WEBVTT 1 00:00:00.360 --> 00:00:03.440 Hoy celebramos el Día Internacional de la Niña en la Ciencia 2 00:00:03.480 --> 00:00:06.360 y lo hacemos para detenernos en el trabajo y las aportaciones 3 00:00:06.400 --> 00:00:09.360 de mujeres en el terreno de la inteligencia artificial. 4 00:00:09.400 --> 00:00:12.240 Para hablar de ello nos acompaña la investigadora y doctora 5 00:00:12.280 --> 00:00:14.480 en Ingeniería Informática, Luz Rello. 6 00:00:14.520 --> 00:00:16.720 Muy buenos días. Muy buenos días, Fede. 7 00:00:16.760 --> 00:00:20.080 L:61% Te sabes muy bien este tema, ¿eh? Este tema a mí me llega cerca. 8 00:00:20.120 --> 00:00:24.160 L:61% Entonces sí, sí, lo digo. Sí, o sea, a ver, 9 00:00:24.200 --> 00:00:27.960 L:61% si no pudiéramos decir nada de mujeres 10 00:00:28.000 --> 00:00:30.520 L:61% e inteligencia artificial, pues estaríamos muy mal. 11 00:00:30.560 --> 00:00:33.040 Exactamente. O sea, porque, claro, 12 00:00:33.080 --> 00:00:35.680 somos la mitad de la población. 13 00:00:36.840 --> 00:00:38.560 L:61% En algunos territorios un poco más, 14 00:00:38.600 --> 00:00:40.360 L:61% en otros territorios un poquito menos. 15 00:00:40.400 --> 00:00:43.240 L:61% Eso de que hay más mujeres que hombres es leyenda urbana, 16 00:00:43.280 --> 00:00:45.000 L:69% va por países, lo estuve mirando. 17 00:00:45.040 --> 00:00:48.200 Pero sí, se puede decir cosas sobre inteligencia artificial, 18 00:00:48.240 --> 00:00:52.800 mujeres, y sobre informática y mujeres, ¿vale? 19 00:00:53.360 --> 00:00:56.520 Que esto es superinteresante 20 00:00:56.560 --> 00:00:58.720 porque los inicios de la informática, 21 00:00:58.760 --> 00:01:00.400 ya no hablamos de IA, ¿vale? 22 00:01:00.440 --> 00:01:04.360 O sea, los inicios de la informática están relacionados 23 00:01:04.400 --> 00:01:06.280 con mujeres, ¿vale? Ah, ¿sí? 24 00:01:06.320 --> 00:01:10.120 Nuestra primera parada entiendo que es precisamente la informática. 25 00:01:10.160 --> 00:01:14.120 Es la informática, sí. La informática y el siglo XIX, 26 00:01:14.600 --> 00:01:16.400 principios del siglo XIX. 27 00:01:16.440 --> 00:01:20.000 Y fue pues con la primera, bueno, 28 00:01:20.040 --> 00:01:22.560 con la primera programadora de la historia, ¿vale? 29 00:01:22.600 --> 00:01:25.840 Que se llamaba Ada Lovelace, es una inglesa, 30 00:01:25.880 --> 00:01:29.240 que en la primera mitad del siglo XIX, 31 00:01:29.280 --> 00:01:31.560 ella estudió Matemáticas, 32 00:01:31.960 --> 00:01:34.360 era superfan de las matemáticas, 33 00:01:34.400 --> 00:01:38.400 era una niña como súper... bueno, superdespierta, 34 00:01:38.440 --> 00:01:39.480 súper a tope. 35 00:01:40.640 --> 00:01:43.080 Y entonces conoció un señor 36 00:01:43.120 --> 00:01:46.040 que se llamaba Charles Babbage, 37 00:01:46.080 --> 00:01:50.320 que él estaba creando una máquina 38 00:01:50.360 --> 00:01:52.320 para poder hacer cálculos. 