Translate

Mostrando entradas con la etiqueta inteligencia artificial. Mostrar todas las entradas
Mostrando entradas con la etiqueta inteligencia artificial. Mostrar todas las entradas

lunes, 19 de abril de 2021

Una máquina puede no reemplazarte, pero puede ser tu jefe



La inteligencia artificial avanza a pasos agigantados en temas vinculados con la gestión de los recursos humanos

Cuando el representante de atención al cliente Conor Sprouls, quien trabaja en un centro telefónico de la gigante de seguros MetLife, habla por teléfono con un cliente, observa con cuidado la esquina inferior derecha de su pantalla. En un pequeño recuadro azul, aparecen indicaciones que le da una función de inteligencia artificial .

Si habla muy rápido, el programa despliega el icono de un velocímetro para indicarle que debe hablar más despacio. Si suena adormilado, el software envía una "señal de energía", simbolizada con la imagen de una taza de café. Si le falta empatía, aparece un corazón en la pantalla.

Desde hace varias décadas, los seres humanos hemos imaginado un futuro atemorizante en el que un ejército de robots hipereficientes invade oficinas y fábricas y comienza a realizar el trabajo que antes se encomendaba a seres humanos. Sin embargo, por concentrarnos en el temor a que la inteligencia artificial ocupara el lugar de los obreros, no consideramos otra posibilidad: que también remplazara a los jefes.

Sprouls y los demás empleados del centro de atención que trabajan en su oficina de Warwick, Rhode Island, todavía tienen muchos supervisores humanos. Sin embargo, el software responsable de las imágenes que aparecen en su pantalla (creado por Cogito, una empresa de inteligencia artificial de Boston) se ha convertido en una especie de subgerente que no les quita el ojo de encima. Al concluir cada llamada, las notificaciones que Cogito le muestra a Sprouls se suman y agregan a un tablero de estadísticas que su supervisor puede revisar. Si minimiza la ventana de Cogito para ocultarla, el programa se lo notifica a su supervisor.

Cogito es solo uno de los muchos programas que aplican inteligencia artificial que ya se utilizan en centros de atención telefónica, entre otros lugares. Su propósito, según el director ejecutivo de Cogito, Joshua Feast, es lograr que los empleados realicen su trabajo de manera más eficiente gracias a la retroalimentación que reciben en tiempo real.

"El desempeño humano es variable", explicó Feast. "A partir de la forma en que alguien habla con otra persona, podemos inferir si la comunicación está funcionando o no".

La meta de la automatización siempre ha sido la eficiencia, pero en este nuevo estilo de lugar de trabajo, la inteligencia artificial considera a la humanidad en sí como el aspecto que debe optimizar. Amazon aprovecha algoritmos muy complejos para darle seguimiento a la productividad de los empleados en sus centros de procesamiento de pedidos y puede generar automáticamente los documentos necesarios para despedir a aquellos que no cumplen con sus metas, como descubrió este año The Verge (Amazon ha negado que despida a los empleados sin intervención humana, con el argumento de que los gerentes pueden intervenir en el proceso). IBM utiliza su plataforma de inteligencia artificial, llamada Watson, durante las evaluaciones de los empleados para predecir el desempeño futuro; según la empresa, tiene una precisión del 96 por ciento.

También las empresas emergentes aplican estos programas. Cogito, que presta servicios a grandes aseguradoras como MetLife y Humana, así como a empresas financieras y de venta al por menor, afirma contar con veinte mil usuarios. Percolata, una compañía de Silicon Valley que tiene clientes como Uniqlo y 7-Eleven, utiliza sensores en las tiendas para calcular un puntaje de "verdadera productividad" para cada uno de los empleados, y los clasifica del más productivo al menos productivo.

La administración por algoritmo no es un concepto nuevo. A principios del siglo XX, Frederick Winslow Taylor revolucionó el sector manufacturero con su teoría sobre la "administración científica", cuyo objetivo era eliminar la ineficiencia de las fábricas mediante una estricta medición de los tiempos y movimientos de cada aspecto del trabajo. Ejemplos más recientes son Uber, Lyft y otras plataformas por encargo que han ganado miles de millones de dólares gracias a que dejan a cargo de tareas convencionales de recursos humanos (nómina y evaluaciones de desempeño) a las computadoras.

Sin embargo, aplicar inteligencia artificial para administrar a los trabajadores cuando se trata de empleos convencionales con horarios de 9 a 17 ha causado más controversia. Sus críticos han acusado a las empresas de aplicar algoritmos para las tareas administrativas y señalan que los sistemas automatizados pueden crear un ambiente deshumanizado y castigar injustamente a los empleados. Además, si bien es evidente que a los ejecutivos les sirve contar con aplicaciones de inteligencia artificial para darles seguimiento a las tareas asignadas a los empleados, sus ventajas para los empleados no son tan obvias.

"Parece surrealista pensar que una empresa pueda despedir a los trabajadores sin ningún tipo de intervención humana", indicó Marc Perrone, presidente de United Food and Commercial Workers International Union, sindicato que representa a los trabajadores de las industrias alimentaria y de venta minorista, en una declaración sobre Amazon.

En la economía de los trabajos esporádicos, la administración por algoritmo también ha sido fuente de tensiones entre los trabajadores y las plataformas que los conectan con los clientes. Este año, los conductores de Postmates, DoorDash y otras empresas de entregas por encargo protestaron por el método de cálculo de sus pagos, pues el algoritmo agrupa las propinas que dan los clientes con el salario mínimo garantizado, una práctica casi invisible para los conductores debido a que la plataforma hace confusos los detalles de los pagos que les hacen.

Nadie protesta en el centro de atención telefónica de MetLife. Más bien, los empleados con los que hablé parecían considerar su software Cogito como una ligera molestia, en el peor de los casos.

