PAPELES DEL PSICÓLOGO Vol. 43-1 Enero - Abril 2022

de impacto (Lee, 2018) la inteligencia artificial (IA) se erige en obje- to de estudio y análisis desde ámbitos científicos, técnicos, políticos y sociales. La IA se ha nutrido de disciplinas tan variadas como la filo- sofía, las matemáticas, la economía, las neurociencias, la psicología, la ingeniería computacional, la cibernética y la lingüística. Hoy en- contramos aplicaciones de IA en motores de búsqueda, diagnósticos médicos, reconocimiento de voz, control de robots, búsqueda web, publicidad e incluso juguetes. Mencionar la inteligencia artificial lleva indudablemente a citar al matemático Alan Turing, que con sus trabajos a principios de la dé- cada de 1950 contribuyó al debate sobre máquinas pensantes, conciencia e inteligencia. Creó el famoso test de Turing para evaluar la consciencia de una máquina; en este experimento un juez evalúa una conversación en lenguaje natural entre dos partes, un humano y una máquina con el propósito de discernir cuál es la máquina. En es- ta línea de trabajo el alemán Joseph Weizenbaum programó el año 1966 en el Massachusetts Institute of Technology (MIT) el programa ELIZA; se trata de un bot que emulando a un psicoterapeuta de la escuela de Rogers interactúa con una persona sentada frente a una máquina de escribir (similar a un chat en línea). El software opera descomponiendo la entrada del usuario en sus partes constituyentes de voz y, a continuación, vuelve a escribirlas de un modo que apa- renta un diálogo fluido. El autor se sorprendió al comprobar que mu- chos usuarios pensaban que el programa tenía una comprensión real. Esta observación le llevó a reflexionar sobre la ética y las impli- caciones del campo de la inteligencia artificial (Weizenbaum , 1976), cuestión que impregna el desarrollo de la IA. El lector puede “conversar” con una versión en castellano de ELIZA en http://deixi- labs.com/eliza.html El término inteligencia artificial aparece en un proyecto de investi- gación de verano de Dartmouth escrito por el informático John Mc- Carthy el año 1955. Hoy, una de las definiciones más aceptadas de IA es la propuesta por Russell y Norvig (2021), según la cual la IA se centra en el estudio y construcción de agentes que hacen lo correcto, siendo lo correcto el objetivo marcado para el agente, y definiendo agente como algo que percibe su medio a través de sen- sores. En términos estadísticos simples lo correcto podría ser aquella decisión (estimación) que minimiza la función de pérdida. Esta defi- nición ha sido aceptada por la Unión Europea que la reformula co- mo: “El software que se desarrolla empleando una o varias de las técnicas y estrategias que figuran en el Anexo I 1 y que puede, para un conjunto determinado de objetivos definidos por seres humanos, generar información de salida como contenidos, predicciones, reco- mendaciones o decisiones que influyan en los entornos con los que interactúa” (Comisión Europea, 2021). El campo de la IA es amplio y encontramos áreas especializadas en computación, aprendizaje automático ( machine learning ), proce- samiento de lenguaje natural, visión computacional y robótica. Ade- más, y dadas las implicaciones de la IA, el capítulo dedicado a los aspectos éticos y legales relacionados con su implementación es una constante. El dato La disponibilidad de información proveniente de las redes sociales o de aparatos, sensores y servicios que capturan datos a su alrede- dor (internet de las cosas) ha causado un cambio de paradigma en la investigación, en el mercado, y en la industria. El origen del térmi- no big data se sitúa en el año 2005, y es atribuido a Roger Mouga- PAULA ELOSUA 5 S e c c i ó n M o n o g r á f i c a 1 Anexo I. Estrategias de aprendizaje automático, incluidos el aprendizaje supervisado, el no supervisado y el realizado por refuerzo, que emplean una amplia variedad de métodos, entre ellos el aprendizaje profundo. Estrategias basadas en la lógica y el conocimien- to, especialmente la representación del conocimiento, la programación (lógica) inductiva, las bases de conocimiento, los motores de inferencia y deducción, los sistemas expertos y de razonamiento (simbólico). Estrategias estadísticas, estimación bayesiana, métodos de búsqueda y optimización. TABLA 2 CLASIFICACIÓN DE LAS REDES SOCIALES Dimensión social Presencia social / Riqueza del medio Baja Media Alta Dimension de red Auto-representación Alta Blogs Redes sociales Espacios virtuales Twitter Facebook Second life LinkedIn Información personal Baja Proyectos colaborativos Contenidos Youtube Juegos Wikipedia World of Warcraft BookCrossing Flick Slideshare Nota. Adaptado de Kaplan y Haenlein (2010)