Autonomía kantiana en la toma de decisiones algorítmicas, de los algoritmos deep learning: un análisis desde la Crítica de la razón práctica

Abstract

Palabras Clave: Autonomía, deep learning, Kant, razón, libertad.

Descripción: Los avances tecnológicos en inteligencia artificial y deep learning han traído agentes artificiales sofisticados, capaces de realizar tareas que tradicionalmente se habían atribuido a la inteligencia humana. Por esto, se ha presentado una ambigüedad terminológica respecto de la autonomía, toma de decisiones y racionalidad; confusiones conceptuales que generan implicaciones éticas problemáticas. En este contexto, el presente trabajo de grado se plantea analizar si es posible atribuir autonomía kantiana a la aparente toma de decisiones de los algoritmos de aprendizaje profundo, los cuales están inspirados en las redes neuronales biológicas de los seres humanos.

En consecuencia, esta investigación se desarrolla desde un enfoque cualitativo que permite la interpretación y comparación de textos filosóficos y técnicos. En el primer capítulo, se reconstruye la moral kantiana a partir del concepto de autonomía y se destaca su carácter racional, autolegislativo, acorde con principios universales y siempre libre de condiciones empíricas. En el segundo, se aborda el funcionamiento del deep learning y se muestra principalmente su dependencia de datos, estructuras rígidas previamente fijadas y procesos de optimización. En el tercero, se comparan ambos marcos conceptuales y se responde a la posibilidad de atribuir autonomía en sentido kantiano a estos sistemas.

Como resultado, se define que los algoritmos deep learning no son autónomos en sentido kantiano porque carecen de racionalidad, representación de leyes, obligación del deber, actuación conforme a principios universales y libertad; ellos operan en un marco causal e instrumental. Por tanto, esta tesis aporta claridad conceptual y mejor comprensión de las implicaciones éticas de la IA y en particular del DL.