Varios afirmaron que les gustaba recibir notificaciones durante las llamadas, aunque varios comentaron que les parecía difícil saber qué hacer para que la notificación de "Empatía" dejara de aparecer (según Cogito, el sistema de inteligencia artificial analiza diferencias sutiles entre el tono de voz del empleado y el del usuario, y la recomendación para el empleado es intentar reflejar el ánimo del cliente).

MetLife, que utiliza el software con 1500 empleados en sus centros de atención telefónica, comentó que gracias a la aplicación la satisfacción de sus clientes ha aumentado un 13 por ciento. "En realidad si cambia el comportamiento, sin que las personas se percaten siquiera", explicó Christopher Smith, director de Operaciones Globales en MetLife. "La interacción se hace más humana".

De cualquier forma, es innegable que el hecho de que un programa de inteligencia artificial vigile a un grupo de trabajadores y les indique cómo relacionarse con otros seres humanos produce una sensación escalofriante, como si estuviéramos en una película de ciencia ficción.

Aprovechar la inteligencia artificial para corregir el sesgo humano es positivo. Sin embargo, a medida que se adopten más usos de inteligencia artificial en el lugar de trabajo, los ejecutivos tendrán que resistir la tentación de aprovecharla para controlar más a los empleados y someterlos a vigilancia y análisis constantes. Si eso ocurre, quienes organicen un levantamiento no serán los robots.

The New York Times

Kevin Roose
______________________________________________________

Geopolítica y causalidad: la batalla actual de la inteligencia artificial

 


El ciclón tropical Imelda no fue el más intenso de 2019, pero sus efectos en algunos barrios de Houston, Texas, fueron catastróficos, con inundaciones y pérdidas multimillonarias. Cuando los equipos de rescate empezaban a trabajar, un grupo de científicos de datos emitió un rápido comunicado que en los días siguientes se convirtió en la explicación más citada por los medios para entender el fenómeno: por culpa del cambio climático, la tormenta severa tuvo 2,6 veces más probabilidades de ocurrir y fue un 28% más intensa que en un mundo simulado sin crisis climática.

El grupo "World Weather Atribution" logró este cálculo gracias a avances recientes de la ciencia de datos, que permitieron separar otros factores explicativos para lograr una estimación más precisa, que además permite, a futuro, pronosticar mejor los riesgos de la agenda medioambiental.

Para el MIT, la "atribución al cambio climático" es una de las diez principales tendencias de avances a monitorear, porque puede dar vuelta la opinión pública (sobre todo en los Estados Unidos) y generar otros incentivos políticos una vez que pase la crisis del coronavirus. Para el campo de la inteligencia artificial, la discriminación de causalidad es una de las batallas del momento en la tecnología exponencial estrella.

Hace tiempo ya que las noticias sobre avances de la inteligencia artificial dejaron de causar sorpresa. La historia clásica de los sucesivos juegos en los cuales los algoritmos nos fueron ganando (ajedrez, go, videogames de estrategia de guerra) ya no son novedad. En cambio, la discusión pasó a "segundas derivadas" del fenómeno: la competencia geopolítica, los límites de esta tecnología, el riesgo de "antropormorfizarla", los cambios que ya está produciendo en habilidades humanas y la ya mencionada discusión por la causalidad.

Para expertos como Elias Bareinboim, Judea Pearl y Gary Marcus, la imposibilidad de la IA actual de entender la esencia del concepto de causalidad es la barrera a eliminar (entender que las nubes no sólo están correlacionadas con la lluvia, sino que son las que la provocan). Marcus propone correr el foco desde el "aprendizaje profundo" (deep learning) a uno de "entendimiento profundo". "El actual paradigma, que tiene demasiados datos pero poco conocimiento, razonamiento y modelos cognitivos, simplemente no nos está llevando a una IA en la que podamos confiar", sostiene el científico y divulgador.

La historia de los últimos diez años (y su perspectiva para el corto y mediano plazo) de la inteligencia artificial está muy bien resumida en el clásico Superpoderes de IA, de Kai-Fu Lee, que ya tiene un par de años. Lee cuenta que una década atrás el tema estaba visto como algo separado de la realidad y del campo de la ciencia ficción. Eso cambió radicalmente, en parte, según Lee, gracias a la victoria del algoritmo de DeepMind (la empresa inglesa de IA que fue comprada por Alphabet, el conglomerado de Google) en marzo de 2016 sobre el campeón humano de Go, Lee Sedol. Unos 230 millones de chinos siguieron el match entre la máquina y el campeón coreano y lloraron con el resultado. Para China fue, afirma Lee, un "momento Sputnik", similar a la herida de amor propio que se produjo en los estadounidenses en octubre de 1957, cuando se enteraron de que los soviéticos habían sido los primeros en colocar una persona en el espacio. El golpe fue tal que disparó una "fiebre de IA" en el estado y en las start ups chinas, cuyo gasto acumulado el año pasado superó por primera vez (en este rubro) al de Estados Unidos.

¿Dónde nos encontramos hoy? En una bisagra de elección y oportunidad, sostiene uno de los autores referentes de esta temática, Erik Brynjolfsson. "Pueden ser los diez mejores años de la historia de la humanidad o una de sus peores décadas, porque tenemos más poder en nuestras manos (con los desarrollos de IA) que nunca antes".

En un ensayo para Brookings, Indermit Gills junto a un equipo analizó el "TEG" de la batalla por el dominio de esta "tecnología de propósito general" entre los Estados Unidos, China y Europa. Hubo tres TPG anteriormente, y en cada una se fue reduciendo a la mitad el tiempo necesario para su expansión: 80 años para el motor de vapor, 40 años para la electricidad, 20 años para las PC y, probablemente, 10 años para la IA. La conclusión de este trabajo: quien esté a la vanguardia en 2030 será la potencia dominante en el resto del siglo. Gills apuesta por los Estados Unidos, cree que su cultura innovadora empresarial será una carta ganadora frente al poder de la planificación, el as de espadas chino.

