Lo que ahora llamamos IA se aplica en diversos \u00e1mbitos, incluyendo la investigaci\u00f3n cient\u00edfica y m\u00e9dica, la automatizaci\u00f3n industrial, la cartograf\u00eda delictiva, el reconocimiento facial, los asistentes personales, el servicio al cliente, y\u2014lo m\u00e1s relevante para esta discusi\u00f3n\u2014las plataformas de redes sociales.<\/strong><\/p>\n\n\n\n Aunque las discusiones sobre la IA son omnipresentes, nuestros encuentros reales con la IA a menudo ocurren en el trasfondo de las interacciones cotidianas. <\/p><\/blockquote><\/figure>\n\n\n\n En estos contextos, \u201cinteligencia artificial\u201d se describe m\u00e1s acertadamente como aprendizaje autom\u00e1tico, donde grandes conjuntos de datos, una capacidad de almacenamiento sin precedentes y nuevas t\u00e9cnicas de an\u00e1lisis algor\u00edtmico convergen para facilitar el reconocimiento de patrones, la clasificaci\u00f3n, la transcripci\u00f3n, la toma de decisiones automatizadas y la predicci\u00f3n.<\/strong><\/p>\n\n\n\n Aunque el proceso de aprendizaje autom\u00e1tico no es particularmente novedoso, persiste una considerable desinformaci\u00f3n y divisiones perceptuales en la manera en que el p\u00fablico ve la IA.<\/strong> Los acad\u00e9micos han se\u00f1alado durante mucho tiempo los mitos en torno a la IA<\/a> y las \u201cteor\u00edas populares\u201d sobre los algoritmos<\/a>, y encuestas recientes indican<\/a> una creciente aprehensi\u00f3n p\u00fablica respecto a la IA<\/a><\/p>\n\n\n\n El aprendizaje autom\u00e1tico contempor\u00e1neo se asemeja m\u00e1s a una bola de cristal que a una m\u00e1quina pensante.<\/p><\/blockquote><\/figure>\n\n\n\n Quiz\u00e1s lo m\u00e1s preocupante son los hallazgos de algunas encuestas<\/a> que muestran que una parte de la poblaci\u00f3n cree que la IA es sensible y consciente de s\u00ed misma<\/strong>, una desviaci\u00f3n significativa de la realidad de lo que implica el aprendizaje autom\u00e1tico.<\/p>\n\n\n\n Es probable que estos conceptos err\u00f3neos se alimenten del incesante auge generado por las grandes empresas tecnol\u00f3gicas, incluso cuando comienzan a aparecer grietas en sus narrativas. La IA a menudo se promociona como un medio para \u201cimpulsar la productividad,\u201d sin embargo, esto se yuxtapone con meses de despidos masivos<\/a> en la industria tecnol\u00f3gica.<\/p>\n\n\n\n La IA tambi\u00e9n requiere aumentos masivos en el consumo de energ\u00eda<\/a> en una era de cambio clim\u00e1tico<\/a> y redes el\u00e9ctricas sobrecargadas. Adem\u00e1s, se predice que la adopci\u00f3n creciente de la IA podr\u00eda ampliar la brecha de ingresos<\/a> entre el capital y el trabajo. Quiz\u00e1s la mayor preocupaci\u00f3n para las entidades impulsadas por el lucro sea la proyecci\u00f3n de que las inversiones masivas en IA<\/strong> podr\u00edan resultar finalmente no rentables<\/a>.<\/p>\n\n\n\t\t En cierto sentido, lo que hemos llegado a conocer como IA es tanto omnipresente como opaco.<\/strong> Aunque las discusiones sobre la IA son omnipresentes, nuestros encuentros reales con la IA a menudo ocurren en el trasfondo de las interacciones cotidianas. Los mecanismos de estos procesos de aprendizaje autom\u00e1tico en segundo plano est\u00e1n intencionalmente ocultos; los algoritmos que impulsan las diversas formas de aprendizaje autom\u00e1tico son secretos patentados y celosamente guardados.