La inteligencia artificial está en todas partes. De hecho, cualquier lector de este artículo podría tener múltiples aplicaciones de IA ejecutándose en el mismo dispositivo que muestra esta pieza. La imagen en la parte superior de este artículo también es generada por IA.
Aun así, muchos de los mecanismos que gobiernan el comportamiento de la IA siguen siendo poco comprendidos, incluso por los principales expertos en IA. Esto conduce a una carrera de IA basada en un escalamiento costoso, tanto ambiental como financieramente, que además es peligrosamente poco confiable.
Por lo tanto, el progreso no depende de intensificar esta carrera, sino de comprender los principios que sustentan la inteligencia artificial. Las matemáticas se encuentran en el corazón de la inteligencia artificial e invertir en estos fundamentos matemáticos es la clave para convertirse en un verdadero líder mundial en IA.
Cómo la IA está dando forma a la vida cotidiana
La IA se ha convertido rápidamente en parte de la vida cotidiana, no sólo en los dispositivos de chat domésticos y en la generación de redes sociales entretenidas, sino de una manera tan sutil que muchas personas ni siquiera notan su presencia.
Proporciona las recomendaciones que vemos cuando buscamos en línea y optimiza silenciosamente todo, desde las rutas de tránsito hasta el uso de energía en el hogar.
Los servicios críticos dependen de la inteligencia artificial, tal como se utiliza en diagnósticos médicos, detección de fraude bancario, descubrimiento de fármacos, justicia penal, servicios gubernamentales y predicción de salud, todas áreas donde los resultados inexactos pueden tener consecuencias devastadoras.
Problemas, problemas
A pesar del uso generalizado de la inteligencia artificial, problemas graves y ampliamente documentados siguen mostrando preocupaciones sobre la equidad, la confiabilidad y la sostenibilidad. Los sesgos incorporados en los datos y modelos pueden propagar resultados discriminatorios, desde métodos de detección de rostros que solo funcionan bien en tonos de piel claros hasta herramientas predictivas que sistemáticamente perjudican a los grupos subrepresentados.
Leer más: Más allá de los prejuicios: la igualdad, la diversidad y la inclusión deben impulsar la implementación de la IA en el lugar de trabajo
Estos fallos siguen informándose y van desde los resultados racistas de ChatGPT y otros chatbots hasta herramientas de procesamiento de imágenes que identifican erróneamente a Barack Obama como blanco y algoritmos de castigo criminal sesgados.
Al mismo tiempo, los costos ambientales y financieros de implementar sistemas de IA a gran escala están aumentando a un ritmo extremadamente rápido.
Si esta trayectoria continúa, no sólo resultará ambientalmente insostenible, sino que también concentrará el acceso a estas poderosas herramientas de IA en unas pocas entidades ricas e influyentes con acceso a vastos capitales e infraestructuras masivas.
La mina de cobre Highland Valley de Teck Resources se ve cerca de Logan Lake, Columbia Británica, en septiembre de 2025. Minerales críticos como el cobre alimentan todo, desde semiconductores avanzados en chips hasta centros de datos masivos que entrenan modelos de inteligencia artificial. PRENSA CANADIENSE/Darril Dick ¿Por qué matemáticas?
Para solucionar problemas de un sistema, ya sea reparando un automóvil o garantizando la confiabilidad de un sistema de inteligencia artificial, es fundamental comprender cómo funciona. Un mecánico no puede arreglar o incluso diagnosticar por qué un automóvil no funciona correctamente sin comprender cómo funciona el motor.
El "motor" de la IA son las matemáticas. En la década de 1950, los científicos utilizaron ideas de la lógica y la probabilidad para enseñar a las computadoras cómo tomar decisiones simples. A medida que la tecnología avanzaba, también lo hacían las matemáticas, y las herramientas de optimización, álgebra lineal, geometría, estadística y otras disciplinas matemáticas se convirtieron en la columna vertebral de lo que hoy son los modernos sistemas de inteligencia artificial.
Estos métodos ciertamente están modelados a partir de aspectos del cerebro humano, pero a pesar de la nomenclatura de "redes neuronales" y "aprendizaje automático", estos sistemas son esencialmente motores matemáticos gigantes que realizan cantidades masivas de operaciones matemáticas con parámetros optimizados utilizando grandes cantidades de datos.
Esto significa que mejorar la inteligencia artificial no consiste solo en construir continuamente computadoras más grandes y utilizar más datos; se trata de profundizar nuestra comprensión de las complejas matemáticas que gobiernan estos sistemas. Al reconocer cuán fundamentalmente matemática es la IA, podemos mejorar su equidad, confiabilidad y escalabilidad sostenible a medida que se convierte en una parte aún mayor de la vida cotidiana.
El camino a seguir de Canadá
¿Qué debería hacer Canadá a continuación? Invierta en piezas de IA que conviertan la potencia en confiabilidad. Eso significa financiar la ciencia que hace que los sistemas de IA sean predecibles, auditables y eficientes, para que hospitales, bancos, servicios públicos y agencias públicas puedan adoptar la IA con confianza.
Este no es un llamado a servidores más grandes; es un llamado a una mejor ciencia, donde las matemáticas sean el motor científico básico.
El Ministro de Inteligencia Artificial, Evan Solomon, espera comparecer ante el Comité Permanente de Ciencia e Investigación en la Colina del Parlamento en Ottawa el 3 de diciembre de 2025. PRENSA CANADIENSE/Spencer Colby
Canadá ya cuenta con una plataforma nacional para promover este trabajo: institutos de ciencias matemáticas (el Instituto del Pacífico de Ciencias Matemáticas, el Instituto Fields de Investigación en Ciencias Matemáticas, el Centre de recherches mathematikues, la Asociación Atlántica para la Investigación en Ciencias Matemáticas, la Estación Internacional de Investigación de Banff conectan a investigadores de provincias y disciplinas y convocan programas públicos para colaborar con el público).
Junto con los Institutos Canadienses de IA (Mila, Vector, Amii) y CIFAR, este ecosistema está fortaleciendo la IA tanto fundamental como traslacional en todo el país.
La posición de Canadá en inteligencia artificial se basa en décadas de investigación innovadora, trabajo que precedió y permitió los modelos a gran escala actuales. Fortalecer esa base permitiría a Canadá liderar la siguiente fase del desarrollo de la IA: modelos que sean eficientes, no derrochadores, transparentes, no opacos y confiables, no frágiles. Invertir en investigación matemática no sólo es científicamente esencial, sino también estratégicamente inteligente y fortalecerá la soberanía nacional.
La recompensa es clara: una IA cuyo uso cuesta menos, falla con menos frecuencia y se gana más confianza del público. Canadá puede liderar aquí, no ganando la carrera armamentista informática, sino estableciendo el estándar científico sobre cómo debería funcionar la inteligencia artificial cuando están en juego vidas, medios de vida y recursos públicos.
.webp)
0 Comentarios