"Un problema habitual cuando se trata de medir el avance y el potencial de la IA es que se la compara todo el tiempo con la inteligencia humana. Esto lleva a muchos errores conceptuales, sobreestimaciones y subestimaciones por distintas avenidas. No debemos "antropomorfizar" a la IA si queremos tener mejores pronósticos sobre lo que se viene en este campo", dice Carlos Diuk, experto en ciencia de datos.

Para el tecnólogo y científico de datos Marcelo Rinesi, "lo profundamente transformador y lo que tiene más chances de serlo en un sentido positivo, es el tener inteligencias, incluso reducidas a habilidades o campos específicos, cualitativamente superiores a lo que ya podemos hacer. Hoy en día ya hacemos ciencia e ingeniería que son cognitivamente superhumanas, en el sentido de que son imposibles de hacer solo con humanos sin computadoras (incluyendo las computadoras que controlan los sensores, etcétera), pero pasando por cuellos de botella humanos y de grupos de humanos".

¿Qué nivel de cambios veríamos? Según Rinesi, "más o menos por definición, la diferencia entre la ciencia e ingeniería de, digamos, 1940, y la de 2021. Mi sospecha personal es que mucho de lo que imaginamos casi obligatoriamente en nuestro futuro (ingeniería genética, interfaces cerebro-máquina, niveles de vida altos para toda la población mundial) es imposible sin saltos en nuestra capacidad de hacer ciencia e ingeniería, lo que requiere el uso de herramientas super-humanamente capaces".

En un reciente ensayo titulado Mentes y máquinas, David Watson, de los Institutos de Internet de Oxford y Alan Touring sostuvo: "Es fácil pensar la inteligencia artificial en términos de la humana, antropomorfizarla. Imaginamos una amistad con Siri, un vehículo autónomo empático, y pensamos en algoritmos que aprenden igual que lo hacemos nosotros. Sin embargo, pensar que un ordenador tiene una inteligencia similar a la de un humano es erróneo y hasta puede resultar peligroso". Hacerlo, sigue Watson, implica introducir un sesgo que se va a quedar "corto" en pronósticos en algunas áreas de la inteligencia y que va a sobreestimar otras.

Jerome Pesenti, un ex-IBM que ahora lidera el laboratorio de IA de Facebook (creado años atrás por Yann Lecun, una figura legendaria en este terreno) admitió en una reciente entrevista: "El aprendizaje profundo y la actual IA, si uno es honesto, tienen un montón de limitaciones". Una de ellas, destaca, es que la actual dinámica de escalabilidad no es sostenible: la fuerza computacional que demandan hoy los experimentos más avanzados de IA se duplica cada tres meses y medio. "Si uno mira los experimentos top -explica el científico computacional-, cada año su costo se multiplica por diez. Hoy hay algunos proyectos que involucran valores de siete cifras (en dólares), pero pronto estaremos en el terreno de las 9 o 10 cifras, y eso no es posible, nadie lo puede costear. Significa que en algún punto vamos a chocar contra una pared; la batalla que se viene es por la optimización".

Sebastián Campanario
_________________________________________________

domingo, 6 de octubre de 2019

Las personas son la fuerza motriz de la inteligencia artificial



El éxito de la implementación de la inteligencia artificial
depende de un cuidadoso equilibrio, asegura el autor

Desde la asistencia de voz en el coche hasta la formación de futuros violinistas, la inteligencia artificial (IA) está facilitando las tareas cotidianas de la gente, y dentro de la industria del marketing digital no es una excepción.

Las marcas anunciantes están aprovechando la gran capacidad de la IA para aumentar la eficiencia, especialmente cuando se trata del procesamiento de datos a gran escala y a alta velocidad. De hecho, una investigación de IAB nos muestra que el 64% de los anunciantes utilizan herramientas avanzadas para ajustar la precisión de la segmentación en España, con casi dos quintas partes (36%) de acuerdo en que mejora su ventaja competitiva y su productividad. Pero, a pesar de todo el enfoque que ponemos en las máquinas, también es importante no olvidar lo que los humanos pueden hacer por la IA.

Sin personal cualificado entre bastidores, el poder de las tecnologías inteligentes para alcanzar los objetivos empresariales clave es limitado. Y es por eso que la inversión en talento sigue siendo importante.

¿Qué aporta la IA a la publicidad?

Contradiciendo la narrativa estándar de la IA como una amenaza para el empleo, los trabajadores españoles acogen con satisfacción la innovación tecnológica: no sólo el 63% cree que la IA beneficiará a su empleo a largo plazo, sino que el 88% también quiere más formación digital. Gran parte de este entusiasmo se debe a la capacidad de la Inteligencia Artificial para ahorrar tiempo y mano de obra. En publicidad, por ejemplo, el aprendizaje automático reduce la carga analítica que puede sobrecargar a los anunciantes (y llevar a los negocios programáticos hacia el agotamiento) al evaluar instantáneamente datos dispares, identificar patrones y generar información útil.

Con herramientas inteligentes que proporcionan los medios para identificar audiencias objetivo, invertir directamente en medios de alto rendimiento y ajustar la estrategia en tiempo real, no es de extrañar que el 73% de los anunciantes piensen que la automatización es el mayor beneficio de la IA. Pero incluso la tecnología más inteligente necesita alguna orientación para asegurar una evaluación y ejecución efectiva de los datos con las prioridades de la marca. 

