Riesgos de la Inteligencia Artificial

Este elemento es una profundización de los cursos y guías de Lawi. Ofrece hechos, comentarios y análisis sobre “Riesgos de la Inteligencia Artificial”. [aioseo_breadcrumbs] Un sistema de lectura de labios es lo que los legisladores llaman una “tecnología de doble uso”, y refleja muchas nuevas tecnologías que surgen de los mejores laboratorios de inteligencia artificial. Los sistemas que generan videos automáticamente pueden mejorar la creación de películas o alimentar la creación de noticias falsas. Un dron que vuela por sí mismo puede capturar video en un partido de fútbol o matarlo en el campo de batalla.

Ahora, un grupo de 46 académicos y otros investigadores, llamado Future of Computing Academy, está instando a la comunidad de investigadores a repensar la forma en que comparte la nueva tecnología. Al publicar una nueva investigación, dicen, los científicos deberían explicar cómo podría afectar a la sociedad de manera negativa y positiva.

La industria de las computadoras puede llegar a ser como las industrias del petróleo y el tabaco, donde estamos construyendo la próxima cosa, haciendo lo que nuestros jefes nos dicen que hagamos, sin pensar en las implicaciones. O podemos ser la generación que comienza a pensar más ampliamente.

Al publicar un nuevo trabajo, los investigadores rara vez discuten los efectos negativos. Esto se debe en parte a que quieren poner su trabajo bajo una luz positiva, y en parte porque están más interesados ​​en desarrollar la tecnología que en utilizarla.

A medida que muchos de los principales investigadores de la IA se trasladan a laboratorios corporativos como Google Brain y DeepMind, atraídos por grandes salarios y opciones sobre acciones, también deben obedecer las demandas de sus empleadores.

Detalles

Las empresas públicas, particularmente los gigantes de los consumidores como Google, rara vez discuten las desventajas potenciales de su trabajo.

El Sr. Hecht y sus colegas están pidiendo a revistas revisadas por pares que rechacen los artículos que no exploran esas desventajas. Incluso durante este raro momento de auto reflexión en la industria de la tecnología, la propuesta puede ser difícil de vender. Muchos investigadores, preocupados de que los revisores rechacen los documentos debido a las desventajas, se resisten a la idea.

Sin embargo, un número creciente de investigadores están tratando de revelar los peligros potenciales de la IA.Entre las Líneas En febrero, un grupo de destacados investigadores y responsables políticos de los Estados Unidos y Gran Bretaña publicaron un documento dedicado a los usos maliciosos de la IA. Otros están desarrollando tecnologías como una forma de mostrando cómo la inteligencia artificial puede salir mal.

Y, con tecnologías más peligrosas, la comunidad de IA puede tener que reconsiderar su compromiso con la investigación abierta. Algunas cosas, según el argumento, es mejor mantenerlas a puerta cerrada.

Matt Groh, un investigador del MIT Media Lab, recientemente construyó un sistema llamado Deep Angel, que puede eliminar personas y objetos de las fotos. Un experimento informático que se dobla como una pregunta filosófica, está destinado a iniciar una conversación sobre el papel de la IA en la era de las noticias falsas. “Somos muy conscientes de lo impactantes que pueden ser las noticias falsas”, dijo Groh. “Ahora, la pregunta es: ¿Cómo lidiamos con eso?”

Si las máquinas pueden generar fotos y videos creíbles, es posible que tengamos que cambiar la forma en que vemos lo que termina en Internet.

¿Puede el sistema de lectura de labios de Google ayudar con la vigilancia? Tal vez no hoy. Mientras “entrenaban” su sistema, los investigadores usaron videos que capturaban caras de frente y de cerca.

Más Información

Las imágenes de las cámaras de la calle “no son suficientes para leer los labios”, dijo Joon Son Chung, investigador de la Universidad de Oxford.

En un comunicado, un portavoz de Google dijo lo mismo, antes de señalar que los ” principios de inteligencia artificial ” de la compañía indicaban que no diseñaría ni compartiría tecnología que pudiera usarse para la vigilancia “violando normas aceptadas internacionalmente”.

Pero las cámaras son cada vez mejores, más pequeñas y más baratas, y los investigadores refinan constantemente las técnicas de inteligencia artificial que impulsan estos sistemas de lectura de labios. El papel de Google es solo otro en una larga lista de avances recientes. Los investigadores chinos acaban de presentar un proyecto que apunta a usar técnicas similares para leer los labios “en la naturaleza”, acomodando diferentes condiciones de iluminación y calidad de imagen.

