El Dr. Manuel Villalobos es doctor en Ciencias de la Ingeniería, mención Informática (Usach, 2017) y se desempeña como Profesor asistente del Departamento de Ingeniería Informática de la misma universidad. Durante su carrera, ha cultivado la ciencia de datos, aprendizaje automático, entre otras, aplicados a campos como la bioinformática, biología computacional, educación, industria y sistemas productivos sostenibles.
En esta entrevista, conversamos con el Dr. Villalobos sobre el estado del arte de la inteligencia artificial y profundizamos en sus proyectos en el campo de la “informática aplicada”.
¿Podrías describir brevemente el estado del arte de la IA?
R: Hoy la inteligencia artificial está presente en muchas áreas, desde la educación y la salud hasta la industria y el arte. Lo que más ha cambiado en los últimos años es su masificación: ahora cualquier persona puede utilizar herramientas con IA, sin necesidad de comprender los principios técnicos que las sustentan. Esto ha sido posible gracias al aumento en la capacidad de cómputo y a la disponibilidad masiva de datos, lo que permite que los algoritmos operen con mayor precisión. Aunque las máquinas no entienden cómo los humanos, sí logran identificar patrones y ayudarnos a resolver tareas complejas de forma rápida y eficiente.
¿Cuál es la IA real, la que vivimos día a día, y cuál es la IA de la ciencia ficción?
R: Nosotros estamos viviendo en el mundo de la inteligencia artificial débil, aquella enfocada en tareas específicas, como las que realizamos en nuestras casas y trabajos. De la inteligencia artificial fuerte, la que suele aparecer en la ciencia ficción, estamos muy lejos aún.
¿Qué avances tecnológicos se necesitan para llegar a una IA fuerte?
R: Para alcanzar una inteligencia artificial fuerte, aún se requieren avances significativos en áreas como la neurociencia, el modelamiento de la conciencia bajo una definición aceptada colectivamente, la computación cognitiva y la capacidad de aprendizaje generalizado. También es necesario desarrollar arquitecturas que no solo procesen datos, sino que integren contextos, emociones y experiencias, algo que hoy está fuera del alcance de cualquier sistema.
¿En cuánto tiempo más llegaremos a la IA fuerte?
R: No hay consenso claro sobre cuánto tiempo tomará alcanzar la inteligencia artificial fuerte. Algunas estimaciones optimistas hablan de unas pocas décadas, mientras que otras sostienen que podría no ocurrir en absoluto o tardar siglos. Lo cierto es que aún enfrentamos desafíos científicos y éticos fundamentales que hacen imposible prever una fecha con certeza. Personalmente, creo que nunca vamos a llegar a una IA fuerte, porque pienso que la mente humana no puede ser reducida a un sistema computacional, como sugiere el teorema de Gödel. Incluso el físico Roger Penrose ha defendido esta idea, planteando que la conciencia humana implica procesos que van más allá de lo que puede hacer una máquina.
¿Es la IA una herramienta perfecta?
R: No. La inteligencia artificial no es una herramienta perfecta. Tiene sesgos y siempre existirá una probabilidad de error, porque aprende a partir de los datos con los que fue entrenada. Además, ningún sistema puede explicar todo. Incluso las matemáticas tienen límites, y eso lo demuestra el Teorema de Gödel. Nunca vamos a tener un sistema con error cero. A eso se suma un componente ético muy importante, que no depende de la máquina, sino de las personas que la diseñan y la usan.
¿Cómo piensa una IA?
R: Solemos imaginar a la inteligencia artificial como una caja negra que “piensa”, pero en realidad no replica el proceso mental humano. Es una forma de inteligencia distinta. Para entenderlo, pensemos en el siguiente experimento mental: estamos en una sala con un conjunto de tarjetas escritas en chino. Nos piden entregar las tarjetas correctas según ciertos símbolos, aunque no entendamos el idioma. Al principio el proceso es lento, pero con práctica vamos respondiendo cada vez más rápido. Desde afuera, un observador podría creer que entendemos chino, cuando en realidad solo seguimos instrucciones y patrones. La inteligencia artificial funciona de manera similar: mejora la velocidad y precisión con que responde, pero sin comprender lo que hace. No tiene experiencia ni percepción. Aprende en base a relaciones entre datos, mediante el cálculo, no a través de la conciencia o el entendimiento.