39 00:01:52.360 --> 00:01:55.040 Pero te estoy hablando de cálculos sencillos, 40 00:01:55.080 --> 00:01:58.800 y ella empezó a investigar mucho, a trabajar mucho 41 00:01:58.840 --> 00:02:00.560 sobre esa máquina como tal, 42 00:02:00.600 --> 00:02:05.000 y creó el primer programa 43 00:02:05.040 --> 00:02:09.919 que era capaz de hacer cálculos complejos en esa máquina. 44 00:02:10.320 --> 00:02:13.040 Muy fuerte, ¿vale? (RÍE) Suena bien. 45 00:02:13.080 --> 00:02:15.240 Suena bien. Es muy difícil eso. 46 00:02:15.280 --> 00:02:18.440 Y lo hizo una mujer, y ha pasado a la historia 47 00:02:18.480 --> 00:02:21.560 como la primera programadora, que ahora, claro, la informática 48 00:02:21.600 --> 00:02:24.720 la asociamos más a varones, pero ojo, 49 00:02:24.760 --> 00:02:27.160 que ya en el siglo XIX 50 00:02:27.200 --> 00:02:31.120 la primera programadora fue ella. 51 00:02:31.560 --> 00:02:35.320 Y además, bueno, tampoco sé si es mucho leyenda urbana, ¿no? 52 00:02:35.360 --> 00:02:38.480 Pero se decía que era una visionaria y que ella decía: 53 00:02:38.520 --> 00:02:41.120 "Ahora esto es para hacer cálculos, 54 00:02:41.160 --> 00:02:43.880 pero el día de mañana habrá máquinas 55 00:02:43.920 --> 00:02:46.640 que nos ayuden a hacer tareas más complejas como música, 56 00:02:46.680 --> 00:02:49.000 pintura.... 200 años después. 57 00:02:49.040 --> 00:02:51.760 No está mal. Dices: "Vale, Ada...". 58 00:02:51.800 --> 00:02:54.400 "Has dado en el clavo". Y la pregunta es, 59 00:02:54.440 --> 00:02:58.320 toda una pionera como ella, como Ada, uno puede pensar, claro, 60 00:02:58.360 --> 00:03:00.240 luego hay que ir a la historia, 61 00:03:00.280 --> 00:03:03.360 pero seguro que vinieron más pioneras 62 00:03:03.400 --> 00:03:05.480 o el testigo lo siguieron otras. 63 00:03:05.520 --> 00:03:08.800 Pues, a ver, sí, o sea, sí hubo más, 64 00:03:08.840 --> 00:03:13.120 lo que pasa es que en los años 60, 70, 65 00:03:13.160 --> 00:03:16.560 la cosa empezó a cambiar, ¿vale?, del siglo XX ya. 66 00:03:16.600 --> 00:03:18.560 Otro referente superimportante 67 00:03:18.600 --> 00:03:21.720 de mitad del XX es Grace Hooper. 68 00:03:21.760 --> 00:03:24.080 Ella también estudió Matemáticas 69 00:03:25.160 --> 00:03:28.600 y entonces, de repente estalla la Segunda Guerra Mundial 70 00:03:28.640 --> 00:03:33.000 y se alista a la Marina para ayudar a Estados Unidos. 71 00:03:33.040 --> 00:03:35.120 Ella era de Estados Unidos 72 00:03:36.320 --> 00:03:40.280 y ahí estuvo colaborando con lo que entonces eran 73 00:03:40.320 --> 00:03:44.520 los ordenadores que, claro, es difícil de imaginar, 74 00:03:44.560 --> 00:03:47.480 pero eran unos mamotretos gigantes, pero rollo, 75 00:03:47.520 --> 00:03:49.800 o sea, como varios frigoríficos, ¿sabes? 76 00:03:49.840 --> 00:03:51.600 O sea, con un montón de cables, 77 00:03:51.640 --> 00:03:55.080 con botones, era una cosa muy compleja. 78 00:03:55.400 --> 00:03:58.240 Y ahí todavía no había lenguajes de programación, ¿vale? 79 00:03:58.280 --> 00:04:01.560 Ahí lo que había era código máquina, que eran ceros y unos. 80 00:04:01.600 --> 00:04:04.440 Los lenguajes de programación que usamos ahora no existían. 