No hay duda de que enfrentamos cambios importantes en la sociedad. Un proyecto de #investigación británico de 2013 estimó que el 47 por ciento de los #empleos en los Estados Unidos se automatizarán en los próximos 20 años. Estos son números #dramáticos, y pueden tener enormes consecuencias sobre cómo estructuramos nuestra sociedad y nuestras vidas. Una de las razones de la gran agitación es lo que se llama aprendizaje automático.

En realidad, es una descripción de los sistemas informáticos que pueden crear #estrategias y aprender #habilidades basadas en grandes cantidades de #información. Los juegos de mesa como #ajedrez son buenos ejemplos. Para estos juegos, el aprendizaje automático ha creado programas que son mucho mejores que las personas. AlphaZero es uno de estos programas, según The Verge.

Después de solo cuatro horas de entrenamiento, este programa superó a Stockfish, uno de los programas de ajedrez más avanzados del mundo.

Pero este es un #juego, con reglas y objetivos claramente definidos. Pero, ¿qué tipo de tareas en el mundo real es lo que las #máquinas pueden hacer? Dos economistas en el Instituto de Tecnología de Massachus (MiT) y la Universidad Carnegie Mellon hacen esta pregunta en la revista Science.

Máquina de vapor

Los investigadores comparan el aprendizaje automático con #motores de vapor y electricidad. Esta es una #tecnología que tiene aplicaciones en todas partes.

Se puede usar como la #fuerza impulsora en muchos otros contextos, muchos de los cuales aún no conocemos.

Actualmente, el aprendizaje automático es #extremadamente adecuado para algunas cosas, con algunas #limitaciones. Entre otras cosas, los algoritmos deben #relacionarse con objetivos claramente definidos, con información claramente definida. Por ejemplo, el aprendizaje automático es muy adecuado para analizar a través de muchos registros de pacientes para calcular la probabilidad de que alguien sea canceroso. Es uno de los ejemplos que dibujan los investigadores.

Sentido común

Pero las máquinas no son particularmente buenas para tomar decisiones que #requieren largas líneas con #conclusiones lógicas o decisiones que requieren #conocimientos de muchos campos diferentes. Esto a menudo se denomina conocimiento de "sentido común", y es conocimiento subyacente que #recopilamos a lo largo de la vida.

Los investigadores se refieren a las pruebas de juegos de computadora, donde una inteligencia artificial será buena para #responder rápidamente y #resolver problemas inmediatos.

Las máquinas eran extremadamente buenas para jugar, por ejemplo, juegos de pinball. Pero las máquinas eran miserables en los juegos de aventuras, donde el jugador debe encontrar objetos, como llaves, que pueden usarse en ciertos lugares quizás mucho después de que fueron encontrados. Esto requiere planificación e improvisación a largo plazo, que se basa en el conocimiento de "sentido común", conocimiento que el programa no tiene.

Estas son solo algunas de las #fortalezas y #debilidades de la máquina, y puede leer más sobre esto en el artículo de Science.

Inteligencia emocional y creatividad?

Pero el aprendizaje automático probablemente pueda encajar en aspectos de muchos trabajos diferentes. Muchos trabajos consisten en #partes y #piezas automatizadas que no son tan fáciles de #automatizar. Los investigadores usan #abogados como ejemplo. Una inteligencia artificial puede, por ejemplo, ser extremadamente útil para organizar y clasificar documentos que se usarán en los tribunales, pero no será especialmente útil para publicar una estrategia o entrevistar a los testigos.

Lo mismo ocurre con los médicos: los robots pueden ser muy buenos para proporcionar el diagnóstico correcto, pero actualmente no son muy buenos para ser #cuidadosos y #comunicarse con los pacientes, creen los investigadores. Los investigadores, por supuesto, no saben cómo #evolucionará en el Futuro, y es posible que sean mejores en la comunicación humana.

La revolución de datos anterior fue que las tareas #repetitivas simples podían automatizarse fácilmente, pero ahora está cambiando. Varios #programas basados ​​en el aprendizaje automático han demostrado que puede #diseñar máquinas complejas, un trabajo que solo podría hacer la gente. Tenía un #objetivo claro: diseñar una máquina que diera el peso, la fuerza y ​​la eficiencia adecuados; solo tareas como el aprendizaje automático son adecuadas. Los investigadores suponen que cada vez más de estos tipos de trabajos serán automatizados.

Al mismo tiempo, los investigadores son #conscientes de que la necesidad de nuevos servicios, tareas de trabajo y bienes se mostrará con la #automatización, por lo que la automatización probablemente también traerá muchos #puestos de trabajo nuevos.

¡No te pierdas nuestra pagina de Facebook!!
Haz clic para leer más