Internet MéxicoInteligencia Artificial Parte II: las próximas décadas

Staff1 mes atrás40417 min

Las tecnologías que funcionan mediante Inteligencia Artificial cada vez son más precisas y sofisticadas. ¿Qué puede significar esto para el futuro de la sociedad?

Por Manuel Godoy

En el artículo anterior se mencionaron las aplicaciones actuales de la Inteligencia Artificial (IA), concretamente en el campo del Machine Learning. Benedict Evans resume estas tecnologías como un conjunto de artefactos que, una vez que recaban una gran cantidad de información, son capaces realizar tareas que parecían imposibles como el reconocimiento de imágenes o los vehículos autónomos. Un buen ejemplo es el siguiente comic de 2014, justo antes del despegue del Deep Learning:

Inteligencia artificial

Estas aplicaciones de Machine Learning seguirán aumentando en cantidad y complejidad, ya que cada vez más profesionistas, emprendedores e inversionistas dedicarán su atención a dichos campos. La Organización para la Cooperación y el Desarrollo Económicos (OECD por sus siglas en inglés) publicó un estudio en donde menciona que desde 2011 a mediados de 2018 se habían invertido alrededor de 50 mil millones de dólares de capital privado en IA, y la tendencia es a la alza.

Un ejemplo para entender la evolución de estas tecnologías es Watson, un software diseñado por IBM para responder preguntas en lenguaje natural. En 2011 Watson logró derrotar en el juego Jeopardy! a dos de los mejores jugadores de la historia y actualmente es capaz de realizar diagnósticos médicos.  Kevin Kelly, en su libro The Inevitable: Understanding the 12 Technological Forces That Will Shape Our Future (2017), cuenta una anécdota en la cual Watson pudo adivinar correctamente un tipo de infección intestinal que él había padecido a partir de la descripción de los síntomas. Kelly cita a Alan Greene, Director Médico de Scandau, quien comenta que “al ritmo en que la IA está mejorando, un niño nacido el día de hoy rara vez tendrá que consultar a un doctor durante su vida adulta para recibir un primer diagnóstico”.

Aunque no todos tenemos acceso a Watson, IBM ya cuenta  con varias empresas farmacéuticas entre sus clientes. Muchas de estas, utilizando la inteligencia médica de Watson, otorgan consejos personalizados a los consumidores con padecimientos crónicos tomando como base el historial de sus tratamientos previos. No es difícil imaginar otras industrias donde se pudieran desarrollarse innovaciones similares. Kelly menciona algunos ejemplos:

  • Enfermería: Sensores biomédicos que recaban datos, son utilizados para generar tratamientos personalizados, y ajustados incluso continuamente.
  • Bienes raíces: Juntar a vendedores y compradores mediante IA, de manera similar a lo que hacen las Redes Sociales o las tiendas en línea. A partir de ello generar paquetes financieros personalizados a las necesidades de cada cliente.
  • Música: Crear música en tiempo real para distintos escenarios (eventos, videojuegos) la cual cambia de acuerdo a las circunstancias específicas de dichos escenarios.
  • Administración de proyectos: Software que permite considerar factores externos como el pronóstico del tiempo, retrasos en aeropuertos, accidentes y cambios en el valor de las divisas.
  • Marketing: Campañas de publicidad que puedan detectar el patrón de consumo de los usuarios de tal manera que busquen atraer la atención de los que más gastan.

Revisando esta lista podemos ver que ya existen versiones primitivas de dichas innovaciones. Por ejemplo, el Apple Watch ya cuenta con cierta tecnología para capturar información biomédica, o las redes sociales pueden recabar una gran cantidad de data points de un usuario. Cuesta ver estas innovaciones como aplicaciones primitivas, pero así nos lo parecerán en las siguientes décadas.

Como vimos en el artículo anterior, el proceso de Machine Learning requiere de una gran cantidad de datos y los wearables como el Fitbit o el Apple Watch así como los dispositivos que serán parte del Internet de las Cosas (electrodomésticos inteligentes, tecnologías de monitoreo) contribuirán a que la muestra de datos siga creciendo, volviendo más poderosos a estos algoritmos.

