Espontaneidad, creatividad e imaginar: tres habilidades vedadas a los robots

Hacer algo espontáneo, entretenido e inesperado es tan natural, que no le prestamos la atención, debida, enumeramos tres acciones, que proceden de cualidades humanas, que los robots aún no logran emular. Y es que, para lograrlo, deberían tener inteligencia general natural, la inteligencia qué, aún con nuestra imperfección, nos permite relacionar conocimientos, inventar, imaginar y usar, en el momento, apropiado lo que hemos aprendido y que está almacenado en algún sitio de nuestro cerebro.

Así de fantásticos somos, máquinas con una programación y recursos que no utilizamos en su totalidad, pero lo olvidamos y le atribuimos características de semidioses a los algoritmos y robots.

La inteligencia artificial ha logrado perfeccionar comportamientos siguiendo patrones, esos patrones son o fueron creados por cerebros humanos capaces de imaginar que una máquina, a través de algoritmos, sea capaz de entregar mejores resultados, más precisos que los que podemos entregar nosotros.

Esa capacidad para imaginar y proyectar una idea en el futuro, dar los pasos que se requieren, colocar cada pieza en su lugar para que pase, esa es una de las habilidades que están vedadas a los robots actualmente.

Afrontar problemas desde diversos ángulos

Si el algoritmo está programado o diseñado con unos límites precisos, es improbable que se salga de ellos, es casi imposible que sea capaz de buscar nuevas alternativas o perspectivas desde las cuales afrontar el problema.

Es más, no puede, tal como usted si lo haría, despertar a media noche con una idea que se relaciona con el problema, anotarla, volver a dormir y retomarla al día siguiente, es uno de esos comportamientos que solo un humano manifiesta. 

En tiempos de tecnología, disrupción y cambios, aunque lo quisieran sus creadores, los robots no son capaces de anticipar nuevas tendencias, comprender empáticamente las necesidades de los usuarios, actuales o futuras para proponer alguna acción que de forma inesperada solucione un problema que ni siquiera la audiencia sabe que tiene.

Imaginar, imaginar, imaginar

Otro tema común para nosotros. En cuantas ocasiones nos han dicho: imagínate que … y nuestra mente coloca esos elementos faltantes, y el interlocutor no duda que hemos podido recrear “sin elementos físicos” esa idea que el nos comunicó con palabras.

Los algoritmos no están diseñados para imaginar, para crear escenarios hipotéticos que ellos mismos puedan comprender y vivenciar .

Al ser tan espontáneos, los humanos, llevamos a cabo acciones inesperadas, inclusive para nosotros mismos, en lenguaje coloquial “nos salimos del guión” e improvisamos, haciendo uso de la experiencia y los conocimientos adquiridos previamente.

Hemos mencionado solo tres de las habilidades humanas que los robots no son capaces de emular y que nos permiten comprender porque es necesario trabajar en colaboración humano-máquina para obtener mejores resultados.

¿Qué otra cualidad o competencia mencionaría?

Desigualdad e inteligencia artificial, un llamado de atención

“La inteligencia artificial hará a los ricos más ricos y a los pobres más pobres”

― Kai-Fu Lee

¡Preocupante! Es el calificativo que merece una aseveración como la que ha hecho uno de los expertos en inteligencia artificial más grandes del mundo. 

Si los que toman las decisiones de negocios, política y economía no encuentran una solución a la desigualdad y la distribución de las riquezas, la sociedad se verá afectada en proporciones de alcance mundial porque la IA responde a quien la tenga en su control.

Al momento en que el mercado laboral mundial se encamina a integrar más soluciones inteligentes cada uno de nosotros, como sociedad, estamos a merced de cambios que nos afectarán directamente, porque querámoslo o no, la tecnología tiene implicaciones de carácter subjetivo, es decir, responde a los objetivos e intereses de quien la utilice, conlleva el buen uso de los valores de sus propulsores y usuarios.

Herramienta que resuelve problemas

Si bien es cierto, la inteligencia artificial se desarrolla para darle respuesta a problemas, lo que nadie pone en duda es el poderío que asume quien se hace del “capital intelectual” , es decir, quien contrate o pueda pagar los servicios de ingenieros, investigadores, desarrolladores y estudiosos de tecnología ostenta un poder cada vez mayor, poder que con el paso del tiempo trae como resultado potencias tecnológicas en las manos de personas que no necesariamente están pendientes del bien de la sociedad.

El ejemplo más claro lo es el Valle del Silicio, quien haya leído su historia o estado hace cincuenta años no dudaría en mencionar que era, en sus inicios una vasta zona sin utilizar que le pertenecía a la Universidad de Stanford.  Fue precisamente, Frederick Terman, profesor quien tuvo la idea de utilizar la propiedad para el desarrollo inmobiliario e intelectual, por lo que estableció un programa para incentivar a los estudiantes egresados a quedarse allí, proveyéndoles de capital riesgo. De inicio contó con William Hewlett y David Packard, quienes conformarían la empresa Hewlett-Packard y así comenzó la historia de éxito de una serie de pequeños edificios industriales alquilados a muy bajo costo a compañías técnicas y emprendimientos de egresados de la universidad.

