Contenidos
Charla «Los trabajos que se perderán por las máquinas… y los que no» de TED2016 en español.
El aprendizaje automático no es solo para tareas simples, como la evaluación de riesgo de crédito o la clasificación de correo postal. Hoy puede realizar aplicaciones mucho más complejas, como la evaluación de ensayos y el diagnóstico de enfermedades. Con estos avances se plantea una pregunta incómoda: ¿Un robot hará nuestro trabajo en el futuro?
- Autor/a de la charla: Anthony Goldbloom
- Fecha de grabación: 2016-02-15
- Fecha de publicación: 2016-08-08
- Duración de «Los trabajos que se perderán por las máquinas… y los que no»: 276 segundos
Traducción de «Los trabajos que se perderán por las máquinas… y los que no» en español.
Esta es mi sobrina.
Su nombre es Yahli.
Tiene nueve meses.
Su madre es médica y su padre abogado.
Cuando Yahli vaya a la universidad, los trabajos que desempeñan sus padres serán drásticamente diferentes.
En 2013 investigadores de la Universidad de Oxford realizaron un estudio sobre el futuro del trabajo.
Concluyeron que casi uno de cada dos puestos de trabajo tienen un alto riesgo de ser automatizado por máquinas.
El aprendizaje automático es la tecnología responsable de la mayor parte de esta alteración.
Es la rama más potente de la inteligencia artificial.
Permite que las máquinas aprendan de datos e imiten algunas de las cosas que los humanos podemos hacer.
Mi empresa Kaggle está en la vanguardia del aprendizaje automático.
Reunimos a cientos de miles de expertos para resolver problemas importantes para la industria y el mundo académico.
Esto nos da una perspectiva única sobre qué pueden hacer las máquinas, y lo que no pueden hacer y qué puestos de trabajo pueden automatizar o amenazar.
El aprendizaje automático comenzó su camino en la industria en los años 90.
Comenzó con tareas relativamente simples.
Empezó con la evaluación del riesgo de crédito de las solicitudes de préstamo, la clasificación del correo leyendo caracteres escritos a mano a partir de los códigos postales.
En los últimos años hemos hecho grandes avances.
El aprendizaje automático puede ahora hacer tareas mucho más complejas.
En 2012 Kaggle desafió a su comunidad al construir un algoritmo para evaluar los ensayos del instituto.
Los algoritmos ganadores pudieron igualar las calificaciones dadas por profesores humanos.
El año pasado abordamos un reto aún más difícil.
¿Se pueden hacer imágenes del ojo y diagnosticar una enfermedad ocular llamada retinopatía diabética? De nuevo los algoritmos ganadores pudieron igualar los diagnósticos dados por los oftalmólogos humanos.
Así que con los datos correctos, las máquinas superarán a los humanos en este tipo de tareas.
Un profesor puede leer 10 000 ensayos durante un tiempo de 40 años.
Un oftalmólogo puede ver 50 000 ojos.
Una máquina puede leer millones de ensayos o ver a millones de ojos en minutos.
No tenemos oportunidad de competir contra las máquinas en las tareas frecuentes y de gran volumen.
Pero hay cosas que podemos hacer que las máquinas no pueden hacer.
Donde las máquinas han avanzado muy poco es haciendo frente a situaciones nuevas.
Ellas no pueden manejar las cosas que no han visto muchas veces antes.
Las limitaciones principales del aprendizaje automático es que requiere el aprendizaje previo de grandes volúmenes de datos del pasado.
Los humanos, sin embargo, no.
Tenemos la capacidad de conectar los hilos aparentemente dispares para resolver problemas que nunca antes hemos visto.
El físico Percy Spencer investigaba sobre el radar durante la 2ª Guerra Mundial, cuando notó que el magnetrón derretía su barra de chocolate.
Pudo conectar su comprensión de la radiación electromagnética con su conocimiento de la cocina para…
¿alguna idea? El horno de microondas.
Este es un ejemplo particularmente notable de creatividad.
Pero este tipo de polinización cruzada ocurre en cada uno de nosotros en formas pequeñas miles de veces por día.
Las máquinas no pueden competir con nosotros cuando se trata de hacer frente a situaciones nuevas, y en las tareas humanas esto tienen un límite fundamental para que las máquinas lo automaticen.
Y ¿qué significa esto para el futuro del trabajo? El futuro de cualquier trabajo radica en la respuesta a una sola pregunta: ¿En qué medida el trabajo es reducible a las tareas frecuentes y de gran volumen, y en qué medida tampoco implica hacer frente a situaciones nuevas? En tareas frecuentes y de gran volumen, las máquinas son más y más inteligentes.
Hoy evalúan ensayos.
Diagnostican ciertas enfermedades.
Durante los próximos años harán nuestras auditorías, y leerán lo repetitivo de los contratos legales.
Pero se seguirán necesitando contadores y abogados.
Serán necesarios para la estructuración fiscal compleja, para los litigios pioneros.
Pero las máquinas estrecharan sus rangos y harán estos puestos más difíciles de conseguir.
Pero, como se ha dicho, las máquinas no están progresando en situaciones nuevas.
La copia detrás de una campaña de marketing debe captar la atención de los consumidores; se ha de destacar de la multitud.
Significa buscar nichos de negocios vacíos en el mercado, cosas que nadie está haciendo.
Serán humanos los que crearán la copia detrás de las campañas de marketing, y será el humano quien desarrolle la estrategia de negocio.
Así Yahli, sea lo que sea que decidas hacer, deja que cada día te traiga un nuevo reto.
Al hacerlo, entonces estarás por delante de las máquinas.
Gracias.
(Aplausos)
https://www.ted.com/talks/anthony_goldbloom_the_jobs_we_ll_lose_to_machines_and_the_ones_we_won_t/