Nitesh Chawla visitó la Pontificia Universidad Católica de Chile, y compartió su mirada acerca del impacto y el potencial de la IA para mejorar los resultados científicos.
«Generative AI for science and society” fue la charla organizada en conjunto por el Instituto de Ingeniería Matemática y Computacional, la Escuela de Ingeniería y la Facultad de Matemáticas de la Pontificia Universidad Católica de Chile, a cargo de Nitesh Chawla, investigador adjunto de Data Observatory en Chile y director fundador de Lucy Family Institute for Data & Science de la University of Notre Dame de Estados Unidos.
Entre los asistentes, destacaron: Rodrigo Roa, director ejecutivo de Data Observatory; Rodrigo Carrasco, Director de la Iniciativa de Ciencia de Datos UC; Eduardo Cerpa, Decano de la Facultad de Matemáticas UC; Pablo Barceló, Director del Instituto de Ingeniería Matemática y Computacional UC; y Miguel Torres, Vicedecano de la Escuela de Ingeniería UC.
El experto internacional en ciencia de datos, agradeció el espíritu de colaboración con el cuerpo académico y estudiantil, y el entusiasmo por comprender de qué modo la Inteligencia Artificial (IA) no sólo está afectando nuestras vidas, sino también, cómo ofrece un enorme potencial para optimizar los resultados de la ciencia.
Nitesh profundizó acerca de los actuales modelos de aprendizaje y los avances en metodologías de machine learning, que a través de innovaciones similares a las de Chat GPT, permite a millones de usuarios de todo el mundo, entrenar algoritmos y sacar un mejor provecho a la investigación.
«Los grafos y las redes están conectados. Las redes sociales, la química, el comercio electrónico y las finanzas son prueba de ello. Así como una molécula constituye un grafo, dentro de esta supone complejas relaciones, conexiones y nodos, con información que se interconecta entre sí, data compleja y heterogénea. Nuestra ciencia hoy puede contribuir a representar esa data, optimizarla y usarla para la predicción. Estos grafos son un lenguaje de representación de situaciones complejas sintetizadas», señaló.
En los últimos dos años, Chawla destacó cómo desarrollos como Chat GPT transformaron los modelos de lenguaje. Estas herramientas de machine learning funcionan como un modelo de aprendizaje: «Nos permite generar data, aprender y compartir este conocimiento. Es increíble pensar en los alcances del conocimiento si se logran conectar muchos modelos de aprendizaje de este tipo. La ingeniería hoy permite incluso hacer que estas búsquedas sean más directas y encaminen de forma más asertiva futuras investigaciones. El algoritmo puede aprender a llenar esos vacíos e inferir conclusiones, lo que es sorprendente!. Los alumnos reciben una avalancha de información desde profesores, libros y la web, y su cerebro luego extrae la representación de lo obtenido en un porcentaje mínimo, mientras que la tecnología tiene una capacidad inhumana para llegar a información actual y confiable», añadió.
La IA aún enfrenta desafíos por mejorar su desempeño en el mundo científico, donde no sólo debe conectar lo conocido, sino extrapolar a situaciones o experimentos que previamente no se han hecho. Las nuevas generaciones de profesionales tienen la tarea de mejorar no sólo las tecnologías, sino también los procesos que permiten reducir los errores para encontrar soluciones que contribuyan al bien común y tengan una aplicación en el mundo real. «Tenemos la tarea de
crear tecnología significativa. Probar ideas, explorar y descubrir, identificar beneficios y resultados, contribuir a una comunidad de análisis y retroalimentación. Debemos encontrar el espacio en que la IA nos ayuda a obtener respuestas y acelerar los plazos para que impacten a la sociedad», concluyó el especialista.
Equipo Prensa
Portal Innova
