En mayo de 2018, Tipsy, el robot camarero, estuvo a punto de paralizar los bares y restaurantes de Las Vegas. Tipsy es un coctelero automatizado que prepara cócteles a medida, sin necesidad de manos humanas para esa tarea. Los camareros siguen llevando las bebidas a los clientes en las mesas, aunque estos hayan hecho sus pedidos en tabletas. El temor a un futuro inundado de miles de Tipsy era una de las principales preocupaciones del sindicato Culinary Union, que cuenta con 38.000 afiliados. En respuesta, el sindicato estuvo a punto de ir a la huelga. Los ecos de las primeras revueltas luditas de los albores de la Revolución Industrial eran, por supuesto, inconfundibles.
El consenso general sobre si los robots desplazarán empleos de forma masiva sigue dividido, aunque la tendencia apunta a la resignación. Los optimistas creen que, como ocurrió con la Revolución Industrial y la Revolución Agrícola, las mejoras tecnológicas que traerá la incipiente era de la inteligencia artificial y su derivación en la robótica moderna crearán más empleos nuevos de los que destruirán.
Hasta ahora, sin embargo, en esas conversaciones se daba por sentado que los robots y la IA sustituirían empleos humanos en algún momento del futuro. Los temores de los camareros de la Ciudad del Pecado quizá sean, no obstante, un atisbo de la sabiduría colectiva y, a la luz de algunos de los avances más recientes en inteligencia artificial y robótica, puede que estén más que justificados. ¿Y si, de hecho, los robots y la IA ya han empezado a ir a por los empleos y esto ocurre no por una simple automatización, sino porque estos sistemas están adquiriendo rápidamente capacidades y habilidades que antes se consideraban exclusivas de los seres humanos?
De hecho, la lista de cosas que la IA no puede hacer parece reducirse poco a poco. Se trata todavía de tareas bastante específicas. Pero ¿y si tenemos una visión exagerada de las capacidades humanas y hasta mejoras modestas de las redes neuronales actuales de IA empiezan a poner en jaque y superar capacidades que supuestamente eran «a prueba de IA»?
Los robots están aprendiendo a preparar muy bien la comida
Pensemos en el robot que cocina hamburguesas, un sistema automatizado para empaquetar piezas de pollo y un equipo de cinco redes neuronales que utiliza inteligencia artificial para jugar en equipo contra rivales humanos al Dota. ¿Qué tienen en común? Todos son ejemplos de sistemas capaces de hacer hoy cosas que, hace apenas unos años, los ingenieros consideraban fuera del alcance de la IA y que seguirían estándolo durante algún tiempo.
El robot que cocina hamburguesas y experto en patatas fritas Flippy, de Miso Robotics. Flippy gira para recoger una hamburguesa y colocar suavemente una loncha de queso encima. Utiliza sensores infrarrojos para determinar la temperatura del pollo y la carne de hamburguesa en la parrilla y retirarlos en el momento óptimo para lograr el mejor sabor y textura. Miso ya opera parrillas en 60 restaurantes de hamburguesas de todo el mundo. Trabajar en una parrilla es un empleo sucio, aburrido y peligroso, pero también bastante complejo.
Miso debe interactuar con personas, afrontar situaciones impredecibles, manejar texturas variadas y formas semirregulares, y desplazarse por espacios tridimensionales llenos de objetos que se dañan con facilidad. Esto no es magia de la IA. Tampoco es inteligencia sobrehumana. Pero es precisamente el tipo de trabajo repetitivo, sucio y peligroso, en situaciones ligeramente impredecibles, que se consideraba exclusivo de los seres humanos. Aunque un Miso cuesta más de 100.000 dólares, no se toma vacaciones, no necesita prestaciones y puede trabajar un turno de 24 horas sin quejarse. Además, estos empleos tienen una rotación elevada y ahora mismo son muy difíciles de cubrir en los establecimientos de comida rápida de Estados Unidos.
El sistema para empaquetar piezas de pollo es de Osaro, una empresa centrada en combinar el aprendizaje profundo con la robótica industrial. Reconocer y manipular formas irregulares y colocarlas en cajas o paquetes ha sido durante mucho tiempo un quebradero de cabeza para los robots industriales. Con las piezas de pollo cocidas, el robot también debe manejar objetos resbaladizos que podrían aplastarse con facilidad. Y aquí viene lo asombroso: Osaro no necesitó una formación considerable por parte de personas. Pudo aprender por sí mismo a sujetar con cuidado piezas de pollo de formas irregulares y meterlas en un paquete. Este tipo de aprendizaje por refuerzo desde cero nos acerca al aprendizaje general en inteligencia artificial. Se trata de aprender tareas desde cero, que podrían ser sencillas labores de montaje en una cadena de producción o tareas de preparación y empaquetado de alimentos.
Dota y Go: cómo los robots conquistaron juegos complejos
Por último, está el equipo campeón de Dota, obra de los científicos de IA de OpenAI, la fundación respaldada por Elon Musk cuyo objetivo es garantizar que un ser superinteligente no destruya a la humanidad y que los beneficios de la IA se distribuyan equitativamente entre las naciones y la humanidad. El equipo estaba formado por cinco sistemas de IA diferentes que aprendieron a trabajar juntos y derrotaron con facilidad a un equipo de cinco personas que jugaban a este complejo juego de rol multijugador. Los humanos no eran jugadores expertos de primer nivel, pero se los consideraba avanzados en el juego.
No imaginábamos que los sistemas de IA fueran capaces de trabajar en equipo en tareas semiestructuradas. De hecho, el trabajo en equipo se considera una habilidad creativa de gestión que a los sistemas de IA les debería costar mucho imitar. Y sí, un equipo ganador de Dota demuestra trabajo en equipo en un ámbito limitado. ¿O realmente es así? Sospecho que, si se desglosan las tareas concretas que exige un empleo de oficina típico, el entorno y el trabajo en equipo necesarios quizá no sean mucho más complejos que jugar al Dota en equipo.
