Graduada en IA en la UPC, Llum Fuster Desmonta Uno de los Mayores Miedos Sobre la IA

Llum Fuster Palá, nacida en 2003 en Palma, es la única mallorquina de la primera promoción del grado en Inteligencia Artificial de la UPC. Hoy trabaja en OmniAcces, en Mallorca, y aplica esa formación en proyectos reales.

La historia arranca en la Universitat Politècnica de Catalunya, donde Fuster se graduó junto a 45 compañeros. La titulación de Inteligencia Artificial empezó en España, un año antes, en la Universidad de Granada, y desde entonces gana peso en empresas y laboratorios. En OmniAcces, su día a día se centra en herramientas con IA para mejorar la conectividad digital en yates y embarcaciones.

Eligió esta carrera por su afinidad con las matemáticas y porque buscaba una disciplina más concreta que matemáticas puras. El plan combinaba matemáticas, informática, programación, razonamiento y lógica, y te prepara para construir sistemas que aprenden.

No todo es código: también cursó asignaturas de razonamiento y ética para un uso responsable de las herramientas, algo que no siempre se cuenta cuando se habla de Inteligencia Artificial.

Durante el grado pasó por programación básica, matemáticas y robótica, y entró de lleno en materias como machine learning, deep learning, algorítmica, visión por computador, tratamiento de voz y procesamiento del lenguaje humano. Con todo, queda una pregunta práctica: ¿qué diferencia hay entre machine learning y deep learning y por qué te afecta cuando usas una app en el móvil?

En el trabajo, Fuster sostiene que vas a ver la Inteligencia Artificial integrada como pasó con Excel en su momento. Bien usada, ahorra tiempo y elimina tareas repetitivas y tediosas, tanto en lo personal como en lo profesional y lo académico. Hay una percepción equivocada que complica el debate público y te puede llevar a confusiones. Vamos con ello.

Qué es machine learning y en qué se diferencia del deep learning

Cuando hablamos de machine learning, nos referimos a enseñar a los sistemas a aprender de los datos. Es decir, a identificar patrones, tomar decisiones o hacer predicciones a partir de ejemplos. En la práctica, entrenas un modelo con información histórica y luego ese modelo generaliza para casos nuevos. Por eso la calidad del dato manda, y por eso la Inteligencia Artificial necesita supervisión humana.

El deep learning es una rama del machine learning que usa redes neuronales artificiales para extraer patrones más complejos. Piensa en capas que transforman los datos paso a paso hasta captar formas, sonidos o palabras con mucha precisión. Ese poder tiene coste computacional y depende mucho de disponer de datos suficientes y bien etiquetados.

En tu día a día, ya convives con la Inteligencia Artificial sin darte cuenta. El desbloqueo por reconocimiento facial funciona con modelos de visión. Y no, IA no es sinónimo de ChatGPT. Como recuerda Fuster, obtener información de ese modelo no representa a toda la IA. Para ella, la IA abarca cualquier software, herramienta o programa que intente imitar la inteligencia humana a partir de datos.

Cómo se usa la Inteligencia Artificial en la conectividad marítima

En OmniAcces, Fuster colabora en herramientas con IA para mejorar la conectividad digital de yates y embarcaciones. Si lo comparamos con una red doméstica, el reto en el mar cambia con el clima, la posición y la carga del sistema. Con IA, vas a poder anticipar cortes, optimizar rutas de datos y equilibrar ancho de banda entre servicios críticos, ocio y sistemas del barco.

Fuera del mar, la investigación empuja fuerte en salud. La Inteligencia Artificial avanza en el análisis de imágenes médicas para detectar de forma temprana enfermedades como el cáncer. Detectar patrones sutiles en escáneres permite priorizar casos y apoyar a los radiólogos, y esa es una de las áreas donde el impacto social se hace visible más rápido

Sobre riesgos, Fuster asegura que lo peor de la Inteligencia Artificial es el mal uso que puedan hacer los humanos. La tecnología, por sí misma, no tiene voluntad. Solo podría causar daño si alguien la entrena expresamente para ello, y por eso pide regulaciones políticas que marquen límites y responsabilidades. “La IA por sí sola no tiene voluntad para hacer el mal”, resume Fuster.

Cuando una IA se equivoca, suele ser por los datos. Si la IA falla, suele ser por los datos usados en su entrenamiento, no por una intención “propia”. Datos incompletos, sesgados o mal etiquetados llevan a predicciones pobres. Aquí entran la curación de datos, las revisiones y la transparencia, que son parte del trabajo técnico y también del marco ético que vio en la universidad.

Los detalles académicos que cuenta Fuster encajan con el enfoque técnico del grado de Inteligencia Artificial de la UPC, y su trayectoria se entiende viendo fechas básicas: nació en 2003 y forma parte de la primera promoción de este título en esa universidad. La mención a Granada como pionera un año antes ayuda a situar la cronología del grado en España.

Mirando a medio y largo plazo, la señal a vigilar es sencilla: si ves IA integrada en más trámites, cámaras y apps, prepárate para un salto de productividad y menos tareas repetitivas. La clave estará en el uso responsable y en que tú entiendas qué hace cada sistema. Con esa brújula, la Inteligencia Artificial se hará cotidiana sin ruido ni miedos innecesarios.