Foto: Christian Suárez
El Instituto de Cibernética, Matemática y Física (ICIMAF) acogió este jueves la Jornada Universitaria Latinoamericana de Inteligencia Artificial y sus Aplicaciones (JUL.IA), un espacio de intercambio académico y científico que reunió a investigadores, docentes y especialistas de la región, tanto de manera presencial como virtual, para debatir sobre los retos y oportunidades de la inteligencia artificial (IA).
En la apertura, Boris Luis Ramos, estudiante de la Facultad de Física de la Universidad de La Habana, al frente del comité organizador del evento, subrayó la importancia de la equidad y el uso responsable de la IA, en consonancia con la Declaración de Montevideo. “Un enfoque de equidad, recalcó, es esencial para visualizar los sesgos. Si los datos están sesgados, cuando se entrena al algoritmo, aparecen distorsiones”.
Por su parte, el Dr. C. Roberto Rodríguez Morales, director del ICIMAF, presentó la ponencia “Desarrollo de un modelo de redes neuronales convolucionales para las predicciones de epidemias”, donde mostró los resultados de una investigación para clasificar virus y bacterias a partir de 7200 microimágenes de muestras de sangre.
En su exposición, el Dr. C. Rodríguez Morales reflexionó sobre la confiabilidad de las bases de datos. Específicamente en el caso de la salud, “mientras más cantidad de imágenes reales estén disponibles, más efectivo será el entrenamiento de la IA, porque lo que se busca es el diagnóstico”.
El investigador comentó que, aunque la tendencia o moda es la IA con redes neuronales, es esencial ir a la ciencia de datos y analizar el tipo de muestra, porque “cuando la base de datos es pequeña, los modelos de aprendizaje profundo no `aprenden´ bien. Por eso, para el reconocimiento de patrones visuales lo ideal es contar con una gran base de datos.
Una de las conferencias que despertó mayor interés fue la que ofreció la Dra. C. Suilán Estévez, decana de la Facultad de Matemática y Computación (MatCom) de la Universidad de La Habana, sobre lo que denominó razonamiento neurosimbólico, de las últimas tendencias en Inteligencia Artificial.
Este enfoque, que trabaja el Grupo de IA de MatCom une, por un lado, el aprendizaje profundo, de gran flexibilidad y que requiere un gran poder de cómputo, y por otro, el razonamiento lógico, que tiene mucho rigor, mucha explicabilidad e interpretabilidad.
Explicó Estévez que las áreas del conocimiento que está combinando esta rama son la representación de conocimiento, el aprendizaje e inferencia, la explicabilidad y la confiabilidad, la lógica y el razonamiento y la metacognición.
Tales visiones implican la integración de representaciones simbólicas y como grafos de conocimiento de sentido común (objetos, eventos, situaciones o conceptos) de la vida real, la combinación de procesos de aprendizaje y razonamiento, la creación de modelos interpretables, la integración de métodos basados en la lógica con redes neuronales y también la capacidad del sistema de supervisar, ajustar y evaluar sus propios procesos de razonamiento.
La Dra. Suilán se refirió también a las particularidades y valores de las IA de dominio específico y a las de los modelos de lenguaje y reflexionó sobre el valor de combinar la fortaleza de ambos campos. Además, presentó algunos de los resultados obtenidos por el Grupo de IA de MatCom a partir de utilizar lo que denominó razonamiento estructurado, que permite tener control sobre lo que está pasando.
Entre los retos a futuro estaría cómo determinar el lenguaje intermedio más apropiado, cuál es la estructura para un dominio cualquiera: “por ejemplo, cuál sería el mejor para el domino médico o legal”.
Antes de concluir, y a solicitud del comité organizador de JUL.IA, la Dra. Estévez comentó los avances con el modelo de lenguaje cubano CecilIA y sus posibilidades.
“La cultura nuestra o la preservamos en un modelo de lenguaje o va a desaparecer; no hay opciones intermedias. No podemos tocar a ChatGPT, pero podemos tocar a CecilIA. El verdadero problema son los datos, si no se ponen nadie va a saber quiénes somos”, concluyó.
Durante la sesión presencial de JUL.IA hubo una sesión de pósters. Lia Molier, de la Facultad de Física de la Universidad de La Habana presentó una investigación sobre modelos de IA para predecir la profundidad anestésica, mientras que Eduardo Martínez, Eduardo Garea y Arturo Duarte mostraron un sistema inteligente de ayuda a los neurofisiólogos, colaboración entre el Centro de Neurociencias y la Facultad de Física.
Isbel González, del Instituto Superior de Tecnologías y Ciencias Aplicadas y el Dr. Giovanni Fernández, de la Cátedra de Ciencia, Tecnología y Sociedad, de la UH, compartieron un trabajo sobre las incursiones de la IA en la toma de decisiones en la ingeniería moderna.
Para finalizar, se presentaron las conferencias virtuales “Los agentes de IA en 2026: ¿Qué esperar y qué aprender?”, de la MsC. Lesly Zerna (Google Developer Expert – AI & Cloud, Bolivia) y “Creación de modelos de Machine Learning usando Microsoft Fabric”, de la Ing. Lenina Natali Luján Allende (Comunidad Biexpert, Perú).
En próximos días todas las conferencias serán compartidas en youtube y otras redes sociales de JUL.IA, además de que se organizarán sesiones virtuales en las cuales se mostrarán experiencias de otros países, como el uso de IA y supercómputo en investigación y docencia (Universidad Autónoma de México) aplicaciones para la prevención de desastres climáticos (Universidad de Antioquía, Colombia), el ecosistema de IA en Ecuador (ESPOL), y avances en segmentación de imágenes médicas con enfoque “human in the loop” (Instituto Tecnológico de Costa Rica).
Con el lema “Contribuyendo a la divulgación científica y la equidad en la Inteligencia Artificial”, JUL.IA se consolida como otro espacio regional para el debate sobre el impacto social, ético y científico de la IA en América Latina, desde la perspectiva universitaria.