Donde los algoritmos se quedan cortos

Hay muchas razones por las que ninguna empresa puede ser alimentada únicamente por la tecnología. Para empezar, la IA no es totalmente independiente. Los algoritmos básicos ejecutan programas fijos que resuelven problemas particulares con parámetros estrictos, escritos por personas. Incluso las máquinas y los sistemas de aprendizaje profundo son entrenados usando conjuntos de datos que necesitan ser etiquetados manualmente antes de que comience el análisis.

Luego está la cuestión del control de la entrada de datos. Como señala John Pickles, el líder en optimización de marketing digital de Ford Europa: "Basura dentro significa basura fuera". Las herramientas alimentadas con datos imprecisos producirán resultados inexactos que pueden llevar a los anunciantes a malgastar presupuestos e irritar a las audiencias. Además, las máquinas aún no pueden invertir dinero para entender las necesidades y objetivos específicos de las empresas. Por lo tanto, la monitorización humana y la personalización siguen siendo vitales para asegurar que las plataformas basadas en IA funcionen como deberían.

Por no hablar de la creatividad. A pesar de la significativa progresión en la creación de campañas autónomas, la tecnología todavía carece de la imaginación necesaria para construir anuncios inspiradores que despierten la atención de la audiencia y se relacionen con ellos a un nivel personal y significativo.  

Abrazando un futuro híbrido

Todo esto lleva a una conclusión principal: el éxito de la implementación de la IA depende de un cuidadoso equilibrio. En una industria cada vez más competitiva, los anunciantes necesitan plataformas inteligentes que les permitan evaluar los datos de manera eficiente y asegurar que la inversión se destine a puntos de contacto y comunicación que ofrezcan la mejor oportunidad de generar los resultados de negocio deseados. Pero definir cuáles deberían ser esos objetivos, mantener la tecnología en el buen camino y hacer conexiones individuales requiere el toque humano.

Y para lograr este equilibrio, deben invertir tanto en el fomento del talento como en el desarrollo tecnológico. Además de contratar a personas con las habilidades necesarias para manejar la IA - ingenieros que pueden construir y ajustar algoritmos o científicos de datos capaces de probarlos y alinearlos con los objetivos de la campaña - el cultivo interno es clave. Dar a los empleados actuales la oportunidad de mejorar sus habilidades y desarrollarse es vital no sólo para crear una fuerza laboral preparada para trabajar con IA, sino también para retenerla. Como la mayoría de los anunciantes (64%) saben, encontrar y retener el talento adecuado no es fácil.

Iniciativas como la capacitación, las sesiones de mentoring, los hackatones y los intercambios de trabajo son pasos relativamente pequeños, pero marcan una gran diferencia en la cultura de la compañía y en la fuerza colectiva. Al fomentar un entorno en el que el talento es libre de prosperar y aprender, la industria de la publicidad puede desbloquear todo su potencial para impulsar el crecimiento persistente de los ingresos y la creatividad, sin importar lo que traiga la siguiente fase de la transformación digital.

Óscar Rodríguez es director General de Xaxis
____________________________________________________

martes, 3 de septiembre de 2019

La inteligencia artificial, en la rampa de despegue



Tras una primera fase de exploración, ya se empiezan a abordar planes más ambiciosos de implantación de la inteligencia artificial.

Crece el interés por las posibilidades de este sistema.

La inteligencia artificial será la gran palanca de cambio empresarial en los próximos años. Los expertos coinciden en resaltar el interés creciente de las organizaciones por explotar tecnologías como el aprendizaje automático, que permite a los sistemas aprender sin que hayan sido específicamente programados para ello. GP Bullhound estima que casi una tercera parte de las compañías tienen planes para incorporar la inteligencia artificial en sus procesos. Las expectativas son muy elevadas, pero todavía queda mucho camino por recorrer en el viaje hacia la empresa inteligente. Tras una primera fase de exploración, ya se empiezan a abordar planes algo más ambiciosos de implantación de estas tecnologías.

El mayor impacto de la inteligencia artificial se espera en la optimización de las operaciones y, en segundo lugar, en una mayor y mejor conexión con los clientes, según una encuesta realizada por EY entre directivos españoles. Las organizaciones también confían en que estas herramientas ayuden a captar a nuevos consumidores.

SANTANDER EXPRIME EL APRENDIZAJE AUTOMÁTICO

La entidad española está centrando buena parte de sus esfuerzos en el ámbito de la inteligencia artificial en el área del aprendizaje automático. Santander, que tiene en estos momentos un equipo de 150 expertos en inteligencia artificial, asegura que ha desplegado en nueve mercados un total de 21 programas de aprendizaje automático.

Según explican en la entidad, la aplicación de esta tecnología sobre una base de datos de calidad permite reconocer patrones y predecir resultados. De esta manera, se puede, por ejemplo, detectar de manera temprana y personalizada oportunidades comerciales con clientes minoristas o empresas.

Además, es útil en la gestión del riesgo y el tratamiento documental con robots cognitivos que son capaces, por ejemplo, de leer imágenes (como un DNI o un pasaporte) o contratos (detección de anormalidades en las cláusulas). También se emplea en la captación de clientes, la gestión de los recursos humanos (ayuda en los procesos para detectar talento interno), la detección de fraude y blanqueo de capitales, entre otras cosas.

Como otras compañías, Santander también está utilizando activamente los 'chatbots'. Con estas iniciativas en diversos mercados se puede, en tiempo real, entender y solventar necesidades de clientes o empleados, ofrecer productos o servicios e, incluso, ejecutar transacciones financieras.

LA SIRENA, ALGORITMOS PREDICTIVOS PARA DAR UN MEJOR SERVICIO

La cadena de alimentación La Sirena está utilizando 'machine learning' como herramienta de valor añadido. Los algoritmos predictivos permiten a la compañía anticipar cuándo será la próxima visita de un cliente, la preferencia de compra de un producto y la posibilidad de ofrecer alternativas en la cesta de la compra que no hayan sido adquiridas con anterioridad y que pueden resultar interesantes para el cliente.

