Por Alejandro Moressi
Ya por el año 1995, en la Fuerza Aérea Argentina nos interesaba el concepto y desarrollo de las redes neuronales, un tema que hoy, en la denominada Inteligencia Artificial (IA), se encuentra en boca de los medios periodísticos como consecuencia de una carta abierta producida por varios CEOs y científicos haciendo “un llamado a todos los laboratorios de IA para que pausen de inmediato durante al menos 6 meses el entrenamiento de los sistemas de IA más potentes que GPT-4” (Future of Life Institute, 2023). Al momento de la consulta ya se registraban en el sitio 10.242 firmas, con el objetivo de establecer ciertas pautas éticas en relación con este notable avance de la ciencia.
Ilustración 1: 2 Trayectoria de la Inteligencia Artificial Fuente: (DNI, USA, 2021, pág. 58) En la edición de junio, The Atlantic publica un artículo de Henry Kissinger titulado, “Cómo termina la Ilustración”, donde afirma “Filosófica e intelectualmente, en todos los sentidos, la sociedad humana no está preparada para el surgimiento de la inteligencia artificial” (Kissinger, 2018). Es interesante a lo largo del mismo los planteos que el autor realiza, acerca de los valores del conocimiento humano y como el mismo mutaría a partir de los desarrollos de IA.
En el presente, los miedos y las realidades acerca de esta tecnología han alcanzado y superado las dudas planteadas por Kissinger. Si bien se nos presenta un futuro promisorio de la inteligencia artificial, una visita al sitio web de la universidad de la singularidad (https://www.su.org/) permite apreciar el futuro de esta herramienta.
Así mismo, el Global Trends 2040 (DNI, USA, 2021) presenta a la IA como un elemento de alto impacto transformador de futuro, aunque en una visión exhaustiva del documento debemos ver que incluye otras tecnologías asociadas como: (1) Interfases hombre máquina; (2) Nuevos materiales (nanotecnologías); (3) Computación avanzada (Cuántica); (4) Realidad Virtual; (5) Internet de las cosas; (6) Robótica, (7) La interconectividad de la redes y por supuesto (8) la IA, esta última entrañablemente sinérgica y potenciadora de todas las tecnologías mencionadas, lleva a que el documento al hablar de la guerra reflexione con las siguientes palabras:
La IA conferirá fuertes ventajas a los países que la incorporan en sus sistemas militares. La IA mejorará el rendimiento de las armas, las defensas y los sistemas de seguridad existentes, tanto físicos como cibernéticos, mientras que también es probable que surjan técnicas contrarias a la IA, diseñadas para negar o confundir la toma de decisiones de la IA (DNI, USA, 2021, pág. 59).
Lo tratado es una introducción a la temática de la Defensa Nacional, donde se intentará analizar aspectos de interés a través las siguientes preguntas: (1) ¿De qué se habla cuando hablamos de IA?; (2) ¿Cuáles pueden ser algunos empleos en el campo de la Defensa? Y (3) ¿Cómo implementar la IA en la Defensa?
¿De qué se habla cuando hablamos de IA?
Cuando se habla de IA, en general se entiende por aplicaciones del tipo de ChatGTP o inteligencia generativa[1], cuando en realidad se está discurriendo sobre una de las ramas de desarrollo de la IA. Estos productos aún en etapas de desarrollo se nutren de varias tecnologías[2], si bien sus respuestas en ocasiones producen asombro, otras veces pueden decepcionar al interlocutor experto[3].
Esto que denominamos inteligencia artificial y que como lo demuestra la ilustración 1, se encuentra en los albores de su crecimiento, son algunas de las varias tecnologías que se conjugan en esta nueva herramienta de la cual conocemos poco y su desarrollo adecuado necesitará del ser humano para crecer y que si no es adecuadamente madurada puede inducir en el trabajo a errores de diferente magnitud.
La IA se puede categorizar en diferentes ramas[4]:
Machine Learning (Aprendizaje Automático): a través de métodos estadísticos, los algoritmos se entrenan para hacer clasificaciones o predicciones y descubrir información. Los algoritmos de aprendizaje automático aprovechan los datos estructurados y etiquetados para hacer predicciones, lo que significa que las características específicas se definen a partir de los datos de entrada para el modelo y se organizan en tablas. Esto no significa necesariamente que no utilice datos no estructurados; solo significa que, si lo hace, generalmente pasa por un procesamiento previo para organizarlo en un formato estructurado.