<\/p>\n\n\n\n Esto crea una situaci\u00f3n familiar, pero bastante desalentadora: \u201ccompra el bombo, usa la tecnolog\u00eda, danos tus datos y no mires bajo el cap\u00f3.<\/em>\u201d En lugar de aceptar esta \u201ccaja negra\u201d incognoscible de la inteligencia artificial, los investigadores han ideado estrategias para desentra\u00f1ar el misterio y comenzar a desmitificar los algoritmos que estructuran muchas de nuestras interacciones.<\/p>\n\n\n\n Los algoritmos de recomendaci\u00f3n cambian en funci\u00f3n de las pr\u00e1cticas de uso debido a la actividad del usuario y los datos. <\/p><\/blockquote><\/figure>\n\n\n\n Actualmente, modelos de lenguaje de gran escala como ChatGPT de OpenAI atraen una considerable atenci\u00f3n<\/strong>; sin embargo, es crucial evaluar otras formas de aprendizaje autom\u00e1tico que, aunque infraestructurales e invisibles, moldean las interacciones cotidianas, a menudo de maneras potencialmente da\u00f1inas. Inspirado por investigaciones recientes, me propuse entender mejor la inteligencia artificial incrustada en Facebook y TikTok.<\/p>\n\n\n\n Con este fin, examin\u00e9 las recientes iniciativas de transparencia, las declaraciones oficiales de los representantes de las plataformas, y recopil\u00e9 la informaci\u00f3n disponible sobre c\u00f3mo se integra la IA en estas dos plataformas omnipresentes, con un enfoque particular en c\u00f3mo la IA es promovida por las grandes tecnol\u00f3gicas como soluci\u00f3n para la circulaci\u00f3n de contenido problem\u00e1tico y peligroso, as\u00ed como la desinformaci\u00f3n y la informaci\u00f3n err\u00f3nea.<\/a><\/p>\n\n\n\n Existen varios desaf\u00edos persistentes a la hora de evaluar cr\u00edticamente los algoritmos de IA integrados.<\/p>\n\n\n\n Primero est\u00e1 la confusi\u00f3n que acompa\u00f1a a la cuesti\u00f3n de lo que realmente implica la \u201cIA.\u201d<\/strong> Un vistazo a los or\u00edgenes hist\u00f3ricos de la inteligencia artificial en la d\u00e9cada de 1950 demuestra los cambios en los fundamentos te\u00f3ricos y t\u00e9cnicos de la IA.<\/p>\n\n\n\n La IA es \u201csociot\u00e9cnica,\u201d en la medida en que est\u00e1 profundamente entrelazada con los contextos y situaciones en los que se despliega.<\/p><\/blockquote><\/figure>\n\n\n\n Es decir, la IA est\u00e1 impulsada no solo por estructuras computacionales (y sus limitaciones), sino tambi\u00e9n por una teor\u00eda de lo que constituye \u201cinteligencia\u201d en primer lugar.<\/strong><\/p>\n\n\n\n Los algoritmos de aprendizaje autom\u00e1tico que sustentan las plataformas de redes sociales son bastante diferentes de la IA simb\u00f3lica de mediados de los a\u00f1os 50, tanto en dise\u00f1o como en filosof\u00eda. A riesgo de simplificar en exceso, la IA cl\u00e1sica intentaba replicar la mente mediante la manipulaci\u00f3n de s\u00edmbolos comprensibles para los humanos seg\u00fan reglas subyacentes.<\/p>\n\n\n\n Estos modelos han sido en gran medida reemplazados por una noci\u00f3n m\u00e1s predictiva y anal\u00edtica de la inteligencia, compuesta por algoritmos en capas, enormes conjuntos de datos y un poder de procesamiento sustancial.