Este es un extracto de la selección del Club de Lectura del Foro Económico Mundial para julio de 2020: Tech for Life: Putting Trust Back in Technlogy, de Lars Thinggaard y Jim Hagemann Snabe. Únase a nuestro Club de Lectura para debatir.
Hace doscientos años, en plena primera Revolución Industrial, el norte de Inglaterra era el hogar de un grupo vociferante y a menudo violento de trabajadores textiles descontentos. Se los conocía como luditas.
Los luditas atacaban la maquinaria que ponía en peligro su sustento. Sin el poder del sufragio universal, era la única forma de protesta, que, según creían, atraería la atención de los poderosos del mundo empresarial y del gobierno. Tenían razón. En un momento dado, el ejército británico tenía más soldados dedicados a hacer frente a los luditas que los que combatían activamente en la Península Ibérica durante las guerras napoleónicas. Los manifestantes fueron castigados con dureza. Algunos fueron fusilados, otros ejecutados y otros encarcelados o deportados. El movimiento se apagó y desapareció rápidamente.
Los luditas no se oponían ciegamente al avance tecnológico —aunque eso es lo que hoy se entiende en gran medida por el término—, sino que simplemente se sentían impotentes ante el progreso. Destruir la maquinaria era, según creían, su único curso de acción viable. Solo querían tener algo de poder en la mesa de negociación. El historiador Eric Hobsbawm lo describió como «negociación colectiva mediante disturbios».
Los luditas del norte de Inglaterra no fueron un caso único. Poco después, los sastres franceses lanzaron protestas violentas contra Barthélemy Thimonnier, el inventor de la máquina de coser.
Protestas similares son notas a pie de página a lo largo del avance tecnológico. Más recientemente, está el neoludismo, que se describe a sí mismo como «un movimiento sin líderes de resistencia pasiva al consumismo y a las tecnologías cada vez más extrañas y aterradoras de la era informática.»
Estos movimientos se basan en el miedo. Para quienes participan en ellos, el miedo es genuino y está fundamentado en su experiencia de la realidad. Pero las notas al pie de temor no deberían desviarnos de la narrativa universal: la tecnología es el espíritu impulsor del progreso en todas las formas de vida y de empeño humanos. Los genios no pueden volver a meterse en sus botellas. Lo que se ha descubierto no puede dejar de descubrirse.
Vivimos en una era marcada por un progreso tecnológico amplio y rápido. El software es la tecnología que está en el centro de todo ello. El código de software está hoy detrás de prácticamente todas las empresas. Es el lubricante del motor del crecimiento tecnológico. ¡Y qué motor! Cada día se generan en el mundo 2,5 trillones de bytes de datos. El noventa por ciento de los datos del mundo se ha creado en los últimos dos años. Hay más datos y llegan más rápido que nunca. El tiempo que tarda un medio o una tecnología en llegar a 50 millones de personas se está acortando: la radio, 38 años; la televisión, 13 años; internet, cuatro años; Facebook, 3,5 años; Instagram, seis meses; Angry Birds, 35 días.
Mire a su alrededor.
La inteligencia artificial (IA) está cambiando el mundo. La creación de máquinas inteligentes, que permiten el reconocimiento de voz, el reconocimiento facial, la resolución de problemas, el aprendizaje automático, los robots autónomos y mucho más, está ampliando rápidamente lo que podemos lograr. El aprendizaje automático, en particular, en el que enormes cantidades de datos pueden procesarse con una potencia computacional cada vez mayor para encontrar patrones que los humanos no pueden discernir, está ampliando los límites.
Acuñado originalmente en 1955 en una propuesta de investigación de John McCarthy en el Dartmouth College, el término «inteligencia artificial» debía encapsular el «estudio y diseño de máquina inteligente». Máquinas que podían aprender de su entorno, construir su propio conocimiento y resolver problemas a su manera. Generalmente se acepta que el inicio oficial del campo fue en 1956, cuando el proyecto de la propuesta de investigación se puso en marcha.
Desde que surgió la inteligencia artificial en los años cincuenta, innovadores e investigadores han presentado solicitudes para casi 340.000 invenciones relacionadas con la IA y han publicado más de 1,6 millones de publicaciones científicas. Las patentes relacionadas con la IA crecen rápidamente: más de la mitad de las invenciones identificadas se han publicado desde 2013.
El Índice de IA de la Universidad de Stanford recoge algunos de los avances en IA. Son sorprendentemente numerosos y variados. En los últimos años hemos visto estos hitos:
• En 2016, la tasa de error del etiquetado automático de ImageNet bajó del 28 por ciento en 2010 a menos del tres por ciento.
El rendimiento humano es de alrededor del cinco por ciento.
• En marzo de 2016, el sistema AlphaGo desarrollado por el equipo Google DeepMind derrotó a Lee Sedol, uno de los mejores jugadores de Go del mundo, por 4–1. DeepMind lanzó después AlphaGo Master, que venció al jugador mejor clasificado, Ke Jie. Y luego AlphaGo Zero utilizó datos generados por sí mismo y, con tres días de datos, derrotó 100-0 al motor original (AlphaGo Lee).
• Un artículo de Nature de 2017 describió un sistema de IA entrenado con un conjunto de datos de 129.450 imágenes clínicas de 2.032 enfermedades diferentes, y comparó su rendimiento diagnóstico con el de dermatólogos certificados por un consejo. Los investigadores comprobaron que el sistema de IA era capaz de clasificar el cáncer de piel con un nivel de competencia comparable al de los dermatólogos.
• En 2017, Microsoft e IBM lograron ambas un rendimiento muy cercano al reconocimiento de voz de «paridad humana» en el dominio limitado de Switchboard.
• Un sistema de traducción automática de Microsoft logró una calidad y precisión a nivel humano al traducir noticias del chino al inglés. La prueba se realizó con newstest2017, un conjunto de datos de uso común en competiciones de traducción automática.
• En 2018, Google desarrolló un sistema de aprendizaje profundo que puede alcanzar una precisión global del 70 por ciento al clasificar el cáncer de próstata en muestras de prostatectomía. La precisión media alcanzada por patólogos generales certificados en EE. UU. en el estudio fue del 61 por ciento. Además, de diez patólogos generales individuales de alto rendimiento que clasificaron cada muestra del conjunto de validación, el sistema de aprendizaje profundo fue más preciso que ocho.
La historia de la IA evoluciona constantemente. Mientras escribíamos, Microsoft invirtió 1.000 millones de dólares en OpenAI, la iniciativa fundada por Elon Musk que investiga la transparencia de los algoritmos. La proporción de empleos que requieren habilidades de IA se ha multiplicado por 4,5 desde 2013, y el aprendizaje automático, el aprendizaje profundo y las habilidades de procesamiento del lenguaje natural son ahora las tres más demandadas en el sitio de empleo Monster.com.
Descubra más aquí.