81 00:04:04.760 --> 00:04:07.560 Entonces, lo que hizo Grace Cooper 82 00:04:07.600 --> 00:04:11.080 fue crear el primer compilador, 83 00:04:11.120 --> 00:04:13.880 que eso es como el precursor del lenguaje de programación. 84 00:04:13.920 --> 00:04:17.160 Es decir, pasar el lenguaje más humano, o sea, 85 00:04:17.200 --> 00:04:18.600 con palabras nuestras, 86 00:04:18.640 --> 00:04:22.560 a código fuente de ceros y unos. 87 00:04:22.600 --> 00:04:25.040 Y esto también es complejísimo, ¿vale? 88 00:04:25.080 --> 00:04:26.600 No me lo quiero ni imaginar. 89 00:04:26.640 --> 00:04:30.600 Eso es complejísimo y fue también una mujer, 90 00:04:30.640 --> 00:04:32.560 fue Grace Hooper. 91 00:04:33.600 --> 00:04:36.800 Y esta también hizo un lenguaje de programación 92 00:04:36.840 --> 00:04:37.920 que se llama COBOL, 93 00:04:37.960 --> 00:04:40.040 que luego lo usan un montón de empresas, 94 00:04:40.080 --> 00:04:42.200 hay empresas que todavía lo usan. 95 00:04:42.240 --> 00:04:45.040 Y claro, el siguiente gran salto 96 00:04:45.080 --> 00:04:48.360 en lo que serían lenguajes de programación, 97 00:04:48.960 --> 00:04:52.560 en programar, sería casi ahora, ¿sabes?, 98 00:04:52.600 --> 00:04:54.480 con ChatGPT, con DeepSeek, 99 00:04:54.520 --> 00:04:57.160 ya es lenguaje humano de verdad que te hace el programa. 100 00:04:57.200 --> 00:05:00.120 Tú ya hablas directamente y te hace el programa. 101 00:05:00.160 --> 00:05:02.880 Pero ese paso intermedio en los lenguajes de programación, 102 00:05:02.920 --> 00:05:07.560 el primer compilador se lo debemos a Grace Hooper. 103 00:05:08.000 --> 00:05:10.840 Y luego también hay anécdotas que vienen de... 104 00:05:11.440 --> 00:05:16.200 Ahora mismo, cuando hay un error en informática, decimos: 105 00:05:16.240 --> 00:05:19.280 "Tiene un bug", y un "bug" en inglés es un bicho. 106 00:05:19.880 --> 00:05:23.920 O voy a solucionar el programa y decimos: "Vamos a debuguearlo". 107 00:05:24.320 --> 00:05:26.640 Y esto fue de verdad en la historia. 108 00:05:26.680 --> 00:05:28.160 ¿Esto pasó? Esto pasó. 109 00:05:28.200 --> 00:05:31.120 Lo que pasó era que tenía un fallo. 110 00:05:31.160 --> 00:05:34.640 Entonces, se meten en la máquina, todos los cables, todo esto... 111 00:05:34.680 --> 00:05:38.560 y se encontraron una polilla. Mira, un "bug" de verdad. 112 00:05:38.600 --> 00:05:41.360 Un "bug" de verdad. Y entonces esta Grace dijo: 113 00:05:41.400 --> 00:05:43.160 "Ay, lo hemos debugueado", ¿no? 114 00:05:43.200 --> 00:05:46.680 Y se ha quedado ahí en la historia, ¿no? 115 00:05:46.720 --> 00:05:49.760 Y esto es primeros del siglo XX. 116 00:05:50.000 --> 00:05:51.960 No deja de ser, no sé si paradójico 117 00:05:52.000 --> 00:05:56.160 o curioso al menos, que tenemos por un lado estas mujeres pioneras 118 00:05:56.200 --> 00:06:00.040 y lo llevamos a hoy en día y hablando de informática, 119 00:06:00.440 --> 00:06:02.720 ¿y qué pasa? Pues, a ver, a mí también 120 00:06:02.760 --> 00:06:04.400 me gustaría saber qué pasa. 121 00:06:05.120 --> 00:06:07.080 Sí, es una... A ver, es tremendo. 