Con datos, información y profesionales que posean el conocimiento, las compañías dominaran no solo el mercado, dominaran en el ámbito social, ya el económico lo tendrán, así que les resta el poder político y con estos tres poderes trabajando para ciertos intereses hay que prestar atención a lo que puede suceder.

La inteligencia artificial y la cadena de desigualdad

Con la absorción de tareas manuales, si la mano de obra que realizaba este trabajo no se prepara para hacer otro tipo de labores, tendremos mayor número de personas no solo desempleadas, ociosas, con un teléfono móvil en la mano y acostumbradas a que una máquina hace lo que antes tenían que realizar ellos.

Esta situación, hipotética, se transforma en un detonante de la brecha de clases, porque contrario a ellos, los hijos de los ricos, se harán de mayores conocimientos, podrán pagar por los talentos que están creando productos y servicios de IA que serán determinantes para generar más riquezas.

¿Cómo se puede mantener la neutralidad de la inteligencia artificial?

Desde hace algunos años, ciertas personas han advertido de la posible falla del panorama económico y social de la humanidad cuando se desarrollan tecnologías poderosísimas, pero a su vez, existen países y poblaciones que no tienen siquiera acceso a la red. De igual manera, existen aquellos que ven a la inteligencia artificial desde la visión de las películas de ciencia ficción y no creen que sea un tema que les atañe, solo piensan que es entretenido y que no les afectará.

Otras personas están decidas a divulgar, promover y propiciar un ambiente de conocimiento, discusión y análisis desde la óptica del bien común y los valores éticos para que esta revolución inteligente cumpla su cometido, ayudar a los humanos a vivir de la mejor manera posible, haciéndola accesible a todos.

El doctor Kai – Fu Lee ha presentado el libro (ensayo) «Superpotencias de la inteligencia artificial», libro que nos hace ver el papel clave de las dos superpotencias en IA China y Estados Unidos y cómo cada individuo debe hacerse responsable de su rol ante los cambios que se darán con la implantación masiva de soluciones de inteligencia artificial en cada aspecto de nuestras vidas.

Aprender, investigar e involucrarse son los elementos claves para hacerle frente al reto que supone la llegada de la IA al sector laboral y su consecuente cambio de paradigmas en las sociedades que hoy conocemos.  

Saque sus propias conclusiones, pero no deje para después investigar y adentrarse al estudio de la inteligencia artificial en la gestión empresarial, verá con otra óptica el futuro que se avecina.

Imagen: Pixabay

Referencias consultadas:
http://www.diarioandino.com.ar/noticias/2012/05/18/78961-la-historia-de-silicon-valley
https://www.lavanguardia.com/cultura/20200218/473646311159/la-inteligencia-artificial-crea-riqueza-y-desigualdad.html
https://www.elmundo.es/papel/lideres/2020/02/17/5e4ae1cd21efa01d5b8b45a5.html

Machine Learning: lo que está logrando

«El machine learning es la vía de transformación principal que nos está llevando a repensar todo lo que hacemos.» ―Sundai Pichai-CEO de Google

Machine learning está logrando lo que hasta hace pocos años era imposible. Diagnósticos médicos más certeros, predicción de enfermedades futuras en pacientes, análisis de compradores y consumidores que le permiten a los tomadores de decisión identificar la probabilidad de perder clientes y las posibilidades de cierre de ventas. Acceder a comparaciones de ofertas en viajes turísticos y hospedajes de forma instantánea. Obtener respuestas a búsquedas de información en fracciones de segundos, recibir ofertas personalizadas casi de cualquier producto en el que hayamos mostrado interés, cuidar del medio ambiente y hasta confirmar compatibilidad con una potencial pareja.
Al desarrollar un programa de aprendizaje automático precisa de una cantidad inmensa de ejemplos para enseñarle a los ordenadores cómo hacer buenas predicciones. Es decir que el ordenador tomará un conjunto de ejemplos, descubrirá los patrones que hay detrás de ellos y los utilizará para hacer predicciones sobre ejemplos nuevos.

Llevándolo a un caso simple, sería algo así como, lo que hacemos al conocer y convivir durante años con una persona, la experiencia, la repetición de acciones en situaciones especificas nos permite predecir como va a reaccionar, pero no siempre estamos seguros de ello. Este ejemplo sencillo, trasladado al aprendizaje automático se escala a datos exponenciales, una cantidad de datos o ejemplos que la mente humana no puede procesar de la forma rápida y exacta como lo haría una máquina.

