Las academias de Ciencias, Medicina, Farmacia e Ingeniería analizan la relación de la Inteligencia Artificial con la salud y la sostenibilidad.
La Inteligencia Artificial (IA) contribuirá de forma notable al desarrollo y descubrimiento de nuevos fármacos que se puedan aplicar a cada paciente de forma individualizada y la combinación de la IA con las imágenes médicas mejorará la predicción del comportamiento de
los tumores en niños. Estas fueron dos de los aspectos relevantes que se han puesto de manifiesto en el debate sobre “Inteligencia Artificial: salud y sostenibilidad” que se ha celebrado en la Real Academia de Ciencias Exactas, Físicas y Naturales en el que participaron representantes de las cuatro academias de ciencias aplicadas (Medicina, Farmacia, Ingeniería y Ciencias). El acto fue inaugurado por el presidente del Instituto de España, Eduardo Díaz- Rubio.
En este sentido, Víctor Jiménez Cid, de la Real Academia Nacional de Farmacia, ha explicado cómo la Inteligencia Artificial está detrás del descubrimiento y desarrollo de nuevos fármacos, ya que permite optimizar los ensayos clínicos cruzando y analizando millones de datos de
pacientes. Además, señaló que con la IA se puede reducir costes y tiempo en el descubrimiento de nuevos fármacos, ya que a día de hoy sólo uno de cada ocho fármacos probados llega al mercado después de años de investigación.
Por su parte Luis Martí Bonmatí, miembro de la Academia Nacional de Medicina de España y director del Área Clínica de Imagen Médica del Hospital Universitario La Fe, de Valencia, destacó cómo la IA ayuda a determinar y a predecir dolencias analizando y comparando miles de imágenes. Y, en concreto, puso de manifiesto que la utilización de la Inteligencia Artificial e imágenes médicas puede mejorar de forma sensible la predicción de tumores en los niños, “cuando complementamos la información tradicional con la generada con la IA”.
IA, energía y coches eléctricos
José Duato, de la Real Academia de Ciencias y experto en Inteligencia Artificial además de profesor e investigador galardonado con distintos premios nacionales, centró su intervención en alertar sobre la cantidad de energía que la IA consume. Presente tanto a la hora de usar las redes sociales como en los diagnósticos médicos esta tecnología necesita millones de kilovatios para su funcionamiento, de hecho, se prevé que la IA consumirán 4 veces más electricidad en 2030 que en 2010.
En este sentido, enlazó su intervención con el auge de los coches eléctricos para poner de relieve que su tecnología no es tan “limpia” como nos quieren hacer ver: “Cuando cargamos el coche eléctrico lo que hacemos es trasladar la contaminación a otra parte”. Y, relacionado con
ello, dejó el dato significativo de que el que el 45% de la energía eléctrica que se produce en España viene de fuentes no renovables, pese a que la publicidad del coche eléctrico nos hace asociar la electricidad con el respeto por el medio ambiente.
Riesgos de la Inteligencia Artificial
Por su parte, el también profesor Francisco Herrera, de la Real Academia de Ingeniería, destacó que nos encontramos en un escenario donde la IA “está transformando la sociedad en todos los ámbitos”. Esto, añadió, conduce a “analizarla desde un punto de vista ético, y analizar sus riesgos y plantear un escenario de regulación necesario”. Entre los riesgos actuales, identificó tres grupos importante: la desinformación (videos y noticias falsas), la amplificación de las injusticias y la discriminación que pueden provocar sistemas de IA alimentados por datos con sesgo, y aspectos medioambientales por los recursos energéticos requeridos. Junto a ello, ofreció un repaso histórico sobre la eclosión de la IA en el ámbito de
la salud, desde programas que predicen los años que vivirá una persona, hasta las consultas médicas telemáticas.
Ante toda esta situación global, el representante de la Real Academia de Ciencias Exactas, Física y Naturales, José Duato, concluyó que ha llegado el momento en que los programadores empiecen a considerar el consumo energético de los algoritmos que desarrollan y hacer una
programación más eficiente que optimice los recursos (por ejemplo, usando aceleradores, la jerarquía de memoria, etc).