales que otorgan subvenciones a los gobiernos
estatales y locales en apoyo del uso de sistemas basados en la IA para tomar decisiones
consecuentes sobre las personas deben revisar los trminos de las subvenciones para
asegurar que los productos o servicios basados en la IA resulta suficientemente
transparente y se apoya en pruebas de eficacia y equidad.
Recomendacin 18: Las escuelas y universidades deben incluir la tica y temas
relacionados con la seguridad, privacidad y seguridad, como parte integral de los planes
de estudios sobre IA, aprendizaje de mquinas, informtica y ciencias de la informacin.
Recomendacin 19: Los profesionales de la IA, los profesionales de la seguridad y sus
sociedades profesionales deberan trabajar juntos para seguir avanzando hacia un campo
maduro de la ingeniera de seguridad de IA.
Ver, e.g., Mary Shaw, Perspectivas para una disciplina de ingeniera de software, IEEE Software 7(6), Noviembre 1990.
Consideraciones globales y seguridad

Adems de los desafos a largo plazo de IA y las cuestiones especficas
relacionadas con la imparcialidad y la seguridad, IA plantea cuestiones de poltica
consecuentes en las relaciones internacionales, la ciberseguridad y la defensa.
Cooperacin internacional
IA ha sido un tema de inters en los recientes debates internacionales, ya que los
pases, las instituciones multilaterales y otras partes iinteresadas han empezado a
evaluar los beneficios y desafos de la IA. El dilogo y la cooperacin entre estas
entidades podran contribuir a impulsar la IA R&D de la IA y aprovechar la IA para
siempre, al mismo tiempo que abordar los desafos pertinentes. En particular, varios
avances en IA son el resultado directo o indirecto de la investigacin colaborativa
que involucra a personas, recursos e instituciones en mltiples pases. Al igual que
con otras polticas digitales, los pases tendrn que trabajar juntos para identificar
oportunidades de cooperacin y desarrollar marcos internacionales que ayuden a
promover la IA R&D de IA y abordar cualquier desafo. Los Estados Unidos, un lder
en IA R&D de la IA, pueden seguir desempeando un papel clave en la coordinacin
global de la investigacin a travs de dilogos y asociaciones de gobierno a
gobierno. La participacin internacional es necesaria para explorar plenamente las
aplicaciones de la IA en el cuidado de la salud, la automatizacin en la fabricacin
y las tecnologas de la informacin y la comunicacin (TIC). Las aplicaciones de IA
tambin tienen el potencial de abordar temas globales como la preparacin y
respuesta ante desastres, el cambio climtico, el trfico de vida silvestre, la brecha
digital, los empleos y las ciudades inteligentes. El Departamento de Estado prev la
preocupacin por la privacidad, la seguridad de los vehculos autnomos y el
impacto de IA en las tendencias de empleo a largo plazo como reas de poltica
relacionadas con la IA en el contexto internacional. En apoyo de las prioridades de
la poltica exterior estadounidense en este espacio -incluyendo asegurar el liderazgo
internacional y la competitividad econmica de Estados Unidos- el Gobierno de los
Estados Unidos ha participado en cuestiones de IA R&D y poltica en discusiones
bilaterales con otros pases como Japn, el Reino Unido e Italia, as como en foros
multilaterales. Las cuestiones de poltica internacional de IA y los impactos
econmicos de la IA tambin se han planteado en la ONU, el G-7, la Organizacin
de Cooperacin y Desarrollo Econmicos (OCDE) y la Cooperacin Econmica
Asia-Pacfico (APEC). El Gobierno de los Estados Unidos espera que IA sea un
tema de creciente inters en los compromisos internacionales. Los Estados Unidos
se han comprometido a trabajar con la industria y las organizaciones de
normalizacin pertinentes, con el fin de facilitar el desarrollo de normas
internacionales de una manera que est dirigida por la industria; voluntario;

