Buscar otros temas

Categories

¿Podremos adaptarnos a la inteligencia artificial?

¿Podremos adaptarnos a la inteligencia artificial?

Fecha de publicacion: 29/04/2021

Dos niñas entusiastas, con quizás diez años o menos, toman un carro de transporte con su padre en una calle californiana. Luego de unos pocos metros recorridos, una de ellas señala el asiento delantero del coche y le dice atónita a su padre: “No hay conductor papá”, quien también sorprendido, había estado mirando el insólito timón moverse sin intervención humana. 

blog podremos adaptarnos a la inteligencia artificial que sera de nuestros trabajos

Con un video que intercala escenas como la anterior, inicia su charla Drago Anguelov, director del equipo investigador de Waymo -el ambicioso proyecto de Google para hacer de los vehículos autónomos una realidad-. Sin ocultar su sonrisa, Anguelov presenta con orgullo el impacto que la tecnología que lidera puede llegar a causar en los demás (Computer Vision and Pattern Recognition, 2020). Y no es para menos, casi cien años después de que las primeras ideas de un vehículo autónomo tuvieran algunos desarrollos, hoy estamos más cerca que nunca de esa realidad.

La sorpresa, sin embargo, no durará mucho. Así como todos los avances tecnológicos hasta el momento, su uso cotidiano terminará creando la costumbre y en un par de años será apenas obvio utilizarlo para todo. De hecho, desde hace casi 20 años los habitantes de Copenague, la más meridional de las capitales escandinavas, se han acostumbrado a confiar en un sistema de transporte sin conductor alguno: el metro de la ciudad. Y así como el de la capital danesa, la decimocuarta línea del metro parisino o el metro de Sidney, se espera que la primera línea del metro de Bogotá cuente con el máximo grado de automatización para este tipo de transporte: GoA4.

Mientras la tecnología avanza inexorablemente, la sociedad y las personas mismas cambiamos con ella en un ciclo en el que la primera responde a requerimientos de las segundas y nosotros nos terminamos adaptando a lo mejor, o usualmente lo más rentable, que pueda hacer la tecnología. 

Aunque ambicioso y quizás utópico, prepararnos para lo que pueda traer consigo la ya avanzada inteligencia artificial (IA) es perentorio para tomar una posición activa en estos cambios, en especial en países como el nuestro donde abundan los problemas sociales. Para ello, habrá que mirar en perspectiva todos los impactos que esta genera, para aprovechar sus beneficios, enfrentar sus imperfecciones y evitar daños colaterales sobre la sociedad, como ocurriría en el mercado laboral. 

Una inteligencia muy útil

Con el invento de su máquina de vapor en 1775, James Watt se convirtió en el precursor de la revolución industrial, que reemplazó la fuerza humana y animal por máquinas automáticas. La de Watt, sin embargo, no sería el primer artificio de vapor documentado, pues desde el siglo I d.C., Herón de Alejandría ya había desarrollado una sencilla máquina, denominada Eolípila, que aprovechaba la presión del vapor de agua para rotar un mecanismo. Este mismo ingeniero fue el arquitecto del manual Sobre fabricación de autómatas, en el que formulaba las instrucciones para elaborar dos máquinas automáticas con la tecnología del momento (Murphy, 1998). 

Aunque muy alejadas de la noción que tenemos hoy de robótica, los artilugios de Herón dan cuenta de las altas expectativas que la humanidad siempre ha concebido para crear dispositivos que ejecuten tareas propias a la inteligencia humana. Con el pasar del tiempo, vamos acumulando desarrollos tecnológicos que progresivamente nos acercan a ese objetivo.

Uno de los más notables en los últimos años es quizás el aprendizaje automático (Machine Learning, ML), que agrupa aquellos algoritmos que, parafraseando al profesor Tom Mitchel, mejoran su rendimiento con la experiencia. Unos años antes, con el desarrollo de los primeros computadores, se pensó que rápidamente se podrían utilizar para resolver casi cualquier actividad humana, pero increíblemente, tareas tan sencillas como detectar una imagen eran casi imposibles bajo la programación tradicional. 

El aprendizaje automático trajo consigo la solución a este tipo de problemas, con rendimientos que incluso superan a una persona promedio. Ahora es posible identificar objetos en videos en tan solo 22ms (Joseph & Farhadi, 2018), traducir entre múltiples idiomas, reconocer el sentimiento de un texto e incluso imitar la voz de otra persona. La última década ha sido quizás una de las más fructíferas en este campo.