<\/strong> En otras palabras, el aprendizaje autom\u00e1tico contempor\u00e1neo se asemeja m\u00e1s a una bola de cristal que a una m\u00e1quina pensante.<\/p>\n\n\n\n En algunos encuentros cotidianos, como en las redes sociales, las versiones infraestructurales de la IA de aprendizaje autom\u00e1tico a menudo se denominan \u201cel algoritmo.\u201d De esta manera, la IA tambi\u00e9n es relativamente polis\u00e9mica en la forma en que se conceptualiza y se discute.<\/p>\n\n\n\n En segundo lugar, los modelos de IA a menudo est\u00e1n fuertemente protegidos por las empresas que quieren mantener una ventaja sobre sus competidores.<\/strong> Por ejemplo, aunque casi todas las plataformas de streaming emplean an\u00e1lisis predictivos para recomendar contenido, los tipos de conjuntos de datos utilizados en el entrenamiento de estos modelos, as\u00ed como los par\u00e1metros que ponderan los algoritmos, var\u00edan seg\u00fan la plataforma.<\/p>\n\n\n\n Estos algoritmos propietarios explican en parte por qu\u00e9 TikTok es tan popular mientras que YouTube Shorts no lo es, o por qu\u00e9 las personas prefieren Google a Bing a pesar de la similitud en la funci\u00f3n de estas plataformas.<\/p>\n\n\n\n Es m\u00e1s esencial que nunca interrogar los aparatos discursivos y materiales de los modelos de aprendizaje autom\u00e1tico incrustados. <\/p><\/blockquote><\/figure>\n\n\n\n En tercer lugar, existen suposiciones sobre la estabilidad algor\u00edtmica.<\/strong> Es decir, mientras que las grandes empresas tecnol\u00f3gicas y los cient\u00edficos inform\u00e1ticos son r\u00e1pidos en definir los algoritmos como t\u00e9cnicas computacionales establecidas, la realidad de los procesos de IA impulsados por datos es mucho m\u00e1s cambiante y entrelazada con lo social a trav\u00e9s de conjuntos de datos.<\/p>\n\n\n\n Dicho de otra manera, la IA es \u201csociot\u00e9cnica,<\/strong>\u201d en la medida en que est\u00e1 profundamente entrelazada con los contextos y situaciones en los que se despliega. Los algoritmos de recomendaci\u00f3n, por ejemplo, cambian en funci\u00f3n de las pr\u00e1cticas de uso debido a la actividad del usuario y los datos. Este hecho permite la experimentaci\u00f3n, la manipulaci\u00f3n y la observaci\u00f3n de algoritmos por parte de los investigadores.<\/p>\n\n\n\n En resumen, evaluar c\u00f3mo funciona la IA es un problema complejo: el t\u00e9rmino IA se usa libremente para referirse a una variedad de procesos t\u00e9cnicos<\/strong> impulsados por filosof\u00edas de la mente; la IA est\u00e1 hist\u00f3ricamente condicionada; los modelos de IA son secretos propietarios; y la IA no es inherentemente un objeto t\u00e9cnico estable, sino que es sociot\u00e9cnica. Por lo tanto, desentra\u00f1ar los hilos de c\u00f3mo funciona la IA incrustada es complicado, pero no imposible. Para hacerlo, se requieren no solo evaluaciones de la funci\u00f3n t\u00e9cnica de la IA, sino tambi\u00e9n del contexto de uso, as\u00ed como de c\u00f3mo se enmarca la IA en los discursos por parte de las principales estructuras de poder.