La inteligencia artificial (IA) se discute cada vez más como si fuera sinónimo de grandes modelos de lenguaje. Pregunta cuál país lidera en IA y la conversación rápidamente gira hacia modelos de base, GPUs, parámetros de modelo y las empresas capaces de entrenarlos. Pregunta dónde está África y la respuesta es a menudo igualmente predecible: África está atrás. Hay algo de verdad en esa evaluación. El continente aún enfrenta grandes brechas en computación de alto rendimiento, capacidad de semiconductores avanzados, infraestructura en la nube, financiamiento para la investigación y acceso a hardware especializado. Una revisión de 2024 de la investigación en visión por computadora africana encontró una representación extremadamente baja en lugares de primer nivel. Estas son debilidades reales y no deben disfrazarse. Pero la conclusión también depende de dónde elegimos empezar a contar. La IA no comienza con un modelo. Y la inteligencia no comienza con el lenguaje. Los seres humanos experimentan el mundo multimodalmente. Vemos, escuchamos, nos movemos, recordamos, interpretamos y combinamos señales a través del contexto. El lenguaje importa, pero es solo una parte de la inteligencia. Por eso creo que el debate actual sobre la IA africana está demasiado inclinado hacia el procesamiento del lenguaje natural. Las tecnologías en idiomas africanos son importantes y deben ser apoyadas. Pero muchos de los problemas más importantes del continente son físicos: agricultura, minería, transporte, salud, infraestructura, energía, vida silvestre, manufactura y clima. Las máquinas que operan en estos entornos deben poder percibirlos primero. Deben interpretar cultivos, carreteras, imágenes médicas, superficies minerales, líneas eléctricas, vehículos, animales, edificios y paisajes cambiantes. Este es el dominio de la visión por computadora. Considera la agricultura. Una cámara de teléfono o un dron puede ayudar a identificar enfermedades en cultivos, evaluar la salud de las plantas o monitorear el ganado. La imagen satelital puede apoyar el análisis de sequías, mapeo de inundaciones, monitoreo del uso de la tierra y planificación de infraestructura. En salud, la visión por computadora puede ayudar con rayos X, diapositivas de patología, microscopios, ultrasonido e imágenes de retina. En minería, puede contribuir a la cartografía geológica, inspección de equipos, clasificación de minerales y seguridad de los trabajadores. En conservación, las trampas de cámara y los drones pueden reducir la carga de revisar manualmente imágenes de vida silvestre. Estos no son usos periféricos de la IA. Conectan la inteligencia directamente a la economía productiva. Por eso importa la frase 'el mundo es multimodal'. El futuro de la IA no es probable que sea puramente textual. Los sistemas útiles combinarán imágenes, voz, texto, datos de sensores, ubicación, historia y tiempo. Un sistema agrícola puede combinar imágenes satelitales, datos de lluvia, mediciones de suelo y la descripción de un agricultor. Un sistema médico puede combinar una radiografía, resultados de laboratorio e historia clínica. Una plataforma de conservación puede combinar video, señales acústicas, GPS y datos ambientales. La visión por computadora también expone una verdad más profunda sobre la IA: una máquina no ve el mundo directamente. Ve el mundo a través de la historia de sus datos de entrenamiento. Un modelo entrenado principalmente en entornos de otro lugar no entiende automáticamente los entornos africanos. La iluminación difiere. Las carreteras difieren. La arquitectura difiere. Las prácticas agrícolas difieren. Las poblaciones médicas difieren. Los animales difieren. La calidad de la cámara difiere. Incluso la forma en que las personas ocupan el espacio público puede diferir. En aprendizaje automático, esto es en parte un problema de cambio de dominio. Un modelo puede funcionar impresionantemente en un entorno y degradarse bruscamente cuando se implementa en otro lugar. Por eso los datos locales son importantes; no porque África deba aislarse tecnológicamente, sino porque los sistemas utilizados aquí deben entender las realidades que encuentran aquí. Esto debería hacer que la estrategia de datos sea central para la política de IA africana.
También lo cubren: The Mail & Guardian | Africa's Better Future, The Mail & Guardian | Africa's Better Future (Sudáfrica).
🔗 Leer la noticia completa en The Mail & Guardian | Africa's Better Future - Index.Xml
Ver más en NewsToday