Deep Learning (Aprendizaje Profundo): es un subconjunto del aprendizaje automático, sobre la base de una red neuronal con tres o más capas, se simula el comportamiento del cerebro humano, ello le permite "aprender" de grandes cantidades de datos, a través de una combinación de entradas de datos, pesos y sesgos. Estos elementos se combinan mediante algoritmos que les permiten reconocer, clasificar y describir los objetos dentro de los datos. Esta tecnología no requiere de preprocesamiento de datos, estos algoritmos pueden ingerir y procesar datos no estructurados, como texto e imágenes, llegando a automatizar la extracción de funciones, eliminando parte de la dependencia de expertos humanos. A partir de estos aprendizajes con procesos de descenso de gradiente y retro-propagación, el algoritmo se adapta y permite hacer predicciones sobre un dato no conocido.
Redes Neuronales: se componen de capas de procesamientos compuestas por nodos, donde siempre hay una capa de entrada y una capa de salida, las demás denominadas capas ocultas, cada nodo es una neurona artificial, que se conecta con otras y tienen asociado un peso y un umbral. Cuando un nodo supera el umbral, se activa y envía datos a la siguiente capa. Las redes neuronales son en realidad un subcampo del aprendizaje automático y el aprendizaje profundo es un subcampo de las redes neuronales, ambas ramas del aprendizaje cibernético pueden emplear formas de aprendizaje supervisado, no supervisado y/o reforzado[5]. El aprendizaje profundo y a las redes neuronales son potenciadores de otras ramas de la IA como: la visión artificial, el procesamiento del lenguaje natural y el reconocimiento de voz.
Procesamiento del Lenguaje natural (NLP): Esta rama de la IA, busca dar a las máquinas la capacidadde comprender texto y palabras habladas de la misma manera que los seres humanos,la conjunción de tecnologías como la lingüística computacional (modelado del lenguaje humano basado en reglas) con modelos estadísticos, aprendizaje automático y aprendizaje profundo, permiten procesar el lenguaje humano en forma de texto o datos de voz, interpretando la intención y sentimiento del usuario. Los desarrollos de esta rama se orientan a permitir la traducción a diferentes idiomas, extraer contenidos, clasificar información, responder cuestiones por texto o voz, generar un nuevo texto a partir de otros dados. Los modelos que se obtienen como resultados de la combinación de estas tecnologías son los llamados modelo de lenguaje extenso (LLM Large Language Model), ejemplos conocidos de este tipo de modelos son ChatGPT, Brad, existen aplicaciones empresariales que permiten el desarrollo de LLM personalizados
Otros campos de la IA:
Sistemas expertos[6]: Los sistemas expertos fueron los antecesores de los sistemas actuales de inteligencia artificial, aprendizaje profundo y aprendizaje automático, ya en los años 60 (sistema de razonamiento basado en Casos - CBR, razonamiento basado en reglas – RBO, o sistemas basados en redes de bayes). Su campo de acción es en dominios muy específicos, por lo cual deben ser altamente confiables, ya que se involucran de manera directa en la toma de decisiones, para ello disponen de: (1) una sólida base de conocimientos, hechos de diferentes expertos y reglas sobre un dominio en particular; (2) un motor de inferencia es quien aplica las reglas a partir de los datos de su base de conocimientos y en función de los hechos puede inferir nuevos hechos; (3) módulo de adquisición y aprendizaje, a través del cual adquiere y procesa nuevos conocimientos, (4) Interface Usuario: a través de la cual el usuario se comunica con el sistema experto y (5) Módulo de respuesta: a través del cual el sistema responde al usuario y argumenta la exactitud de su respuesta. Estos sistemas toman hechos y conceptos heurísticos para resolver problemas complejos de toma de decisiones, pero nunca provee soluciones creativas, y son de costoso mantenimiento.
Sistemas de Imagen: consiste en entrenar sistemas de IA para interpretar y entender el mundo visual, para ello se emplea en aprendizaje profundo en la búsqueda que el sistema pueda identificar de forma precisa, clasificar objetos y reaccionar de acuerdo con un set de reglas. Estos sistemas pueden ser para el reconocimiento de imágenes como para máquinas de visión artificial.
Sistema de Lenguaje: son aquellos que permiten generar texto a partir de la voz o voz a partir del texto. La funcionalidad de texto a voz y de voz a texto emplea técnicas avanzadas de aprendizaje profundo, que convierten los textos en un habla realista o interpreta la palabra humana y la transcribe.