Este tipo de tecnología podría utilizarse, consideran algunos autores, para la vigilancia, incluso con cámaras de teléfonos inteligentes. Es inevitable. Hoy, sin importar lo que construyas, hay buenas aplicaciones y malas aplicaciones.

Autor: Williams

Para saber más

• Generación de Imágenes mediante Inteligencia Artificial: Los generadores de imágenes mediante inteligencia artificial molestan a mucha gente. Estas herramientas funcionan arañando imágenes de todo Internet.
• Inteligencia Artificial: La inteligencia artificial (IA) es la próxima frontera tecnológica, con potencial de cambiar el orden mundial (o global) para bien o para mal.
• Uso de la Inteligencia Artificial para el Desarrollo Sostenible: La inteligencia artificial tiene un potencial significativo para avanzar en la agenda hacia el cumplimiento del desarrollo sostenible.
• La Oscura Naturaleza de la Inteligencia Artificial: Los datos que recogen los sensores del vehículo entran directamente en una enorme red de neuronas artificiales que los procesan.
• Supervisión Corporativa de la Inteligencia Artificial: La inteligencia artificial puede definirse de varias maneras, pero tal vez la definición más sencilla sea la utilización de máquinas.
• Ventajas de la Inteligencia Artificial: Precisamente porque se supone que las plataformas de aprendizaje automático y de inteligencia artificial son «inteligentes», plantean riesgos y también ventajas.
• Oportunidades de la Inteligencia Artificial: Hay riesgos, pero también sustanciales oportunidades de la Inteligencia Artificial (AI) para abogados y otros profesionales.
• Información sobre Ética de la Inteligencia Artificial: Uno de los aspectos controvertidos respecto a esta tecnología hace referencia a la ética y moral de la Inteligencia Artificial.
• Inteligencia Artificial en el diccionario Jurídico y Social, donde se ofrece un concepto de Inteligencia Artificial. ¿Qué es, Qué Significa y Cómo se Define Inteligencia Artificial?

Cómo evitar sus peores consecuencias

Cuando una empresa se prepara para introducir tecnologías de inteligencia artificial (IA) en su negocio, el análisis que ha de realizar es el siguiente: ¿Qué podría salir mal? ¿Qué se espera que haga nuestro producto o servicio? ¿Qué pasaría si no lo hiciera? ¿Tenemos un plan de mitigación de riesgos y daños? Recuerde la embarazosa situación en la que se encontró Microsoft tras el fiasco de su bot de conversación con IA, Tay. Unos troles de Internet se aprovecharon de las vulnerabilidades del código del bot para nutrirlo con contenidos racistas, homófobos y sexistas que después leyeron millones de usuarios en las redes sociales.

Los accidentes, incluidos los mortales, provocados por software o robots industriales se remontan a los orígenes de estas tecnologías.

Puntualización

Sin embargo, no son necesariamente el resultado de los propios sistemas. Es más, los fallos de los sistemas basados en inteligencia artificial están directamente relacionados con los errores cometidos por la inteligencia que imitan. Podemos clasificar estas disfunciones como “errores cometidos durante la fase de aprendizaje” y “errores cometidos durante la fase de funcionamiento”. Un sistema puede errar al aprender lo que sus diseñadores quieren que aprenda y en su lugar incorporar una función diferente, aunque correlacionada.

Un ejemplo citado con frecuencia es un sistema de visión automática que el ejército de Estados Unidos esperaba utilizar para detectar automáticamente tanques enemigos camuflados. El sistema debía clasificar las fotografías de diferentes modelos de tanque, pero en su lugar aprendió a distinguir el fondo de las mismas. Otros ejemplos incluyen problemas causados por funcionalidades mal diseñadas que premian a los sistemas de IA por comportamientos solo parcialmente deseables, como pausar una partida para evitar perderla y tocar una pelota de fútbol repetidamente para aumentar la puntuación obtenida por la posesión del balón.

Para comprender las implicaciones de estas situaciones, puede ayudar estudiar algunos ejemplos recientes de fallos de sistemas de IA para entender mejor qué problemas pueden surgir y qué se puede hacer para prevenirlos, o, al menos, para solucionarlos con rapidez una vez ocurran. Tenga en mente estos ejemplos de errores de IA en los últimos años:

• 2015: Un sistema de respuesta automática para el correo electrónico envía mensajes inapropiados, como “Te quiero” a un compañero de trabajo.
• 2015: Un robot diseñado para asir piezas automovilísticas mata a un hombre.
• 2015: Un software de etiquetado de imágenes clasifica a las personas de color como gorilas.
• 2015: Un sistema médico con inteligencia artificial categoriza pacientes asmáticos como personas con pocas probabilidades de morir de neumonía.
• 2015: Un software de filtrado de contenidos para adultos obvia eliminar contenidos inapropiados y expone a los más pequeños a contenidos violentos y sexuales.
• 2016: Un sistema de IA diseñado para predecir la reincidencia delictiva actúa de manera racista.
• 2016: Un agente de IA se aprovecha de una señal de recompensa para ganar una partida sin terminarla.
• 2016: Los personajes no jugadores de un videojuego (cualquier personaje no controlado por un humano) diseñan superarmas no autorizadas.
• 2016: Un agente de IA participa como juez en un concurso de belleza y puntúa más bajo a las participantes de tez oscura.
• 2016: Un guardia de seguridad robótico de un centro comercial choca y lesiona a un niño pequeño.
• 2016: El programa de IA Alpha Go pierde contra un humano al juego Go en una partida nivel campeonato mundial.
• 2016: Un coche autónomo provocó un accidente letal.

Cada día que pasa, usuarios y consumidores experimentan más carencias de la inteligencia artificial: filtros de correo basura que bloquean correos importantes, sistemas de GPS que facilitan indicaciones erróneas, traducciones automáticas que pervierten el sentido de las frases, funciones de autocorrección que sustituyen la palabra deseada por una incorrecta, sistemas biométricos que no reconocen a las personas, software de transcripción que obvia recoger lo que se dice…; en general, resulta más complicado encontrar ejemplos de IA que no fallen.

Al analizar la lista de fallos de IA, podemos llegar a una sencilla generalización: un sistema de inteligencia artificial diseñado para hacer X algún día obviará hacer X. Aunque puede parecer una reflexión trivial, es una potente herramienta de generalización que puede emplearse para predecir los futuros fracasos de la IA. Por ejemplo, si nos fijamos en los sistemas y técnicas de IA más vanguardistas actuales y futuros, podemos predecir que:

• La inteligencia artificial médica ofrecerá diagnósticos equivocados para algunos pacientes de formas en las que un médico humano no se equivocaría.
• El software de descripción de vídeo malinterpretará el argumento de las películas.
• El software para generar chistes no logrará en ocasiones que tengan gracia.
• El software de detección del sarcasmo confundirá expresiones sarcásticas con otras sinceras.
• El software de selección de empleados estará sistemáticamente sesgado y contratará por tanto a personas de peor rendimiento.
• El robot explorador de Marte juzgará mal su entorno y se caerá dentro de un cráter.
• El software para gestionar impuestos y rentas ignorará desgravaciones importantes y aplicará otras menos ventajosas.

¿Qué se debería aprender de estos ejemplos y análisis? ¡Los fallos se materializarán! Es inevitable.

Puntualización

Sin embargo, aun así, podemos establecer mejores prácticas, como:

• Controlar la información y datos que los usuarios pueden introducir en el sistema y limitar el aprendizaje de éste a puntos de datos verificados.
• Buscar de forma exhaustiva sesgos raciales, de género, de edad y otros tipos habituales en los algoritmos.
• Analizar de manera explícita cómo podría fallar el software para crear un mecanismo de seguridad para cada problema potencial.
• Disponer de una versión del producto o servicio “menos inteligente”.
• Establecer por adelantado un plan de comunicación y crisis para dirigirse a los medios de comunicación en caso de que se produzca cualquier tipo de fallo embarazoso. (Una pista: empiece por una disculpa).

Preveo que tanto la frecuencia como la gravedad de los problemas de los sistemas de IA aumentarán de manera continua a medida que estos se vuelvan más avanzados. Los fallos en los reducidos campos de acción actuales de la IA solo representan la punta del iceberg; una vez desarrollemos una inteligencia artificial capaz de funcionar entre diferentes campos, una posible humillación pública será la menor de nuestras preocupaciones.

Fuente: HBR

La necesidad de adquirir nuevas habilidades por parte de las empresas

Notamos algunos desafíos críticos que deben superarse.Entre las Líneas En primer lugar, un cambio masivo en las habilidades que necesitaremos en el espacio de trabajo en el futuro.

Para ver cómo de grandes podrían ser esos cambios, nuestra última investigación analizó los requisitos de habilidades para actividades de trabajo individuales en más de 800 ocupaciones para examinar el número de horas que la fuerza de trabajo invierte en 25 habilidades básicas en la actualidad. Después, calculamos hasta qué punto estos requisitos de habilidades podrían cambiar para 2030, a medida que se implementan las tecnologías artificiales y de automatización en el lugar de trabajo, y respaldamos nuestros hallazgos con una encuesta detallada de más de 3.000 líderes empresariales en siete países, quienes confirmaron en gran medida nuestra evaluación cuantitativa de recomendaciones. Agrupamos las 25 habilidades en cinco categorías: física y manual (que es la categoría más grande en la actualidad), cognitiva básica, cognitiva superior, social y emocional, y habilidades tecnológicas (la categoría más pequeña a día de hoy).