Machine Learning crea sistemas que aprenden de manera automatizada, identificando patrones complejos en millones de datos, por lo que le es sencillo predecir comportamientos todo mediante un algoritmo que se va perfeccionando con autonomía con el paso del tiempo. Señalada por expertos como una de las áreas en las que se trabaja actualmente y que cuenta con mayor proyección de futuro debido a sus múltiples posibilidades de aplicación en casi toda actividad en nuestras vidas.

Según Blog Thinkbig de Telefónica “el concepto que hay detrás del machine learning (aprendizaje automático) se basa en modelos de automatización que aprenden a partir del uso de la información disponible a lo largo del tiempo. Por tanto, requiere cada vez menos de intervención humana y mejora su rentabilidad como sistema a lo largo de su vida útil.”
No es de admirar que el deseo y los planes de explotar esta tecnología comercialmente sea tan atractivo para los líderes de la comunidad empresarial. Se antoja para mejorar la propuesta de valor de la empresa al usuario.

Sobre el Machine Learning sabemos que existen dos tipos:
El aprendizaje supervisado, al que a un algoritmo le han agregado etiquetas previamente para que la máquina detecte patrones, y así realice proyecciones o alguna acción.
El aprendizaje no supervisado, que utiliza algoritmos que se modifican solos y no contiene conocimiento «a priori» o datos etiquetados, al procesar realiza sus conclusiones tomando factores de forma indistinta que no tienen ni nombre, ni orden, ni marca.

El aprendizaje automático genera datos interesantes y novedosos sobre comportamiento individual, ciencias, sociedad, emprendimiento, sostenibilidad, mercados laborales, rendimiento deportivo, productividad corporativa y probabilidades de éxito o fracaso en el campo que se nos ocurra siempre y cuando exista un número gigante de ejemplos para comparar y predecir.

Telefónica muestra cómo el aprendizaje automático incorporado a una máquina capaz de “adivinar el futuro cerebral” de un paciente en temas de investigación del Alzheimer.

“El algoritmo instaurado tuvo una eficacia del 81%, una cifra elevada en contraste con los doctores especialistas que utilizan el ojo humano para analizar las imágenes cerebrales. El empleo de esta técnica, además de su alta probabilidad de acierto, hará más rápido el proceso de detección precoz de este tipo de enfermedades.”

Compañías líderes en la gestión de datos como Google, le están dando una importancia superlativa ¿Por qué lo hacen? “Según leemos en su página sobre el tema porque para lograr ser exitosos en sus metas de utilizarlo y aplicarlo, el buscador requiere de una inmensa cantidad de ejemplos para enseñar a los ordenadores cómo hacer buenas predicciones. Con toda la actividad que hay en Internet, ahora tenemos una fuente de ejemplos más amplia que pueden utilizar los ordenadores. Pero no basta con tener muchos ejemplos. No puedes enseñarle simplemente; el ordenador necesita un programa de aprendizaje. De hecho, últimamente el sector ha hecho importantes avances en cuanto a la complejidad y la potencia que pueden tener los programas de aprendizaje.»
Mencionan que: «aún los programas no son perfectos y los ordenadores siguen siendo poco inteligentes, por lo que les es necesario ver muchos ejemplos, numerosas veces, para cambiar los controles digitales y obtener resultados precisos. Aunque esto necesita una capacidad de procesamiento enorme, los nuevos avances en software y hardware también han conseguido que sea posible.”

La inminente masificación y uso de esta tecnología en todo aspecto de nuestra vida hace pensar en la necesidad de personal capacitado y ¿por qué no? En la necesidad de capacitarnos para conocer su funcionamiento básico. 

Con esta finalidad en un curso introductorio, Miriadax ofrece la posibilidad de aprender acerca de los tipos de datos útiles y cómo han de estar formateados para usarlos en el Aprendizaje Automático. Aprender qué es la ingeniería de datos, aplicar algunos de los modelos de Machine Learning existentes a diversos ejemplos de datos y analizar la información que estos nos proporcionan:
https://miriadax.net/web/introduccion-al-machine-learning-6-edicion-/inicio?timestamp=

De igual manera, Google ofrece capacitación para desarrolladores de Machine Learning:
https://developers.google.com/machine-learning/crash-course/ml-intro

Da la impresión de que el Machine Learning funciona imitando el comportamiento humano que implica observar, experimentar, guardar experiencias en nuestro cerebro y en base a esa información acumulada con el tiempo y las repeticiones procuramos predecir y tomar decisiones ante eventos del día a día.

Los datos son necesarios para que las máquinas puedan comparar y predecir en espacios de tiempo reducidos. Las empresas están invirtiendo ingentes sumas de dinero para aplicar estos avances a sus operaciones de negocio, por lo tanto, aprender a utilizar y sacarle provecho a esta tecnología es un nuevo reto que debemos considerar prontamente.

Imagen de Gerd Altmann en Pixabay

Referencias Consultadas:

https://www.google.com/intl/es/about/main/machine-learning-qa/