La compañía, que emplea tecnología de SAP sobre Microsoft Azure, se nutre de los datos de los más de 1,2 millones de clientes registrados. Esta base genera millones de combinaciones con las casi 1.000 referencias de congelado de la cadena, que pueden analizarse para ofrecer servicios más personalizados.

ENDESA Y LA RED DE DISTRIBUCIÓN

La inteligencia artificial también puede ayudar a mejorar el control en tiempo real y el mantenimiento preventivo de la red eléctrica. Con este objetivo, Endesa está liderando el proyecto Pastora, que utiliza tecnologías como 'big data' y aprendizaje automático para explotar los millones de datos que ofrece la nueva red inteligente. De esta forma, se pueden desarrollar modelos predictivos sobre el comportamiento de la red para mejorar su funcionamiento.

Todas estas herramientas del proyecto que lidera la eléctrica española se están probando en el entorno del Smartcity Málaga Living Lab de Endesa. Pastora cuenta con un presupuesto de 2,8 millones de euros, subvencionado en parte por el CDTI.

VERIFICACIÓN DIGITAL EN MUTUA MADRILEÑA

Mutua Madrileña cuenta con un servicio de verificación digital por vídeo y foto para sus asegurados de auto y moto, que funciona gracias a la inteligencia artificial. Este servicio permite a la Mutua realizar una inspección por videollamada del vehículo para certificar su estado antes de que el cliente pueda contratar la póliza.

La aseguradora emplea herramientas de inteligencia artificial, que analizan las imágenes captadas y de forma automática identifica si existen daños en el vehículo. De esta manera, los asegurados pueden contratar la póliza en apenas un par de minutos, según explican en la compañía. Mutua Madrileña prevé realizar prácticamente la totalidad de sus verificaciones de vehículos de forma digital a comienzos de 2020.

CEPSA ADOPTA UN ASISTENTE VIRTUAL EN RECURSOS HUMANOS

Cepsa emplea un asistente virtual que da respuesta a las consultas de sus empleados. La compañía se ha decantado por la tecnología Watson de IBM para desarrollar una plataforma que inicialmente resolverá consultas relativas a la solicitud de licencias y permisos, teletrabajo, seguros de salud, anticipos o préstamos, para lo cual se han contemplado más de 5.000 formulaciones de preguntas distintas sobre estos temas.

Este asistente aprende de cada experiencia, a través de procesos guiados, por lo que su conocimiento se incrementará a medida que sea enriquecido con nueva información y consultas. Cepsa llevará a cabo durante 2019 la implantación de este 'chatbot' para sus más de 8.500 profesionales en España.

CUATRECASAS ADOPTA LA INTELIGENCIA COGNITIVA

Cuatrecasas utiliza la inteligencia artificial para automatizar procesos. El bufete, que usa tecnología de Expert System, ha desarrollado un anotador semántico que aglutinamiles de definiciones, conceptos y lemas jurídicos, destinado a leer, clasificar, interpretar y razonar información jurídica procedente de fuentes muy diversas. Más allá de la clasificación, la tecnología cognitiva permite detectar relaciones existentes, lo que ayuda al bufeteen su actividad legal.

CEREALTO SIRO FOODS: IA PARA INVESTIGAR EL MERCADO

El departamento de I+D de Cerealto Siro Foods (I+dea) junto con IBM Servicios han desarrollado una herramienta de inteligencia artificial que analiza los gustos de los consumidores y detecta tendencias tempranas, lo que supone un avance respecto a los métodos clásicos de investigación de mercado. Gracias a este trabajo, Cerealto ha lanzado al mercado unas tortitas de arroz con guisantes. La herramienta de inteligencia artificial utilizada incorpora distintas capacidades de Watson de IBM.

M. Prieto
______________________________________________________

sábado, 17 de agosto de 2019

Con la inteligencia artificial no importa el "porqué"


Crédito: Javier Joaquín

Existen disciplinas en las que el conocimiento precede a las explicaciones; suele pasar con la medicina y es un fenómeno en el que queda lo que algunos llaman la "deuda intelectual".
  
Con más de 300 millones de libros vendidos y adaptaciones a cine y TV de casi toda su obra, en el año 2000 el autor estadounidense Stephen King decidió publicar un ensayo sobre su oficio, titulado Mientras Escribo (On Writing). King cuenta en el prólogo que a principios de los años 90 formó una banda musical con varios colegas escritores, "Los Rock Bottom Remainders", todos muy exitosos (en la literatura), y que en las conversaciones con ellos durante los viajes surgía un tema común: nadie conocía "la fórmula" para hacer best sellers. Simplemente sucedía. "Evitamos preguntarnos mutuamente de dónde sacamos las ideas. Sabemos que no lo sabemos", cuenta el autor de Carrie, It y El resplandor. "Los narradores no tenemos una idea muy clara de lo que hacemos. Cuando algo es bueno no solemos saber por qué, y cuando es malo, tampoco".

Como en el chiste de economistas que sostiene que las estadísticas son como las salchichas ("pueden ser muy sabrosas, pero mejor no preguntar cómo se hicieron"), hay distintas disciplinas donde el conocimiento a menudo precede a las explicaciones. Primero, llegan las respuestas, que funcionan; y a veces las explicaciones aparecen décadas o siglos más tarde. Cuando lo hacen.