Los resultados destacan el gran desafío al que se enfrentan nuestras fuerzas laborales, nuestras economías y el bienestar de nuestras sociedades. Entre otras prioridades, muestran la urgencia de poner en marcha iniciativas de reentrenamiento a gran escala para la mayoría de los trabajadores que se verán afectados por la automatización, iniciativas que actualmente son muy deficientes.

Los cambios en las habilidades no son nuevos: hemos visto un cambio de las tareas físicas a las cognitivas y, más recientemente, a las habilidades digitales.

Puntualización

Sin embargo, el próximo cambio en las habilidades de la fuerza de trabajo podría ser masivo en escala. Para dar un sentido de magnitud, más de uno de cada tres trabajadores puede necesitar adaptar la combinación de sus habilidades para 2030, más del doble de la cantidad que podría ser desplazada por la automatización en algunos de nuestros escenarios de adopción, y el aprendizaje continuo de nuevas habilidades será esencial para todos. Con el advenimiento de la IA, las habilidades cognitivas básicas, como la lectura y la aritmética básica, no serán suficientes para muchos trabajos, mientras que la demanda de habilidades tecnológicas avanzadas, como la codificación y la programación, aumentará en un 55% para 2030, según nuestro análisis.

La necesidad de las habilidades sociales y emocionales, incluida la toma de iniciativas y el liderazgo, también tendrá un aumento marcado, en un 24%, y entre las habilidades cognitivas superiores, la creatividad y la información compleja y la resolución de problemas también serán significativamente más importantes. A menudo se consideran habilidades “blandas” que las escuelas y los sistemas educativos en general no están diseñados para impartir.

Puntualización

Sin embargo, en un futuro más automatizado, cuando las máquinas son capaces de asumir muchas más tareas rutinarias, estas habilidades serán cada vez más importantes, precisamente porque las máquinas aún están lejos de ser capaces de proporcionar experiencia y entrenamiento o administrar relaciones complejas.

Si bien muchas personas temen que la automatización reduzca la cantidad de trabajos para los humanos, percibimos que la popularización de la IA tomará tiempo. La necesidad de habilidades cognitivas básicas, así como habilidades físicas y manuales, no desaparecerá. De hecho, las habilidades físicas y manuales seguirán siendo la categoría de habilidades más grande en muchos países por horas trabajadas, pero con diferente importancia en todos los países. [rtbs name=”mundo”] En Francia y el Reino Unido, por ejemplo, las habilidades manuales se verán superadas por la demanda de habilidades sociales y emocionales, mientras que en Alemania, las habilidades cognitivas superiores serán predominantes. Estas diferencias de país son el resultado de diferentes mezclas industriales en cada país y esto a su vez afecta al potencial de automatización de las economías y a la combinación de habilidades futuras. Si bien basamos nuestras estimaciones en el potencial de automatización de sectores y países actuales, esto podría cambiar según el ritmo y el entusiasmo con que se adopte la IA en empresas, sectores y países. Ya está claro que China se está moviendo rápidamente para convertirse en un actor líder de IA, y Asia en su conjunto está por delante de Europa en el volumen de inversión en inteligencia artificial.

Vemos el reentrenamiento (o el “reciclaje” como algunos lo llaman), como el imperativo de la próxima década. Es un desafío no solo para las empresas, que están en primera línea, sino también para las instituciones educativas, la industria y los grupos laborales, los filántropos y, por supuesto, los responsables políticos, que deberán encontrar nuevas formas de incentivar las inversiones en capital humano.

Para las empresas, estos cambios son parte del mayor desafío de automatización que requerirá un replanteamiento profundo de cómo se organiza el trabajo dentro de las empresas, incluyendo cuáles son las necesidades estratégicas de la fuerza de trabajo, y cómo establecerlas para alcanzarlas.Entre las Líneas En nuestra investigación, encontramos algunos ejemplos de compañías que se están enfocando en el reentrenamiento, ya sea internamente, por ejemplo, el SAP de Alemania, o trabajando con instituciones educativas externas, como lo está haciendo AT & T.Entre las Líneas En general, nuestra encuesta sugiere que es más probable que las empresas europeas llenen las futuras necesidades de personal en la nueva era de la automatización, centrándose en el reciclaje, mientras que las empresas estadounidenses están más abiertas a nuevas contrataciones. El punto de partida para todo esto será un cambio de mentalidad, con las empresas que buscan medir el éxito futuro por su capacidad para proporcionar opciones de aprendizaje continuo a los empleados.

