la guIA
guIA v2
Aprender IA
Pensar la IA desde el Sur Global

Pensar la IA desde el Sur Global: una hoja de ruta crítica

El mapa de recursos y su extensión arman un recorrido técnico casi enteramente producido en un puñado de universidades y empresas del Norte global. Eso no las invalida —es, con enorme diferencia, el mejor material gratuito disponible— pero sí determina qué se enseña como “el problema”: cómo mejorar la exactitud, cómo escalar el entrenamiento, cómo desplegar en producción. Casi nunca: con qué datos, extraídos de quién, con qué energía y qué agua, bajo qué régimen laboral, y quién queda en condiciones de decidir sobre eso.

Esta entrada arma la otra mitad del recorrido. No es “la parte de ética” al final del curso: es un conjunto de herramientas conceptuales que cambian lo que uno ve cuando mira un modelo. Y está organizada con un sesgo explícito —América Latina y el Sur Global— no como categoría de víctima ni como público a consultar, sino como sitio donde ya se están produciendo alternativas institucionales concretas.

Marcos para ver la IA como infraestructura, no como algoritmo

  • Crawford, K. (2022). Atlas de IA — Traducido al español por el Fondo de Cultura Económica. Sigue la IA hacia atrás, desde la interfaz hasta el litio, el agua, el trabajo de etiquetado y los archivos de datos: el mejor punto de entrada para dejar de pensar en “algoritmos” y empezar a pensar en cadenas de suministro planetarias.
  • Calculating Empires / Imperios de cálculo (Kate Crawford y Vladan Joler) — Una genealogía visual, navegable y gratuita, de cinco siglos de tecnologías de cálculo, comunicación, clasificación y control. Sirve tanto para estudiar como para dar clase: una sola imagen enorme donde se ve que nada de esto empezó en 2022.
  • Couldry, N. y Mejias, U. (2019). The Costs of Connection — La formulación más influyente de la tesis del colonialismo de datos: no una metáfora sobre el colonialismo, sino la afirmación de que hay una nueva apropiación —la de la vida social convertida en dato— con una estructura análoga a la apropiación colonial de tierra y trabajo. Su red de investigación, Tierra Común, publica y organiza sobre todo desde América Latina.
  • Birhane, A. (2020). Algorithmic Colonization of Africa Acceso abierto — Corto, contundente y en acceso abierto. Muestra cómo las promesas de “resolver problemas africanos con IA” reproducen dependencia infraestructural y un modelo donde el continente aporta datos y mercado, y recibe soluciones diseñadas afuera. Es probablemente el mejor texto único para entender de qué se habla cuando se dice “colonialismo algorítmico”.
  • Mohamed, S., Png, M.-T. e Isaac, W. (2020). Decolonial AI Acceso abierto — Escrito desde adentro de la industria, traduce la teoría decolonial en tácticas concretas para la práctica de investigación en IA: diseño reverso, cuidado con el “beta-testing” en poblaciones vulnerables, solidaridad crítica.
  • Ricaurte, P. (2019). Data Epistemologies, The Coloniality of Power, and Resistance — Desde México, articula la extracción de datos con la colonialidad del poder y del saber, y —lo más interesante— con las prácticas de resistencia que ya existen en la región.
  • Mhlambi, S. (2020). From Rationality to Relationality: Ubuntu as an Ethical and Human Rights Framework for AI Governance — Propone reemplazar el sujeto racional individual que subyace a casi toda la ética de la IA por una ontología relacional (ubuntu). Es el ejemplo más nítido de que “epistemologías del Sur” no significa aplicar los mismos marcos con otros ejemplos, sino cambiar los marcos.
  • AI Decolonial Manyfesto — Un texto breve, colectivo y multilingüe. Útil para abrir una discusión en clase o en un equipo.

