I.A: los riesgos del progreso son preferibles a los peligros de la regulación
Era casi esperable: frente al desarrollo vertiginoso de herramientas de capacidades asombrosas como Chat GPT y otra familia de aplicaciones de Inteligencia Artificial (IA), un grupo de más de 1.000 académicos, expertos e intelectuales, entre los que se encuentran Steve Wozniak, cofundador de Apple, y Elon Musk, quien no necesita presentación, firmaron una carta en la que proponen una moratoria mínima de 6 meses en el desarrollo de estas aplicaciones de prestaciones sin precedentes, hasta tanto se pueda desarrollar un marco regulatorio que acote sus riesgos.
Entre otras medidas, proponen generar protocolos de seguridad para el diseño de aplicaciones avanzadas de inteligencia artificial, rigurosamente auditados y supervisados por expertos independientes y externos a los laboratorios que desarrollan estas aplicaciones. También la creación de autoridades que regulen y certifiquen lo concerniente a IA.
Como toda innovación disruptiva y de gran poder, el desarrollo sostenido de aplicaciones de Inteligencia Artificial conlleva riesgos por su potencial uso para fines inapropiados, por más que las que actualmente están disponibles explícitamente intentan prevenirlo.
Los riesgos son reales y su alcance es desconocido, como también lo es el potencial para democratizar el conocimiento y resolver esos mismos problemas que todavía nos acompañan.
Lo que sí sabemos es que jamás debiéramos someter el progreso al criterio de expertos, entes regulatorios, gobiernos o grupos de interés. Aun con los peligros que estos sistemas puedan representar, siempre es preferible informarse, aprender sobre las limitaciones y malos usos y acompañar su desarrollo con una mirada crítica, dejando que su propio uso regule su impacto.
Ninguna restricción, por mejor que sea, puede ser perfecta en su capacidad de cercenar el progreso. Marginalizar el desarrollo de aplicaciones de inteligencia artificial nos expondrá, en ese caso sí, a quienes fuera de las normas eventuales continúen con estos desarrollos con fines que no sean beneficiosos para la humanidad.
Nuestros esfuerzos deberían estar orientados a aprender, informarnos y generar una mirada crítica para que estos sistemas no sean una caja negra. Si los sistemas de inteligencia artificial nos alcanzaron y hasta superaron, el desafío es reconectar con el verdadero valor de nuestra humanidad, no suprimirlos.
El contenido original de esta nota fue publicado en Perfil.com. Para leer la nota completa ingresá acá
Automatización inteligente: Más allá de los procesos de desarrollo
Los equipos de control de calidad que dependen de las pruebas manuales no son capaces de seguir el ritmo de los cambios de código y los lanzamientos actuales. Las herramientas basadas en IA/ML pueden ayudar a los equipos de pruebas de varias maneras específicas.
Análisis del impacto de los cambios: La IA/ML puede ayudar con el análisis de cobertura e identificar qué pruebas deben ejecutarse en función de lo que haya cambiado en la aplicación.
Creación de pruebas: La IA/ML puede ayudar a los equipos de pruebas a crear casos de prueba a partir de descripciones en inglés sencillo y también puede aprender a mejorar las pruebas con el tiempo; la IA/M también puede curar automáticamente las pruebas rotas. Las herramientas potenciadas por la IA pueden convertir automáticamente las pruebas manuales de la interfaz de usuario en pruebas de la API.
Pruebas visuales: La tecnología de comparación de imágenes potenciada por la IA puede permitir la realización de pruebas visuales para analizar las diferencias de pantalla de la interfaz de usuario detectadas en las pruebas.
Análisis de pruebas: La IA puede analizar los casos de prueba y las métricas de los defectos para aumentar la cobertura de las pruebas al tiempo que se reduce el número de ellas.
Ha llegado el momento de ser más inteligentes utilizando herramientas potenciadas por la IA para aumentar los equipos de ingeniería, mejorar su productividad y aportar previsibilidad.
Hoy en día, hay muchas opciones de automatización en el ciclo de vida del desarrollo de software. Las herramientas impulsadas por la IA/ML pueden impulsar aún más las mejoras de automatización (por ejemplo, mejorar el flujo en sus conductos de CI/CD). En general, la automatización permite una mayor productividad del equipo y da lugar a los ciclos de lanzamiento rápidos o bajo demanda necesarios para la agilidad empresarial.
Las herramientas de infraestructura como código (IaC) pueden aprovisionar y configurar automáticamente entornos de infraestructura en la nube (almacenamiento, red, etc.).
Las herramientas de supervisión pueden automatizar la supervisión de la disponibilidad, las métricas de carga de producción y los problemas de seguridad, y generar alertas.
Aprovechar la automatización de forma agresiva y utilizarla en todo el ciclo de vida de la ingeniería puede hacer que la ingeniería de software sea mucho más inteligente. Debería automatizar las tareas repetitivas y los procesos de bajo valor y utilizar el tiempo ahorrado para actividades de mayor valor.
El contenido original de esta nota fue publicado en Ambito.com. Para leer la nota completa ingresá acá