El cambio de habilidad no es solo un desafío, es una oportunidad. Si las empresas y las sociedades pueden equipar a los trabajadores con las nuevas habilidades necesarias, la ventaja será considerable, en términos de mayor crecimiento de la productividad, aumento de los salarios y mayor prosperidad. El argumento de Macron sobre que la tecnología es una elemento para hacer el bien se convertirá en una profecía autocumplida.

Pormenores

Por el contrario, si no se abordan estas demandas de cambio de habilidades, se podría exacerbar la polarización de los ingresos y avivar las tensiones políticas y sociales. Lo que está en juego es alto, pero ya podemos ver los esbozos de lo que se necesita hacer y tenemos poco tiempo para trabajar en soluciones.

Fuente: HBR

Impacto en las condiciones laborales

“El hecho básico es que la tecnología elimina puestos de trabajo, no trabajo. La política económica tiene la obligación continua de hacer coincidir los aumentos en el potencial productivo con los aumentos en el poder adquisitivo y la demanda. De lo contrario, el potencial creado por el progreso técnico se desperdicia en la capacidad ociosa, el desempleo y la privación”. -Comisión Nacional de Tecnología, Automatización y Progreso Económico, Tecnología y Economía Americana, Volumen 1, febrero de 1966, pág. 9.

El miedo a que las máquinas reemplacen el trabajo humano es algo que ha existido en la mente de las personas desde la época de los luditas a principios del siglo XIX.

Puntualización

Sin embargo, la mayoría de los economistas han considerado “el fin de los seres humanos en puestos de trabajo” como un temor sin fundamento, incompatible con las pruebas. La visión estándar del cambio técnico es que algunos trabajos se ven desplazados por la sustitución de máquinas por mano de obra, pero el temor al desplazamiento total está fuera de lugar porque se crean nuevos empleos, en gran parte debido al aumento de la productividad impulsado por la tecnología.

Pormenores

Los humanos siempre se han alejado del trabajo adecuado para las máquinas y otros trabajos. Esto fue cierto en la década de 1930, cuando el cambio se alejó de la agricultura, a través de la década de 1990 y principios de 2000, cuando el cambio fue en gran parte fuera de la fabricación.

Sin embargo, la expansión de lo que se puede automatizar en los últimos años ha suscitado la pregunta: ¿esta vez es diferente?

No tiene que ser así. Sí, hay motivos de preocupación, tanto técnicos como políticos. Las máquinas ahora pueden asumir tareas menos rutinarias y esta transición se produce en una época en la que muchos trabajadores ya están luchando.

Puntualización

Sin embargo, con las políticas correctas podemos obtener lo mejor de ambos mundos: automatización sin desempleo desenfrenado.

¿Esta vez es diferente?

A día de hoy, la automatización ha significado robots industriales y hardware y software diseñados para tareas predecibles, rutinarias y codificables que requieren fuerza física y esfuerzo y la repetición de tareas lógicas, como el cálculo. Con la robótica, la inteligencia artificial (IA) y el aprendizaje automático, la automatización parece estar en condiciones de asumir una mayor proporción de trabajos de alta productividad y una gama de tareas que previamente eran dominio de los humanos. Estas son tareas que requieren la resolución de problemas, la toma de decisiones y la interacción dentro de un entorno poco predecible. La automatización de este tipo incluye automóviles sin conductor y el diagnóstico de enfermedades.

La ansiedad de la automatización se agudiza por un mercado laboral que se ha inclinado contra los trabajadores en los últimos 30 años, con una desigualdad de ingresos cada vez mayor y salarios reales estancados. El crecimiento salarial no se ha mantenido al ritmo del crecimiento de la productividad; la participación del trabajo en el PIB ha disminuido y la participación del capital ha aumentado. El contrato social establecido después de la Segunda Guerra Mundial, donde el trabajo duro y la lealtad a la empresa se encontraron con salarios, beneficios, capacitación y seguridad económica en aumento de las empresas ya no caracteriza gran parte del lugar de trabajo estadounidense. El “lugar de trabajo fisurado”, donde las empresas se enfocan en sus competencias principales y subcontratan todo lo demás, da como resultado bajos salarios, pocos beneficios e inseguridad laboral para los trabajadores. La proporción de trabajadores en arreglos de trabajo alternativos, como contratistas independientes, franquiciados y en la economía, está creciendo sustancialmente, del 10,7% en 2005 al 15,8% en 2015. Las viejas estructuras del mercado laboral de la posguerra no están a la altura de la ola de automatización del siglo XXI, en particular para los trabajadores con habilidades bajas y medias ya en desventaja debido a un cambio tecnológico y globalización sesgados previamente por las habilidades. Si bien la tecnología y la globalización han estimulado la competencia, la eficiencia y el dinamismo, las ganancias no han sido compartidas por todos. La distribución desigual de las ganancias no es un destino técnico; es el trabajo de las instituciones, los negocios y los gobiernos.