122 00:06:07.120 --> 00:06:09.560 Es verdad que ahora hay menos informáticas, 123 00:06:09.600 --> 00:06:12.040 menos mujeres en IA, y esto... 124 00:06:12.560 --> 00:06:14.120 Las causas son muchas, ¿no? 125 00:06:14.160 --> 00:06:17.000 Y se está intentando también saber por qué, ¿no? 126 00:06:17.040 --> 00:06:21.480 Fíjate, es que al principio, o sea, antes de los años 70, 127 00:06:21.520 --> 00:06:24.720 80, la informática se consideraba una tarea de mujeres, 128 00:06:24.760 --> 00:06:28.240 se relacionaba con una tarea administrativa, ¿sabes? 129 00:06:28.280 --> 00:06:29.840 Era un trabajo de mujeres, 130 00:06:29.880 --> 00:06:32.000 las primeras informáticas eran mujeres. 131 00:06:32.040 --> 00:06:34.440 Luego, en los años 70-80, 132 00:06:34.480 --> 00:06:39.120 empezó a tratarse de una profesión con más prestigio, 133 00:06:39.480 --> 00:06:43.160 con salarios más altos, y eso atrajo a más varones. 134 00:06:43.440 --> 00:06:45.080 Eso es una razón. 135 00:06:46.200 --> 00:06:48.640 Otra razón es que también en aquella época 136 00:06:48.680 --> 00:06:50.600 ya empezaban los ordenadores personales 137 00:06:50.640 --> 00:06:53.720 y el marketing que se hacía de los ordenadores personales 138 00:06:55.520 --> 00:06:58.680 se hizo sobre todo orientado hacia los varones. 139 00:06:58.880 --> 00:07:02.240 Cuando ya empezó ese boom de los ordenadores personales y tal, 140 00:07:02.280 --> 00:07:05.680 ya teníamos muchos más varones dedicados 141 00:07:05.720 --> 00:07:07.400 a la informática que mujeres. 142 00:07:07.440 --> 00:07:09.160 Y esto nos llevó a una situación 143 00:07:09.480 --> 00:07:12.440 en la que no había referentes, en la que no hay referentes. 144 00:07:12.480 --> 00:07:17.320 Y claro, es que eso suena baladí, pero no, eso es superimportante. 145 00:07:17.360 --> 00:07:20.160 Si no hay referentes, ni te planteas 146 00:07:20.200 --> 00:07:21.880 que te puedas dedicar a eso. 147 00:07:21.920 --> 00:07:24.520 Por ejemplo, yo soy doctora de Informática, 148 00:07:24.560 --> 00:07:26.440 pero yo no estudié Informática. 149 00:07:26.800 --> 00:07:29.880 Yo estudié Lingüística, y dices: "¿Por qué no estudié Informática 150 00:07:29.920 --> 00:07:31.560 si era lo que me gustaba?". 151 00:07:31.600 --> 00:07:33.360 Fede, ni se me pasó por la cabeza. 152 00:07:33.400 --> 00:07:35.680 No existía, no estaba en el mapa, ¿no? 153 00:07:35.720 --> 00:07:39.520 Es que ni se me pasó, no sé, ni se me pasó por la cabeza. 154 00:07:39.560 --> 00:07:42.120 Entonces, los referentes son muy importantes. 155 00:07:42.160 --> 00:07:45.000 Es una de las razones por las que he querido venir 156 00:07:45.040 --> 00:07:46.720 a "La aventura del Saber" y digo: 157 00:07:46.760 --> 00:07:50.520 "Eh, informática, tal", porque es muy importante, ¿no? 158 00:07:50.560 --> 00:07:53.120 Igualmente, bueno, pues también hay 159 00:07:54.880 --> 00:07:58.200 iniciativas para que cada vez haya más referentes, 160 00:07:58.240 --> 00:08:01.840 hay una iniciativa que se llama Women in AI, de mujeres 161 00:08:01.880 --> 00:08:03.720 en inteligencia artificial. 