Es 11 de mayo de 1997 y Nueva York está por convertirse en la sede de un hecho histórico. Pero aún nadie lo sabe. Ni el propio Garry Kaspárov ♟.
Ocho años antes, en 1989, el humano y la tecnología se habían visto las caras en un cuadrilátero blanco y negro por primera vez. Y allí tuvo lugar la victoria del ajedrecista ruso sobre un ordenador.
No conforme con esta derrota, IBM se involucró en el proyecto y aceptó el desafío de mejorar al contrincante. En 1996 el resultado fue el mismo: Kaspárov salió triunfante nuevamente. Con estos antecedentes, ¿alguien imaginaba un escenario diferente?
Jaque mate
Lo cierto es que Deep Blue, el superordenador de IBM con 30 procesadores Power2 de 120 MHz que podía calcular 200 millones de jugadas por minutos, se convirtió en la primera máquina en derrotar al ajedrecista en el ya mencionado 11 de mayo de 1997. Sí, la inteligencia artificial marcaba el primer hito de su historia.
La sorpresa fue total, pero sobre todo, un aviso de lo que se vendría en el futuro. Hasta el propio Kaspárov lo reconoció: “Fue una experiencia desagradable, pero me ayudó a entender el futuro de la colaboración humano-máquina”.
De hecho, la hazaña de Deep Blue no fue un evento aislado dado que la Inteligencia Artificial también logró derrotar a los humanos en juegos un poco más simples como las damas u otros donde se involucra el ingenio, como el póker. Uno de los casos más reconocidos fue el de Watson, sistema basado en IA que resultó victorioso en el reconocido programa televisivo de preguntas y respuestas Jeopardy! 💰
Está claro que la Inteligencia Artificial ha evolucionado: ya no sólo elige cómo comenzar una partida de ajedrez, sino que, en su definición más técnica, intenta emular distintos aspectos de la inteligencia humana a través de la tecnología. Ya sea desde su raciocinio para la resolución de problemas, para tomar una decisión sobre la base de información recolectada o su capacidad para realizar tareas complejas.
La evolución
Gracias a ello, logró trascender más allá de los tableros: Machine Learning y ChatGPT quizás sean sus exponentes más importantes. Para hablar de datos concretos, podemos citar el informe Global AI Adoption de IBM, el cual asegura que el 29% de las organizaciones de la región cuentan con algún tipo de implementación de estas soluciones. A su vez que el 43% está evaluando el uso de la tecnología. Sí, su uso es una realidad, y las proyecciones indican que lo será aún más.
Pero ahora bien, ¿de qué hablamos cuando nos referimos a Machine Learning y ChatGPT? Machine Learning, y tal como dice su nombre, se encarga de que la tecnología aprenda a partir de procesar información recolectada. Gracias a las posibilidades que brinda, su implementación en sectores como finanzas, salud, educación, comercio y logística está en auge 📈.
En cuanto a ChatGPT, se trata de un modelo basado en Inteligencia Artificial (GPT-3) que permite a las personas interactuar con este chatbot como si fuera una persona real a través de texto. Fue entrenado con grandes cantidades de texto para responder preguntas o proporcionar información.
Teniendo esto en claro, podemos ver como son utilizadas para solucionar problemáticas para las cuales no existía una solución eficiente. Desde la identificación facial para el desbloqueo de nuestro smartphone, a la sugerencia de series o películas que podrían gustarnos a partir de lo que vimos.
Está claro que la adopción de la Inteligencia Artificial seguirá aumentando. Actualmente el 53% de los profesionales de IT asegura que en los últimos 24 meses han acelerado el lanzamiento de productos o servicios que utilizan esta tecnología.
Pero como siempre sucede en el ámbito de la ciberseguridad, estos avances suelen representar también una oportunidad de perpetrar ataques y engaños para los actores maliciosos. Sí, toda tecnología también tiene su lado B y es así como la capacidad de tomar decisiones o realizar tareas también puede ser aprovechada por cibercriminales.
“La tecnología es agnóstica”
En ese sentido, Kaspárov fue certero: “La tecnología no es la respuesta a todas nuestras preguntas. Siempre le digo a la gente que no espere que la tecnología resuelva nuestros problemas; es agnóstica, no es ni buena ni mala. Se trata de que nosotros, los humanos, que aún tenemos el monopolio sobre la maldad”.
Es importante remarcar que no hay tanta visibilidad de los riesgos y el alcance que puede tener el uso de la Inteligencia Artificial por parte de los actores maliciosos. Pero sí es clave entender que así como las empresas optan por adoptar el Machine Learning a sus procesos para asegurar la optimización y predicción; estas mismas necesidades las pueden tener los actores maliciosos ⚠.
¿Un ejemplo concreto? Un cibercriminal podría alimentar al algoritmo de Machine Learning para que realice un perfilamiento de potenciales víctimas mucho más correcto y conocer qué servicios consumen. Y cuando hablamos de predicción a través de los diversos algoritmos de Machine Learning, esta funcionalidad puede ser utilizada por atacantes para predecir qué usuarios son más propensos a ser víctimas.
Concretamente, ya se han utilizado algoritmos de Machine Learning para descifrar contraseñas: un grupo de investigadores creó un generador de contraseñas basado en tecnología de aprendizaje profundo, que descifró millones de contraseñas pertenecientes a cuentas reales de LinkedIn.
Respecto de ChatGPT, entre varias cosas, la herramienta claramente puede ser utilizada en los intentos de phishing, ya que los actores maliciosos pueden generar correos electrónicos persuasivos de manera automatizada con la intención de engañar a las personas y que entreguen sus credenciales.
La plataforma también puede ser de ayuda para desarrollar software, ya que se puede utilizar como herramienta para generar código en diversos lenguajes de programación. El tema es que el malware también es un software, pero con fines maliciosos.
¿Qué deparará el futuro?
Estas tecnologías han causado una revolución, de eso no hay duda. No solo que sirven para automatizar diversos procesos, sino que han cambiado el paradigma de cómo interactuamos con nuestros dispositivos. A su vez, muchas empresas se están apoyando en el Machine Learning para varios de sus procesos.
Y así como crecen las implementaciones y el desarrollo de estos modelos, lamentablemente la ciberseguridad no siempre es tenida en cuenta en el proceso. Dicho de otra manera, la Inteligencia Artificial se ha convertido en un nuevo actor y con un rol clave para el desarrollo de diversos tipos de estafas más complejas o para su automatización, como ya hemos repasado.
El NIST (National Institute of Standards and Technology) ha comentado algunas recomendaciones para poder darle seguridad a estas tecnologías, como emplear cifrado de datos, privacidad diferencial y estadística robusta, entre otras. En lo que refiere a mejorar las defensas, podemos destacar la necesidad de una mayor inversión y capacitación ✅.
Sí, comprender qué nos deparará el futuro se vislumbra mucho más complejo que ganarle una partida de ajedrez al propio Kaspárov.