¿Los robots se quedarán con todos los trabajos?

Actualmente, la mayor parte de la automatización implica actividades físicas rutinarias, estructuradas y predecibles, y la recopilación y el procesamiento de datos.Entre las Líneas En general, estas tareas forman la base de ocupaciones en la fabricación, servicios profesionales y comerciales, servicio de alimentos y comercio minorista. [rtbs name=”minorista”] De cara al futuro, estas tareas continuarán teniendo el mayor potencial para la automatización avanzada. Actualmente, menos del 5% de las ocupaciones están completamente automatizadas y alrededor del 60% de las ocupaciones tienen al menos el 30% de las tareas que se pueden automatizar. Con base en estas estimaciones, existe un potencial considerable para la difusión de la automatización avanzada. Lo que es menos cognoscible es cuántos empleos nuevos se crearán mediante el crecimiento de la productividad relacionado con la automatización y cómo los humanos y las máquinas trabajarán juntos.

Es probable que los humanos sigan dominando las máquinas en una variedad de habilidades, incluida la creatividad, las relaciones interpersonales, el cuidado, el rango emocional y la complejidad, la destreza y la movilidad. Afortunadamente, sabemos que habrá amplias oportunidades en estos trabajos. La Oficina de Estadísticas Laborales emite proyecciones periódicas de crecimiento ocupacional y en su último informe ha estimado que para el período de 2016 a 2026, 11 de las 25 ocupaciones de más rápido crecimiento estarán relacionadas con la atención de la salud, donde las habilidades dominantes son esenciales. Estas ocupaciones incluyen asistentes de salud en el hogar, asistentes de cuidado personal, asistentes médicos, enfermeras practicantes, asistentes de terapia física y asistentes. Algunas de estas ocupaciones requieren un título de cuatro años y formación posterior al bachillerato (enfermeras practicantes, asistentes médicos), pero algunas requieren capacitación y certificación en el trabajo con un diploma de escuela secundaria (asistentes de salud en el hogar, asistentes de cuidado personal, fisioterapia ayudantes).

Sin embargo, a pesar de que los trabajos donde los humanos tienen una ventaja absoluta pueden estar disminuyendo, hay pocas razones para esperar el fin del trabajo humano. La razón se deriva de una idea clásica en economía: ventaja comparativa.
Incluso en un mundo donde los robots tienen una ventaja absoluta en todo, es decir, los robots pueden hacer todo de manera más eficiente que los humanos, los robots se desplegarán donde tengan la mayor ventaja de productividad relativa.

Pormenores

Los humanos, mientras tanto, trabajarán donde tengan la menor desventaja. Si los robots pueden producir 10 veces más automóviles por día que un equipo de humanos, pero solo el doble de casas, tiene sentido que los robots se especialicen y se centren a tiempo completo donde sean relativamente más eficientes, para maximizar la producción. (Tal vez sea de interés más investigación sobre el concepto).

Una Conclusión

Por lo tanto, aunque las personas son un poco peores que los robots en la construcción de casas, ese trabajo aún recae en los humanos.

Eso significa que la pregunta relevante sería “¿los empleos donde los humanos tienen una ventaja comparativa pagarán bien y tendrán buenas condiciones de trabajo?”. Como sabemos por el desplazamiento debido a la globalización y el creciente comercio internacional, no hay nada que garantice que los humanos desplazados vuelvan a trabajar en nuevos empleos que paguen tan bien como en sus trabajos anteriores, o incluso pagar lo suficientemente bien como para mantener el estatus de clase media.
Lo que podemos hacer

Aunque todavía hay mucho que no sabemos acerca de cómo procederá esta ola de automatización, hay varias áreas de acción que podemos identificar ahora.

La educación y la capacitación se encuentran en la parte superior de la lista. La inversión en capital humano debe estar en el centro de cualquier estrategia para producir habilidades que sean complementarias a la tecnología. La fuerza de trabajo actual, incluidos los desempleados, necesita oportunidades para recapacitar y mejorar las habilidades, y las empresas desempeñan un papel activo tanto en la determinación de las habilidades necesarias como en la capacitación. (Tal vez sea de interés más investigación sobre el concepto). Los trabajadores necesitan oportunidades para el aprendizaje permanente y los empleadores serán la clave. Una extensa literatura de investigación documenta los altos rendimientos (véase una definición en el diccionario y más detalles, en la plataforma general, sobre rendimientos) para los trabajadores y las empresas de la capacitación basada en el empleador. La capacitación en el lugar de trabajo ayuda a cerrar las brechas entre el aprendizaje escolar y la aplicación de estas habilidades en el lugar de trabajo y en ocupaciones específicas.