Sistemas de Planeamiento: que emplean diferentes aplicaciones de IA, colaboran en el estudio sistémico de problemas y permiten incrementar los tiempos de respuesta para la determinación de escenarios, definición de objetivos, herramientas más adecuadas para alcanzarlos y definición de las opciones de acción.
Robótica: esta disciplina es la combinación de diversos conocimientos en ingeniería mecánica, eléctrica, biomédica y la aplicación de todas las ramas de la IA en todos los campos, con el objetivo de generar autómatas que puedan realizar tareas determinadas, por el momento su panacea estaría alrededor del concepto de singularidad tecnológica[7].
Las expectativas actualmente indican que la IA en el futuro seguirá incrementando sus capacidades, la utopía presente es alcanzar el concepto de singularidad tecnológica. Por el momento, si bien las predicciones son muy halagüeñas, la realidad es que la concepción de este instrumento por el momento sólo emula la actividad racional del cerebro, quizás en el futuro pueda tender a una forma de razón perfecta.
Más allá de todo lo explicado, se debe tener en cuenta, que aunque el impulsor de los grandes cambios humanos ha sido la creatividad nacida en las áreas emotivas o también conocidas como intuitivas, el conocimiento por el momento es inexplicable para los mismos humanos.
¿Cuáles pueden ser algunos empleos en el campo de la Defensa?
En las aplicaciones de las diversas ramas de IA ya puede advertirse la sinergia que produce en las mismas, permitiendo mejoras en los tiempos para el proceso de toma de decisiones, recolección y análisis de datos, evaluación de opciones, entre otras muchas aplicaciones que se puedan implementar; un detalle importante es que la IA ya sea en aplicaciones débiles o fuertes[8] requiere un considerable trabajo de preparación para la tarea.
En la defensa, la IA es de aplicación en todas y cada una de sus funciones tanto en el nivel estratégico militar, operacional o táctico. Aquí se enuncian algunas posibles aplicaciones generales, solo a modo de ejemplo:
En el nivel Estratégico Militar, la IA podría ser aplicada a:
Planeamiento integrándose en el análisis sistémico y multidimensional de un adversario, estos sistemas aún en configuración de IA débiles o como sistemas expertos permiten la obtención y análisis de datos y podrían definir las posibles estrategias, doctrinas de empleo para cada caso, determinar e informar acerca de tecnologías y definir los componentes del contendiente, las relaciones entre ellos, determinar puntos débiles o críticos, indicando la gama de efectos que se pueden producir sobre los subsistemas o sus relaciones y a partir de la disponibilidad de medios de la defensa y proponer los más adecuados para los efectos que se desean obtener, plazos de ejecución y los costos asociados a cada modo de acción.
Generación de la fuerza futura: la capacidad de acceso y análisis de datos le permiten realizar, por ejemplo, una eficaz modalidad de vigilancia tecnológica[9], acerca de nuevos sistemas de armas, patentes, desarrollos, estado del arte y evolución. Comparando los mismos entre sí y su nivel de adecuación con las prioridades asignadas por la defensa futura. Para lo cual se pueden modelizar escenarios complejos con multiplicidad de variables que pueden ser permutadas, generando nuevos escenarios y múltiples opciones y preseleccionando las de mayor probabilidad de ocurrencia o aquella que posean altos niveles de impacto.