impulsado por el consenso; y basado en principios de transparencia, apertura y
necesidades del mercado. El enfoque estadounidense est formalizado en la ley
(NTTAA, PL 104-113) y en la poltica (OMB Circular A-119) y reiterado en la
Estrategia de Estndares de los Estados Unidos. Los Estados Unidos se han
comprometido a trabajar con la industria y las organizaciones de normalizacin
pertinentes, con el fin de facilitar el desarrollo de normas internacionales de una
manera que est dirigida por la industria; voluntario; impulsado por el consenso; y
basado en principios de transparencia, apertura y necesidades del mercado. El
enfoque estadounidense est formalizado en la ley (NTTAA, PL 104-113) y en la
poltica (OMB Circular A-119) y reiterado en la Estrategia de Estndares de los
Estados Unidos.
Recomendacin 20: El Gobierno de los Estados Unidos debe elaborar una estrategia a
nivel gubernamental sobre la participacin internacional relacionada con la IA y elaborar
una lista de las esferas temticas de la IA que necesitan la participacin y la supervisin
internacionales.
Recomendacin 21: El Gobierno de los Estados Unidos debe profundizar su compromiso
con las principales partes interesadas internacionales, incluidos los gobiernos extranjeros,
las organizaciones internacionales, la industria, el mundo acadmico y otros, para
intercambiar informacin y facilitar la colaboracin en materia de IA R&D de la IA.
Comit de Estrategias de Estndares de Estados Unidos, "Estrategia de estndares de Estados Unidos", Nueva York:
American National Standards Institute (2015),
IA y Ciber seguridad
La Estrecha AI actual tiene importantes aplicaciones en ciberseguridad, y se espera
que desempee un papel cada vez mayor, tanto para medidas defensivas
(reactivas) como para medidas ofensivas (proactivas).
Actualmente, disear y operar sistemas seguros requiere una gran inversin de

tiempo y atencin por parte de expertos. La automatizacin de este trabajo experto,
parcial o totalmente puede permitir una fuerte seguridad a travs de una gama
mucho ms amplia de sistemas y aplicaciones a un costo considerablemente ms

bajo, y puede aumentar la agilidad de las defensas cibernticas. El uso de la IA
puede ayudar a mantener la respuesta rpida necesaria para detectar y reaccionar
ante el panorama de amenazas cibernticas en constante evolucin. Hay muchas
oportunidades para la IA y especficamente los sistemas de aprendizaje automtico
para ayudar a hacer frente a la complejidad del ciberespacio y apoyar la toma de
decisiones humanas eficaces en respuesta a ataques cibernticos.
Los futuros sistemas de IA podran realizar anlisis predictivos para anticipar

ataques cibernticos mediante la generacin de modelos de amenazas dinmicas
a partir de fuentes de datos disponibles que son voluminosas, cambiantes y, a
menudo, incompletas. Estos datos incluyen la topologa y el estado de los nodos de
red, enlaces, equipos, arquitectura, protocolos y redes. La AI puede ser el mtodo
ms eficaz para interpretar estos datos, identificar proactivamente las
vulnerabilidades y tomar medidas para prevenir o mitigar futuros ataques.
Los resultados hasta la fecha en el concurso Cyber Grand Challenge (CGC) de

DARPA demuestran el potencial de este enfoque.76 El CGC fue diseado para
acelerar el desarrollo de sistemas avanzados y autnomos que pueden detectar,
evaluar y corregir vulnerabilidades de software antes de que los adversarios tengan
la oportunidad de explotarlos. El evento final de CGC se llev a cabo el 4 de agosto
de 2016. Para alimentar la investigacin de seguimiento y la competencia paralela,
todo el cdigo producido por los sistemas automatizados durante el evento final de
CGC se ha puesto en libertad como fuente abierta para permitir que otros usen la
ingeniera inversa y puedan aprender de ello.
Los sistemas de AI tambin tienen sus propias necesidades de seguridad

ciberntica. Las aplicaciones impulsadas por IA deben implementar controles de
ciberseguridad slidos para garantizar la integridad de los datos y la funcionalidad,
proteger la privacidad y la confidencialidad y mantener la disponibilidad. El reciente
Plan Estratgico Federal de I&D de Ciberseguridad77 destac la necesidad de
"desarrollo y operacin de sistemas seguros y sostenibles". Los avances en
ciberseguridad sern crticos para hacer que las soluciones de IA sean seguras y
resilientes frente a actividades cibernticas maliciosas. las empresas del sector
privado que usan IA Estrecha han aumentado.
Por ltimo, la IA podra apoyar las actividades de planificacin, coordinacin,