Basado en la experiencia de varios autores, mis opiniones, perspectivas y recomendaciones se expresarán a continuación (o en otros lugares de esta plataforma, respecto a las características en 2026 o antes, y el futuro de esta cuestión):

Las escuelas también tendrán que cambiar. Anticipar las futuras necesidades y demandas de habilidades se suma a la urgencia de abordar los muchos desafíos en la educación primaria, secundaria y superior, incluyendo logros y brechas de oportunidad por raza y estatus socioeconómico en la educación primaria y secundaria y mejorar el acceso, la asequibilidad y el éxito en educación secundaria. El sistema educativo también debe hacer más para producir trabajadores de CTIM y garantizar que la fuerza de trabajo sea diversa.

Sin embargo, la educación sola no será suficiente. Los responsables de las políticas deberían centrarse en amortiguar las transiciones necesarias después de la pérdida del empleo mediante el fortalecimiento de la red de seguridad social.Entre las Líneas En EE. UU., esto significa fortalecer el seguro de desempleo (garantizar la adecuación de los beneficios, incluida la duración de la elegibilidad), Medicaid, el Programa de Asistencia de Nutrición Suplementaria y la Asistencia Transitoria para Familias Necesitadas. Un programa de seguro salarial para todos los trabajadores desplazados ayudará a alentar a las personas a permanecer unidas a la fuerza de trabajo.

En 1966, el informe final de la Comisión Nacional de Tecnología, Automatización y Progreso Económico declaró: “El desplazamiento constante es el precio de una economía dinámica. La historia sugiere que es un precio que vale la pena pagar.

Puntualización

Sin embargo, las cargas y los beneficios que los acompañan deben distribuirse equitativamente, y este no siempre ha sido el caso”. La Comisión recomendó respuestas que manejan la salud general de la economía (administrando y fortaleciendo la demanda agregada), promoviendo oportunidades educativas, proporcionando empleo público y mantenimiento seguro de ingresos transitorios. Después de 50 años, estas áreas siguen siendo la hoja de ruta básica para la respuesta de política pública. Las soluciones y cualquier obstáculo son políticos, no económicos o técnicos.

Fuente: HBR

Menos Valor de los Datos

La Inteligencia Artificial (IA) se acerca. Eso es lo que hemos escuchado a lo largo de 2017 y es probable que siga a lo largo de este año.

Detalles

Las empresas que no son Google o Facebook se harán la pregunta natural: ¿de qué disponemos que nos permita sobrevivir a esta transición?

Según nuestra experiencia, cuando los líderes empresariales preguntan esto en relación con la inteligencia artificial, la respuesta que reciben es “datos”. Esta opinión la confirma también la prensa empresarial. Existen cientos de artículos que afirman que “los datos son el nuevo petróleo”, que significa que se trata de un combustible que impulsará la economía de la IA.

Si ese es el caso, entonces su empresa puede considerarse afortunada (examine más sobre estas cuestiones en la presente plataforma online de ciencias sociales y humanidades). Recogieron todos estos datos y resulta que estaba sentado sobre una reserva de petróleo cuando apareció la IA.Si, Pero: Pero si ha tenido este tipo de suerte, probablemente resulte una buena idea preguntarse “¿Realmente tenemos tanta buena suerte?”

La analogía de “los datos son petróleo” contiene algo de verdad. [rtbs name=”verdad”] Del mismo modo que los motores de combustión interna necesitan petróleo, la IA necesita datos para funcionar. Coge datos en bruto y los convierte en algo útil para la toma de decisiones. ¿Qué tiempo hará mañana? Usemos datos sobre el tiempo del pasado. ¿Queremos saber las ventas de yogurt para la próxima semana? Usemos datos de ventas de yogurt anteriores. La IA son máquinas de predicción conducidas por datos.

¿Pero necesita la IA los datos de su empresa? Actualmente, existe una tendencia a considerar todos los datos como potencialmente valiosos para la IA, pero ese no es realmente el caso. Sí, los datos, como el petróleo, se emplean diariamente para el funcionamiento de su máquina de predicción. (Tal vez sea de interés más investigación sobre el concepto).Si, Pero: Pero los sobre los que se sienta no sean probablemente esos.

Indicaciones

En cambio, los que tiene ahora y que su compañía acumuló con el tiempo, son el tipo de datos utilizados para construir la máquina de predicción, no para operarla.

