Resumen de la charla:  

¿Alguna vez te has preguntado por qué a veces tomamos decisiones que no tienen mucho sentido? En esta charla, exploraremos cómo nuestro cerebro puede jugarnos malas pasadas a través de los sesgos cognitivos. Descubriremos qué son, cómo afectan nuestra percepción y decisiones diarias, y qué herramientas existen en la psicología que nos ayudan a modelarlos y comprenderlos. Acompáñanos en este viaje para entender mejor nuestra mente.

Resumen de la charla:  

Las pruebas de screening se consideran habitualmente como una herramienta valiosa para la detección temprana de condiciones médicas. Si un screening resulta positivo, generalmente se recomienda una prueba diagnóstica más invasiva para asegurarse de que la condición médica esté presente. Sin embargo, los resultados positivos de los screenings son muy dependientes de la prevalencia, y a menudo no son tan fiables como suponemos. La validez de un resultado positivo de la prueba (el valor predictivo positivo) debe calcularse utilizando el teorema de Bayes.

Lamentablemente, los humanos no somos especialmente buenos aplicando el teorema de Bayes. Caemos en errores como ignorar las probabilidades previas, o directamente desconocemos la necesidad de razonar usando este teorema. El resultado es que pocos pacientes, y no tantos médicos como esperaríamos, saben qué información es relevante para calcular el valor predictivo positivo de una prueba médica, o cómo realizar estos cálculos.

A lo largo de los años se han probado diferentes estrategias para ayudar a las personas. Varias de estas han conseguido mejorar la comprensión de los problemas. Una de las propuestas más innovadoras se basa en el principio de hacer preguntas que las personas sean capaces de responder, y ha mostrado, con algunos resultados preliminares, suponer un cambio importante, pero con algunos efectos indeseados.

El razonamiento Bayesiano subyacente a estas situaciones es complejo para los seres humanos, pero algorítmicamente trivial para los Modelos de lenguaje de gran tamaño (LLMs) como ChatGPT. ¿Se traducirá esto en la posibilidad de disponer de asistentes inteligentes para navegar la complejidad computacional y decisional en contextos médicos?

Resumen de la charla:  

Actualmente es fácil pensar que ciertas aplicaciones de IA podrían

ser implantadas en el contexto universitario, y conviene explorar algunas limitaciones severas de las mismas a la luz de las investigaciones recientes. En concreto, se sabe que son particularmente delicadas aquellas aplicaciones que implican la toma de decisiones automatizadas sobre personas o colectivos mediante modelos predictivos basados en aprendizaje automático. Este tipo de aplicaciones están aquejadas de un conjunto de carencias recurrentes y de difícil solución. La conjunción de estas carencias resulta en la necesidad de reconsiderar cuidadosamente la implantación de la inteligencia artificial en la universidad española, ya que los principios básicos de su función social pueden verse gravemente afectados.