Con los nuevos sistemas y aplicaciones de IA generativa que se lanzan, anuncian o demuestran a diario, no sorprende que esta nueva generación de herramientas también esté llamando la atención de los reguladores y legisladores de todo el mundo.
Chat GPT y sus relaciones (competidoras) están brindando una visión cada vez más clara de lo que se avecina. La combinación de algoritmos de aprendizaje automático, un poder de cómputo previamente inimaginable y una «base de datos» de aprendizaje que comprende todo Internet significa que todo tipo de esfuerzos que antes hubieran sido imposibles, están al alcance. Las empresas, las nuevas empresas, los gobiernos y las universidades de todo el mundo se apresuran a explorar lo que es posible hoy y lo que podría ser posible en el futuro.
Si bien las herramientas de hoy pueden sorprendernos con sus capacidades, también pueden impactar con su capacidad para disimular o, técnicamente, para “alucinar”. Más claramente: ¡mienten, y mienten con convicción!
Hace dos semanas, unas 25 000 personas {Ed, bueno, y probablemente algunos robots} , incluido Elon Musk, firmaron una carta abierta en la que pedían una moratoria en el trabajo de los laboratorios de IA para entrenar herramientas más potentes que GPT-4 durante al menos 6 meses.
Esta semana, una agencia clave de los EE. UU. está buscando comentarios sobre si las herramientas de IA deben auditarse o licenciarse y, de ser así, cómo. La UE y el Reino Unido se han centrado en la ética en la IA durante algún tiempo.
Categoría: IA Inteligencia Artificial
IA una necesidad para lidiar con los datos actuales, acaso
Disfrutamos de la reflexión ofrecida en un reciente artículo de opinión de Jo Ann Barefoot sobre el caso de colocar la inteligencia artificial (IA) en el corazón de una regulación financiera digitalmente robusta. Ella postula que «hasta hace poco, no había suficientes datos en forma digitalizada, formateados como código legible por computadora, para justificar el uso de la IA. Hoy en día, hay tantos datos que no solo podemos usar la IA, sino que, en muchos campos, como la regulación financiera, tenemos que usar la IA simplemente para mantenernos al día».
El artículo analiza los casos de uso en los que los reguladores podrían obtener más de los datos subutilizados, como la lucha contra el lavado de dinero, la prevención del fraude, la discriminación crediticia y los préstamos predatorios, y la comprensión de los riesgos relacionados con el clima. También examina algunos de los desafíos, incluidos el sesgo, la protección de datos y la calidad de los datos, señalando que los datos estructurados (como los creados al etiquetar documentos utilizando XBRL) son más fáciles de usar para la IA para obtener resultados significativos y de alta calidad.
La IA tan grande como Internet – El presidente Gensler plantea una regulación dinámica
Hay un gran motivo de reflexión en el título de algunos comentarios recientes del presidente de la Comisión de Bolsa y Valores de los Estados Unidos (SEC), Gary Gensler, sobre «Regulación dinámica para una sociedad dinámica». En declaraciones al Club de Hacienda de Washington DC, reflexionó sobre el principio de que «ninguna regulación puede ser estática en una sociedad dinámica» y ofreció dos principios rectores para dar forma a la agenda de la SEC: impulsar la eficiencia en los mercados de capitales y modernizar las reglas para la economía y las tecnologías actuales.
XBRL y AI
XBRL es ahora el estándar para informes financieros. Cuando los informes solían archivarse como documentos PDF u hojas de Excel, el estándar XBRL ha proporcionado a los reguladores datos legibles por máquina. El hecho de que sea legible por máquina ha mejorado significativamente la calidad de los datos, ya que las reglas comerciales se pueden aplicar cuando se envían los datos. Muchos reguladores quieren dar un paso más y aplicar inteligencia artificial a los datos que reciben.
Inteligencia artificial que impregna los mercados de capital globales
“Esos gigantes de la tecnología global tienen acceso a los hábitos y datos de miles de millones de personas en todo el mundo”, dice Kevin McPartland . “La mayoría de las empresas de servicios financieros, por otro lado, todavía están trabajando arduamente para normalizar los datos que tienen, están luchando por trabajar dentro de las reglas de privacidad que rodean a los datos de los clientes y, a menudo, trabajan con conjuntos de datos tan limitados que el resultado es aún más artístico que Ciencias.»