Por otra parte, los científicos también creían que una IA no derrotaría a un maestro humano de Go hasta bien entrada la década de 2020, pero AlphaGo, de DeepMind, lo consiguió en 2016. Lo hizo con indicios de «emergencia»: una inteligencia que surge de una creatividad innata, en lugar de copiar y recopilar todas las jugadas registradas durante millones de horas de partidas humanas de Go.
En la ya famosa «jugada 37», DeepMind presentó una jugada que desconcertó a sus entrenadores humanos, que nunca habían visto nada parecido. La jugada 37 fue tan perturbadora que el rival de DeepMind, el maestro coreano de Go Lee Seidol, sintió que tenía que salir de la sala para recomponerse. Desde entonces, DeepMind ha creado sistemas AlphaGo que no necesitaban un conjunto de datos de entrenamiento, sino que aprendían a jugar al Go por sí mismos mediante partidas interminables contra sí mismos. Esta versión más reciente de AlphaGo derrotó fácilmente al sistema original.
Nada de esto significa que la IA y los robots estén ni remotamente cerca de la inteligencia general o de sustituir de forma masiva las capacidades humanas. Los sistemas robóticos y la IA siguen siendo frágiles e incapaces de manejar excepciones fuera de cierto rango. Sin embargo, ¿y si el conjunto de habilidades y capacidades humanas que creemos defendibles y difíciles de replicar es mucho más reducido de lo que pensábamos? ¿Y si las habilidades centradas en las personas, como la «empatía» y la «gestión», resultan ser más adaptables a la inteligencia artificial de lo que imaginábamos? Puede que lo veamos antes de lo que creemos.
Además, las personas confían más en la IA que en otras personas
Empresas emergentes como Woebot están creando chatbots de salud mental y asesoramiento que ayudan a pacientes deprimidos y tristes a afrontar mejor sus problemas. Aunque quizá pensemos que el trato humano es una parte fundamental del asesoramiento, hay indicios de que las personas podrían responder mejor a opiniones y conversaciones imparciales y sin prejuicios.
Además, la visión artificial moderna y el reconocimiento facial pueden combinarse para que los bots imiten conductas empáticas. Pensemos en Ellie, el avatar diseñado para ayudar a veteranos a hablar de su trastorno de estrés postraumático. Según un artículo de Wired sobre el tema, «Ellie utiliza la visión artificial para interpretar las señales verbales y faciales de los sujetos de prueba y responder con apoyo. Por ejemplo, Ellie no solo sabe hacer gestos comprensivos, como asentir, sonreír o murmurar discretamente “ajá” cuando escucha una historia delicada: sabe cuándo hacerlos».
De hecho, ya sabemos que, hasta cierto punto, las personas prefieren hacer sus preguntas más delicadas a las máquinas antes que a otras personas. Esto es precisamente lo que el antiguo científico de datos de Google Seth Stephens-Davidowitz documentó en su provocador libro «Everybody Lies». Así que existe una posibilidad nada desdeñable de que las personas prefieran los robots y la IA para las tareas y transacciones más íntimas, si sus habilidades son lo bastante buenas.
Los robots ni siquiera tienen que ser mejores que las personas para sustituir su mano de obra
Y el énfasis debe estar en «lo bastante bueno»: no hace falta superar por completo las capacidades humanas para tener éxito, del mismo modo que el VHS venció al formato Betamax pese a su menor calidad de vídeo. Ya lo hemos visto en ámbitos clave. Los sistemas automatizados de atención al cliente han asumido una gran parte del trabajo que antes hacían las personas, aunque sigan siendo mucho menos precisos e interactivos que ellas. El barista robot de Cafe X en San Francisco no podrá atender una petición de un Aeropress, pero eso no importa a la mayoría de las personas, que solo quieren un capuchino o un café americano. Del mismo modo, la IA capaz de dirigir un equipo de personas en un departamento de marketing no tiene que ser el mejor gerente de todos los tiempos. Solo tiene que ser lo bastante buena para alcanzar los objetivos de ventas de la empresa.
Sigue habiendo una gran brecha entre derrotar a personas en Dota y dirigir un equipo de marketing. El equipo de Dota de OpenAI necesitó el equivalente a 128.000 ordenadores y 256 procesadores gráficos para competir. Y la idea de la superinteligencia, o de una inteligencia general de gran capacidad en la IA, sigue estando muy, muy lejos. Pero un equipo de marketing trabaja en un entorno estructurado de forma similar; probablemente, el juego de Dota no es más complejo que los elementos que intervienen en la creación y ejecución de campañas de marketing. Dota permite aproximadamente 1.000 acciones posibles por cada octavo de segundo y ofrece un entorno mucho más parecido al mundo real que el ajedrez o el Go en cuanto a la toma de decisiones.
Dadas las rápidas mejoras de los sistemas basados en IA, quizá la brecha hasta alcanzar un nivel «lo bastante bueno» se esté cerrando más rápido de lo que creemos y podría reducirse a apenas una década. También es probable que mejoren los aspectos económicos de la IA y los robots. El coste de la informática, un insumo fundamental para operar la IA, sigue bajando rápidamente. Con el tiempo, el coste de cada robot equivalente a un trabajador humano en empleos de servicios disminuirá gracias al efecto de las economías de escala. Los robots todavía no se han apoderado de Las Vegas, pero quizá el sindicato Culinary Union tenía razón en preocuparse de que sus empleos pudieran verse amenazados antes de lo que nadie está dispuesto a admitir.