<\/p>\n\n\n\n Los acad\u00e9micos han recurrido recientemente a estrategias m\u00e1s experimentales para examinar la complejidad de los procesos algor\u00edtmicos incrustados. Esto incluye considerar la naturaleza relacional de los algoritmos<\/a>, c\u00f3mo los humanos y las m\u00e1quinas est\u00e1n entrelazados<\/a> en relaciones materiales, pol\u00edticas, econ\u00f3micas y organizacionales complejas, y c\u00f3mo los algoritmos son parte de patrones amplios<\/a> de significado y pr\u00e1ctica cultural que se pueden abordar emp\u00edricamente. Espec\u00edficamente, me esforc\u00e9 por acceder a la IA de aprendizaje autom\u00e1tico incrustada de Facebook y TikTok como un \u201caparato material-discursivo.\u201d<\/p>\n\n\n\n Esto requiri\u00f3 considerar los discursos oficiales que rodean las t\u00e9cnicas de IA de estas plataformas como una estructura de poder en t\u00e9rminos de lo que es visible, decible y conocible sobre la IA, junto con informaci\u00f3n sobre c\u00f3mo la IA est\u00e1 integrada en estas plataformas a trav\u00e9s de algoritmos, conjuntos de datos, usuarios, plataformas, infraestructuras, moderadores, etc. Como tal, el uso de la IA como parte de Facebook y TikTok demuestra que la IA no existe en aislamiento como un objeto t\u00e9cnico estable<\/strong>, sino que se entiende mejor como un proceso en curso que depende de estrategias de aceptaci\u00f3n a trav\u00e9s de t\u00e9cnicas discursivas y de los arreglos materiales cambiantes de la incrustaci\u00f3n cotidiana.<\/p>\n\n\n\n Facebook y TikTok son emblem\u00e1ticos de nuestra relaci\u00f3n de amor-odio con las plataformas. El potencial de estos nexos de redes sociales para reunir a las personas y fomentar nuevas conexiones se contrapone, a menudo con raz\u00f3n, con cr\u00edticas bien merecidas y un aura de infamia.<\/strong><\/p>\n\n\n\n Facebook ha sido popular durante dos d\u00e9cadas, mientras que el ascenso mete\u00f3rico de TikTok es relativamente reciente. La demograf\u00eda de Facebook ahora tiende a ser mayor, mientras que TikTok es emblem\u00e1tico de las interacciones digitales de las generaciones m\u00e1s j\u00f3venes. Sin embargo, ambas plataformas comparten controversias.<\/strong><\/p>\n\n\n\n Facebook est\u00e1 en el epicentro de debates sobre el sesgo<\/a>, la propagaci\u00f3n de la desinformaci\u00f3n<\/a>, la manipulaci\u00f3n pol\u00edtica<\/a>, y las pr\u00e1cticas de intercambio de datos poco \u00e9ticas<\/a>. De manera similar, TikTok tambi\u00e9n ha sido objeto de cr\u00edticas e incluso ha enfrentado prohibiciones en ciertos pa\u00edses por su percebida relaci\u00f3n con el Partido Comunista Chino<\/a> y sus pr\u00e1cticas de recopilaci\u00f3n de datos<\/a>.<\/p>\n\n\n\n Tanto Facebook como TikTok lanzaron iniciativas de transparencia que brindan detalles sobre c\u00f3mo funcionan los algoritmos de aprendizaje autom\u00e1tico incrustados en las plataformas.<\/p>\n\n\n\n Estas iniciativas, junto con las declaraciones y comentarios de los representantes de las plataformas, as\u00ed como informaci\u00f3n adicional sobre c\u00f3mo funcionan los algoritmos en cada plataforma, proporcionan una rara visi\u00f3n de c\u00f3mo estas plataformas articulan su uso del aprendizaje autom\u00e1tico,<\/strong> lo que a menudo contrasta con algunas de las realidades de estos procesos sociot\u00e9cnicos.