Noticias Actualidad en procesos industriales

Dele visibilidad a su trayectoria académica

Participe en la convocatoria de trabajos inéditos de Virtual Pro.

Publicar Ahora

2021-01-253 preguntas: Thomas Malone y Daniela Rus sobre cómo la IA cambiará el trabajo

MIT |El grupo de trabajo del MIT sobre el trabajo del futuro publica el informe de investigación "La inteligencia artificial y el futuro del trabajo".

Como parte de la serie de informes de investigación del Grupo de Trabajo del MIT sobre el Trabajo del Futuro, el profesor Thomas Malone, la profesora Daniela Rus y Robert Laubacher han colaborado en "La Inteligencia Artificial y el Futuro del Trabajo", un informe que ofrece una visión general de la IA en la actualidad y de lo que hay en la frontera de la IA. 

Los autores se adentran en la cuestión de cómo cambiará el trabajo con la IA y ofrecen prescripciones políticas que se dirigen a diferentes partes de la sociedad. Thomas Malone es director del Centro de Inteligencia Colectiva del MIT y profesor de gestión Patrick J. McGovern en la Escuela de Gestión Sloan del MIT. Daniela Rus es directora del Laboratorio de Ciencias de la Computación e Inteligencia Artificial, catedrática Andrew y Erna Viterbi de Ingeniería Eléctrica y Ciencias de la Computación, y miembro del Grupo de Trabajo del MIT sobre el Trabajo del Futuro. Robert Laubacher es director asociado del Centro de Inteligencia Colectiva del MIT.

Aquí, Malone y Rus ofrecen una visión general de su investigación.

P: En su informe afirman que, a pesar de los importantes avances recientes, la inteligencia artificial no está ni mucho menos a la altura de la amplitud y profundidad de la percepción, el razonamiento, la comunicación y la creatividad de las personas. ¿Podría explicar algunas de las limitaciones de la IA?

Rus: A pesar de los recientes y significativos avances en el campo de la IA, y de las grandes promesas para el futuro, los sistemas de IA actuales siguen siendo bastante limitados en su capacidad para razonar, tomar decisiones e interactuar de forma fiable con las personas y el mundo físico. Algunos de los mayores éxitos actuales se deben a un método de aprendizaje automático llamado aprendizaje profundo. Estos sistemas se entrenan utilizando grandes cantidades de datos que deben ser etiquetados manualmente. Su rendimiento depende de la cantidad y la calidad de los datos utilizados para entrenarlos. Cuanto mayor sea el conjunto de entrenamiento de la red, mejor será su rendimiento y, a su vez, mejor será el producto que se apoye en el motor de aprendizaje automático. Pero entrenar modelos grandes tiene un alto coste computacional. Además, unos malos datos de entrenamiento conducen a un mal rendimiento: cuando los datos tienen un sesgo, la respuesta del sistema propaga ese mismo sesgo.

Otra limitación de los actuales sistemas de IA es la robustez. Los clasificadores actuales del estado del arte logran un rendimiento impresionante en las pruebas de referencia, pero sus predicciones tienden a ser frágiles. En concreto, las entradas que inicialmente se clasificaron correctamente pueden pasar a ser mal clasificadas una vez que se les añade una perturbación cuidadosamente construida pero indiscernible. Una consecuencia importante de la falta de robustez es la falta de confianza. Uno de los factores preocupantes del uso de la IA es la falta de garantía de que una entrada sea procesada y clasificada correctamente. La naturaleza compleja del entrenamiento y el uso de las redes neuronales da lugar a sistemas que son difíciles de entender para las personas. Los sistemas no son capaces de dar explicaciones sobre cómo han llegado a las decisiones.

P: ¿De qué manera la IA complementa o podría complementar el trabajo humano?

Malone: Los programas de IA actuales sólo tienen inteligencia especializada; sólo son capaces de realizar ciertas tareas especializadas. Pero los humanos tienen un tipo de inteligencia general que les permite hacer una gama mucho más amplia de cosas.