Es difícil imaginar alguna industria que no vaya a ser afectada por la Inteligencia Artificial. El ejemplo más claro son los conductores y la industria de la manufactura, debido al desarrollo de vehículos autónomos y de robots que podrán moverse de manera segura entre sus “compañeros” humanos. Al día de hoy los robots utilizados en la industria suelen trabajar separados de las personas, lo cual limita su productividad. Los robots del futuro, además de la fuerza, rapidez y precisión con la que ya cuentan, podrán interpretar las imágenes y sonidos de su entorno, interactuando de manera segura con las personas, y además estarán conectados a una red (ya sea Internet o una red local) de la cual podrán obtener información especializada para llevar a cabo sus tareas.

Los empleos de cuello blanco tampoco estarán seguros. Muchos trabajos modernos consisten en detectar, interpretar, consolidar y traducir información de un contexto a otro. Somos parte de una cadena de valor por la cual fluye la información. El desarrollo del Machine Learning, específicamente del Deep Learning, ha ampliado exponencialmente las capacidades de las máquinas para procesar información. Nuestras herramientas actuales (gadgets y software) gradualmente se volverán más poderosas. Estas herramientas realizarán mayor número de tareas, cada vez más complejas, y con menor supervisión humana. Esto en industrias tan diversas como la de Restaurantes, Agricultura, Comercio Electrónico o Servicios Financieros.

Kevin Kelly afirma que antes del final del siglo XXI, un 70% de las ocupaciones actuales podrán ser automatizadas, reflejando lo que ocurrió durante la Revolución Industrial. De igual manera, se espera que surjan nuevos empleos, aunque las habilidades que dichos empleos requerirán serán distintas a las de los empleos que desaparecerán. En palabras de Kai Fu Lee, fundador de Sinovation Ventures y anterior CEO de Google China: “la Inteligencia Artificial puede optimizar, pero no crear”, por lo cual los trabajos más creativos son los que estarán más seguros. Es decir, toda actividad que esté más allá de la capacidad de síntesis de las máquinas. Algunas características que definen estas actividades son:

  • Calidez, atención interpersonal: A medida que la atención a clientes se automatice en el sector de servicios, muchos podrían pagar un premium para recibir atención interpersonal.
  • Creatividad y estrategia: Por definición, una computadora no puede pensar fuera de la caja. Es decir, a pesar de que hay computadoras que aparentemente pueden aprender cualquier cosa (como Watson), éstas se mueven dentro de los parámetros en los que hayan sido programadas. Así como el término Deep Learning describe bien las capacidades de las máquinas, para las personas podríamos utilizar el término de Broad Learning.
  • Diseño de experiencias personalizadas: Si bien la tecnología permite la personalización de productos, dietas, etc, todavía quedarán muchos nichos disponibles en el turismo, la planeación de eventos o cualquier otra actividad en donde la sensibilidad humana no pueda ser replicada por las máquinas.

Kai Fu Lee comparte su visión optimista del impacto de la Inteligencia Artificial en su Ted Talk “How AI can save our humanity”. Lee propone que a medida que las máquinas adoptan las tareas más rutinarias, las personas se podrán enfocar en tareas más humanas, en ocupaciones en donde la creatividad, la empatía y la compasión sean parte esencial del trabajo.

Lee cita un estudio de PwC que estima un aumento de 16 trillones de dólares en el Producto Interno Bruto (GDP) de todo el mundo debido a la IA. Ante este posible escenario de alto crecimiento económico combinado con la pérdida de muchos empleos, expertos como Martin Ford han propuesto considerar al Ingreso Básico Universal como una alternativa viable, aunque reconocen que no es una panacea y que su implementación tendría que llevarse a cabo con los incentivos adecuados. Esta propuesta ya es parte de las discusiones de los precandidatos a la Presidencia de los Estados Unidos para las elecciones del 2020.

En resumen, la Inteligencia Artificial llegó para quedarse y se extenderá gradualmente por todas las industrias, atrayendo todas aquellas tareas en donde su capacidad de síntesis y aprendizaje haga innecesaria la supervisión o intervención humana; pero dejando todavía lugar para aquellas tareas que son esencialmente humanas, y también dejando un reto enorme a la sociedad ante la posible desigualdad económica que podría afectarnos en las siguientes décadas. En el siguiente y último artículo se hablará sobre los posibles avances de la Inteligencia Artificial más allá del Machine Learning, y la posibilidad de trascienda la inteligencia humana.

Staff

¡Comenta!

Tu correo no será publicado. Los campos requeridos se encuentran marcados con un asterisco (*).