Diseñando sistemas de IA para el bienestar humano

A medida que la inteligencia artificial (IA) sigue creciendo, es importante asegurarnos de que tenga un efecto positivo en la sociedad. Esto es especialmente cierto ya que los sistemas de IA están convirtiéndose en una gran parte de nuestra vida diaria. Crear "IA para el bien" plantea muchos desafíos, como alinear estos sistemas con nuestros complejos valores humanos. En este momento, no tenemos métodos sólidos para abordar estos desafíos. Este artículo presenta y evalúa un método llamado el método de diseño de IA positiva, que tiene como objetivo ayudar con este problema. Este método ofrece una forma centrada en el ser humano para convertir nuestros deseos de Bienestar en acciones reales.

#El Método de IA Positiva

El método de IA positiva tiene cuatro pasos principales:

1. Contextualizar: Entender cómo se ve el bienestar en diferentes entornos.
2. Operacionalizar: Convertir estas ideas en acciones específicas.
3. Optimizar: Mejorar nuestros diseños para apoyar mejor el bienestar.
4. Implementar: Poner los diseños en acción con mediciones continuas para obtener retroalimentación.

Para mostrar cómo funciona este método, presentamos un estudio donde principiantes en diseño aplicaron el método. Esto reveló las fortalezas y debilidades relacionadas con su efectividad y facilidad de uso. Una evaluación por expertos analizó la calidad de los diseños producidos, que recibieron calificaciones decentes por ser prácticos y capaces de ofrecer beneficios esperados para el bienestar.

En general, estos estudios proporcionan pruebas iniciales de que el método de IA positiva puede mejorar el diseño de IA mientras destaca áreas que necesitan trabajo. Un enfoque en proporcionar ejemplos y pautas podría ayudar a fortalecer estas áreas. La investigación futura debería analizar cómo se desempeña el método a lo largo de un período más largo con diferentes proyectos. Este enfoque centrado en el ser humano parece prometedor para crear sistemas de IA que no solo eviten daño, sino que contribuyan activamente al bienestar humano.

#Lo que Queremos Decir con "Sistema de IA"

En este artículo, definimos un "sistema de IA" como un tipo de sistema sociotécnico que interactúa por sí mismo con su entorno y aprende de estas interacciones. Estas interacciones a menudo están guiadas por un proceso que busca encontrar el mejor resultado según objetivos específicos. Por ejemplo, las redes sociales pueden llevar a resultados negativos, como la división política, y a resultados positivos, como dar voz a grupos marginados.

Los objetivos elegidos en estos sistemas pueden tener un impacto significativo en la sociedad. Hoy en día, muchos sistemas de IA son controlados por empresas que buscan hacer dinero, lo que puede llevar a problemas. Por lo tanto, nuestro enfoque está en entender cómo podemos incluir objetivos de bienestar en sistemas de IA que a menudo están impulsados por intereses corporativos. Este concepto de "integración activa" significa que los objetivos de bienestar deben competir con los objetivos comerciales. Ejemplos incluyen plataformas populares como Netflix, Facebook y YouTube.

#Desafíos en el Diseño de IA para el Bienestar

Crear sistemas de IA que promuevan el bienestar trae desafíos adicionales. El bienestar es complejo y varía entre individuos y culturas, lo que hace difícil definirlo y medirlo. Los sistemas de IA a menudo apuntan a objetivos estrechos y pueden perder de vista el panorama general de promover el bienestar general.

Estudios recientes han identificado diferentes desafíos en el diseño de IA para el bienestar, que se pueden agrupar en cuatro categorías:

1. Entender Qué es el Bienestar: Encontrar la forma correcta de pensar y medir el bienestar en diferentes contextos es difícil debido a su complejidad.
2. Medir el Bienestar: Es complicado recoger datos significativos que reflejen el bienestar porque puede cambiar rápidamente y no siempre es fácil de cuantificar.
3. Optimizar para el Bienestar: Equilibrar intereses conflictivos, como deseos personales frente a necesidades comunitarias, es un desafío al mejorar los sistemas de IA para el bienestar.
4. Diseñar Acciones de IA: No hay muchos métodos maduros que se centren en poner el bienestar en el centro del diseño de IA más allá de simplemente evitar el daño.