¿Qué es la inteligencia humana?
R: Podría decir que la inteligencia humana es la capacidad de tomar decisiones acertadas basadas en la experiencia, ya sea a partir de la interacción con el entorno o con otras personas. Se trata de resolver problemas no solo aplicando conocimientos, sino también considerando el contexto y lo aprendido a lo largo del tiempo.
Entiendo que el test de Turing se superó hace algunos años, ¿es así?
R: Sí, se podría decir que algunas adaptaciones del Test de Turing han sido superadas en los últimos años. Existen sistemas capaces de sostener conversaciones por texto, como en aplicaciones de mensajería, al punto de confundir a muchos usuarios sobre si están hablando con una persona o una máquina. Sin embargo, esto no implica que la IA comprenda lo que dice. Por eso el test ha evolucionado y hoy se proponen versiones más exigentes, que incluyen interpretación de contexto, integración de lenguaje con imágenes o razonamiento común. En esos casos, las limitaciones de la IA siguen siendo evidentes. Imitar el lenguaje no es lo mismo que pensar.
Informática aplicada
La informática aplicada es el área de la informática que busca resolver problemas concretos de la vida cotidiana, especialmente en contextos como la salud, la educación o la industria. Actualmente, el Dr. Villalobos participa en cuatro proyectos que utilizan herramientas de inteligencia artificial para abordar desafíos reales.
- Proyecto DICYT 062319VC sobre eficiencia hospitalaria: La iniciativa comenzó en 2012, cuando el Dr. Villalobos trabajaba en el Hospital Barros Luco-Trudeau y el Servicio de Salud Metropolitano Sur, con el objetivo de incorporar criterios de eficiencia técnica en la definición de presupuestos anuales mediante herramientas de machine learning. Actualmente, la herramienta tiene cobertura para los más de 190 hospitales de la red pública nacional.
- Distribución, factores de riesgo y accesibilidad para accidentes cerebrovasculares (ACV): El proyecto comenzó en 2022 con el objetivo de optimizar la atención clínica y mejorar la sobrevida de los pacientes con ACV. La iniciativa se desarrolla en colaboración con el estudiante de pregrado Iván Guajardo Arias, el estudiante de doctorado Matías Escudero Bell y el ingeniero Diego Garrido Delgado, ambos de la Universidad de Santiago de Chile, junto a otros profesionales del área.
- Proyecto ANID/Fondecyt Regular #1231505: El Dr. Villalobos es co-investigador de este proyecto dirigido por el Dr. Mario Inostroza-Ponta, orientado al desarrollo de algoritmos de optimización multiobjetivo para el análisis de datos genéticos, con un enfoque específico en la biología del cáncer. El trabajo se centra en el diseño de herramientas computacionales que permitan analizar grandes volúmenes de datos genómicos de forma eficiente, considerando múltiples criterios simultáneos, lo que representa un desafío clave en la investigación biomédica actual.
- Aplicación de machine learning para acelerar procesos de evolución adaptativa en levaduras con aplicación industrial: En este proyecto, el académico trabaja con la investigadora Ángela Contreras (U. Católica del Maule). Los académicos identificaron cepas genómicamente mejoradas con potencial cervecero, lo que demuestra cómo la inteligencia artificial puede incrementar significativamente la eficiencia y precisión en procesos biotecnológicos complejos. El estudio fue recientemente destacado en el boletín de Nature.
- Machine learing para caracterizar a pacientes reumáticos: Desde el año 2024 el Dr. Villalobos aplica técnicas de análisis de datos mediante aprendizaje automático para caracterizar perfiles clínicos en la Red Chilena de Pacientes Reumáticos. Este trabajo, desarrollado en colaboración con la estudiante de Ingeniería Civil Biomédica Javiera Vásquez Salgado, combina inteligencia artificial con salud pública y fue reconocido por el capítulo chileno de la Sociedad Internacional de Economía de la Salud e Investigación de Resultados (ISPOR Chile 2024).
Estos esfuerzos reflejan cómo la inteligencia artificial, bien aplicada, puede convertirse en una herramienta concreta para abordar problemas complejos con impacto real en la sociedad.