integracin, sincronizacin y direccin para operar y defender efectivamente las
redes y sistemas del gobierno de los Estados Unidos, prestar asistencia en apoyo
del funcionamiento seguro de redes y sistemas del sector privado con todas las
leyes, reglamentos y tratados aplicables.
Recomendacin 22: Los planes y estrategias de las agencias deben tener en cuenta la influencia
de la IA en la ciberseguridad y de la ciberseguridad en la IA. Las agencias involucradas en
asuntos de IA deben involucrar a sus colegas del gobierno de los Estados Unidos y de
ciberseguridad del sector privado para obtener informacin sobre cmo asegurar que los
sistemas y ecosistemas de la IA sean seguros y resistentes ante adversarios inteligentes. Las
agencias involucradas en temas de ciberseguridad deben involucrar a sus colegas del gobierno
de los Estados Unidos y del sector privado de la IA para buscar maneras innovadoras de aplicar
la IA para una ciberseguridad efectiva y eficiente.
La IA en sistemas de armamento
Los Estados Unidos han incorporado la autonoma en ciertos sistemas de armas
durante dcadas.78 Estas mejoras tecnolgicas pueden permitir una mayor precisin
en el uso de estos sistemas de armas y operaciones militares ms seguras y
humanas. Las municiones guiadas con precisin permiten completar una operacin
con menos armas gastadas y con menos daos colaterales y los vehculos pilotados
remotamente pueden disminuir el riesgo para el personal militar colocando una
mayor distancia entre ellos y el peligro. Sin embargo, alejarse del control humano
directo de los sistemas de armas implica algunos riesgos y puede plantear
cuestiones legales y ticas. La clave para seguir incorporando sistemas de armas
autnomos y semiautnomos en la planificacin y la estructura de la defensa
estadounidense es continuar garantizando que todos nuestros sistemas de armas,
incluidos los sistemas de armas autnomos, se estn utilizando de conformidad con
el derecho internacional humanitario. Adems, el Gobierno de los Estados Unidos
debe seguir tomando las medidas apropiadas para controlar la proliferacin y
trabajar con socios y Aliados para desarrollar estndares relacionados con el
desarrollo y uso de tales sistemas.
En los ltimos aos, en particular, las cuestiones relativas al desarrollo de los

llamados "Sistemas de Armas Autnomas Letales" (LAWS) han sido planteadas por
expertos tcnicos, ticos y la comunidad internacional.79 Los Estados Unidos han
participado activamente en el debate internacional en curso sobre las LEY en el
contexto de la Convencin sobre ciertas armas convencionales (CCW), 80 y anticipa
una discusin internacional slida y continua de estos sistemas de armas
potenciales en el futuro.
Las partes del Estado de la CCW estn debatiendo cuestiones tcnicas, jurdicas,
militares, ticas y de otra ndole relacionadas con las tecnologas emergentes,
aunque est claro que no existe una comprensin comn de las LEYES. Algunos
Estados han combinado las LEYES con aviones teledirigidos ("drones" militares),
posicin que los Estados Unidos se oponen, ya que los aviones teledirigidos son,
por definicin, directamente controlados por los humanos, al igual que los aviones
tripulados. Otros Estados se han centrado en la inteligencia artificial, los ejrcitos
robots o si se ejerce un "control humano significativo" -un trmino indefinido- sobre
las decisiones de vida o muerte. La prioridad de Estados Unidos ha sido reiterar que
todos los sistemas de armas, autnomos o de otro tipo, deben
75
United States Standards Strategy Committee, "United States standards strategy," New York: American National Standards
Institute (2015),
https://share.ansi.org/shared%20documents/Standards%20Activities/NSSC/USSS_Third_edition/ANSI_USSS_2015 .pdf.
76
https://www.cybergrandchallenge.com
77
Federal Cybersecurity Research and Development Strategic Plan, Executive Office of the President, February 2016,
https://www.whitehouse.gov/sites/whitehouse.gov/files/documents/2016_Federal_Cybersecurity_Research_and_De
velopment_Stratgeic_Plan.pdf.
78
See, e.g., Jeffrey L. Caton, Autonomous Weapons Systems: A Brief Survey of Developmental, Operational, Legal, and
Ethical Issues, Strategic Studies Institute, U.S. Army War College, December 2015,
http://www.strategicstudiesinstitute.army.mil/pdffiles/PUB1309.pdf.
79
See, e.g., DeepMind comment, Human Rights Watch comment to the OSTP Request for Information on Artificial
Intelligence.
80
The Convention on Prohibitions on the Use of Certain Conventional Weapons Which May Be Deemed to Be Excessively
Injurious or to Have Indiscriminate Effects (CCW) regulates certain weapons under its five Protocols. The States Parties to
the CCW began informal discussions related to LAWS in 2014.
Derechos humanos. Incluyeron el principio de distincin81y proporcionalidad.82 Por