Inteligencia Estratégica: la capacidad de estos sistemas ya se encuentra hoy disponible en los denominados sistemas de inteligencia en fuentes abiertas (OSINT)[10], de hecho, este tipo de sistema es de aplicación en los puntos anteriores y también su necesidad en la defensa ya fue reconocida por el Congreso de los Estados Unidos en 2005 (https://irp.fas.org/congress/2005_cr/dod-osint.html ). Aplicaciones específicas de exploración de Data Mining, resultan esenciales en todo el ciclo de la inteligencia incluso se podrían desarrollar sistemas que detecten la posibilidad de engaño o vulnerabilidades del ciclo de la información
Procesos Logísticos: la disposición de este tipo de sistemas posee múltiples aplicaciones en el estudio de factibilidad, comparación y evaluación de sistemas de armas, simulación de ciclo de vida, análisis de cotos, determinación de los esfuerzos de cada opción presupuestaria y los resultados futuros de la misma en función de múltiples variables. En el caso de estudios sobre inversión para las adquisiciones de la defensa, a la vez otorgar a la misma mayores estándares de diversidad de información, calidad y objetividad en los mismos.[GJLM1]
En el nivel Operacional: en este nivel la IA podría es aplicada en muchos casos en conjunción con otros sistemas, dando lugar a aplicaciones robóticas, muy empleada en los sistemas no tripulados. Ello ha dado lugar a uno de los problemas más discutidos desde la perspectiva ética en el mundo moderno sobre los denominados SALA (Sistema de Armas Letales Autónomos) o por sus siglas en inglés LAWS (Lethal Autonomous Weapons Systems). Mas allá de ello, la IA posee una diversidad de aplicaciones en el nivel operacional, donde de hecho también aplican las explicadas en el plano estratégico, orientadas específicamente a este nivel, por ejemplo, en el Planeamiento a través del empleo de sistemas expertos para tareas de Targeting y weaponeering[11]. Este proceso detallado para el arma aérea puede ser aplicado a todos los dominios del campo de batalla (aire, espacio, ciberespacio, tierra y mar). Algunas otras aplicaciones en este nivel pueden ser:
Comando y Control: esta actividad es la que nuclea los mayores requerimientos de la IA, ya que su necesidad de actuar en tiempo real y de manera efectiva requiere potentes procesos de análisis de datos para obtener, identificar y actuar con el mayor nivel de eficacia en la obtención de los objetivos, ello requiere de la combinación de celdas de operaciones, para la maniobra, coordinación de los fuegos, ISR, la defensa el sostenimiento operacional y el control de la información. Actualmente esta actividad con alta interacción de la IA se está denominando como Comando y Control en todos los dominios (JADC2[12], por sus siglas en inglés).
Inteligencia, vigilancia y reconocimiento (ISR): algunos ejemplos de estos sistemas complementados por los campos de IA podrían ser: (1) Sistemas de lenguaje para comprensión y transmisión de mensajes propios o del enemigo, facilitar las comunicaciones en coaliciones, (2) Sistemas de Visión para adquirir datos, definir blancos, reconocimiento óptico de caracteres, imágenes, etc. (3) Robótica aplicada a sistemas no tripulados (4) Sistemas expertos, para análisis de objetivos materiales.
Logística: las capacidades de los sistemas de IA aquí pueden ser aplicadas al mantenimiento predictivo, provisión optimizada por parámetros para la disponibilidad de munición, combustibles y otros efectos.
Operaciones en el Ciberespacio: la IA posee multiplicidad de funciones, tanto de tareas de defensa como de explotación y de ofensiva; así como en operaciones de información, desinformación, influencia y psicológicas, particularmente en su orientación a la determinación de blancos y empleo de las ciberarmas más adecuadas para cada caso.
Adiestramiento: el empleo de la realidad aumentada y los sistemas de IA, permitirán reducir los costos del adiestramiento de los RRHH, a la vez que implica un incremento en la calidad, eficacia y eficiencia del mismo, donde el ser humano recibe una muy detallada retroalimentación de su actividad y la posibilidad de incrementar los procesos y procedimientos para mejorar su desempeño de manera personalizada.
¿Cómo implementar IA en la Defensa?
El universo del conflicto es un espacio-tiempo einsteiniano sin líneas rectas ni densidades uniformes, que uno puede imaginar como un agregado de aglomeraciones más o menos dispersas e inconexas de hombres, materiales y fuego del universo bélico. Así concebida, la batalla es una brutal concentración en tiempo y espacio del que resultan decisiones donde un bando impone su voluntad al otro y deja fuera de combate una parte sustancial de la fuerza del contrario, que aniquila o captura. (Sanchez de Toja, 2011, pág. 18)
Incorporar la IA en la defensa parece una necesidad esencial, un aspecto a tener en cuenta es que de alguna manera podría expresarse que la IA en su mejor versión es la racionalidad perfecta. Entonces ¿cómo incorporarla a la guerra, que en su ejecución es la expresión más irracional del humanismo?, este es uno de los tantos dilemas éticos que deberán resolverse, por ejemplo, para el empleo de los llamados SALA.
