Martes 14 de Octubre de 2025
El 9 de octubre se inauguró el coloquio La IA generativa en el quehacer científico ¿Primavera o borrasca del conocimiento?, organizado por la Secretaría de Ciencia, Humanidades, Tecnología e Innovación de México junto al Centro de Investigaciones y Estudios Superiores en Antropología Social Peninsular.
La instancia, coordinada por Inés Cortes Campos, Carmen Díaz Novelo junto Mario Chirinos Colunga, reunió a expertos de diversas áreas para reflexionar y dialogar sobre el uso de la Inteligencia Artificial (IA) en la producción científica, así como en áreas del conocimiento. Una de las Ia mencionadas fue Chat GPT-5 y su capacidad de generar códigos funcionales de programas mundialmente populares.
En representación de la Universidad Central sede Región de Coquimbo, los académicos invitados fueron Cristian Vega, Paulina Troncoso y Juan Magaña, quienes presentaron la ponencia de ¿Cómo enseñar pensamiento algorítmico en la era de la automatización por IA?, abordado desde el aspecto ético y formativo que se da actualmente en el área tecnológica y científica.
Durante la presentación, se destacó la alta capacidad de la IA para generar códigos y resolver los problemas complejos a partir de las instrucciones simples, también llamados prompt simples, transformando significativamente el aprendizaje y optimizando el desarrollo de múltiples proyectos en diversas disciplinas, permitiendo acceder a soluciones complejas sin requerir de conocimiento previo.
Sin embargo, también se advirtió que el su uso puede generar “cajas negras” en los procesos de investigación, reduciendo la tasa de compresión de datos y algoritmos provocando medio de errores no detectados, suposiciones implícitas no verificadas o la misma dependencia de soluciones automáticas. Esta situación, podría traer consigo un riesgo en la precisión de los software científicos.
El coloquio permitió generar espacio de diálogo entre personas científicas, desarrolladores, ingenieras, especialistas de IA, con el objetivo de reflexionar sobre las estrategias para garantizar la comprensión y validación del código generado por IA. Asimismo, las buenas prácticas de documentación, trazabilidad y auditoría del software científico, junto con las herramientas y metodologías que promuevan la transparencia de los modelos y algoritmos empleados en complemento de la integración de la IA y no reemplazo, del razonamiento humano y la enseñanza de fundamentos lógicos.