esta razn, los Estados Unidos han sealado constantemente la importancia del
proceso de revisin de armas en el desarrollo y la adopcin de nuevos sistemas de
arma. La CCW decidir si y cmo conducir reuniones futuras sobre LAWS y asuntos
asociados durante su Conferencia de Revisin en diciembre de 2016
El gobierno de los Estados Unidos tambin est llevando a cabo una revisin
exhaustiva de las implicaciones de la autonoma en los sistemas de defensa. En
noviembre de 2012, el Departamento de Defensa (DoD) emiti la DoD Directiva
3000.09, "Autonoma en Sistemas de Armas", en la que se describen los requisitos
para el desarrollo y puesta en marcha de armas autnomas y semiautnomas. Los
sistemas de armas capaces de seleccionar y comprometer de forma autnoma
objetivos con fuerza letal requieren revisiones del DoD de alto nivel antes de que
esos sistemas de armas entren en desarrollo formal y de nuevo antes de iniciar el
campo. La Directiva del Departamento de Defensa no prohbe ni fomenta tal
desarrollo, sino que requiere que se proceda con cuidado y slo despus de la
revisin y aprobacin por altos funcionarios de defensa. Entre otras cosas, la
Directiva del Departamento de Defensa exige que los sistemas de armas autnomos
y semiautnomos sean sometidos a rigurosas pruebas y que el personal est
debidamente capacitado para hacer avanzar las normas internacionales
relacionadas con los conflictos armados.
IA tiene el potencial de proporcionar beneficios significativos a travs de una gama

de actividades relacionadas con la defensa. Las actividades no letales tales como
logstica, mantenimiento, operaciones bsicas, asistencia mdica de los veteranos,
asistencia mdica en el campo de batalla y evacuacin de vctimas, gestin del
personal, navegacin, comunicacin, ciberdefensa y anlisis de inteligencia pueden
beneficiarse haciendo las fuerzas estadounidenses ms seguras y ms efectivas.
AI tambin puede desempear un papel importante en los nuevos sistemas para
proteger a las personas y los activos fijos de alto valor y disuadir a los ataques a
travs de medios no letales. En ltima instancia, estas aplicaciones pueden llegar a

ser las ms importantes para DoD.
Dado los avances de la tecnologa militar y la inteligencia artificial ms ampliamente,

los cientficos, los estrategas y los expertos militares estn de acuerdo en que el
futuro de las leyes es difcil de predecir y el ritmo del cambio es rpido. Muchas
nuevas capacidades pueden ser posibles y rpidamente capaces de ser
desarrolladas y operacionalizadas. La Administracin est involucrada en
discusiones activas y continuas entre las agencias para trabajar hacia una poltica
gubernamental de armas autnomas consistente con valores humanos
compartidos, intereses de seguridad nacional y obligaciones internacionales y
domsticas.
Recomendacin 23: El Gobierno de los Estados Unidos debe completar el desarrollo

de una poltica nica y gubernamental, de conformidad con el derecho internacional
humanitario, sobre las armas autnomas y semiautnomas.
81
El principio de distincin obliga a las partes en un conflicto a distinguir entre la poblacin civil y los combatientes y entre los
objetos civiles y los objetivos militares y dirigir sus operaciones slo contra objetivos militares.
82
El principio de proporcionalidad prohbe los ataques que puedan suponer una prdida accidental de vidas civiles, daos a
civiles, daos a objetos civiles o una combinacin de ellos, lo que sera excesivo en relacin con la ventaja militar concreta y
directa prevista
Conclusin
IA puede ser un importante impulsor del crecimiento econmico y del progreso
social, si la industria, la sociedad civil, el gobierno y el pblico trabajan juntos para
apoyar el desarrollo de la tecnologa, con atencin atenta a su potencial y para
gestionar sus riesgos.
El gobierno tiene varias funciones que desempear. Debe convocar conversaciones sobre
temas importantes y ayudar a establecer la agenda para el debate pblico. Debe supervisar
la seguridad y la equidad de las aplicaciones a medida que se desarrollan, y adaptar los
marcos normativos para alentar la innovacin y proteger al pblico. Debe apoyar la
investigacin bsica y la aplicacin de la IA a los bienes pblicos, as como el desarrollo de
una mano de obra calificada y diversa. Y el gobierno debera usar la IA misma, para servir
al pblico de manera ms rpida, eficaz y de menor costo.
Muchas reas de la poltica pblica, desde la educacin y la red de seguridad