Esta dinámica es común, por ejemplo, en la medicina, donde cada año se aprueban remedios que son testeados para distintas enfermedades pero cuyos mecanismos para promover determinadas reacciones se desconocen (y así suele constar en el prospecto). A veces el éxito de un medicamento inspira y fondea nuevas investigaciones que pueden llegar a una explicación, pero esto no siempre ocurre. La aspirina se descubrió en 1897, pero recién en 1995 la ciencia logró una explicación convincente sobre su mecanismo. La estimulación cerebral (vía electrodos que se implantan) que se usa para algunos enfermos de Parkinson y otras enfermedades se aplica ya desde hace más de 20 años con éxito creciente, pero nadie puede decir exactamente cómo o por qué funciona.

El profesor de Ciencias y de la Computación y de Derecho de Internet de la Universidad de Harvard Jonathan Zittrain bautizó a este fenómeno de respuestas que se acumulan sin explicaciones que las sostengan como "deuda intelectual". En el pasado, este déficit estuvo limitado a determinadas disciplinas que avanzan mayormente con una dinámica de "prueba y error", como la medicina. La novedad es que con los avances más recientes en inteligencia Artificial (IA), la deuda intelectual se está multiplicando hasta niveles nunca conocidos. Esto es porque la avenida estrella de la IA de 2019, el aprendizaje automático (machine learning), avanza justamente con esta lógica de prueba y error acelerada, sin capacidad para brindar explicaciones conceptuales de por qué descubrió un nuevo material o un nuevo tratamiento para el cáncer.

Hay varios factores que le dan combustible a este motor, explica Zittrain. Uno de ellos tiene que ver con que el boom del aprendizaje automático implica un negocio multimillonario fogoneado por el sector privado, que se contenta con soluciones que generen ganancias y no exige tantas explicaciones como suele pasar en el campo académico. "El aprendizaje automático funciona identificando patrones en océanos de datos. Usando esos patrones se aproximan respuestas que se testean y se van refinando. La mayoría de estos sistemas no se meten con una explicación conceptual, solo son máquinas de identificar correlaciones, 'no piensan' en un sentido humano", dice el profesor de Harvard.

En la medida en que el aprendizaje automático se vuelve ubicuo en nuestra vida cotidiana, aumenta la "deuda intelectual". En 2019, por primera vez las personas están confiando más en lo que les dicen los algoritmos que en lo que escuchan de otros pares.

Tercerizar la conciencia

El fenómeno no es nuevo y hay varios tecnólogos y especialistas en epistemología estudiándolo. En el libro This Will Change Everything (Esto lo va a cambiar todo), publicado en 2009 por el editor de Edge John Brockman, se especula en varios ensayos sobre una crisis del positivismo científico, en la medida en que los problemas se van haciendo más y más complejos.

Así como la edad promedio en la que hicieron sus descubrimientos principales los ganadores de premios Nobel se incrementó casi diez años, en distintas disciplinas se va tomando conciencia de que no basta con un solo cuerpo teórico para entender y atacar la complejidad de los problemas más graves que nos rodean.

Días atrás, el economista Tyler Cowen publicó un ensayo en The Atlantic llamando a promover una "nueva ciencia del progreso". "El progreso en sí está subestudiado. Por progreso entendemos una combinación de avances económicos, tecnológicos, científicos, culturales y organizacionales que vienen transformando y subiendo nuestro estándar de vida en los últimos dos siglos. Por varias razones, no hay estudios amplios sobre la dinámica del progreso, y de cómo hacer para profundizarlo y acelerarlo", explicó el economista. Para Cowen, muchas disciplinas atacan el tema, pero de manera fragmentada, y fallan al intentar dar con explicaciones a preguntas prácticas.

Ahora bien, si el nuevo conocimiento sirve para solucionar problemas, ¿cuál es el drama con que se demoren las explicaciones? Zittrain cree que muchas respuestas pueden funcionar bien "aisladas", pero que en un mundo de sistemas complejos recostarnos cada vez más sobre esta deuda intelectual puede resultar peligroso, porque empiezan a aparecer sesgos e inconsistencias en el conjunto de sugerencias de los algoritmos. La programadora australiana Kate Crawford mostró el año pasado una línea de tiempo donde las "catástrofes" producidas por algoritmos fuera de control (desde el affaire de Cambridge Analytica hasta fallas masivas de ciberseguridad) están aumentando su frecuencia e intensidad al mismo ritmo que ocurre con los desastres naturales con el cambio climático. "Si usamos aprendizaje automático para llegar a la mejor receta de pizza, tal vez no tenga mucho sentido preocuparnos por la explicación, convenga callarnos la boca y disfrutar de la pizza. Pero cuando confiamos en la IA para hacer predicciones de salud, más vale que estemos completamente informados", escribe Zittrain en un artículo de julio del New Yorker.

En su temporada 2019 del podcast Aprender de grandes, Gerry Garbulsky plantea con preocupación la posibilidad de que en un futuro cercano vayamos "tercerizando" muchas de nuestras funciones cognitivas en aplicaciones y programas más efectivos. Así como ya no recordamos los teléfonos de memoria (grabados en los contactos del celular) o no tenemos la necesidad de conocer las calles de la ciudad (porque existe Waze), si ese proceso se profundiza terminaría en seres humanos como un mero "hardware" de una conciencia tercerizada en otro lugar. Hasta a Stephen King le hubiera costado imaginar semejante escenario para una de sus novelas de terror. Y encima, sin poder explicar luego cómo se le ocurrió la idea.

Sebastián Campanario
_____________________________________________________

Cuando la IA se escribe en PowerPoint


/ DREAMSTIME / EXPANSION

La inteligencia artificial es un concepto más amplio y que abarca más que su primo pequeño: el 'machine learning'.