162 00:08:03.760 --> 00:08:07.440 Y hay una megareferente que se llama Fei-fei Li, 163 00:08:07.480 --> 00:08:09.360 y en inteligencia artificial, 164 00:08:09.400 --> 00:08:11.520 y está viva y está... Eso te iba a preguntar. 165 00:08:11.560 --> 00:08:15.920 Apunta muy buena manera Fei-fei Li, pero lo que dices es verdad, 166 00:08:15.960 --> 00:08:19.080 la temporada pasada nos decía la astronauta Sara García Alonso 167 00:08:19.120 --> 00:08:21.800 precisamente eso, que parte de su labor divulgativa 168 00:08:21.840 --> 00:08:25.400 es para enseñar un poco y ser referente para muchas. 169 00:08:25.440 --> 00:08:29.560 Sí, que se puede, que existe. Referentes hay. 170 00:08:29.600 --> 00:08:32.360 Como Fei-fei Li. Como Fei-fei Li. 171 00:08:32.679 --> 00:08:35.760 Qué crack Fei-fei Li. 172 00:08:35.799 --> 00:08:40.480 Bueno, ella nació en China y con su familia se mudaron 173 00:08:40.520 --> 00:08:43.960 a Estados Unidos para un futuro mejor, ¿no? 174 00:08:44.159 --> 00:08:46.400 Inmigrantes. No lo tuvo fácil, ¿eh? 175 00:08:46.440 --> 00:08:50.280 Con 15 años estaba ayudando en la lavandería de sus padres, 176 00:08:50.320 --> 00:08:51.560 estudiando. 177 00:08:51.600 --> 00:08:54.040 La tía es una crack, estudió Física. 178 00:08:54.080 --> 00:08:57.080 Es curioso que en inteligencia artificial 179 00:08:57.120 --> 00:09:01.040 muchas de las personas han estudiado Física, ¿sabes? 180 00:09:01.080 --> 00:09:03.520 Los físicos son los primeros que empezaron a utilizar 181 00:09:03.560 --> 00:09:06.280 modelos de "machine learning", de aprendizaje automático. 182 00:09:06.320 --> 00:09:09.160 Estudió Física, hizo el doctorado en inteligencia artificial 183 00:09:09.640 --> 00:09:12.240 y ahora es profesora en Stanford. 184 00:09:12.840 --> 00:09:14.800 Y Fei-fei Li ha hecho mil cosas, 185 00:09:14.840 --> 00:09:19.560 pero una de las cosas que es súper... bueno, que es brutal, 186 00:09:19.600 --> 00:09:22.600 es que es una de las precursoras de la visión artificial, 187 00:09:22.840 --> 00:09:25.160 de la "computer vision", de la visión artificial. 188 00:09:25.480 --> 00:09:26.760 ¿Y cómo hizo esto? 189 00:09:26.800 --> 00:09:29.320 Fue la fundadora de ImageNet. 190 00:09:29.360 --> 00:09:33.600 ¿Qué es esto? Esto era un corpus de datos 191 00:09:34.280 --> 00:09:36.280 de 14 millones de imágenes. 192 00:09:36.320 --> 00:09:40.760 Y cada imagen estaba anotada de manera manual de "esto es esto". 193 00:09:40.800 --> 00:09:43.920 La visión artificial es lo que tiene ahora mismo 194 00:09:43.960 --> 00:09:47.440 cualquier coche automático o semiautomático 195 00:09:47.480 --> 00:09:50.000 de que te detecta un peatón, una señal, 196 00:09:50.040 --> 00:09:51.600 eso es la visión artificial. 