econmica hasta la defensa, la preservacin del medio ambiente y la justicia penal,
vern nuevas oportunidades y nuevos desafos impulsados por el progreso continuo
de la IA. El gobierno debe continuar construyendo su capacidad para comprender y
adaptarse a estos cambios.
Como la tecnologa de IA contina desarrollndose, los profesionales deben

asegurarse de que los sistemas habilitados para la IA sean gobernables; que son
abiertos, transparentes y comprensibles; que pueden trabajar eficazmente con las
personas; y que su funcionamiento seguir siendo coherente con los valores y
aspiraciones humanos. Los investigadores y los profesionales han aumentado su
atencin a estos retos y deben seguir centrndose en ellos.
Desarrollar y estudiar inteligencia de mquina puede ayudarnos a entender y apreciar mejor

nuestra inteligencia humana. Utilizado con cuidado, la inteligencia artificial puede aumentar
nuestra inteligencia, ayudndonos a trazar un camino mejor y ms sabio hacia adelante.
Recomendaciones en este Informe
Recomendacin 1: Se alienta a las instituciones pblicas y privadas a examinar si y cmo

pueden influir de manera responsable en la IA y el aprendizaje automtico de manera que
beneficie a la sociedad. Las instituciones de justicia social y de polticas pblicas que
normalmente no se involucran con las tecnologas avanzadas y la ciencia de datos en su
trabajo deberan considerar las asociaciones con investigadores y profesionales de IA que
pueden ayudar a aplicar tcticas de IA a los amplios problemas sociales que estas
instituciones ya abordan de otras maneras.
Recomendacin 2: Las agencias federales deberan dar prioridad a los datos de

capacitacin abiertos ya los estndares de datos abiertos en IA. El gobierno debe
enfatizar la liberacin de conjuntos de datos que permitan el uso de IA para enfrentar
los desafos sociales. Los pasos posibles pueden incluir el desarrollo de una
iniciativa "Datos Abiertos para IA" con el objetivo de liberar un nmero significativo
de conjuntos de datos gubernamentales para acelerar la investigacin de IA y
galvanizar el uso de estndares de datos abiertos y mejores prcticas en el
gobierno, la academia y el sector privado.
Recomendacin 3: El Gobierno Federal debera estudiar formas de mejorar la

capacidad de los organismos clave para aplicar la AI a sus misiones. Por ejemplo,
las agencias federales deben explorar el potencial de crear organizaciones similares
a DARPA para apoyar la investigacin de IA de alto riesgo y alta recompensa y su
aplicacin, como lo hizo el Departamento de Educacin a travs de su propuesta de
crear un "ARPA-ED" para apoyar la R&D para determinar si IA y otras tecnologas
podran mejorar significativamente los resultados de aprendizaje de los estudiantes.
Recomendacin 4: El subcomit MLAI del NSTC debe desarrollar una comunidad

de prctica para los profesionales de la IA en todo el gobierno. Las agencias deben
trabajar juntas para desarrollar y compartir estndares y mejores prcticas alrededor
del uso de AI en las operaciones gubernamentales. Las agencias deben asegurarse
de que los programas federales de capacitacin de los empleados incluyan
oportunidades de IA relevantes.
Recomendacin 5: Las agencias deben aprovechar los conocimientos tcnicos adecuados

a nivel superior cuando establezcan la poltica de reglamentacin de los productos con
capacidad para la IA. La regulacin efectiva de los productos habilitados para IA requiere
la colaboracin entre el liderazgo de la agencia, el personal con conocimientos sobre el
marco regulatorio existente y las prcticas regulatorias en general, y los expertos tcnicos
con conocimientos de AI. El liderazgo de la agencia debe tomar medidas para reclutar el
talento tcnico necesario, o identificarlo en el personal existente de la agencia, y debe
asegurar que haya suficientes "asientos tcnicos" en las discusiones de polticas
regulatorias.
Recomendacin 6: Las agencias deben utilizar toda la gama de modelos de