¿Estamos creando una burbuja en torno a la inteligencia artificial? Notorio es que tanto a empresas como a instituciones se les llena la boca con el término. Un reciente informe de la firma de capital riesgo MMC revelaba que el 40% de casi 3.000 startups europeas que presumían de esta tecnología, en realidad no realizaban ningún tipo de actividad relacionada con ella... Pero sus valores bursátiles se disparaban y se las financiaba un 50% más que a las otras. Por otro lado, el Gobierno español ha anunciado a todo bombo su estrategia en I+D para la IA, y su presidente ha señalado que "la inteligencia artificial es una oportunidad extraordinaria para avanzar en el conocimiento y la economía y mejorar las condiciones de vida". Por su parte, el ministro de Ciencia e Innovación ha apuntado que la inversión en la UE relacionada con esta tecnología supondrá 20.000 millones de euros anuales entre 2021 y 2030.

Por lo demás, baste una somera búsqueda de noticias recientes, y encontramos titulares sobre que la inteligencia artificial servirá para la detección del autismo, para medir raíces de plantas, cambiará la dermatología o reinventará la pintura o la música... entre otras soluciones mágicas y dulces sueños. ¿Se está abusando del marketing, vendiendo lo que no es?

Convendría no perder la perspectiva o, mejor dicho, recuperarla. La inteligencia artificial es un concepto más amplio y que abarca más que su primo pequeño: el machine learning. La primera, para ser considerada como tal, debería tener funciones cognitivas propias o cercanas a las de los humanos. La segunda es, en cambio, la capacidad que tienen las máquinas de tratar una cantidad significativa de datos y aprender por sí mismas, cambiando y ajustando el funcionamiento y los algoritmos a medida que procesan esta información. Podemos resumir la diferencia entre ambos conceptos en la capacidad de aplicar un "paso extra" al autoaprendizaje, con connotaciones humanas. Aplicándolo a aspectos no tan relacionados con la misión principal con la que estaba originariamente concebido. Incluyendo, por ejemplo, valores, ética, como lo haría el cerebro humano.

'MACHINE LEARNING'

Por lo tanto, la inteligencia artificial no existe todavía, salvo en bonitas presentaciones, pero el machine learning está en pleno auge. El ejemplo más ilustrativo de machine learning es la conducción autónoma y adaptativa de los vehículos, popularizada por Tesla en los últimos años. Pero si alguien, sea político o empresa, nos pretende vender algo pura y técnicamente basado en inteligencia artificial, está intentando timarnos. Se presenta en powerpoints muy bien trabajados e impactantes, en profusos libros blancos y con llamativos titulares... pero la realidad práctica es otra cosa.

Tenemos, sí, empresas que venden eficaces soluciones de automatización de procesos, de imitación y hasta suplantación de innumerables tareas humanas, y no sólo con una vocación repetitiva, sino con ciertas capacidades decisorias a partir de un intenso proceso de aprendizaje y de una programación exhaustiva. Pero la automatización no es nueva, viene siendo una prioridad industrial desde el siglo XIX. Lo que tenemos ahora son herramientas para hacerla más intensa, más inteligente -no racional- y abarcar un abanico más amplio de tareas.

También tenemos, y parece que lo hayamos olvidado, empresas que ofrecen soluciones de business intelligence, esto es, lo que siempre se entendió como aplicaciones y tecnologías para convertir los datos existentes dentro de una organización en información que ayude a tomar decisiones de negocio. Pero parece que algunas -o muchas- de esas firmas ahora lo revisten con la etiqueta de inteligencia artificial, cuando en realidad no están ofreciendo más que una evolución, quizás más sofisticada, de aquellas mismas soluciones.

FALSAS ILUSIONES

¿Tenemos hoy tecnologías disruptivas capaces de hacernos el trabajo y la vida mejor? Sin duda, pero gestionemos las expectativas, no vendamos falsas ilusiones y, simplemente, llamémoslas por su nombre. Por ejemplo, el machine learning sí que existe y está aplicado en actividades industriales y en servicios.

Al respecto, no puedo reprimir la sensación de que, al ser puestos en producción robots con algoritmos de autoaprendizaje, no se ha investigado lo suficiente como para que estén hoy a la orden del día la imposición de las tres leyes de Asimov sobre los robots (o sus algoritmos). De hecho, en diciembre de 2018, Amazon tuvo que equipar a sus empleados con chalecos interactivos para evitar accidentes, con robots implicados, que ocurrían en los almacenes logísticos de la firma. Una medida de seguridad oportuna, pero que demuestra que los algoritmos de los robots en cuestión gestionan producción y tareas determinadas, pero ninguna interacción "inteligente".

En definitiva, lo que tenemos hoy, de momento, son unos preciosos powerpoints que nos cuentan maravillas sobre un futuro hipotético de la inteligencia artificial. Honestamente, eran mejores las complejas neurosis de los cerebros positrónicos desenredados por la robo-psicóloga Susan Calvin de las novelas de Asimov (¡que no dejaré nunca de recomendar!).

Pierre Saisset
Director general de Eulerian Technologies para el Sur de Europa
_______________________________________________________

martes, 23 de julio de 2019

El salto cualitativo de la inteligencia artificial: la nueva dinámica para la generación de ideas



El impacto de la ciencia es el eje de un debate de estos tiempos; está abierta la posibilidad de dar una nueva expansión a los descubrimientos.

Hace ya más de una década que el diccionario de la innovación se llenó de términos como "singularidad", "crecimiento exponencial" o "ideas fuera de la caja", en notas periodísticas o reportes para inversores. Desde entonces todos estamos "disrumpiendo o siendo disrumpidos", "reinventándonos" o a punto de experimentar "cambios nunca vistos". La gran paradoja es que el período de crecimiento exponencial de esta terminología coincidió con un aumento del PBI global mucho más lento y débil que el de décadas anteriores.

Los tecnooptimistas afirman que las cuentas nacionales tradicionales están midiendo mal el tamaño de la economía (y, por lo tanto, el crecimiento es más vigoroso de lo que se percibe a través de los números) y también que estamos "justo en el codo" de la curva exponencial. En otras palabras, que todo está a punto de comenzar.