Justicia algorítmica, sesgo y sus límites

  • Algorithmic Justice League — Fundada por Joy Buolamwini. Además de la investigación, tiene material pensado para la acción: no perderse su charla TED y el documental Coded Bias, disponible en varias plataformas.
  • DAIR Institute — El instituto de investigación independiente fundado por Timnit Gebru después de su salida de Google. Investigación sobre IA hecha explícitamente fuera de la agenda de las grandes empresas, con equipos distribuidos en varios continentes.
  • Fairness and Machine Learning — El libro abierto de Barocas, Hardt y Narayanan. Rigor técnico sobre qué se puede y qué no se puede medir como “sesgo”; su capítulo final es una buena vacuna contra la idea de que la equidad es un problema de optimización.
  • Practical Data Ethics (Rachel Thomas, fast.ai) — El curso ético escrito por alguien que también enseña la parte técnica; especialmente bueno en desinformación y en los mecanismos de retroalimentación de los sistemas de recomendación.
  • Tech Ethics Curricula: A Collection of Syllabi (Casey Fiesler) — Cientos de programas de materias de ética de la tecnología, en una planilla abierta. Si tenés que armar un curso, empezá acá.

Economía política y filosofía de la tecnología

  • Zuboff, S. (2019). La era del capitalismo de vigilancia — La referencia obligada, aunque discutida: el excedente conductual como materia prima. Para una entrada rápida, sirve la síntesis de Nick Rabb y su versión en video.
  • Frenken, K. — The rise of the platform economy — Una conferencia previa al ciclo de entusiasmo de 2022 en adelante, y justamente por eso útil: el análisis de la economía de plataformas se sostiene sin el ruido del presente.
  • Floridi, L. (2023). The Ethics of Artificial Intelligence — El mejor resumen (y toma de posición) de la literatura que se acumuló desde ~2014, cuando buena parte de la problemática social de la IA empezó a decantar alrededor de la pregunta por la ética y las buenas prácticas. Útil precisamente para entender el marco que los textos de la sección anterior discuten.
  • Coeckelbergh, M. (2020). AI Ethics (MIT Press, serie Essential Knowledge) — Breve, ordenado y buen mapa del debate filosófico.
  • Frischmann, B. y Selinger, E. (2018). Re-Engineering Humanity — La pregunta invertida: no si las máquinas se vuelven humanas, sino en qué medida el diseño de entornos técnicos nos vuelve más maquinales.
  • Sobre tecno-optimismo y tecno-pesimismo — El manifiesto tecno-optimista de Marc Andreessen vale como documento: no por su calidad argumental, sino porque expone con una franqueza inusual la ideología de buena parte del capital de riesgo que financia este campo. Leerlo junto con Gómez, R. J. (1997), Progreso, determinismo y pesimismo tecnológico (Redes, 4(10)), que desarma el falso dilema desde la filosofía de la ciencia argentina.

Videos para pensar (y para dar clase)

Zeynep Tufekci sobre por qué la inteligencia de máquina vuelve más importante la moral humana, no menos:

Sasha Luccioni sobre los daños concretos y presentes —costo ambiental, sesgo, trabajo invisible— frente a los riesgos especulativos:

Dónde se está pensando esto en América Latina

Grupos de investigación y organizaciones

  • Grupo GIFT — Grupo de investigación en filosofía de la técnica; organiza talleres anuales sobre IA, varios de ellos en la Sociedad Argentina de Análisis Filosófico (SADAF).
  • Laia — Laboratorio Abierto de Inteligencia Artificial — Espacio argentino de trabajo abierto sobre IA.
  • Fundación Vía Libre — Trabajo sostenido desde Córdoba sobre derechos digitales, software libre y, en los últimos años, sesgos y discriminación en modelos de lenguaje, con herramientas pensadas para que comunidades no técnicas puedan auditar estereotipos en modelos.
  • Derechos Digitales — Organización regional (con base en Chile) que produce de las mejores investigaciones en español sobre IA en el Estado, vigilancia y derechos humanos en América Latina.
  • Coding Rights — Desde Brasil, cruza tecnología, género y derechos con un enfoque de diseño y de intervención pública.
  • LAVITS — Red Latinoamericana de Estudios sobre Vigilancia, Tecnología y Sociedad: congresos, dossiers y una comunidad académica regional consolidada.
  • CENIA — Centro Nacional de Inteligencia Artificial de Chile; entre otras cosas, coordina el Índice Latinoamericano de Inteligencia Artificial (ILIA) y el esfuerzo por entrenar modelos de lenguaje regionales con datos y participación latinoamericanos.
  • Masakhane — No es latinoamericana, pero es el ejemplo más citado de lo que discute este capítulo: una comunidad panafricana, distribuida y de base, que construye PLN para lenguas africanas sin esperar que una empresa del Norte decida que vale la pena.