Aunque, en la otra mano, la defensa constituye un permanente estudio y observación rigurosa de todo lo que rodea a aquello que deseamos defender, donde las herramientas de la IA pueden aportar un complemento sinérgico de estos procesos. Sin embargo, existen algunos aspectos de la IA que deben ser cuidadosamente revisados para poder definir los procesos de adquisición y desarrollo de sistemas a incorporar en la defensa. Inria en su libro blanco “Inteligencia Artificial” (Inria, 2022, págs. 25-26) propone algunos interesantes:
Sesgo: se puede asegurar la neutralidad de los algoritmos, empleados en el proceso de aprendizaje, las reglas iniciales de programación en relación con los valores de la organización.
Confianza: No obstante, se observa cierta resistencia incluso en los países más desarrollados a su completa incorporación[13], ¿cómo garantizamos la seguridad de los datos, la información que el sistema maneja en su interacción con la Big Data?, ¿qué procesos de certificación, validación y auditoría pueden brindarnos seguridad y confianza?
Empleo: ¿en qué áreas se incorporará esta herramienta y de que tipo, con qué capacidad de control y acceso a otros sistemas?, de ello dependerá su eficacia, pero también impacta en la confianza al y del sistema.
Sostenibilidad: desde el requerimiento de energía hasta la capacidad de procesamiento (binaria hoy, cuántica mañana), disponibilidad de acceso a los datos resultantes son aspecto a los cuales se debe prestar atención para que el sistema pueda continuar su desarrollo y aprendizaje.
El factor Humano: se incorpora un sistema llave en mano o se plantea un desarrollo de los RR.HH. que permitan ser los verdaderos dueños del sistema, y establecer un pautado en todos sus procesos de desarrollo (aprendizaje supervisado, no supervisado y reforzado).
Una reflexión acerca de la esencia misma de la IA y el problema de la “niebla y fricción” de la guerra tan claramente descripto por Clausewitz: los sistemas de IA, procesan información que deviene de un ciclo donde intervienen actores humanos y también IA, en los cuales son factibles para inducir desvíos, malas interpretaciones y errores, que pueden alterar una visión estrictamente racional, aspectos como los siguientes deberán considerarse:
El Hecho: puede ser alterado, ¿es real los que ha sucedido? o ¿es una representación escénica?
Los sensores: que nos envían datos del hecho ¿pueden ser objeto de engaño o interdicción electromagnética o de otro tipo que altere la información final?, si bien los protocolos pueden asegurar la integridad de los mismos, ¿cómo será procesada?
Transmisión: ¿existe seguridad de que el hecho no ha sido alterado en su esencia en el proceso de transmisión?
Procesamiento: ¿se posee la confianza y seguridad de que no se puede activar en nuestro sistema alguna suerte de sesgo que nos induzca a una decisión equivocada?
Conclusiones: aquí es donde mueren todas las preguntas en las que la IA responderá sin dudar, sobre su base algorítmica y de aprendizajes, pero en definitiva ¿Cuánto disipará de la “niebla y fricción” de la guerra?
Este es el problema más grave que se plantea en el campo de la defensa. Más allá de ello, esta tecnología en su completa magnitud puede inducir una nueva “revolución de los asuntos militares”, la generalización del conocimiento de la IA como una herramienta adecuada para la mejora de su eficacia en casi todas las áreas de su responsabilidad de los niveles estratégicos operacionales y tácticos, requiere de llevar a los institutos de formación el conocimiento de la IA, de sus empleos, de su utilización y en los niveles más elevados de formación ya los estudiantes debieran adiestrarse en trabajar en procesos de desarrollo de IA como parte del aprendizaje supervisado, no supervisado e incluso en el reforzado, sólo así se podrá a futuro asegurar una adecuado empleo de esta herramienta en los proceso de la defensa.
[1] La IA generativa es aquella que a través de algoritmos, procesos y procedimientos puede producir, manipular o sintetizar datos, a menudo en forma de imágenes o texto legible por humanos.
[2] Se entiende por tecnologías al conocimiento sobre los métodos de desarrollo, herramientas, procesos y algoritmos que adecuadamente conjugados resultan en un producto utilizable.