197 00:09:51.640 --> 00:09:55.640 El móvil que detecta tu cara es visión artificial, vale, 198 00:09:55.680 --> 00:09:58.800 pero para eso tú necesitas, para entrenar esos algoritmos, 199 00:09:58.840 --> 00:10:00.720 necesitas tener datos de entrenamiento. 200 00:10:00.760 --> 00:10:04.320 Ella fundó ImageNet, que eran esos datos de entrenamiento, 201 00:10:04.360 --> 00:10:07.680 que ahora 14 millones de imágenes suena superpoco, 202 00:10:07.720 --> 00:10:10.680 pero era la base de datos más grande que había de esto. 203 00:10:10.720 --> 00:10:13.920 Empezaron a hacer concursos, ¿vale? 204 00:10:13.960 --> 00:10:17.040 Era el concurso de ImageNet en el que se apuntaban 205 00:10:17.080 --> 00:10:19.600 las universidades, los mejores grupos de investigación 206 00:10:19.640 --> 00:10:21.680 de todo el mundo, de empresas y de tal, 207 00:10:21.720 --> 00:10:24.800 para mejorar algoritmos de predicción 208 00:10:24.840 --> 00:10:29.680 de qué había en esas imágenes... pues eso, de competición. 209 00:10:29.720 --> 00:10:33.680 Y es verdad que a lo mejor fuera del mundo de la informática 210 00:10:33.720 --> 00:10:36.200 no se conoce mucho, pero dentro esto era famosísimo. 211 00:10:36.600 --> 00:10:40.640 Los concursos de ImageNet eran superfamosos. 212 00:10:40.680 --> 00:10:43.680 ¿Qué pasaba? Que los mejores equipos 213 00:10:43.720 --> 00:10:46.720 se ponían y una vez al año publicaban los resultados. 214 00:10:46.760 --> 00:10:50.320 Y no solamente eran los resultados, tenías que publicar 215 00:10:50.360 --> 00:10:53.280 cómo lo habían hecho, cómo era el algoritmo. 216 00:10:53.320 --> 00:10:56.720 Esto hizo que poco a poco, en informática, 217 00:10:56.760 --> 00:11:01.000 en inteligencia artificial, en esta tarea de visión artificial, 218 00:11:01.040 --> 00:11:03.200 fuera subiendo el estado del arte. 219 00:11:03.240 --> 00:11:08.160 Claro, porque al final la gente... el concurso molaba mucho. 220 00:11:08.200 --> 00:11:12.000 Una competición sana, pero iba subiendo, tal, 221 00:11:12.040 --> 00:11:16.480 y en el 2012, de repente, 222 00:11:16.520 --> 00:11:21.280 hay una aproximación que gana pero de calle. 223 00:11:21.560 --> 00:11:25.360 De hecho, supera... el margen de error 224 00:11:25.760 --> 00:11:27.760 es por muchísimo menos. 225 00:11:27.800 --> 00:11:30.880 O sea, el porcentaje de error es por muchísimo menos. 226 00:11:30.920 --> 00:11:32.560 Todo el mundo: "¿Qué ha pasado?". 227 00:11:32.600 --> 00:11:36.200 Y era una red neuronal que se llamaba AlexNet. 228 00:11:36.240 --> 00:11:38.760 ¿Por qué? Porque el tío que la creó se llamaba Alex. 229 00:11:38.800 --> 00:11:39.960 Dejó su impronta. 230 00:11:40.000 --> 00:11:42.160 (RÍE) Sí, 231 00:11:42.200 --> 00:11:44.920 y de la Universidad de Toronto, 232 00:11:44.960 --> 00:11:48.080 junto a otros, junto a Geoffrey Hinton, 233 00:11:48.120 --> 00:11:51.520 que acaba de ganar el Premio Princesa de Asturias. 