Espacios curriculares

Comunidad técnica regional

  • Khipu — El encuentro latinoamericano de inteligencia artificial: una escuela intensiva de investigación que rota por distintas ciudades de la región.
  • LatinX in AI — Red y programa de mentorías; organiza talleres en las grandes conferencias del campo.
  • SciELO y AmeliCA — La infraestructura de publicación en acceso abierto construida en la región, sin cargos por procesamiento de artículos. Vienen al caso acá por algo preciso: son la prueba de que América Latina ya construyó comunes epistémicos a escala continental, y por lo tanto de que la pregunta por una infraestructura de IA pública y regional no es utópica sino presupuestaria y política.

Eventos: 2das Jornadas de IA en la Universidad Nacional de Córdoba (diciembre de 2024)

Agenda completa en el sitio de las jornadas.

Día 1

Día 2

La Ruta D, en orden

Si querés un recorrido y no un catálogo:

  1. Ver el terreno: Atlas de IA de Crawford, con Calculating Empires abierto al lado.
  2. Nombrar la estructura: Birhane, Algorithmic Colonization of Africa → Mohamed, Png e Isaac, Decolonial AI → Couldry y Mejias.
  3. Cambiar el marco, no solo los ejemplos: Mhlambi (ubuntu), Ricaurte, Santos.
  4. Aterrizar en lo medible: fairmlbook y Practical Data Ethics, para no quedarse en la crítica sin herramientas.
  5. Buscar dónde ya se hace: Vía Libre, Derechos Digitales, Masakhane, SciELO/AmeliCA. Este paso importa: sin él, la crítica se vuelve una descripción elegante de una derrota.

Y si venís del lado técnico, el orden inverso funciona igual de bien: empezar por el paso 5 —por una organización concreta que esté haciendo algo— y remontar hacia los marcos.

Hasta acá el capítulo trabajó sobre la IA en general: qué es, cómo aprenderla, quién la produce y a costa de qué. Pero la misma tecnología cambia de forma según dónde aterriza, y las preguntas se vuelven otras cuando del otro lado hay un aula, un hospital o una oficina pública. Ese es el capítulo que sigue.

Sugerencias de lectura

Birhane, A. (2020). Algorithmic colonization of Africa. SCRIPTed, 17(2), 389–409. https://doi.org/10.2966/scrip.170220.389 Acceso abierto

Couldry, N. y Mejias, U. A. (2019). The costs of connection: How data is colonizing human life and appropriating it for capitalism. Stanford University Press.

Crawford, K. (2022). Atlas de IA: Poder, política y costes planetarios de la inteligencia artificial (F. Díaz Klaassen, Trad.). Fondo de Cultura Económica. (Obra original publicada en 2021)

Mhlambi, S. (2020). From rationality to relationality: Ubuntu as an ethical and human rights framework for artificial intelligence governance (Carr Center Discussion Paper 2020-009). Harvard Kennedy School.

Mohamed, S., Png, M.-T. e Isaac, W. (2020). Decolonial AI: Decolonial theory as sociotechnical foresight in artificial intelligence. Philosophy & Technology, 33, 659–684. https://doi.org/10.1007/s13347-020-00405-8 Acceso abierto

Ricaurte, P. (2019). Data epistemologies, the coloniality of power, and resistance. Television & New Media, 20(4), 350–365.

Santos, B. de S. (2009). Una epistemología del Sur: La reinvención del conocimiento y la emancipación social. Siglo XXI / CLACSO.

Nota: los enlaces pueden cambiar con el tiempo; si alguno no abre, buscá el nombre del recurso en el buscador.

Seguir por Contextos
docs