asignacin e intercambio de personal (por ejemplo, autoridades de contratacin)
para fomentar una fuerza de trabajo federal con perspectivas ms diversas sobre el
estado actual de la tecnologa.
Recomendacin 7: El Departamento de Transporte debera trabajar con la industria

y los investigadores en las maneras de aumentar el intercambio de datos para fines
de seguridad, investigacin y otros. Las funciones futuras de la IA en el transporte
areo y de superficie son innegables. En consecuencia, los actores federales deben
centrarse en el corto plazo en el desarrollo de conjuntos cada vez ms ricos de
datos, en consonancia con la privacidad de los consumidores, que pueden informar
mejor la formulacin de polticas a medida que maduren estas tecnologas.
Recomendacin 8: El Gobierno de los Estados Unidos debe invertir en el desarrollo

e implementacin de un sistema avanzado y automatizado de gestin del trnsito
areo que sea altamente escalable y que pueda acomodar completamente
aeronaves autnomas y pilotadas.
Recomendacin 9: El Departamento de Transporte debe continuar desarrollando un

marco evolutivo para la regulacin que permita la integracin segura de vehculos
totalmente automatizados y UAS, incluyendo nuevos diseos de vehculos, en el
sistema de transporte.
Recomendacin 10: El Subcomit de Aprendizaje Automtico y Inteligencia Artificial

de la NSTC debe monitorear la evolucin de la IA e informar regularmente a los
altos cargos de la Administracin sobre la situacin de la IA, especialmente en lo
que respecta a los hitos. El Subcomit debera actualizar la lista de hitos a medida
que avanza el conocimiento y el consenso de expertos cambia con el tiempo. El
Subcomit debera considerar informar al pblico sobre la evolucin de la IA, cuando
corresponda.
Recomendacin 11: El Gobierno debera vigilar el estado de la IA en otros pases,

especialmente con respecto a los hitos.
Recomendacin 12: La industria debe trabajar con el gobierno para mantener al

gobierno actualizado sobre el progreso general de la IA en la industria, incluyendo
la probabilidad de que los hitos se alcancen pronto.
Recomendacin 13: El gobierno federal debe dar prioridad a la investigacin bsica

y a largo plazo sobre la IA. La Nacin en su conjunto se beneficiara de un aumento
constante del sector privado IA R&D, con especial nfasis en la investigacin bsica
y a largo plazo, iniciativas de investigacin de alto riesgo. Debido a que la
investigacin bsica y a largo plazo son reas en las que el sector privado no es
probable que invierta, las inversiones federales sern importantes para R&D en
estas reas.
Recomendacin 14: Los subcomits de NSTC sobre MLAI y NITRD, conjuntamente

con el comit de ciencia de NSTC, tecnologa, ingeniera y educacin (CoSTEM),,
debe iniciar un estudio sobre la fuerza laboral de IA a fin de desarrollar acciones
que garanticen un aumento adecuado del tamao, calidad y la diversidad dela
fuerza de trabajo, incluyendo investigadores, especialistas y usuarios de IA.
Recomendacin 15: La oficina ejecutiva presidencial deber publicar un informe de

seguimiento a finales de ao, para investigar ms a fondo los efectos de IA y
automatizacin en el mercado laboral de los Estados Unidos, y describir las
recomendaciones polticas.
Recomendacin 16: Las agencias federales que usan sistemas basados en la IA

para o proporcionar apoyo para la toma de decisiones o proporcionar apoyo de
decisin para las decisiones consecuentes sobre los individuos deben tomar
cuidado extra para asegurar la eficacia y la justicia de esos sistemas, basados en la
verificacin y la validacin basadas en la evidencia.
Recomendacin 17: Las agencias federales que otorgan subvenciones a los

gobiernos estatales y locales en apoyo del uso de sistemas basados en la IA para
tomar decisiones consecuentes sobre las personas deben revisar los trminos de
las subvenciones para asegurar que los productos o servicios basados en la IA
resulta suficientemente transparente y se apoya en pruebas de eficacia y equidad.
Recomendacin 18: Las escuelas y universidades deben incluir la tica y temas

