Dr. Damián Emilio Gibaja Romero, a partir de los estudios y reflexiones compartidos por el Dr. David Meintrup, en la plática “Statistics, Generative AI and the Human Factor: The Impact of AI on Applied Data Analysis”.
En el presente Global Summer, el Dr. David Meintrup ha participado en el Área de Matemáticas con talleres y conferencias. Profesor de la Universidad Técnica de Ingolstadt, actualmente imparte las asignaturas de Probabilidad y Estadística en los programas de Ingenierías y Negocios. Su investigación se ha enfocado en analizar problemáticas de las industrias de semiconductores, biotecnología y farmacéutica por medio de la estadística y la inteligencia artificial (IA). Por ello, el pasado 25 de junio impartió la plática Statistics, Generative AI and the Human Factor: The Impact of AI on Applied Data Analysis.
La plática fue guiada por el concepto de FOBO (Fear Of Becoming Obsolete), asociado al creciente uso de la IA. Particularmente, con el rápido avance de estas herramientas, cada vez es más común su uso para analizar problemas complejos. Es decir, la IA ya no solo es un corrector de escritura, sino que se está convirtiendo en un asistente para la investigación. Ello ha llevado a pensar que la Estadística puede ser sustituida por la IA.
El Dr. Meintrup recordó que predicciones como esta, donde pareciera que la tecnología transformará radicalmente nuestras vidas, no son nuevas. Por ejemplo, Elon Musk pronosticó vehículos completamente autónomos para 2017, mientras que Geoffrey Hinton, considerado el padre de las redes neuronales, aseveró que su invento reemplazaría a cardiólogos para el año 2016. Ninguno de los dos escenarios ocurrió: los vehículos autónomos, aunque ya existen, siguen teniendo deficiencias significativas y los padecimientos cardiacos continúan demandando expertos a pesar de las herramientas tecnológicas existentes. Entonces, ¿el conocimiento estadístico se volverá obsoleto?
La respuesta anterior requiere entender qué hace la IA y compararla con procesos independientes a ella. Por ejemplo, se le puede pedir a la IA que realice un estudio ANOVA a una base de datos y comparar los resultados generados por software como R o Python. El profesor Meintrup mostró que, actualmente, IAs generativas como Gemini pueden realizar dicho tipo de análisis y generar reportes aceptablemente completos. Es decir, las IAs son capaces de resolver, interpretar y representar gráficamente los resultados que obtienen. Aunque los reportes que generan no son tan eficientes como los generados por una herramienta especializada, son muy cercanos. Estos resultados se obtienen tanto para prompts avanzados como para prompts básicos.
De entrada, lo anterior parece sugerir el fin de la enseñanza de la Estadística. Sin embargo, notemos que el uso dado a la IA es de herramienta. Como herramienta, la IA está generando cada vez mejores resultados, pero problemas como las alucinaciones y problemas de inconsistencia aún prevalecen. Entonces, las IAs suelen malinterpretar el contexto de un problema o interpretarlo demasiado literal. Aquí entra el factor humano para distinguir si los resultados proporcionados por la IA en realidad son válidos. Por ello, el conocimiento estadístico del usuario es hoy más relevante que antes porque el riesgo de GIGO (garbage in, garbage out) se puede incrementar. En otras palabras, el no entender lo que proporciona la IA puede generar la impresión errónea de que sus resultados son completamente correctos. Actualmente, existen pruebas de referencia que muestran que todas las IAs llegan a dar respuesta a preguntas sin sentido. Por ello, es importante regular el diseño de IAs, no abandonar el entendimiento de conceptos estadísticos y enfatizar que el ingenio humano es el que hace las preguntas interesantes.