Estos desafíos muestran que necesitamos métodos efectivos que puedan traducir ideas éticas amplias en acciones prácticas. El método de IA positiva busca llenar este vacío.

#Un Método de Diseño para la IA Positiva

El método de IA positiva tiene como objetivo ofrecer a los diseñadores una forma estructurada de crear sistemas de IA que mejoren el bienestar humano. Pretende abordar los desafíos clave en entender, medir y diseñar para el bienestar. El método es especialmente útil cuando el bienestar es un objetivo secundario que compite con un objetivo principal, enfocándose en sistemas que involucran la interacción del usuario a través de plataformas digitales.

#Desarrollo del Método

El método de IA positiva fue creado utilizando un enfoque cibernético, que organiza los desafíos de diseño en fases distintas. Cada fase aborda diferentes aspectos de las tareas en cuestión. Sin embargo, es importante reconocer que estas fases están interconectadas, ya que los sistemas centrados en el ser humano son inherentemente complejos.

Este método fue desarrollado a través de un proceso colaborativo que involucró a diseñadores, investigadores y estudiantes. Un proyecto inicial centrado en el bienestar durante la pandemia de COVID-19 ayudó a dar forma a la primera versión del método. A través de retroalimentación e iteraciones, el método fue refinado y probado con estudiantes que diseñaron sistemas de IA con el bienestar en mente.

#Fases del Método de IA Positiva

El método de IA positiva consiste en cinco fases que guían a los diseñadores en la creación de sistemas de IA sensibles al bienestar humano.

1. Entender el Bienestar en Contexto: Los diseñadores deben comprender qué significa el bienestar en su entorno específico. El bienestar se manifiesta de manera diferente en varios entornos. Por ejemplo, en educación, implica propósito y pertenencia, mientras que en atención médica, puede involucrar salud física.

2. Operacionalizar el Bienestar: Esta etapa implica convertir la idea compleja de bienestar en métricas específicas y medibles. El objetivo es crear indicadores que ayuden a rastrear el bienestar y guiar las decisiones de diseño.

3. Diseñando Acciones de Bienestar: Basándose en las ideas de las dos primeras fases, los diseñadores pueden desarrollar características e interacciones que afecten positivamente el bienestar del usuario. Esto podría implicar mejorar la experiencia del usuario o ajustar algoritmos.

4. Implementar Interacciones Optimizadas: Una vez que se han realizado los diseños, esta fase se centra en ejecutarlos. Los diseñadores deben seguir involucrados en el proceso de implementación para asegurarse de que se cumplan los objetivos originales relacionados con el bienestar.

5. Alineación Continua: Esta fase final enfatiza la necesidad de un compromiso continuo con los usuarios. Revisiones regulares permiten a los diseñadores adaptar sus sistemas a medida que evolucionan las necesidades de la comunidad.

#Método Aplicado a Ejemplos Ficticios

Para ilustrar cómo funciona el método de IA positiva, podemos ver algunos ejemplos, como una plataforma de streaming, una aplicación de citas y una aplicación de comida.

Para un servicio de streaming, los diseñadores comenzarían identificando cómo sus características, como las recomendaciones personalizadas, afectan el bienestar del usuario. Al realizar investigaciones de usuarios y analizar datos, los diseñadores podrían crear ajustes que fomenten la apertura a nuevos contenidos, promoviendo una gama más amplia de experiencias.

En el contexto de una aplicación de citas, el enfoque estaría en crear coincidencias significativas basadas en las personalidades de los usuarios y no solo en las apariencias. A través de la retroalimentación y pruebas de usuarios, los diseñadores podrían ajustar características para mejorar la calidad de las conexiones formadas.