En el último semestre tomó color un debate muy interesante sobre la verdadera productividad de las ideas nuevas, con aportes de economistas que sugieren que está cayendo el valor producido por la ciencia en relación con cada dólar que se invierte. Esto puede suceder en alguna medida por el aumento de la complejidad en la frontera: como dice Tyler Cowen en El gran estancamiento: parecen haberse acabado los "frutos al alcance de la mano" en materia de innovación, que hicieron que algunas décadas del siglo XX fuera únicas en la historia de la humanidad en materia de crecimiento. En otro trabajo de 2018, los economistas Benjamin Jones y Bruce Weinberg remarcaron que la edad promedio para grandes descubrimientos científicos de galardonados con el Nobel pasó de 37 años a 47 años, justamente por este aumento de la complejidad que demanda más experiencia y conocimiento para llegar a resultados extraordinarios. El 16 de noviembre pasado, Patrick Collison y Michael Nielsen publicaron un largo ensayo en Science titulado "La ciencia está teniendo menos impacto a cambio de su presupuesto", relevando distintos estudios que llevan agua hacia esta conclusión.

Tal vez la novedad más significativa que trae el "aprendizaje automático" (machine learning) de la inteligencia artificial sea justamente la posibilidad de revertir esta tendencia y retomar un camino ascendente a tasas elevadas. El ejemplo más reciente y significativo del poder que puede tener esta interacción viene del campo de los nuevos materiales.

La mayor parte del conocimiento científico se encuentra archivado en publicaciones académicas (journals con papers) que son difíciles de "atacar" con métodos estadísticos y machine learning, dada su heterogeneidad. Pero el terreno de la química de materiales presenta una propiedad única: incluir en la mayor parte de las investigaciones una reseña de las nuevas combinaciones analizadas y sus conclusiones, que lo hacen particularmente fértil para el despliegue de la inteligencia artificial. Este año, científicos del Departamento de Energía de los Estados Unidos lograron crear un algoritmo que, con poco entrenamiento, "leyó" más de tres millones de trabajos sobre química de materiales y "descubrió" nuevas combinaciones que a los humanos se les pasaron por alto.

La cantidad de combinaciones posibles de partículas que dan lugar a nuevos materiales con propiedades distintas es superior a la cantidad de átomos del universo, y por eso a los científicos "humanos" les puede llevar -literalmente- una eternidad analizarlas todas. Pero el aprendizaje automático está acelerando este proceso, creando modelos que predicen dónde puede haber agua y dónde no. Como sostuvo la científica platense Valeria Bosio en esta sección hace dos meses: "Los nuevos materiales ya no se descubren: se inventan". Y ni que hablar cuando llegue la supremacía cuántica en computadoras, cuyo poderío parece estar hecho a medida para nuevos descubrimientos a nivel subatómico.

El algoritmo, denominado Word2vc, fue capaz de analizar 3,3 millones de papers y con ello predecir nuevos materiales termoeléctricos años antes de ser descubiertos (a partir de las pistas de trabajos anteriores en el tiempo) y también de sugerir materiales aún no investigados. Jain Anubhav, el científico líder de este proyecto, señaló que el programa, sin saber nada previamente de ciencia de materiales, fue capaz de aprender conceptos como la tabla periódica de elementos o la estructura de cristales de los metales.

De clasificar a crear

Las noticias más resonantes en materia de avances en inteligencia artificial para divulgación vinieron en los últimos tiempos de programas que sucesivamente pudieron derrotar a campeones humanos en juegos cada vez más complejos: primero el ajedrez, luego el Go, luego videogames de estrategia de guerra, etcétera.

En 2019 el campo está mostrando, ya en una nueva etapa de madurez, otros emergentes. Por su entidad, tal vez la más relevante sea la descripta del cambio en la dinámica general del proceso de innovación. Otro salto tiene que ver con nuevos escalones en la relación entre las máquinas y los seres humanos: en el primer semestre del año un relevamiento que viene haciendo la Universidad de Stanford desde hace media década mostró que, por primera vez, son más las personas que confían más en los algoritmos que en pares humanos.

A Iván Itzcovich, ingeniero informático del ITBA especializado en aprendizaje automático y actualmente en la empresa de inteligencia artificial ASAPP, este último dato no le llama la atención: "Este año vimos un crecimiento muy grande de aplicación de machine learning, que es el corazón de esta era de IA, a infinidad de dispositivos y puntos de contacto con nuestra vida cotidiana, así que es natural el aumento de la confianza". Itzcovich apunta que el salto no se debe tanto a una mayor capacidad de cómputo, sino a modelos y algoritmos más refinados.

"Hasta el año pasado, el aprendizaje automático era muy bueno para clasificar", agrega Julián Eisenschlos, ex Facebook en Estados Unidos y ahora también en ASAPP. "La novedad de este año pasa porque la AI se está volviendo muy buena para crear nuevos productos y soluciones, ya sean personas, objetos o materiales", dice Eisenschlos, excampeón de matemática y finalista del ACM (mundial de programación). "Esto es un cambio radical, porque permite hacer testeos en entornos virtuales de manera mucho más fácil", dice.

A fines de 2017 Deep Mind logró un algoritmo campeón en go y en ajedrez, solo a partir de las reglas del juego como insumos (sin partidas para analizar), lo cual llevó a ver cómo en pocos días se daba un proceso de aprendizaje que a los humanos nos llevó décadas o siglos, por caminos que a veces coincidían y a veces eran distintos. La evolución del conocimiento acumulado tiene una ruta que es una entre infinitas que se podrían haber producido.

Sebastián Campanario
_____________________________________________________