<\/p>\n\n\n\n Hay una ambig\u00fcedad intencional en torno a la IA que beneficia a las empresas tecnol\u00f3gicas. <\/p><\/blockquote><\/figure>\n\n\n\n Por ejemplo, Facebook ha invertido fuertemente en IA,<\/strong> incluyendo el lanzamiento de herramientas de IA de c\u00f3digo abierto y la promoci\u00f3n de su sistema de IA Rosetta<\/a> como clave para moderar contenido problem\u00e1tico que, si no se controla, puede circular f\u00e1cilmente en la plataforma. Los detalles adicionales sobre c\u00f3mo Facebook utiliza la IA para moderar el contenido arrojan algo de luz sobre c\u00f3mo ha cambiado el proceso con el tiempo.<\/p>\n\n\n\n Las publicaciones que potencialmente contienen contenido da\u00f1ino son marcadas, ya sea por usuarios o por filtros de aprendizaje autom\u00e1tico; luego, un moderador humano revisa las publicaciones marcadas para eliminarlas. Adem\u00e1s, mientras que este proceso funcionaba cronol\u00f3gicamente en el pasado, en el sentido de que las publicaciones se gestionaban en el orden en que se informaban, los nuevos algoritmos de Facebook priorizan lo que los moderadores deben revisar primero<\/strong> seg\u00fan criterios de viralidad, gravedad y la probabilidad de que una publicaci\u00f3n infrinja las reglas de la plataforma.<\/p>\n\n\n\n Quiz\u00e1s lo m\u00e1s interesante de todo son las limitaciones del uso de la IA por parte de Facebook. Los filtros de aprendizaje autom\u00e1tico de Facebook analizan las publicaciones a trav\u00e9s de \u201cembeddings de integridad de publicaciones completas<\/a>\u201d (WPIE), que eval\u00faan varios elementos de una publicaci\u00f3n determinada. Pero descomponer los elementos de la publicaci\u00f3n en puntos de datos discretos que se comparan con casos anteriores significa que la IA de Facebook no puede determinar lo que las im\u00e1genes, los subt\u00edtulos y las relaciones con el autor revelan.<\/strong><\/p>\n\n\n\n Por ejemplo, una foto de cuadrados de Rice Krispies etiquetados como \u201cdelicias especiales\u201d podr\u00eda ser una referencia a comestibles con THC o simplemente a deliciosos productos horneados. Es tarea de un moderador humano aplicar razonamiento cr\u00edtico<\/strong> para descifrar si el contenido marcado es realmente un problema que amerita ser eliminado.<\/p>\n\n\n\n Este ejemplo es relativamente trivial; sin embargo, estos moderadores humanos, que las plataformas hacen intencionalmente invisibles, est\u00e1n expuestos a algunos de los contenidos m\u00e1s horribles publicados en la web,<\/strong> a menudo con salarios bajos y sin apoyo para la salud mental<\/a>.<\/p>\n\n\n\n La investigaci\u00f3n sobre la IA de aprendizaje autom\u00e1tico de TikTok plantea problemas similares. Debido a las controversias en torno al uso de datos por parte de la plataforma, TikTok ha sido relativamente transparente sobre su algoritmo.<\/a><\/p>\n\n\n\n La empresa se\u00f1ala que las recomendaciones se basan en factores como las interacciones de los usuarios (videos que les gustan o comparten, cuentas seguidas, comentarios publicados), la informaci\u00f3n del video (subt\u00edtulos, sonidos, hashtags) y la configuraci\u00f3n del dispositivo y de la cuenta (preferencia de idioma, tipo de dispositivo, configuraci\u00f3n del pa\u00eds).