El MIT anuncia la creación de un nuevo centro, el Stephen A. Schwarzman College of Computing, dedicado a reorientar la institución para llevar el poder de la computación y la inteligencia artificial a todos los campos de estudio, posibilitando que el futuro de la computación y la inteligencia artificial se forme a partir de ideas de todas las otras disciplinas.
La idea es utilizar la AI, el machine learning y la ciencia de datos con otras disciplinas académicas para «educar a los profesionales bilingües del futuro», entendiendo como bilingües a personas en campos como la biología, la química, la política, la historia o la lingüística que también tienen experiencia en las técnicas de computación moderna que pueden ser aplicadas a ellos.
El centro se crea con un presupuesto de mil millones de dólares tras la aportación de $350 millones de la persona que le da nombre, Stephen A. Schwarzman, CEO de The Blackstone Group, la trigésima cuarta persona más rica del mundo según el ranking de Forbes, y convierte a la institución en la que más claramente identifica el potencial futuro de una disciplina llamada a cambiar completamente el mundo tal y como lo conocemos. La idea de establecer el centro como una estructura propia y con un carácter fuertemente multidisciplinar refuerza la frase que llevo utilizando bastante tiempo tras leerla en un muy recomendable artículo de Erik Brynjolfsson y Andrew McAfee titulado «The business of Artificial Intelligence«, y que afirma que
… durante la próxima década, la IA no reemplazará a los directivos, pero los directivos que utilizan la IA reemplazarán a los que no lo hacen»
El planteamiento de un centro multidisciplinar completamente independiente abre este planteamiento más allá del management, y afirma que un proceso similar, el desplazamiento de los profesionales tradicionales a manos de aquellos que saben utilizar herramientas como la AI, el machine learning o la ciencia de datos, ocurrirá en prácticamente todas las disciplinas. Un proceso de este tipo lo podemos ver ya en campos tan diferentes como el ya citado management, en el que compañías de todo el mundo adquieren herramientas analíticas para llevar a cabo la predicción y la automatización inteligente de procesos a partir de sistemas que aprenden de los datos, o las ciencias de la salud, en las que los profesionales se preguntan qué van a hacer cuando una buena parte de su trabajo, como los diagnósticos, sean llevados a cabo por herramientas algorítmicas.
La semana pasada, Google presentó estudios que demuestran que sus algoritmos de análisis de imagen son capaces ya de identificar tumores en cánceres de mama con un 99% de precisión. Otros estudios publicados en journals de prestigio afirman que pruebas diagnósticas como los ecocardiogramas pueden ya ser interpretados de manera completamente automática. El pasado año, cuando en el evento de innovación de Netexplo en París me pidieron que presentase a uno de los ganadores, la compañía india de diagnóstico de imagen médica Qure.ai, mi conversación con una de sus fundadoras en el escenario trató de explorar precisamente el aspecto de la supuesta sustitución: ¿cómo se sentían los radiólogos cuando, tras haber cedido sus archivos de imágenes a la compañía para que adiestrase su algoritmo, veían que este era capaz de diagnosticar tumores con mayor precisión que los propios facultativos? La respuesta fue clara: tras un breve período de adaptación, los profesionales de la medicina decidían que estaban mejor dejando que fuese el algoritmo el que llevase a cabo ese trabajo – algunos diagnósticos suponen, en ocasiones, examinar decenas o cientos de imágenes muy parecidas – y decidían dedicar su tiempo a otras tareas que consideraban más productivas. De hecho, algunos manifestaron que en la próxima generación de médicos, la habilidad de tomar una radiografía, mirarla y aventurar un diagnóstico sobre ella se perdería completamente, y sería vista como algo peligroso que los médicos hacían en la antigüedad. De nuevo, la misma respuesta: en los hospitales de todo el mundo, los algoritmos no sustituirán a los radiólogos, a los mamografistas ni a los ecocardiografistas… pero los profesionales que sepan utilizar inteligencia artificial y machine learning en sus diagnósticos sustituirán a los que no lo hacen, que incluso pasarán a ser vistos como un mayor riesgo para los pacientes.
El MIT no ha sido la única institución académica en entenderlo así, pero sí ha sabido ser la primera y la más visible a la hora de embarcarse en una iniciativa tan profundamente ambiciosa sobre el tema: en IE University llevamos muchos años haciendo que los profesores de nuestros programas más especializados en analítica y ciencia de datos se conviertan en una fuente de cursos para otros programas generalistas en disciplinas completamente diferentes, planteando grados con doble titulación que solapan ambas disciplinas, e introduciendo las humanidades como una parte fundamental del curriculum en todos los grados, como una manera de reflejar esa misma preocupación e intentar dar forma a los profesionales del futuro.
Tratemos de plantearlo así: en cada profesión, la inteligencia artificial y el machine learning encontrarán aplicaciones que, al cabo de un cierto tiempo, mejorarán las prestaciones de los humanos llevando a cabo esas mismas tareas. Para educar a esos nuevos profesionales, será fundamental que entiendan el funcionamiento de los algoritmos de inteligencia artificial y machine learning que utilizan, no solo para evitar un posible mal funcionamiento como el de ese algoritmo que, en Amazon, decidió dejar de contratar mujeres basándose en los datos históricos de la compañía, sino también para poder idear y diseñar nuevos procesos de innovación que apliquen la potencia de esos nuevos desarrollos tecnológicos y de otros aún más potentes que surgirán en el futuro.