De forma concisa, el aprendizaje automático es una rama de la inteligencia artificial que consiste en alimentar un algoritmo con grandes volúmenes de datos, de los cuales se infiere información que se almacena en los parámetros de un modelo y que se usa posteriormente para hacer predicciones. Este proceso incluye un gran esfuerzo científico por ajustar el modelo a las observaciones que se tienen y entre mejores sean los pronósticos, mejor es el modelo. Pero aquí no acaba el asunto. Si se tratase de predecir únicamente, sería un trabajo científico memorable, pero quizás no tendría el impacto que ha causado recientemente. 

Su poder radica en tomar decisiones con las predicciones, las cuales sí impactan nuestro diario transcurrir (Google, 2020). Siguiendo con ejemplos de ia en vehículos autónomos, las predicciones de la ubicación de los objetos alrededor se utilizan para alimentar un sistema de control que decide cuál trayectoria seguir, qué presión ejercer sobre los frenos y el acelerador, etc. De este modo, la información predicha se vuelve útil y práctica.

Así como en los vehículos autónomos, los modelos de aprendizaje automático han reclamado rápidamente un lugar en casi cualquier sector industrial que disponga de la principal materia prima: los datos. Sus predicciones han mejorado las decisiones empresariales y ya se habla con naturalidad de la forma en que los modelos de recomendación, churn, segmentación, entre muchos otros, han ayudado a las organizaciones a mejorar la relación con sus clientes y finalmente han agregado valor. 

Más allá de etiquetar rostros de personas en fotografías, estos son los escenarios en los que el aprendizaje automático influye en nuestra cotidianidad más notoriamente. Esta rama de la inteligencia artificial ha llegado para cambiar todas las actividades humanas y lo mejor de todo: no excluye a nadie, pues además de los datos, sólo se requiere de infraestructura tecnológica para ejecutarse, que ni siquiera tiene que estar disponible localmente, sino que puede utilizarse desde cualquier parte de la tierra.

Inteligencia artificial en Colombia y LATAM

Prueba de ello son las múltiples iniciativas que en el sector público han ido apareciendo. En diciembre del año pasado, la alcaldía de Bogotá presentó Ágata, una agencia de analítica de datos, propiedad de varias empresas públicas de la capital. Ágata espera beneficiar a los ciudadanos con los datos que la ciudad dispone de ellos, utilizando herramientas como las mencionadas anteriormente (Sáenz Laverde, 2020). Este lanzamiento se realizó apenas un mes después de que el Instituto Colombiano de Bienestar Familiar diera a conocer a BETTO, una herramienta con la que se seleccionarán de forma imparcial y transparente los operadores que atenderán a la primera infancia, todo mediante inteligencia artificial (ICBF Comunicaciones, 2020)

actualidad colombia y latam

Y así como en Colombia, los proyectos basados en inteligencia artificial de la región aumentan consistentemente día a día. En Perú, por ejemplo, se diseñó un algoritmo denominado Funes, que alerta sobre posibles casos de corrupción en contratación del Estado (Ojo público, 2019). Así mismo, la Fiscalía de la Ciudad Autónoma de Buenos Aires, junto con la Universidad de Buenos Aires, desarrollaron Prometea, una impresionante herramienta que utiliza algoritmos de procesamiento de lenguaje natural para preparar dictámenes judiciales. 

De acuerdo con información dada por sus desarrolladores, Prometea es capaz de emitir la resolución de un pliego de contrataciones en 1 minuto y reducir en un 78% el tiempo para procesos de requerimiento a juicio (Estévez et al., 2020). Su relevancia ha sido tanta, que la Corte Constitucional de Colombia hizo una prueba de ella en el 2019 para seleccionar casos de urgente atención dentro de las sentencias que recibe para su revisión (IALAB, 2019).

A medida que se descubran los beneficios que herramientas como las anteriores introducen, sucederá algo similar a las teorías de convergencia social: una vez se adopten dichas herramientas en la cotidianidad, difícilmente dejarán de utilizarse. Pero estos beneficios no llegan solos. De la mano vendrán cambios a los que debemos prestar atención y prepararnos, en el marco de lo previsible.

