Definiciones IA

Fuentes:

– APDCAT (Informe: Inteligencia Artificial. Decisiones Automatizadas en Cataluña, 2020 ), C ouncil of europe and Artificial Intelligence Glossary, IBM Studio , WHO ( Ethics and governance of artificial intelligence for health ), Ricardo Baeza-Yates (RBY), Campus Sanofi

Algoritmo (o algoritmo). Los algoritmos están en todas partes y se podrían explicar cómo la secuencia precisa de instrucciones u operaciones lógicas a seguir para realizar una tarea determinada. Por ejemplo, los pasos necesarios para matricularse en una escuela o pedir ayuda social. En computación, el ordenador sigue las instrucciones de los algoritmos con los que ha sido programado.

Algoritmo de Decisión Automatizada (ADA). Algoritmo que toma decisiones sin que sea necesaria ninguna intervención humana. Se calcula que hoy un 70% de las transacciones financieras las realizan los ADA. Sus potenciales efectos
sobre las personas han puesto de manifiesto cuestiones éticas importantes, como la responsabilidad de las decisiones (por ejemplo, en un accidente de un coche autónomo). En el ámbito de la salud, deben ser un apoyo a la decisión del médico o especialista. Nunca la máquina debería decidir el tratamiento de un paciente o diagnosticar una enfermedad sin la supervisión del profesional sanitario.

Aprendizaje automático ( Machine Learning ). Con el aprendizaje automático se puede construir un modelo matemático a partir de datos, incluyendo un gran número de variables que no se conocen de antemano. Este sistema permite procesar los datos de información sanitaria para la atención y la gestión de la salud, como emitir diagnósticos, proporcionar datos predictivos sobre una determinada enfermedad o determinar la efectividad de un tratamiento en un perfil de paciente específico .

Aprendizaje profundo ( Deep Learning). Subconjunto del aprendizaje automático donde las redes neuronales (algoritmos inspirados en el cerebro humano) aprenden por sí mismas, a partir de una gran cantidad de datos y algoritmos, que realizan una tarea repetidamente. El resultado va mejorando paulatinamente y el aprendizaje es progresivo. Esta técnica puede utilizarse para el análisis avanzado de imágenes, investigación, descubrimiento de fármacos, predicción de problemas de salud y síntomas de enfermedades y la aceleración de conocimientos a partir de la secuenciación genómica.

Sesgo. ” En muchos casos, los conjuntos de datos que se utilizan para formar modelos de IA están sesgados, ya que muchos excluyen las mujeres y las niñas, minorías étnicas, personas mayores, comunidades rurales, grupos desfavorecidos, etc. En general, la IA está sesgada hacia el conjunto de datos mayoritario, y en sociedades desiguales puede situar a una población minoritaria en desventaja, dificultando la detección de enfermedades en este conjunto de individuos” (WHO).

“Los sesgos son parecidos a los prejuicios: todos los tenemos, en menor o mayor grado. Muchos los heredamos de nuestro entorno social o familiar, sin darnos cuenta. El sesgo mayor es creer que no tenemos ningún prejuicio. Si los sesgos no se corrigen y se mitigan, existe el riesgo de habitar en un futuro donde cada vez sea más difícil el progreso social para que se perpetúen los prejuicios” (RBY).

Big Data. Tecnología que permite almacenar y analizar grandes volúmenes de datos a alta velocidad, mejorando la calidad del servicio, reduciendo los tiempos y optimizando los recursos. También sirve para desarrollar modelos más eficientes de atención sanitaria, reducir el fraude en los sistemas sanitarios y establecer un mayor control sobre éstos.

Caja negra (o black box ). En el aprendizaje profundo no siempre es fácil explicar la respuesta del algoritmo o el porqué ha tomado una determinada decisión. En estos casos, se dice que el modelo se comporta como una caja negra porque recibe unas entradas y produce una salida o resultado, pero se desconoce cómo hizo la predicción o tomó la decisión.

Inteligencia artificial (IA). Es un término genérico que engloba aquellos algoritmos que buscan dotar a los ordenadores de un comportamiento inteligente. La definición de comportamiento inteligente es evasiva. Hay dos visiones principales: IA general (que busca dotar a los ordenadores de capacidades intelectuales humanas) y IA débil (que se centra en tareas específicas como el reconocimiento de voz, de imágenes, etc.).

Modelo. Representación de la realidad que utilizan los algoritmos de decisión automatizada para realizar predicciones y tomar decisiones. Este modelo se ajusta a cada caso particular en un proceso de aprendizaje basado en los datos disponibles.

Open data. Disponibilidad pública de bases de datos estructuradas para su descarga y reutilización. No debe confundirse los datos abiertos con la información pública unitaria disponible en los sitios de Internet, cuya base de datos completa no se puede descargar.

Procesamiento del lenguaje natural (Natural Language Processing-NLP). Campo de la IA que establece una comunicación entre las máquinas y las personas mediante el uso de lenguas naturales, a partir del análisis del léxico, la semántica y la sintaxis.

Pseudononimización. Según el artículo 4 del GDPR, los datos personales no pueden atribuirse a un sujeto de datos específico sin recurrir a información adicional, y esta información adicional debe mantenerse por separado y estar sujeta a medidas técnicas y organizativas para garantizarlo .

Reglamento general de protección de datos (RGPD). Regulación europea sobre el uso de datos personales. Entró en vigor en mayo del 2018. Refuerza las garantías que daba la anterior directiva.

Responsable del tratamiento . Persona u organización que determina la finalidad y la forma en que deben procesarse los datos.

Seguridad cibernética. ” A medida que los sistemas sanitarios dependen cada vez más de la IA, hay más
ataques maliciosos y piratería para frenar determinados sistemas, manipular los datos para el entrenamiento del algoritmo, cambiando el rendimiento y las recomendaciones o “secuestrandolas para pedir rescates” (WHO).

Transparencia. Principio básico del RGPD. Para que un tratamiento sea transparente es necesario que los interesados ​​reciban información que sea clara y que haga uso de un lenguaje comprensible.

Visión por computador. Campo de la Inteligencia Artificial que permite a los ordenadores obtener información a partir de entradas visuales (imágenes, vídeos, etc.), y tomar acciones o realizar recomendaciones basadas en esta información.

Red neuronal artificial. Modelo de aprendizaje automático inspirado en el funcionamiento de las redes de neuronas presentes en los organismos vivos. En el cerebro humano, la red formada por todas las neuronas multiplica el potencial individual de cada una de ellas. De igual modo, las redes neuronales artificiales utilizadas en la IA pueden ajustarse para realizar análisis predictivo, reconocimiento de imágenes y procesamiento de habla. En medicina resultan de gran utilidad como sistemas de soporte a las decisiones clínicas.