<\/p>\n\n\n\n Se ha especulado que la IA de TikTok puede reconocer im\u00e1genes en los videos subidos para la categorizaci\u00f3n, recomendaci\u00f3n y moderaci\u00f3n. Sin embargo, parece que, al igual que YouTube y Facebook, los modelos de aprendizaje autom\u00e1tico de TikTok dependen principalmente de metadatos como descripciones, etiquetas, hora y ubicaci\u00f3n de las cargas de video.<\/strong> En otras palabras, TikTok utiliza IA para la recomendaci\u00f3n, selecci\u00f3n y personalizaci\u00f3n, al igual que otras plataformas. Simplemente lo hace de manera m\u00e1s efectiva.<\/p>\n\n\n\n Un aspecto notable de TikTok es que la plataforma enfatiza c\u00f3mo el algoritmo propietario de la empresa interrumpe patrones repetitivos y contenido duplicado para diversificar las recomendaciones y \u201cromper las burbujas de filtro.\u201d<\/p>\n\n\n\n La investigaci\u00f3n y la experimentaci\u00f3n en torno a la propagaci\u00f3n de contenido pol\u00edtico radicalizado y controvertido<\/strong> en la plataforma han demostrado que la realidad de la IA rompe burbujas de TikTok y la moderaci\u00f3n de contenido es insuficiente<\/a>. Documentos filtrados sobre las directrices para los moderadores humanos<\/a> revelaron que TikTok apuntaba a eliminar contenido de usuarios que tienen, o parecen tener, una \u201cforma corporal anormal.\u201d<\/p>\n\n\n\t\t Esto incluye a usuarios descritos como \u201crellenitos,\u201d \u201cobesos o demasiado delgados,\u201d con \u201caspecto facial feo\u201d o \u201cdeformidades faciales.\u201d Las directrices tambi\u00e9n apuntaban a \u201cpersonas mayores con demasiadas arrugas\u201d y a quienes filmaban videos en entornos considerados \u201cdescuidados,\u201d \u201cdeteriorados,\u201d \u201cbarrios bajos\u201d o \u201ccampos rurales.\u201d La plataforma tambi\u00e9n estaba dispuesta a eliminar contenido pol\u00edtico para apaciguar a ciertos gobiernos.<\/strong><\/p>\n\n\n\n En resumen, la IA de aprendizaje autom\u00e1tico se despliega de manera diferente en Facebook y TikTok,<\/strong> aunque estos modelos a menudo funcionan con fines similares. A pesar de las promesas de la IA, accesibles a trav\u00e9s del posicionamiento discursivo de las declaraciones y los representantes de la plataforma, las realidades materiales de c\u00f3mo funciona el aprendizaje autom\u00e1tico a menudo no est\u00e1n a la altura de las expectativas.<\/p>\n\n\n\n Independientemente de la plataforma, la moderaci\u00f3n humana (junto con los datos, el entrenamiento y la programaci\u00f3n creados por humanos) est\u00e1 inexorablemente entrelazada con la IA.<\/strong> Y quiz\u00e1s lo m\u00e1s significativo de todo, ser\u00eda una gran exageraci\u00f3n considerar los modelos algor\u00edtmicos impulsados por datos como \u201cinteligentes\u201d en el sentido de que exista alg\u00fan tipo de pensamiento cr\u00edtico o incluso una fiabilidad particularmente impresionante.<\/p>\n\n\n\n El bombo es dif\u00edcil de ignorar.