Una inteligencia artificial imperfecta

Luego de más de un año de investigaciones, la junta de seguridad nacional de transporte en Estados Unidos (NTSB) dictaminó que el accidente de la camioneta Volvo XC90 con la que Uber hacía pruebas de vehículos autónomos en Arizona, y que ocasionó la muerte de Elaine Herzberg, se debió fundamentalmente a un error de software. El sistema fue incapaz de detectar a la mujer que cruzaba la vía caminando, mientras empujaba su bicicleta. Irónicamente, el accidente contrasta con uno de los objetivos más importantes detrás del desarrollo de vehículos autónomos: mejorar la seguridad vial. Aunque se prevé una reducción significativa de las muertes por accidentes de tránsito al eliminar variables humanas como la distracción del celular o el cansancio, también es evidente que no dejarán de ocurrir sucesos como el anterior.

En el fondo, la razón que impide hacer máquinas perfectas yace en el corazón mismo del aprendizaje automático. La extracción de información en forma de parámetros de un modelo se realiza mediante algún algoritmo de optimización que reduce el error entre las predicciones del modelo y algunas muestras verdaderas usadas durante el entrenamiento. A menos que se trate de ejemplos académicos, no es posible llevar ese error a cero por muchas razones: algún tipo de ruido en las muestras, desperfectos en las mediciones, o sencillamente porque la realidad es mucho más compleja de lo que puede capturar el modelo. 

Y así como para nosotros, a veces es muy difícil distinguir entre un alga y una planta, también lo es para una máquina. El sistema de reconocimiento de imágenes de un vehículo puede fallar en detectar a una persona y aunque existen formas de mitigarlo - usar radares o el escáner láser LiDAR como formas de detección redundantes -, las puertas para una equivocación siempre estarán abiertas.

La pregunta obligatoria y ampliamente discutida, aunque no solucionada, es ¿de quién es la responsabilidad de lo que pase con los desarrollos de inteligencia artificial? Hay muchas partes involucradas: el desarrollador de software, el que lo actualiza, el que hace pruebas, el que los aprueba, el que manufactura los equipos, el que los compra, el que los utiliza, etc. 

¿De quién es la culpa?

La primera aproximación para resolver esta pregunta se encuentra en los precedentes judiciales sobre materias similares. Usualmente, cuando una máquina resulta imperfecta, se puede investigar la negligencia de sus diseñadores al permitirse errores en su fabricación o no preverlos antes de su puesta en producción (Burke & Trazo, 2019). Y aún cuando hay ausencia de negligencia explícita por parte del diseñador, en la jurisprudencia estadounidense, ya existen precedentes de agravios (Torts) en los que se juzga por responsabilidad objetiva (Burke & Trazo, 2019).

Ante este panorama, urge la necesidad de ajustar la legislación. Por un lado, es irracional que un ingeniero resulte condenado por accidentes como el de Uber, cuando su intención en el fondo es reducirlos. Si así fuese, nadie se esforzaría por un proyecto de ese estilo. Por otro lado, tampoco se puede dar paso al ejercicio irresponsable de la ingeniería, permitiendo diseños subóptimos ante la afugia por lanzar un producto al mercado. En países europeos, ya se ha abierto una discusión para cerrar esta brecha (Hilgendorf, 2016) y es imperativo que aquí también se haga, antes de que la mejor solución sea bloquear la tecnología para evitar injusticias, como ha venido sucediendo.

Pero esto no debería ser una preocupación, especialmente en un país al que Simón Bolívar le atribuyó el título de “tierra de abogados”. Y aunque anecdótica, la afirmación del libertador es quizás más vigente hoy que en su momento: de acuerdo al Centro de Estudios de Justicia de las Américas, Colombia es el segundo país con más abogados en el mundo: 355 por cada 100.000 habitantes (Semana, 2019). Por lo que esta riqueza legal debería utilizarse para adelantarnos en dicha materia, pues la innovación que trae la inteligencia artificial no es sólo técnica sino también jurídica. 

¿Qué será de nuestros empleos?

Otro tema álgido sobre la inteligencia artificial es el desempleo, que no es una discusión nueva. Isabel I de Inglaterra es considerada una de las reinas más importantes que la nación sajona ha tenido en su historia. Con gran destreza, pero también con muchos métodos polémicos (su apoyo a los piratas fue tan directo que llegó a nombrar caballero al corsario Sir Francis Drake, el mismo que en 1586 saqueó a Cartagena de Indias), convirtió a su pequeña isla en una potencia económica para su época. 

