La medida de la importancia de la inteligencia artificial

IMAGE: Lineartestpilot - 123RF

Pocas veces se puede presenciar tanto acuerdo. Revisar las noticias de las grandes empresas tecnológicas, de algunas de las compañías que almacenan la mayor cantidad de recursos económicos, ofrece de manera inequívoca un elemento común: la inteligencia artificial como fuente de ventaja competitiva.

Google lo tiene perfectamente claro: la inversión en deep learning no se detiene en lo que su director de machine learningJohn Giannandrea, define como “la primavera de la inteligencia artificial” (en contraposición a los AI winter que vivimos en períodos anteriores), la Founders’ letter de este año menciona las palabras “machine learning” hasta en cinco ocasiones mostrando un absoluto convencimiento de que serán las superiores características de su inteligencia artificial las que le proporcionen las claves de su futuro. La compañía se está preparando para lo que considera un reto mediante la capacitación de todo su ejército de programadores en las nuevas herramientas necesarias para replantear todas sus actividades en términos de machine learning, para convertirlos en auténticos “machine learning ninjas” preparados para un futuro que consideran ya más un presente.

Microsoft, por su parte, no se queda atrás. En una fantástica entrevista de hace unos pocos días, su CEO, Satya Nadella, deja inequívocamente claro que pretende superar a Google en su carrera por la inteligencia artificial, y fía todo el futuro de la compañía a su desarrollo, en una visión de futuro que imaginan como la cooperación constante de inteligencia artificial e inteligencia humana puestas al servicio de la resolución de todos los problemas y desafíos de la humanidad: el verdadero valor se obtiene cuando los robots trabajan con las personas, no cuando pretenden reemplazarlas.

¿Y Facebook? En la visión que su fundador, Mark Zuckerberg, tiene del futuro de la compañía, la inteligencia artificial aparece por todas partes, asociada a prácticamente todas las tareas, desde ofrecerte las actualizaciones perfectas que más te interesan dentro de la inmensidad de información que se mueve por la red social, hasta ser capaz de funcionar como el mejor motor de búsqueda, capaz de entender nuestras preguntas y respondernos con la información adecuada a cada petición, en cada momento.

Los artículos que vinculo en esta entrada no están ahí por casualidad, ni son simplemente una manera de poner una nota de color y unos subrayados en el texto. Es una recopilación cuidadosamente escogida y estructurada de lo que considero la prueba fehaciente de que el machine learning y la inteligencia artificial son, cada vez más y cada vez más rápido, las verdaderas claves del futuro de prácticamente todo, de todos los negocios, de todas las industrias. Todas. Da igual a qué te dediques, la clave de tu futuro está en la capacidad que tu compañía tenga de convertirse en una generadora constante de datos sobre toda tu actividad, datos que sirvan para alimentar el aprendizaje de tus algoritmos. Las grandes compañías de hoy llevan años almacenando datos de toda nuestra actividad, pretenden seguir haciéndolo mediante nuevos métodos e interfaces, y no es para espiarnos, sino precisamente para eso: para alimentar sus algoritmos, para construir los productos y servicios del futuro.

Los datos son el arma secreta de toda compañía, el nuevo petróleo, la gasolina con la que funcionan los motores que representan sus algoritmos. Puedes utilizar la metáfora que quieras, pero como directivo, si los datos, el machine learning y la inteligencia artificial no están en tu agenda en una posición prioritaria e inmediata, deberías ser relevado de tu puesto. No sabemos a quién pertenecerán los datos ni las estructuras que obtienen inteligencia de ellos, no sabemos si la inteligencia artificial será propietaria o abierta, pero sí sabemos que es el momento de dejar de temer a la inteligencia artificial y de ponerse a trabajar para entender su impacto.