<\/strong> Es innegablemente divertido imaginar las posibilidades de un futuro impulsado por la IA, en el que los modelos algor\u00edtmicos reemplazan tareas tediosas y mundanas, resuelven problemas complejos y liberan a los humanos de la monoton\u00eda. Las empresas tecnol\u00f3gicas quieren hacer creer al p\u00fablico que nuestro destino impulsado por la IA est\u00e1 a la vuelta de la esquina, pero la realidad es mucho m\u00e1s complicada.<\/p>\n\n\n\n La IA contempor\u00e1nea puede ser impresionante e incluso \u00fatil en ocasiones, pero est\u00e1 muy lejos de la inteligencia humana.<\/strong> Estos modelos son h\u00e1biles para resolver ciertos tipos de problemas cerrados con objetivos claros\u2014Deep Blue rivaliz\u00f3 con los maestros de ajedrez hace d\u00e9cadas. Sin embargo, tareas como moderar el discurso de odio en las plataformas no son juegos con permutaciones limitadas; son problemas complejos que implican conocimientos hist\u00f3ricos y contempor\u00e1neos, juicio, contexto y pensamiento cr\u00edtico. Hasta ahora, estos son algunos de los muchos problemas que el aprendizaje autom\u00e1tico no puede resolver f\u00e1cilmente, a pesar de las narrativas en sentido contrario de las grandes tecnol\u00f3gicas.<\/p>\n\n\n\nMitos y desinformaci\u00f3n: Percepciones p\u00fablicas del aprendizaje autom\u00e1tico<\/h2>\n\n\n\n
Leer m\u00e1s<\/span><\/h4><\/div><\/div>\t\t\t\t
![\"Ilustraci\u00f3n](\"https:\/\/politicsrights.com\/wp-content\/uploads\/2023\/12\/AI-Bots-compressed-150x150.webp\")
\t\t<\/a>\r\n\t\t\t\t<\/div>\r\n\t\t<\/div>\r\n\t\t\t\t\tLa realidad opaca: Desentra\u00f1ando los mecanismos ocultos de la IA<\/h2>\n<\/div>\n\n\n\n
La complejidad de definir la inteligencia artificial<\/h2>\n\n\n\n
![\"Defining](\"https:\/\/politicsrights.com\/wp-content\/uploads\/2024\/08\/AI-Photo-by-Bumblebee-CC-BY-SA.webp\")
La naturaleza propietaria y la realidad sociot\u00e9cnica de la IA<\/h2>\n\n\n\n
![\"](\"https:\/\/politicsrights.com\/wp-content\/uploads\/2024\/08\/AI-Selfie-Concentration-Scouse-Smur-CC-BY-ND.webp\")
Enfoques experimentales para comprender la IA<\/h2>\n\n\n\n
![\"La](\"https:\/\/politicsrights.com\/wp-content\/uploads\/2024\/08\/AI-Ars-Electronica-_CC-BY-NC-ND_Machine-Learning-Studio-of-the-Ars-Electronica-Center.webp\")
La relaci\u00f3n de amor-odio con Facebook y TikTok<\/h2>\n\n\n\n
Transparencia y las realidades de la moderaci\u00f3n de la IA<\/h2>\n\n\n\n
The Limits of Facebook’s AI<\/h2>\n\n\n\n
![\"An](\"https:\/\/politicsrights.com\/wp-content\/uploads\/2024\/08\/Trump-facebook-Photo-by-Book-catalog.jpg\")
El algoritmo de TikTok: \u00c9xitos y deficiencias<\/h2>\n\n\n\n
La ilusi\u00f3n de la independencia de la IA<\/h2>\n\n\n\n
Related Articles<\/span><\/h3><\/div><\/div>\t\t\t\t
![\"An](\"https:\/\/politicsrights.com\/wp-content\/uploads\/2024\/03\/Digital-dilemas-MQ-9-Reaper-Aircraf-330x220.webp\")
\t\t<\/a>\r\n\t\t\t\t<\/div>\r\n\t\t\t\t\t\t<\/div>\r\n\t\t\t\t\t![\"En](\"https:\/\/politicsrights.com\/wp-content\/uploads\/2024\/08\/Algorithmic-Anxiety.-Photo-by-Ev-330x220.webp\")
\t\t<\/a>\r\n\t\t\t\t<\/div>\r\n\t\t\t\t\t\t<\/div>\r\n\t\t\t\t\t![\"sacred](\"https:\/\/politicsrights.com\/wp-content\/uploads\/2025\/08\/sacred-violence_Ruins-in-Gaza-after-heavy-bombardment-as-military-AI-reshapes-the-Israel\u2013Palestine-conflict-330x220.webp\")
\t\t<\/a>\r\n\t\t\t\t<\/div>\r\n\t\t\t\t\t\t<\/div>\r\n\t\t\t\t\tEl futuro de la IA cotidiana<\/h2>\n\n\n\n