A pesar del inmenso progreso que llevó a Inglaterra, la reina curiosamente rechazó dos patentes del clérigo William Lee, quien inventó la primera máquina de tejer en 1589 (Britannica, T. Editors of Encyclopaedia, 2019). Las razones por las que la monarca negó las patentes estaban relacionadas con el desempleo que produciría en sus textileros artesanales. En efecto, la reina le comunicó a Lee: “Considere lo que el invento podría hacer a mis pobres sujetos. Seguramente los llevaría a la ruina al privarlos de su empleo y los haría mendigos(Christ's College, University of Cambridge, n.d.)

Pero como siempre ha sucedido con cualquier innovación tecnológica, intentar detenerla es inútil. Ante las negativas de la reina, el maestro Lee viajó a Francia, donde el rey hugonote Enrique IV lo acogió. La máquina tejedora se utilizó durante varios siglos posteriores y su principio básico es el fundamento de muchas de hoy.

La adopción de los avances tecnológicos es un asunto inexorable, como también lo son los cambios que conllevan en los empleos de las personas. La preocupación de la reina es absolutamente válida, aunque su solución definitivamente no lo fue. Con los agigantados pasos que vienen dando la inteligencia artificial, la electrónica, los sistemas de control y la robótica, se espera que rápidamente muchas labores sean reemplazadas por máquinas.

En Francia, por ejemplo, mientras que el costo promedio de una hora por operario se ha duplicado en los últimos treinta años, el equivalente de un robot se ha reducido más de diez veces. Sólo en la Unión Europea, se estima que 1.5 millones de empleos serán reemplazados por robots antes del 2025 (Bréchemier et al., 2016). El panorama ha suscitado que muchos países ya hayan considerado generar una compensación a todos los trabajadores cuyos empleos se pierdan debido a estas nuevas tecnologías (Wissenschaftliche Dienste - Deutscher Bundestag, 2016).

No obstante, como en todas las revoluciones industriales pasadas, los desarrollos tecnológicos también serán responsables de muchos nuevos empleos. De hecho, de acuerdo a las estimaciones del Foro Económico Mundial, para el próximo año ya se habrán generado 133 millones de empleos, superando así los 75 millones que se habrán perdido desde el 2018 en todo el mundo (World Economic Forum et al., 2018). Si el panorama es así de alentador en números ¿cuál es la preocupación entonces?

El problema al final no reside en la existencia o no de empleos, sino en la forma como nos adaptamos a ellos. No obstante, el camino tampoco es suponer que los ciudadanos por sí solos se preparan para el cambio. Trabajos como los conductores de taxi o los domiciliarios dejarán de existir, mientras que aparecerá la necesidad de trabajadores en tecnologías de video, Big Data, ciberseguridad, Internet de las Cosas (IoT), desarrollo de software, entre otros (Pineda et al., 2016). ¿Cómo una persona en un oficio con bajos requerimientos técnicos se adaptará de la noche a la mañana a tareas altamente calificadas? ¿Cómo generar interés hacia estas áreas para que los bachilleres colombianos las adopten como proyecto profesional?

De no atacar esas preguntas a tiempo vendrán frustraciones, inconformidades, protestas, y mayor pobreza, porque mucha gente se quedará sin sustento y no habrá quién ocupe las nuevas vacantes. Con seguridad, nos adaptaremos a los cambios como lo hicieron los textileros ingleses, pero será un proceso traumático y lento. Bajo el esquema económico que tenemos, quizás el único que pueda orquestar la transición es el Gobierno, quien deberá armonizar las necesidades laborales con la oferta académica de las universidades, colegios e institutos técnicos. Además, deberá propender por mecanismos para que las personas que potencialmente pierdan sus empleos, encuentren maneras de capacitarse y ocuparse en los nuevos escenarios.

No es posible predecir exactamente las consecuencias de la inteligencia artificial, pero quizás un ejercicio de previsión podría hacer que ella y todas las tecnologías venideras sólo traigan beneficios para la sociedad.

Bibliografía

Murphy, S. (1998). Heron of Alexandria’s On Automaton-Making. In History of Technology (1st ed., Vol. 17, pp. 1-44). Bloomsbury. 10.5040/9781350018761.0007