Y ponerse a trabajar quiere decir eso: ponerse a trabajar. Desarrollar o adquirir las estructuras corporativas para hacer de los datos el activo fundamental de tu compañía, para que toda la actividad de la compañía se refleje en datos que puedan ser analizados. Tratar de entenderlo en lo personal, leer sobre ello, o incluso trabajarlo en la práctica, probarlo nosotros mismos. A veces, hacer las cosas en la práctica es la única manera de entender su alcance y posibilidades. Ponte con ello. La medida de la importancia de las cosas se obtiene cuando miras alrededor, y todas las compañías de verdad relevantes están trabajando en ello como si no hubiera mañana. No lo dejes, empieza ya. No es una recomendación trivial, no es como “haz algo de deporte”, “pierde algo de peso” o “aprende un idioma”, puede ser mucho más. Va a ser mucho más. Va a ser la clave de tu futuro.

 

 

(This article was also published in English at Forbes, “Right now, artificial intelligence is the only thing that matters: look around you“)

 

6 comentarios

  • #001
    Gorki - 13 julio 2016 - 17:39

    Dicen la UGT «A diferencia de las revoluciones industriales anteriores, la Inteligencia Artificial permitirá que los robots sean lo suficientemente inteligentes como para destruir empleo»,

    Estoy seguro que si hiciéramos una estadística de todos los empleos que destruyo la revolucion industrial, entre 1900 y 1950 quedaríamos acobardados y si hiciéramos una estadística de todos los nuevos empleos que han aparecido en ese intervalo de tiempo, nos quedarímos perplejos.

    Opino, que como poco, la mitad de los puestos de trabajo actuales van a desaparecer. pero que van a aparecer nuevos puestos de trabajo que hoy no podemos llegar a intuir. Lo que pasa, es que tenemos distorsionada la imagen del futuro, porque es muy sencillo estando en el año 1900 imaginar que van a sobrar los segadores, pero es imposible pensar que se necesitarán guardias de la circulación.

    • Krigan - 15 julio 2016 - 14:05

      En el año 1900 trabajaban el doble de horas semanales que ahora, no había vacaciones, tampoco jubilados, y la mayoría de la gente empezaba a trabajar al comienzo la adolescencia. Puedes decir que la mayor parte de las mujeres no trabajaban fuera de casa, pero buena faena que tenían en el hogar criando 4-6 hijos, lavando la ropa y los platos, y haciendo otras faenas domésticas que ahora hacen o facilitan las máquinas.

      Por tanto, sí se trabaja ahora mucho menos que antes. Y con las TIC esta tendencia se ve notablemente acelerada, en parte por la IA, pero solo en parte, porque tan solo con la “informática tonta” ya desaparecen un enorme montón de puestos de trabajo.

      No va a haber nuevos “guardias de circulación”, las nuevas necesidades van a ser cubiertas en gran medida por máquinas desde el principio. Una profesión reciente, que no existía en 1900 ni en 1950, es administrador de sistemas. Ya hay programas que se encargan de eso, reduciendo las necesidades de sysadmins hasta extremos que hasta hace pocos años eran inimaginables (menos de un sysadmin por cada 20.000 servidores). Y esto ni siquiera es IA.

      Hay una diferencia fundamental entre el antes y el ahora. Antes cualquier cosa que implicase una decisión, por trivial que fuese, lo tenía que hacer una persona. Ahora un ordenador puede evaluar los datos y decidir si activa o no un interruptor. Más aún, un ordenador puede activar o desactivar miles de interruptores repartidos por medio planeta, y la ley de Moore nos dice que dentro de año y medio un ordenador de precio similar podrá hacer el doble de tareas, o un millar de veces más en solo 15 años (10 duplicaciones).

      Otra manera de verlo es que la mano de obra necesaria para fabricar un chip es muy poca, y es más o menos la misma ahora que hace 10 años, pero los chips de ahora son mil veces más potentes.