Eso significa que algunas de las mejores formas de que los sistemas de IA complementen el trabajo humano es realizar tareas especializadas que los ordenadores pueden hacer mejor, más rápido o más barato que las personas. Por ejemplo, los sistemas de IA pueden ser útiles realizando tareas como la interpretación de radiografías médicas, la evaluación del riesgo de fraude en un cargo de la tarjeta de crédito o la generación de nuevos diseños de productos inusuales.

Y los humanos pueden utilizar sus habilidades sociales, su sentido común y otros tipos de inteligencia general para hacer cosas que los ordenadores no pueden hacer bien. Por ejemplo, las personas pueden proporcionar apoyo emocional a los pacientes diagnosticados de cáncer. Pueden decidir cuándo creer las explicaciones de los clientes sobre transacciones inusuales con tarjetas de crédito y pueden rechazar nuevos diseños de productos que los clientes probablemente nunca querrán.

En otras palabras, muchos de los usos más importantes de los ordenadores en el futuro no sustituirán a las personas, sino que trabajarán con ellas en grupos de personas y ordenadores - "supermentes"- que podrán hacer cosas mejor de lo que podrían hacer las personas o los ordenadores por separado.

Las posibilidades van mucho más allá de lo que la gente suele pensar cuando oye una frase como "seres humanos en el bucle". En lugar de que las tecnologías de IA sean sólo herramientas para aumentar a los seres humanos individuales, creemos que muchos de sus usos más importantes se producirán en el contexto de grupos de seres humanos, a menudo conectados por Internet. Así que deberíamos pasar de pensar en los humanos en el bucle a los ordenadores en el grupo.

P: ¿Cuáles son algunas de sus recomendaciones para la educación, las empresas y el gobierno en cuanto a políticas que ayuden a facilitar la transición de la adopción de la tecnología de IA? 

Rus: En nuestro informe destacamos cuatro tipos de acciones que pueden reducir el dolor asociado a las transiciones laborales: la educación y la formación, la adecuación de los puestos de trabajo a los solicitantes de empleo, la creación de nuevos puestos de trabajo y la prestación de asesoramiento y apoyo financiero a las personas en su transición de los antiguos a los nuevos empleos. Lo más importante es que necesitaremos la colaboración de un amplio abanico de instituciones para llevar a cabo este trabajo.

Malone: Esperamos que, al igual que con todas las tecnologías anteriores que ahorran trabajo, la IA acabe creando más puestos de trabajo de los que elimina. Pero vemos muchas oportunidades para que diferentes partes de la sociedad ayuden a suavizar esta transición, especialmente para las personas cuyos antiguos empleos se ven interrumpidos y que no pueden encontrar fácilmente otros nuevos.

Por ejemplo, creemos que las empresas deberían centrarse en aplicar la IA de forma que no se limiten a sustituir a las personas, sino que creen nuevos puestos de trabajo proporcionando nuevos tipos de productos y servicios. Recomendamos que todas las escuelas incluyan la alfabetización informática y el pensamiento computacional en sus planes de estudio, y creemos que las universidades comunitarias deberían ofrecer más programas de recualificación y microtítulos en línea, que a menudo incluyan prácticas en empresas locales.

Creemos que las organizaciones de trabajadores actuales (como los sindicatos y las asociaciones profesionales) o las nuevas (tal vez denominadas "gremios") deberían ampliar sus funciones para proporcionar beneficios que antes estaban vinculados al empleo formal (como seguros y pensiones, desarrollo profesional, conexiones sociales, un sentido de identidad y seguridad de los ingresos).

Y creemos que los gobiernos deberían aumentar sus inversiones en programas de educación y recualificación para que la mano de obra estadounidense vuelva a ser la mejor formada del mundo. Y deberían remodelar el marco legal y normativo que rige el trabajo para fomentar la creación de más puestos de trabajo.

MIT
Autor
MIT

Promover la investigación, las innovaciones, la enseñanza y los eventos y las personas de interés periodístico del MIT a la comunidad del campus, los medios de comunicación y el público en general, Comunicar anuncios del Instituto, Publicar noticias de la comunidad para profesores, estudiantes, personal y ex alumnos del MIT, Proporcionar servicios de medios a los miembros de la comunidad, incluido el asesoramiento sobre cómo trabajar con periodistas, Responder a consultas de los medios y solicitudes de entrevistas...

Empresas destacadas

Productos destacados