[3] Mas información sobre errores de ChatGPT en https://github.com/giuven95/chatgpt-failures
[4] Los datos volcados son extracto de: https://www.ibm.com/topics/machine-learning; https://www.ibm.com/cloud/blog/supervised-vs-unsupervised-learning; https://www.ibm.com/cloud/blog/ai-vs-machine-learning-vs-deep-learning-vs-neural-networks; https://www.ibm.com/mx-es/topics/natural-language-processing;
[5] Aprendizaje supervisado: los algoritmos trabajan con datos “etiquetados” (labeled data), intentado encontrar una función que, dadas las variables de entrada (input data), les asigne la etiqueta de salida adecuada. El algoritmo se entrena con un “histórico” de datos y así “aprende” a asignar la etiqueta de salida adecuada a un nuevo valor, es decir, predice el valor de salida (Simeone, 2018, pág. 5). Aprendizaje no supervisado: tiene lugar cuando no se dispone de datos “etiquetados” para el entrenamiento. Se conocen los datos de entrada, pero no existen datos de salida que correspondan a un determinado input. Requiere describir la estructura de los datos, para intentar encontrar algún tipo de organización que simplifique el análisis. Es de carácter exploratorio (Recuero de lso Santos, 2021). Aprendizaje por error: mejora la respuesta del modelo usando un proceso de retroalimentación. El algoritmo aprende observando el mundo que le rodea. Su información de entrada es retroalimentación que obtiene del mundo exterior como respuesta a sus acciones, el sistema aprende a base de ensayo-error.
[6] Los datos expresados provienen de: https://www.unir.net/ingenieria/revista/sistema-experto/; https://www.tecnologias-informacion.com/sistemas-expertos.html
[7] Refiere al caso en que un sistema o robot pueda ser capaz de auto mejorarse recursivamente, o sea pueda crear otros sistemas mejores que el mismo.
[8] IA débil: diseñada para trabajar en tareas específicas, concretas y limitadas, como, por ejemplo, reconocer voz o imágenes, actualmente son las empleadas en la vida diaria. IA Fuerte: es aquella capaz de imitar la inteligencia humana aprendiendo y pudiendo adaptarse a diferentes situaciones, resolver problemas y tomar decisiones; si bien hay progresos actualmente no se conoce la existencia de una IA fuerte.
Información suministrada a través de https://www.msn.com/es-ar/noticias/tecnologia/conoce-los-3-tipos-de-inteligencia-artificial-y-c%C3%B3mo-se-usan-en-tu-vida-diaria/ar-AA19ANnZ
[9] Vigilancia estratégica: es el proceso que detecta información relevante sobre tendencias, tecnologías, investigaciones científicas, novedades de clientes, invenciones, potenciales socios y competidores, entre otras. (Ministerio CTIP, 2015, pág. 10)
[10] (OSINT) “es la inteligencia que se produce a partir de información disponible públicamente recopilada, explotada y difundida de manera oportuna a una audiencia adecuada con el fin de abordar un requisito de inteligencia específico" (Congreso EE.UU., 2005)
[11] Targeting: proceso de seleccionar y priorizar objetivos y hacer coincidir las respuestas adecuadas teniendo en cuenta los objetivos del mando, requerimientos y capacidades de los SArm, en un proceso sistemático, integral y continuo. Combinando los requisitos operativos, capacidades y limitaciones, el proceso de focalización identifica, selecciona y explota vulnerabilidades críticas dentro de los sistemas específicos para lograr el estado final deseado por los comandantes. La selección de objetivos es una función de comando que requiere la supervisión y participación del comandante para garantizar una correcta ejecución. No es competencia exclusiva de una especialidad o división, como inteligencia u operaciones, sino que combina la experiencia de muchas disciplinas (USAF, 2021). Weaponeering: proceso para determinar la cantidad de un tipo particular de arma requerida para lograr un nivel específico de daño en un objetivo considerando los efectos sobre la vulnerabilidad del objetivo, el mecanismo de daño de la ojiva, los errores de lanzamiento, el criterio de daño y la confiabilidad del arma. (weaponeering, s.f.)
[12] Mas información en https://www.rand.org/pubs/research_reports/RR4408z1.html
[13] Mas información: https://ussanews.com/2023/04/06/dods-ex-ai-chiefs-pentagon-should-experiment-with-ais-like-chatgpt-but-dont-trust-them-yet/; https://www.c4isrnet.com/artificial-intelligence/2023/03/01/chatgpt-can-make-short-work-of-pentagon-tasks-air-force-cio-says/; https://www.nationaldefensemagazine.org/articles/2023/3/8/pentagons-top-ai-official-addresses-chatgpts-possible-benefits-risks
[GJLM1]Me parece que procesos logísticos es solo una parte. Hablar de inversiones es hablar de plazos, tiempos y variables futuras desconocidas.
Comentarios