      A esto súmale el cambio entre máquinas especializadas y un ordenador, que es una máquina generalista. Antes podías usar un cajero para consultar el saldo y los movimientos de tu cuenta, ahora puedes usar el móvil, el cual se usa para otras muchas tareas. En el momento en que dejemos de usar metálico, los cajeros dejarán de ser necesarios, y por tanto ya no será necesario fabricarlos, instalarlos, ni mantenerlos. Menos mano de obra.

      No hace mucho dijiste una cosa bien cierta, que un agricultor de hoy día se dedica básicamente a cosas tales como mirar los precios del mercado, y decidir qué siembra (o qué le manda sembrar a su máquina). Con un poco de machine learning (esto sí es IA) dentro de nada el agricultor ni siquiera hará eso.

  • #003
    Pedro Trillo García - 14 julio 2016 - 10:51

    Estamos subestimando los procesos abiertos en machine learning así como su evolución natural hacia la inteligencia artificial, ocurren modas en tecnología, pero éste no es el caso, no es que deba estar en la agenda de cualquier ejecutivo digital, si no que cualquiera debe plantearse la actividad que está realizando en este momento, analizar el impacto futuro y en consecuencia plantear un plan de acción y esto no se soluciona con un cursillo del inem, debemos plantearnos qué skills cognitivas debemos desarrollar para trabajar en pararelo que estas tecnologías, quizá lo que tenemos que estudiar en profundidad es sobre machine learning en sí mismo ya que en 4 años superará cualquier aptitud que estés estudiando o aprendiendo ahora mismo.

  • #004
    Luis Hernández - 14 julio 2016 - 13:12

    ¿Y esto cómo se lleva a la práctica?
    Entiendo que no se trata únicamente de “ser conscientes” de la importancia del Machine Learning y la AI. ¿Se trata de almacenar datos de todo tipo, de forma estructurada confiando en que una inteligencia artificial pueda en un momento dado extraer información útil de ellos y utilizarlos con determinados objetivos?.
    ¿Hasta que punto debemos entender el funcionamiento de esta tecnología para sacar partido de ella?. ¿Está realmente ahora mismo al alcance de cualquiera?. ¿Por dónde empiezo?.
    Estoy seguro que las barreras de entrada se irán reduciendo paulatinamente de modo similar a como pasó con Internet, pero ahora mismo ¿es realmente posible para el común de los mortales poner en marcha una AI para que sirva de ayuda en un problema concreto, más allá de algunos ejemplos curiosos?.

  • #005
    Marcos Román - 14 julio 2016 - 13:29

    Soy profesor e investigador en Educación, específicamente en codigoalfabetización (code-literacy) y desarrollo del pensamiento computacional (computational thinking) en Primaria y Secundaria. Sigo con mucho interés desde hace meses las entradas sobre machine learning, y más específicamente las relativas a los bots conversacionales y sus aplicaciones educativas. En mi entorno comento que muy posiblemente una competencia digital avanzada de los docentes será, en muy poco tiempo, la programación y entrenamiento de bots que colaboren con nosotros para los procesos de aprendizaje de nuestros estudiantes… de momento los “ojos como platos”… Enrique, ¿crees que será así? Muchas gracias

  • #006
    Luis Hernández - 14 julio 2016 - 14:08

    Después de dedicar un rato largo a leer buena parte de los enlaces del artículo, entiendo que la mayor diferencia entre el Deep Learning y la clásica Inteligencia Artificial, es que la primera es mucho más independiente en el aprendizaje y no necesita constantes correcciones por parte de un “maestro” humano.

    Así, las situaciones donde los datos están disponibles en abundancia y es posible también constatar “errores” y “aciertos” en función de un objetivo marcado, es donde la aplicación de este tipo de tecnología cuenta en principio con más posibilidades de éxito.

    Primero se me han venido a la mente todo tipo de sensores registrando situaciones complejas de tipo “causa / efecto” como por ejemplo enseñar a un robot a caminar guardando el equilibrio.

    Pero enseguida me he acordado de la bolsa de valores y de los “inversores” y me he echado a temblar :-/

Dejar un Comentario

Los comentarios están cerrados