Inteligencia artificial podría convertirse en el "Gran hermano" de George Orwell

Muchos programas de IA de hoy en día dependen del aprendizaje automático, un conjunto de métodos computacionales utilizados para reconocer patrones en grandes cantidades de datos y luego aplicar esas lecciones a la siguiente ronda de datos, teóricamente volviéndose cada vez más precisos con cada paso.

La inteligencia artificial podría llevar a un futuro orwelliano si no se promulgan leyes para proteger al público pronto, según el presidente de Microsoft, Brad Smith.

Smith hizo estos comentarios en el programa de noticias de la BBC "Panorama" el 26 de mayo, durante un episodio centrado en los peligros potenciales de la inteligencia artificial (IA) y la carrera entre Estados Unidos y China para desarrollar la tecnología.

Tecnologías

Preguntas que no deberías hacer a ChatGPT o Gemini y por qué compartir datos personales pone en riesgo tu privacidad

La advertencia se produce aproximadamente un mes después de que la Unión Europea publicara regulaciones provisionales que intentan establecer límites sobre cómo se puede utilizar la IA.

Hay pocos esfuerzos similares en los Estados Unidos, donde la legislación se ha centrado en gran medida en limitar la regulación y promover la IA con fines de seguridad nacional.

¿Población más controlada?

"Siempre me recuerdan las lecciones de George Orwell en su libro '1984'", dijo Smith. "La historia fundamental trataba de un gobierno que podía ver todo lo que todos hacían y escuchar todo lo que todos decían todo el tiempo. Bueno, eso no sucedió en 1984, pero si no tenemos cuidado, podría suceder en 2024".

La inteligencia artificial es un término mal definido, pero generalmente se refiere a máquinas que pueden aprender o resolver problemas automáticamente, sin ser dirigidas por un operador humano.

Muchos programas de IA de hoy en día dependen del aprendizaje automático, un conjunto de métodos computacionales utilizados para reconocer patrones en grandes cantidades de datos y luego aplicar esas lecciones a la siguiente ronda de datos, teóricamente volviéndose cada vez más precisos con cada paso.

Este enfoque es extremadamente poderoso y se ha aplicado a todo, desde la teoría matemática básica hasta las simulaciones del universo temprano, pero puede ser peligroso cuando se aplica a datos sociales, argumentan los expertos.