Artículo de José María Azcárate en la revista DibitalBiz Magazine de Junio de 2016
En 1956, Arthur Samuel diseñó un sistema de machine learning (aprendizaje automático) para jugar a las damas. Primero le enseñó las reglas… y el hombre vencía a la máquina. Después introdujo probabilidades… y el hombre seguía ganando. Entonces puso a la máquina a jugar contra sí misma para que aprendiera… y ya nunca volvió a ganar. Había diseñado un sistema que era mejor que él mismo en algo que él le había enseñado a hacer.
En 1996, la supercomputadora de IBM Deep Blue ganó una partida de ajedrez al campeón mundial Garry Kasparov. En 1997, la versión mejorada Deeper Blue le ganó un torneo a seis partidas.
En 2011, un sistema informático de inteligencia artificial, también desarrollado por IBM y bautizado como Watson, ganó el clásico concurso de la televisión estadounidense Jeopardy respondiendo a preguntas como “El antiguo león de Nimrud se perdió en esta ciudad en 2003”. Para responder a esta pregunta, primero hay que entenderla, y esto, que para un humano parece obvio, trasladado al mundo de la inteligencia artificial no lo es.
En 2015, Claudico, diseñado en la Carnegie Melon, participó en un torneo de póker en un casino de Pittsburgh y quedó en cuarta posición, lo que estadísticamente es equivalente a una victoria. El mérito está en que el póquer se juega sin toda la información y, además, los jugadores pueden mentir (faroles), lo cual carece de toda lógica.
El machine learning es una rama de la inteligencia artificial que se ocupa de desarrollar técnicas para que las máquinas aprendan a partir de experiencias pasadas. El modelo aprende de los datos y es capaz de clasificar —o predecir— y descubrir características que antes no se conocían. Este campo es muy amplio y abarca la traducción automática, visión artificial, reconocimiento de voz, planificación, optimización de procesos, predicción, clasificación o robótica.
Machine learning puede ayudar a las empresas en cualquier proceso de negocio
EL FUTURO DEL EMPLEO
La capacidad de aprendizaje de las máquinas crece a ritmo exponencial y todos los estudios indican que está próximo el momento en que supere a la de los humanos. Hay quien dice que será en la próxima década, otros hablan de finales de siglo, pero la mayoría coincide en que, una vez alcanzado ese umbral, esta superinteligencia crecerá de tal forma que superará de forma amplia, y rápidamente, a la inteligencia humana.
Se estima que, en los países desarrollados, el 80% de la población activa trabaja en servicios, en actividades que podrán hacer sistemas de inteligencia artificial a muy corto plazo. Y, a diferencia de lo que ocurrió en la Revolución Industrial, en este caso no se prevé que la generación de puestos de trabajo se acerque, ni de lejos, al volumen que va a desaparecer. Y esto nos coloca en una situación jamás conocida en la historia de la humanidad.
Ahora bien, ¿esto implica que las máquinas serán 100% autónomas? La respuesta es no (o “de momento, no”). Siguen siendo necesarios los humanos expertos para ayudar a volver a encajar las piezas que las máquinas han desgranado y analizado. Por ejemplo, partiendo de análisis similares, Amazon y Netflix utilizaron técnicas diferentes para decidir qué serie de televisión producir. Amazon se basó solo en los datos y concluyó que debía hacer una serie sobre cuatro senadores: Alpha House (7,5 de valoración en IMDB). Netflix usó expertos además de los datos, asumió un riesgo y decidió producir House of Cards (9,1 de valoración).
Además, tengamos en cuenta que los sistemas son inteligentes y aprenden, pero no son infalibles. En 2009, Google dijo que sería capaz de usar los datos de los que disponía para predecir los brotes de gripe. Acertó un año tras otro… hasta que llegó el momento en el que sus predicciones fallaron.
Es evidente que estos sistemas van a irrumpir en la sociedad y van a generar un cambio disruptivo y, como cualquier evolución tecnológica, llegará a nuestras vidas a través de las empresas públicas y privadas.
Los sistemas de aprendizaje automático pueden ayudar a las empresas en prácticamente cualquier proceso de negocio:
- Ventas y e-commerce: análisis de cesta de la compra, sistemas de recomendación, de mejora del CTR (click through rate), agrupación de noticias por tópico (Google News)…
- Logística: optimización física de tiendas o almacenes, predicciones de consumo, detección de productos duplicados, optimización del uso de recursos en producción, mantenimiento predictivo…
- Recursos humanos: modelado para seleccionar los empleados idóneos para un programa directivo, modelo que nos indica la probabilidad de un empleado de llegar a una cierta posición, identificación de empleados o asistentes a eventos.
- Marketing: análisis de sentimientos y opiniones en redes sociales, posicionamiento de marcas mediante análisis de imágenes en Facebook o Instagram, detección de patrones de fuga de clientes…
- Finanzas: detección de fraudes, control de riesgos financieros, determinación de precios…
EPÍLOGO
Ken Jennings, campeón de Jeopardy y superado por Watson, afirma que se sintió como un trabajador al que le comunican que ya no son necesarios sus servicios, porque las máquinas lo hacen mejor y más rápido que él. Casualmente, Jennings es experto en computación y ponía en duda, en los albores del proyecto Watson, que un ordenador fuera capaz de adquirir la “inteligencia” necesaria para poder competir con un humano en Jeopardy.
Existe la posibilidad de que la sociedad se tenga que enfrentar a una situación en la que no es necesario que los humanos trabajen, porque las máquinas van a ser capaces de hacerlo casi todo. La transición entre la situación actual y ese destino, con la desaparición paulatina de puestos de trabajo, es probablemente uno de los mayores retos socioeconómicos a los que se enfrentará el mundo.
¿Será la superinteligencia el último invento de la raza humana? En definitiva, si las máquinas van a ser tan poderosas, ellas mismas podrán encargarse de los siguientes avances.