Está claro que la Inteligencia Artificial es una herramienta que muchos acaban de descubrir aunque muchas de las «maravillas» que podemos hacer antes también eran posibles gracias a las matemáticas y a la estadística.

En todas estas técnicas el principal problema que limita su uso es la disponibilidad de sificientes datos y de calidad para por «aprender» primero y sacar conclusiones después.

Por ejemplo, el pasado año Google lanzó una herramienta capaz de identificar afecciones cutáneas comunes con la misma predicción que un dermatólogo… e incluso con más precisión que un médico de cabecera. Precisamente por ello, la herramienta ha sido identificada como una posible ayuda a los médicos no dermatólogos para un diagnóstico más certero.

Sin embargo, después se ha visto que tal algoritmo está fuertemente sesgado al haber sido realizado a partir de muchas fotos de pieles claras. La solución para este problema del bias sería el uso de una muestra de enfermedades incluyendo más personas con pieles oscuras… lo que, no siempre, es sencillo de obtener.

De ahí que en la Universidad McMaster de Canada hayan iniciado un proyecto para generar imágenes sintéticas lo que no es tan sencillo como pudiera parecer a primera vista dada la diversidad de pigmentaciones entre los humanos.

También Google publicó en su día un posible método para generar dichas imágenes pero que no parece haber sido suficientemente bueno para la obtención del algoritmo buscado