234 00:11:51.560 --> 00:11:54.440 Y entonces, esa red... 235 00:11:54.960 --> 00:11:59.600 Claro, ese algoritmo que detectaba, que hacía visión artificial 236 00:11:59.640 --> 00:12:01.880 mucho mejor que el resto, era una red neuronal 237 00:12:01.920 --> 00:12:06.080 con aprendizaje profundo y tal, y esto fue el principio 238 00:12:06.120 --> 00:12:09.560 de la revolución de la inteligencia de la que estamos viviendo ahora, 239 00:12:09.600 --> 00:12:11.720 de ya que funcionan las cosas muy bien... 240 00:12:11.760 --> 00:12:13.680 fue el principio de eso. 241 00:12:13.720 --> 00:12:16.960 Y esto fue gracias a los concursos 242 00:12:17.520 --> 00:12:18.960 de ImageNet 243 00:12:19.000 --> 00:12:23.160 y de toda la... una de las precursoras fue Fei-fei Li. 244 00:12:23.480 --> 00:12:25.640 Nos queda un minutito, nada más, 245 00:12:25.680 --> 00:12:27.360 pero volvemos un poco a lo de antes. 246 00:12:27.400 --> 00:12:30.200 Tenemos un gran ejemplo, una pionera, un referente, 247 00:12:30.280 --> 00:12:32.880 Fei-fei Li, ¿y qué pasa con la inteligencia artificial? 248 00:12:33.200 --> 00:12:38.200 Pues mira, lo que pasa es que ahora mismo solamente el 22 % 249 00:12:38.240 --> 00:12:40.800 de las investigadoras en inteligencia artificial 250 00:12:40.840 --> 00:12:42.840 son mujeres, ¿vale? Y esto es un problemón. 251 00:12:42.880 --> 00:12:45.480 Y no es un problemón solamente teniendo en cuenta 252 00:12:45.520 --> 00:12:49.000 L:61% la perspectiva de género, ¿vale? Es un problema global 253 00:12:49.040 --> 00:12:53.720 L:61% porque deberíamos tener en cuenta la diversidad en general. 254 00:12:53.760 --> 00:12:57.120 L:61% O sea, tú ten en cuenta que la inteligencia artificial 255 00:12:57.160 --> 00:13:00.160 L:61% afecta a todos, afecta a muchísimas personas. 256 00:13:00.240 --> 00:13:02.960 Y eso debería ser realizada 257 00:13:03.000 --> 00:13:07.600 L:61% o creada por un grupo lo más diverso posible. 258 00:13:07.640 --> 00:13:11.280 L:61% ¿Por qué? Porque en función de cómo se recogen los datos, 259 00:13:11.320 --> 00:13:14.280 L:61% en función de cómo se crea esto, se comporta así. 260 00:13:14.320 --> 00:13:15.840 Vimos en el programa anterior 261 00:13:15.880 --> 00:13:18.960 que sin datos no era posible tener inteligencia artificial. 262 00:13:19.000 --> 00:13:22.800 Cuanto más diversos los datos, mejor se comportará el algoritmo. 263 00:13:22.840 --> 00:13:26.280 Cuanto menos diversos, más transfieren los sesgos. 264 00:13:26.320 --> 00:13:28.840 Los sesgos de todo, no solo de género, de todo. 265 00:13:28.880 --> 00:13:30.880 Entonces es superimportante 266 00:13:32.640 --> 00:13:35.360 que en algo que impacta a toda la población 267 00:13:35.400 --> 00:13:38.560 haya el mayor número de diversidad posible. 268 00:13:38.600 --> 00:13:40.640 No solo de mujeres, sino diversidad posible. 269 00:13:40.680 --> 00:13:43.240 Nos quedamos sin tiempo, pero te agradezco mucho 270 00:13:43.280 --> 00:13:46.160 toda esta información y personalidades, 271 00:13:46.200 --> 00:13:49.000 como tú y como Fei-fei Li, para seguir hablando. 272 00:13:49.040 --> 00:13:51.080 Nos vemos en dos semanitas. En dos semanas. 273 00:13:51.120 --> 00:13:52.480 Muchas gracias, Luz. Gracias.