Durante los inicios de nuestra civilización, las actividades de procura de alimentos y resguardo eran algo en lo que participaban prácticamente todos los individuos dentro de un grupo humano. Hoy en día, tras muchos siglos de progreso, hemos pasado de habitar cavernas y cazar nuestra comida a vivir en gigantescas ciudades con millones de personas donde prácticamente nadie necesita producir alimento directamente. Esta drástica disminución en la necesidad de nuestra labor física se debe a la variedad de herramientas que hemos creado para realizar el trabajo duro en nuestro lugar. Estos “músculos mecánicos”, han facilitado nuestras tareas superando vastamente los músculos orgánicos (humanos o animales) en velocidad, fuerza, resistencia y gradualmente, en precio, y nos ha permitido la diversificación y especialización en áreas más enfocadas en la actividad intelectual y creativa.
El progreso tecnológico e industrial indudablemente continuará la reducción de la labor manual pero los más grandes y acelerados cambios en la tecnología actual no están sucediendo en la creación o mejora de nuevos músculos mecánicos sino en el desarrollo de “mentes mecánicas” las cuales, en la forma de diferentes tipos de inteligencia artificial, disminuirán enormemente la demanda por nuestra labor mental.
A mi parecer, el desinterés e incredulidad en el profundo impacto que estas nuevas mentes mecánicas pueden tener en la sociedad se debe a la concepción arcaica que tiene el público en general sobre el alcance que tiene la automatización en la actualidad.
Al mencionar el papel de la automatización en el mercado moderno, la imagen que se evoca más comúnmente suele ser la de enormes y costosos brazos robóticos en líneas de ensamblaje realizando tareas pre programadas completamente dependientes de las instrucciones asignadas por sus operadores. Este tipo de máquinas ciertamente son una parte vital de muchas industrias (y seguirán siéndolo) sin embargo son una pobre muestra de las ampliamente superiores capacidades con las que cuentan las últimas iteraciones en el campo de la robótica e inteligencia artificial. La constante mejora en la velocidad del hardware y software está otorgando a las máquinas más y más capacidades que alguna vez fueron consideradas exclusivamente humanas (como jugar ajedrez, conducir un vehículo o crear música).
“Robots de Propósito General” como Baxter (1) no tiene tienen ninguna rutina pre programada ni necesitan de operadores especializados. Baxter puede aprender (a través de sus propios sentidos y extremidades) cualquier tarea que sea necesaria, desde empacar productos hasta servir café con solo mostrarle los pasos a seguir.
Los vehículos autónomos (2) ya han recorrido cientos de miles de millas de forma automática y la tecnología solo va a mejorar. El reemplazo de los conductores humanos no es una cuestión de probabilidad sino de tiempo.
Este tipo de sistemas capaces de aprender necesitan básicamente 2 inputs: una tarea y un set de ejemplos de dicha tarea completa correctamente, con esto el sistema deberían ser perfectamente capaz de encontrar y perfeccionar el proceso por el cual realizar la tarea propuesta de manera óptima.
Podemos partir de ejemplos relativamente simples de estos sistemas. MarI/O (3), por ejemplo, es un programa escrito por Seth Bling capaz de jugar Super Mario World por sí solo. El programa tiene acceso a los controles del juego y a la pantalla donde puede “ver” los diferentes elementos de la interface. Usando estos únicos inputs el programa es capaz de aprender a jugar usando como objetivo la maximización de la distancia recorrida por el personaje principal.
En algunos casos, ni siquiera es necesario especificar la métrica exacta que debe ser usada para definir las condiciones de victoria. En el paper “El primer nivel de Super Mario Bros. es fácil con ordenamientos lexicográficos y viajes en el tiempo, luego de eso se vuelve un poquito complicado” (4) el Dr. Tom Murphy muestra como un programa puede buscar y definir sus propias condiciones de éxito encontrando números ascendentes en la memoria del juego, con lo cual la cantidad de inputs básicos se reduce simplemente a los ejemplos de tareas completas.
Pero veamos otros sistemas más conocidos que de igual manera requieren robots con capacidades de aprendizaje autónomo. La bolsa de valor es un ejemplo de actividad que prácticamente no necesita la intervención humana; son mayormente bots que aprendieron a hacer intercambios intercambiando con otros bots que se enseñaron a sí mismos como intercambiar (5).