El paradigma de la sustitución es, de por sí, autolimitante y peligroso. Nadie en su sano juicio entendería que insistiésemos en que le diagnosticase un médico humano en lugar de un algoritmo capaz de hacerlo con mucha más precisión, del mismo modo que muy pronto, nadie entenderá que pretendamos conducir nuestros automóviles sabiendo como sabemos que somos la fuente de la inmensa mayoría de los accidentes, cuando existen algoritmos capaces de hacerlo muchísimo mejor y de manera infinitamente más segura. Tratar de preservar empleos a costa de hacer mejor las cosas es una estrategia perdedora.
This article was also published in English on Forbes, «MIT knows that AI is the future»
En esto de la IA y la robótica ocurre con en el cuento de Pedro y el Lobo, que es un tema recurrente y lucido para tratar un día que el cronista se aburre
– ¡Auxilio! ¡Auxilio! ¡Socorro! ¡Que alguien me ayude! ¡La L/A, o la robótica o la Maching Laearnig se acerca! ¡Que viene el lobo!
Los lectores que viven de su duro trabajo dejaron todo y subieron corriendo y solo vieron experpentos de la IA o la robótica o la Maching Laearnig y pensaron que el cronistas les había presentado una teoria y no una realidad. Confundiendo con la IA el sistema de vender billetes de la Renfe, la robótica, como el cajero automático, o la machine learning como el bot que te contesta en una página web
Repitieron el llamado una vez tras otra .
– ¡Auxilio! ¡Auxilio! ¡Socorro! ¡Que alguien me ayude! ¡La L/A, o la robótica o la Maching Laearnig se acerca! ¡Que viene el lobo!
Y nos hablaron de asombrosos avances en la ciudad de Phoenix y en el grupaje de mercancías de Amazón, y de las tiendas sin empleados de Amanzó Go pero aquí lo que mas se le asemejó, fueron unos triciclos eléctricos que recargan con premeditación alevosía, y nocturnidad un grupete de teenagers con gana de ganarse unos euros.
Pero un día llegó el lobo de verdad. Estaba hambriento y empezó a comerse las ovejas. Pedro volvió a llamar a los labradores gritando muchas veces:
– ¡El lobo! ¡Ha venido el lobo! ¡Socorro, Socorro!
Los campesinos creyeron que sería una broma, como las veces anteriores y nadie acudió para ayudar a Pedro que vio como el lobo acababa con su rebaño.
La frasecita es muy convincente. Y yo la extendería para decir algo así como que «el día que el homo sapiens decida seguir dormido, puede que se encuentre desenchufado por un algoritmo».
Y hablo de algoritmo como algún tipo de ente, que, en el futuro algo lejano, decida que nuestra evolución va con demasiado retraso. O incluso marcha atrás.
Y lógicamente, hablo de sustituir en la frase la AI por la masa encefálica que gobierna nuestro ADN. Y los directivos por «entes diferentes de la especie homo».
Hay algo que he percibido muy útil en los 2 últimos años, cuando realizo búsquedas por google o cuando utilizo mis redes sociales a título informativo, el 95 % del tiempo. Y es que percibo que optimiza mis búsquedas, o refuerzo el seguimiento de un tema concreto y lo encauza de una manera adeucada. Yo siempre he sido consciente de mis búsquedas, pero a veces los mismos resultados que recibo me ayudan a optimizar mis respuestas. Imagino que en ese ¨baile¨contribuyo a dar significado constructivo de transfondo en mi proceso de diseño de la respuesta. Entonces mis habilidades son la capacidad constructiva orientada hacia un objetivo concreto y un grado de criterio que me invita a encauzar el resultado.¿Puede un algoritmo manipular el resultado de mi búsqueda?. ¿Conducirlo hacia un resultado conveniente? Esa capacidad¨Manipulativa¨me cuesta visualizarla como algo real. Porque ello implicaría que la parte ética y el lado ¨protector¨de las humanidades, son una vía de diseño responsable y no tanto constructor de sentido. .El ser humano es muy complejo, interactúa multidimensionalmente como en la réplica de los diseños geométricos ¨divinos¨ que se pueden observar en la arquitectura, en las margaritas o la geometría fractal con diseños replicados en sistemas de telecomunicaciones. Esa comprensión no es racional, ni intelectual ni siquiera emocional. Pero esa es ya, otra história :-)
Gracias, Enrique. Muy bueno y muy interesante. Buen día.
El paradigma de la sustitución tiene otra cara, la de «rescatar» a quien se hunde.
La mejor tecnología es la que no sabes que está ahí. Ni saber programar es importante para moverse en internet, ni lo es conocer el funcionamiento de un motor para conducir, ni lo será entender los algoritmos para confiar en la IA.
Somos seres sociales relativistas, aunque al mirarnos en el espejo nos guste pensar que somos individuos objetivos.
Off Topic:
Hola Enrique, descubrí hace cosa de un par de meses tu página web y desde entonces soy lector asiduo. Eso sí, todavía no estoy al día porque empecé a leer los posts desde Enero de 2017 y voy por los de Mayo de 2018. Pronto llegaré a los actuales.
Me he animado a escribir porque hoy he visto esta noticia en el diario MARCA (https://www.marca.com/tiramillas/tecnologia/2018/10/12/5bc0ac7346163f06338b4613.html) y me parece muy interesante para que escribas sobre ella (si no lo has hecho ya) y suscitar un gran debate.
PD: Soy de San Sebastián y sé que esta próxima semana asistirás a la semana de la innovación. Actualmente me encuentro en el extranjero y me da rabia no poder ir a escucharte, otra vez será.
Saludos.
Hola Iñaki! El tema de la AI de Amazon que aprendió que era mejor no contratar a mujeres basándose en el histórico de contrataciones ya lo he mencionado un par de veces como ejemplo, aquí y aquí.