Para una aplicación de comida, el enfoque implicaría fomentar la alimentación consciente y las interacciones sociales durante las comidas. Las características podrían incluir sugerencias de recetas que consideren tanto el valor nutricional como el contexto social de la comida, permitiendo a los usuarios conectar con otros a través de comidas compartidas.

#Estudio de Caso Múltiple

Tres estudiantes aplicaron el método de diseño de IA positiva como parte de sus proyectos finales en una universidad. Cada estudiante eligió un sistema de IA existente diferente para rediseñar con un enfoque en promover el bienestar. No tenían experiencia previa con el diseño de sistemas de IA o consideraciones sobre el bienestar.

1. Estudiante 1 se centró en aplicaciones de citas y buscó expandir los criterios de coincidencia más allá de la apariencia, incluyendo rasgos de personalidad e intereses de los usuarios.

2. Estudiante 2 trabajó en aplicaciones de seguimiento de alimentos, buscando abordar factores sociales y emocionales relacionados con la alimentación en lugar de solo la ingesta nutricional.

3. Estudiante 3 abordó plataformas de streaming de música, queriendo usar IA para animar a los usuarios a explorar géneros musicales diversos que promuevan el crecimiento personal.

A través de sus proyectos, los estudiantes evaluaron si el método de IA positiva ayudaba a guiar sus decisiones de diseño y si encontraron el método utilizable. Durante tres semanas, recibieron apoyo, orientación y recursos para asegurarse de aplicar el enfoque con éxito.

#Resultados de los Estudios de Caso

La evaluación reveló tanto fortalezas como debilidades en el método de diseño de IA positiva cuando fue utilizado por diseñadores novatos. Algunos desafíos incluyeron sentirse inseguros sobre cómo usar efectivamente la literatura sobre bienestar y luchar para convertir ideas amplias en acciones específicas.

A pesar de estos desafíos, a medida que los estudiantes avanzaron, se hicieron más hábiles en integrar consideraciones de bienestar en sus diseños. Esto muestra la efectividad del método para impulsar a los diseñadores a priorizar el bienestar.

Si bien surgieron problemas de usabilidad, como definiciones de contexto poco claras, la estructura general del método proporcionó una orientación valiosa. Los diseñadores sugirieron mejoras, como cursos introductorios sobre conceptos de bienestar y instrucciones más claras al principio.

En resumen, el método de IA positiva demostró ser capaz de ayudar a diseñadores novatos a crear propuestas significativas centradas en el bienestar, aunque se podrían realizar ajustes en la usabilidad para mejorar la experiencia.

#Estudio Basado en Narrativas con Expertos

En otro estudio, expertos evaluaron la calidad del diseño de sistemas de IA orientados a promover el bienestar. Le dieron lecturas narrativas que describían varios conceptos de IA y luego evaluaron su viabilidad y posible impacto.

Los expertos calificaron los conceptos de manera positiva, indicando que eran realistas y plausibles para lograr los beneficios de bienestar previstos. La retroalimentación de los expertos destacó que las narrativas ayudan a imaginar cómo las tecnologías emergentes podrían interactuar con los usuarios y satisfacer sus necesidades.

#Conclusión

Este artículo presentó el método de diseño de IA positiva, enfatizando su papel en el desarrollo de sistemas de IA destinados a mejorar el bienestar humano. El método busca cerrar la brecha entre aspiraciones de alto nivel y acciones prácticas a través de un enfoque estructurado. Aunque los estudios iniciales destacaron áreas de mejora, el método ofrece una base sólida para futuras investigaciones y desarrollo.

Al mejorar la usabilidad del enfoque de IA positiva, podemos apoyar mejor a los diseñadores en la creación de sistemas de IA que prioricen el florecimiento humano. En el futuro, es crucial validar el método en entornos reales y explorar su aplicación en varios dominios.