La escritura es otra actividad cuya automatización es un negocio común; empresas como Quill (6) usan algoritmos para generar artículos sobre cualquier tema que uno necesite y son indistinguibles de aquellos escritos por un humano.
En el ámbito musical, sitios como Jukedeck (7) pueden generar un infinito número de canciones de cualquier longitud en cualquier estilo que se desee para cualquier propósito (y es gratis).
Siempre he notado como la creatividad es considerada una de las máximas limitaciones para una máquina y como es una capacidad netamente humana, sin embargo no hace falta más que familiarizarse con el más elemental curso de narrativa o creatividad para saber que esta no es más que un simple proceso de acumulación de información. El proceso creativo solo implica realizar nuevas conexiones entre ideas preexistentes. La ley de conservación de la materia también se aplica a las ideas. Ni la materia ni las ideas se crean ex-nihilo. El sistema Watson de IBM (8) es una buena muestra de la capacidad para relacionar conceptos y conectar ideas. En 2011 Watson ganó el concurso de trivia Jeopardy siendo capaz de dar respuestas como “Que es Sauron?” dada la pista “Es buscado por maldad generalizada, visto por última vez en Barad-dur, es un ojo gigante. Difícil no verlo”.
El progreso de la tecnología es rápido y su velocidad se incrementa constantemente, además, por lo que se puede ver, cualquier tarea de interés comercial realizable por un humano es mecánica o algorítmicamente replicable. Y nótese que los ejemplos mencionados aquí son exclusivamente de máquinas o sistemas existentes y funcionales. En ningún momento he incurrido en especulación o extrapolaciones, esto no es ciencia ficción, esto es la realidad hoy.
No existe ninguna regla de la economía que diga que “mejores tecnologías crean mejores empleos para los caballos” sin embargo al reemplazar “caballo” por “persona” esta proposición suena perfectamente razonable y esto debería invitarnos a la reflexión. Así como los carruajes son una tecnología obsoleta en la cual no ha existido ningún progreso desde su reemplazo, grandes sectores de la labor humana enfrentarán un destino similar en cuanto un pedazo de software pueda hacer cualquier trabajo mejor, más rápido o más barato que nosotros. Esto no es difícil de imaginar si consideramos que un vehículo autónomo ya es capaz de manejar sin mayores complicaciones en el tráfico normal de una ciudad como San Francisco y apenas llevamos unos pocos años en el desarrollo de esta tecnología sin mencionar que no ha pasado mucho más de medio siglo desde la invención de la primera computadora.
La curva que sigue el avance de la ciencia de la computación está lejos de ser la pendiente lineal que nuestras mentes están más acostumbradas a comprender. Decir que la inteligencia artificial va tener un impacto dramático en la sociedad puede sonar poco creíble hasta que pensamos que muchos de nosotros crecimos en un mundo donde no existían los celulares o internet, nuestros padres probablemente en uno sin computadoras o televisión, y nuestros abuelos fueron niños para quienes un vuelo comercial era ciencia ficción.
La revolución de las máquinas probablemente no llegue en la forma de un holocausto nuclear propiciado por el despertar de la primera superinteligencia artificial consciente y seguramente no sucederá mañana, no obstante es necesario, o por lo menos interesante, cuestionarse sobre las posibles implicaciones de la venidera obsolescencia del ser humano.
__________
1 Rethink Robotics. Baxter Collaborative Robots for Industrial Automation. 2017. www.rethinkrobotics.com/baxter/(Accessed 5–3–17)
2 Waymo. Waymo. 2017. https://waymo.com/ (Accessed 5–3–17)
3 Bling, Seth. MarI/O — Machine Learning for Video Games. 2015. https://www.youtube.com/watch?v=qv6UVOQ0F44
4 Murphy, Tom. The First Level of Super Mario Bros. is Easy with Lexicographic
Orderings and Time Travel . . . after that it gets a little tricky. SIGBOVIK 2013. 2013.
5 CGP Grey. Humans need not Apply. 2017. https://www.youtube.com/watch?v=7Pq-S557XQU (Accessed 5–3–17)
6 Narrative Science. Quill. 2017. https://www.narrativescience.com/Platform(Accessed 5–3–17)
7 Jukedeck. Jukedeck — Create unique, royalty-free soundtracks for your videos. 2017. www.jukedeck.com (Accessed 5–3–17)
8 IBM. IBM Watson. 2017. https://www.ibm.com/watson (Accessed 5–3–17)