relacionados con la seguridad, privacidad y seguridad, como parte integral de los
planes de estudios sobre IA, aprendizaje de mquinas, informtica y ciencias de la
informacin.
Recomendacin 19: Los profesionales de la IA, los profesionales de la seguridad y

sus sociedades profesionales deberan trabajar juntos para seguir avanzando hacia
un campo maduro de la ingeniera de seguridad de IA.
Recomendacin 20: El Gobierno de los Estados Unidos debe elaborar una

estrategia a nivel gubernamental sobre la participacin internacional relacionada
con la IA y elaborar una lista de las esferas temticas de la AI que necesitan la
participacin y la supervisin internacionales.
Recomendacin 21: El Gobierno de los Estados Unidos debe profundizar su

compromiso con los principales interesados internacionales, incluidos los gobiernos
extranjeros, las organizaciones internacionales, la industria, el mundo acadmico y

otros, para intercambiar informacin y facilitar la colaboracin sobre IA R&D.
Recomendacin 22: Los planes y estrategias de las agencias deben tener en cuenta
la influencia de la IA en la ciberseguridad y de la ciberseguridad en la IA. Las
agencias involucradas en asuntos de IA deben involucrar a sus colegas del gobierno
de los Estados Unidos y de ciberseguridad del sector privado para obtener
informacin sobre cmo asegurar que los sistemas y ecosistemas de AI sean
seguros y resistentes a los adversarios inteligentes. Las agencias involucradas en
temas de ciberseguridad deben involucrar a sus colegas del gobierno de los Estados
Unidos y del sector privado de IA para buscar maneras innovadoras de aplicar AI
para una ciberseguridad efectiva y eficiente.
Recomendacin 23: El Gobierno de los Estados Unidos debe completar el desarrollo

de una poltica nica y gubernamental, de conformidad con el derecho internacional
humanitario, sobre las armas autnomas y semiautnomas.
Acrnimos
AAAI Asociacin para el Avance de la Inteligencia Artificial
AGI Inteligencia General Artificial
IA Inteligencia Artificial
APEC Cooperacin Econmica Asia-Pacifico
BRAIN Investigacin del Cerebro mediante el Avance de las Neuronas Innovadoras
CALO Agente Cognitivo que aprende y organiza
CCC Consorcio de la comunidad Informtica
CCW Convencin sobre ciertas armas convencionales
CEA Consejo de Asesores Econmicos
CEO Director Ejecutivo
CGC Cyber Grand Challenge (dirigido por DARPA)
CoSTEM Comit de Ciencia Tecnologa, Ingeniera y Educacin (componente de NSTC)
CS Ciencias dela Computacin
DARPA Agencia de Proyectos de Investigacin Avanzada
DoD Departamento de Defensa
DOT Departamento de Transporte
FAA Administracin federal de aviacin
FMVSS Normas Federales de Seguridad para Vehculos Motorizados
IARPA Actividad de Proyectos Avanzados de Inteligencia
ICTs Tecnologas de Informacin y Comunicacin
IPA Ley de Personal Intergubernamental
LAWS Sistema de armas autmatas Letales
MLAI Aprendizaje Automtico e Inteligencia Artificial (subcomit de NSTC)
NAS Sistema Nacional del Espacio Areo
NEC Consejo Econmico Nacional
NHTSA Administracin Nacional de Seguridad en el Trfico en las Carreteras
NIH Institutos Nacionales de Salud
NIPS Conferencia sobre sistemas de procesamiento de informacin neuronal
Redes y Tecnologa de la Informacin Investigacin y Desarrollo (subcomit
NITRD
de NSTC)
NSF Fundacin Nacional de Ciencia
NSTC Consejo Nacional de Ciencia y Tecnologa
OECD Organizacin para la Cooperacin Econmica y el Desarrollo
OMB Oficina de Gestin y Presupuesto
ONR Oficina de Investigacin Naval
OSTP Oficina de Poltica Cientfica y Tecnolgica
R&D Oficina de Poltica Cientfica y Tecnolgica
RFI Solicitud de informacin
STEM Ciencia, Tecnologa, Ingeniera y Matemticas
UAS Sistema areo no tripulado
UTM Gestin de trfico UAS

Preparando para El Futuro de La Inteligencia Artificial

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Preparando para El Futuro de La Inteligencia Artificial

Încărcat de

Drepturi de autor:

Formate disponibile

PREPARANDOSE PARA EL FUTURO DE LA INTELIGENCIA ARTIFICIAL

Oficina Ejecutiva del Presidente

OFICINA EJECUTIVA DEL PRESIDENTE

coordinacin interinstitucional, para proporcionar asesoramiento sobre temas

Aplicaciones de IA para buen pblico

Investigacin y mano de obra

complementarias, en lugar de competir con la automatizacin. Las polticas pblicas

Equidad, seguridad y gobernabilidad

Consideraciones globales y seguridad

Preparndose para el Futuro

IA tiene el potencial de ser un impulsor importante del crecimiento econmico y el

Una lista completa de las recomendaciones hechas en este informe est en la

Una breve historia de la IA

retroceden por lo menos a la dcada de 1940, 3 y la idea de la IA se cristaliz en el

solucionadores lgicos, inferencia y optimizacin); y (4) sistemas que actan

soluciones de Narrow AI han avanzado poco a lo largo de muchas dcadas de

Las personas han especulado largamente sobre las implicaciones de una

En una visin distpica de este proceso, estas sper-inteligentes mquinas

Una visin ms positiva del futuro de muchos investigadores ve el desarrollo de

El NSTC Comit de Tecnologa evaluacin es tan grandes-preocupaciones a largo

No es seguro que este tipo de crecimiento explosivo en la inteligencia sea probable,

comprensin retrospectiva. Residencia en este conjunto de datos, podra usar el

de maneras impredecibles. Por ejemplo, para muchos modelos de etiquetado de

Otro desafo en usar el aprendizaje automtico es normalmente no es posible

Humano - Trabajo en equipo

En hombre y aplicaciones, un ser humano - equipo de la mquina puede ser ms

Diferentes definiciones de "automatizacin" se utilizan en diferentes entornos. La

Divulgacin Pblica y Desarrollo de este Informe

Tecnologa, Seguridad y Control de AI (28 de junio, en Pittsburgh, co-

Aplicaciones de la IA para el bien pblico

hasta en un 25 por ciento en algunos lugares.^25 Las ciudades ahora estn

Los veleros y embarcaciones autnomos ya estn patrullando los ocanos

AI tambin tiene el potencial de mejorar aspectos del sistema de justicia penal,

Recomendacin 1: Se alienta a las instituciones pblicas y privadas a examinar si

28 Data Science for Social Good, University of Chicago, https://dssg.uchicago.edu/.

Usando la inteligencia artificial en el gobierno para mejorar los servicios

Pero algunas agencias, particularmente aquellas encargadas de reducir la pobreza

32 El Consejo Presidencial de Asesores en Ciencia y Tecnologa, carta al Presidente, septiembre de 2014,

Recomendacin 3: El Gobierno Federal debe explorar maneras de mejorar la capacidad

Inteligencia Artificial y Regulacin

anticipada de vehculos autnomos, y que la evolucin necesaria podra dentro de

Recomendacin 5: Las agencias deberan de poder recurrir a la experiencia tcnica

Caso de estudio: Vehculos autnomos y Aeronaves

considerable de reducir las muertes en carreteras y autopistas, las prcticas

seguridad vial se realiza, si es que se realiza de manera dispar, a nivel estatal o

Recomendacin 7: El Departamento de Transporte debera trabajar con la industria

Adaptando las regulaciones concurridas

Reparndose para un futuro tecnolgico no tan lejano en el que los aviones

estadounidense. Dichas soluciones incluyen arquitecturas basadas en el

orientacin para fabricantes, desarrolladores y otras organizaciones que

una discusin de nuevas herramientas y autoridades que la agencia podra

Recomendacin 8: El Gobierno de los Estados Unidos debe invertir en el desarrollo

Investigacin y mano de obra

Seguimiento del progreso en la IA

48 Peter Stone, y otros, "Inteligencia Artificial y Vida en 2030", http://ai100.stanford.edu/2016-report.

La investigacin ha encontrado que los desarrollos tecnolgicos a menudo pueden

En la actualidad, la mayora de la investigacin bsica en IA es realizada por

1. xito en tareas ms amplias y menos estructuradas: En este punto de vista,

Recomendacin 10: El Subcomit de Aprendizaje Automtico e Inteligencia Artificial

Apoyo Federal a la Investigacin AI

las reas de investigacin, duplicar o triplicar la inversin en investigacin sera un

Investigacin y mano de obra

El rol del gobierno