La información de la que disponen ahora es de entrenamiento. Se maneja como input para entrenar un algoritmo. Y ese algoritmo sirve para generar predicciones e informar sobre las acciones.

Entonces, sí. Eso significa que sus datos resultan valiosos, pero no implica que su negocio pueda sobrevivir a la tormenta. Una vez que se utilizan para entrenar a una máquina de predicción, se devalúan. Ya no resultan útiles para ese tipo de predicción. (Tal vez sea de interés más investigación sobre el concepto). Y existen muchas predicciones para las que se rentabilizarían. Para continuar con la analogía del petróleo, los datos pueden quemarse. Se pierde algo después de su uso.

Detalles

Los analistas lo saben. Pasan años recopilándolos, pero en cuanto obtienen los resultados de la investigación, se quedan en un cajón de archivos o en un disco de back-up. Su negocio puede estar encima de un pozo de petróleo, pero es limitado. No le garantiza nada más en la economía de la IA que un posible valor de liquidación más favorable.

Incluso hasta el punto en que sus datos puedan ser valiosos, su capacidad para capturar ese valor sería limitada. ¿Cuántas otras fuentes de datos comparables existen? Si usted representa uno de los muchos vendedores de yogurt, su base de datos que contiene los últimos 10 años de ventas y la información relacionada (precio, temperatura, ventas de productos similares como helados) dispondrá de menos valor de mercado que si es el único propietario de este tipo de datos.Entre las Líneas En otras palabras, al igual que con el petróleo, cuanto mayor sea el número de otros proveedores de su tipo de datos, menos valor podrá obtener de sus datos de entrenamiento. Su valor se ve influido por el valor generado a través de una precisión de predicción optimizada. Sus datos de entrenamiento serán más valiosos si la precisión de predicción optimizada incrementa las ventas de yogur en 100 millones de dólares en lugar de solo 10 millones.

Además, el valor constante de los datos suele venir de las acciones que se realizan a diario en su negocio, es decir: de los nuevos datos que acumula cada día. Estos le permiten operar su máquina de predicción después de haberla entrenado. También le posibilita mejorar su máquina de predicción mediante el aprendizaje. Si bien 10 años de datos sobre las ventas de yogur en el pasado son valiosos para entrenar a un modelo de Inteligencia Artificial para predecir futuras ventas de yogurt, las predicciones reales utilizadas para administrar la cadena de suministro requieren datos operativos de forma continua. Este es el punto importante para las empresas actuales.

Una start-up de IA que adquiere un tesoro de datos sobre las ventas de yogurt anteriores puede entrenar a un modelo de IA para predecir las futuras ventas.Entre las Líneas En realidad, no puede usar su modelo para tomar decisiones a menos que la start-up obtenga datos operativos continuos para aprender. A diferencia de las start-up, las grandes empresas generan datos operativos todos los días. Eso es un activo. Cuantas más operaciones, más datos.

Otros Elementos

Además, el propietario de la operación puede hacer uso de la predicción. (Tal vez sea de interés más investigación sobre el concepto). Puede aprovechar la predicción para mejorar su futura operación.

En la economía de IA, el valor de los datos acumulados se limita a un beneficio único al entrenar su modelo de IA. Y el valor de los datos de entrenamiento, como el petróleo o cualquier otro input, depende del suministro general. Menos valioso cuantas más personas disponen de ellos.

Pormenores

Por el contrario, el valor de sus datos operativos en curso no se limita a un beneficio único, sino que proporciona un beneficio perpetuo para operar y mejorar su máquina de predicción. (Tal vez sea de interés más investigación sobre el concepto).

Por lo tanto, a pesar de todo lo que se habla de que los datos son el nuevo petróleo, los datos históricos acumulados no son la clave.

Puntualización

Sin embargo, puede ser el camino hacia lo importante. Su valor para las perspectivas de negocios futuros es bajo.Si, Pero: Pero si encuentran formas de generar una nueva corriente de datos continuos que ofrezca una ventaja de rendimiento (véase una definición en el diccionario y más detalles, en la plataforma general, sobre rendimientos) en términos del poder predictivo de su inteligencia artificial, eso les dará una fuerza sostenible cuando llegue la IA.

Fuente: HBR

Recursos

Véase También

Ciberseguridad, Empleados, Guía de Derecho y Práctica de Privacidad, Práctica de la Regulación, Internet, Privacidad de Datos, Privacidad de Datos Personales, Ri, Riesgos, Trabajadores, Trabajo Asalariado

▷ Esperamos que haya sido de utilidad. Si conoces a alguien que pueda estar interesado en este tema, por favor comparte con él/ella este contenido. Es la mejor forma de ayudar al Proyecto Lawi.