¿Cuánto falta para que un robot se quede con tu trabajo?

El revuelo que causó Uber esta semana tiene uno de sus principales ejes en el interrogante más amargo de la modernidad: ¿cuánto tardarán en dejarnos sin trabajo las máquinas, la inteligencia artificial, los robots, es decir, las nuevas tecnologías?

En realidad Uber funciona aquí como el árbol que no nos deja ver el bosque. Ajustado a nuestra saludable tradición de seguridad social y con las garantías adecuadas para los pasajeros, este servicio tenderá a ofrecer mayores oportunidades de trabajo, no menos. El verdadero problema es que manejar autos, como cientos de otros oficios, dejará de ser tarea de seres humanos en algún momento del futuro próximo. De hecho, el mayor obstáculo para que esto ocurra no es tecnológico, sino legal y regulatorio. A largo plazo, ninguna ley ha logrado detener el progreso tecnológico en ningún momento de la historia.

En todo caso, lo de Uber es un caso testigo. Independientemente de que sea cierto o no, la primera reacción de los taxistas fue que la app iba a dejarlos sin trabajo. Ocurre cada vez que una tecnología irrumpe en una industria que no ha cambiado en décadas. Y es comprensible. Por desgracia, veremos estas irrupciones cada vez más a menudo. Hoy existen call centers en los que te atienden programas de inteligencia artificial, no personas. Y no hay modo de probar esto, excepto por medio de un test de Turing.

Pero las máquinas no pueden hacer –al menos, dentro de un marco temporal razonable– todas las tareas. En algunas son mucho mejores que los humanos. En otras, harían un desastre. Tener claro si los robots podrían en el futuro ejercer nuestra profesión o la que estamos a punto de estudiar parece ser un dato fundamental para nuestra prosperidad. No son buenas noticias, ya lo sé. Pero todas las actividades han sido sacudidas por el tsunami digital, y lo serán mucho más en el futuro. La buena noticia es que los empleos más robotizables son también los más enajenantes. Pero, a la vez, no me da la impresión de que nos estemos preparando para una educación, una economía y un estilo de vida en el que trabajar ya no será obligatorio. O un mundo en el que trabajar signifique exclusivamente ejercer nuestras destrezas más profundamente humanas.

Es cierto que la tecnología crea más puestos de trabajo que los que destruye, pero todavía está por verse si acaso los avances cada vez más rápidos en inteligencia artificial no van a quebrar este balance. Algunas predicciones, como la del Foro Económico Mundial citada arriba , no auguran nada bueno, en términos de conflictividad social.

Ahora bien, ¿se puede predecir qué empleos son más susceptibles de quedar en manos de máquinas? Según Carl Benedict Frey y Michael Osborne, de la Universidad de Oxford, sí, y éste es el paper de 2013 en que analizan el trabajo del futuro (en inglés). La Radio Nacional Pública de Estados Unidos creó este excelente sitio Web, basado en el estudio de Frey y Osborne , que permite pronosticar si nuestro empleo podría ser realizado por computadoras en los próximos 20 años. No sorprende que los humanos que manejan taxis tengan un 89,4% de probabilidad de ser desplazados por robots (léase coches autónomos). En la misma categoría (Transporte), en cambio, los controladores aéreos bajan a un escaso 11,4 por ciento; dato interesantísimo, por cierto. Tampoco es casualidad que artistas, actores, coreógrafos, directores de cine y de teatro, arquitectos, abogados, asistentes sociales que se ocupan de adicciones y maestros de escuela, entre otros, tengan muy baja probabilidad (de 0,3 a 3%) de ser desplazados por máquinas.

La lección parece clara: la inteligencia artificial sin una consciencia humana no puede enfrentar los desafíos laborales que requieren creatividad, sensibilidad y capacidad para comprender las emociones del otro, del prójimo. Y, de momento, no podemos ni siquiera definir qué es la consciencia, como ya escribí otras veces.

Con estos asuntos en mente, hablé hace poco más de un mes con Greg Corrado, neurocientífico de Stanford que trabaja en proyectos de inteligencia artificial en Google. Investiga, entre otras cosas, la forma en que las máquinas aprenden. No la forma en que las programamos para que hagan algo más o menos inteligente, sino la forma en que aprenden a hacer algo sin que las programemos. Era la persona indicada para preguntarle por el futuro del empleo, y me parece que es una buena ocasión para publicar el diálogo que mantuvimos.

–¿Cuál dirías que es la principal diferencia entre la inteligencia humana y la inteligencia de las máquinas?

–Hay tantas diferencias que es difícil señalar una que sea central. En mi campo, el del aprendizaje automático (machine learning, en inglés), tiendo a reflexionar mucho sobre el proceso de aprendizaje, y ahora que tenemos computadoras que son capaces de aprender de su experiencia, por primera vez queda claro que la forma en que las máquinas aprenden es fundamentalmente diferente de la forma en que aprendemos los humanos.

–¿Diferente en qué sentido?

–Los sistemas de aprendizaje automático más avanzados requieren miles de ejemplos para adquirir nuevos conceptos. Mientras que los humanos somos capaces de generalizar a partir de unos pocos ejemplos.

–Incluso perros y gatos pueden hacer eso, ¿no?

–Muchos animales pueden aprender de un número reducido de experiencias, pero los humanos parecemos particularmente buenos para generalizar a partir de una cantidad pequeña de experiencias. Las computadoras son enormemente ineficientes para aprender, y sólo reconocen patrones luego de ver algo un número abrumador de veces.

–¿Abrumador como cuánto? ¿Mil millones? ¿Un billón? ¿O hablamos de miles?

–Digamos 100 o 1000, como mínimo. Pero 1 millón o 1000 millones sería lo mejor. Números realmente grandes. Imaginate chocar contra una pared 1000 millones de veces antes de aprender a no pegarle a las paredes.

–¿Se sabe por qué los humanos tenemos esta destreza, la de aprender a partir de unos pocos ejemplos?

–Los neurocientíficos siguen investigando los algoritmos de aprendizaje fundamentales del cerebro, pero la respuesta breve es que no conocemos bien el aprendizaje humano. Sabemos cómo aprenden las máquinas, lo hacen mediante una enorme cantidad de mejoras minúsculas. Mi doctorado fue, de hecho, en neurociencias, no en ciencias de la computación. Pero no sabemos tanto acerca de la mente humana. En cambio, sabemos bastante acerca de los mecanismos de aprendizaje de las máquinas; ésa es, de hecho, la parte que diseñamos. Pero es cierto que resulta difícil, al menos hoy, interrogar a una máquina luego de que ha aprendido algo y entender cómo hace lo que hace.

–Hablemos de la consciencia. Daría la impresión de que muchas cosas que tenemos planeadas para los robots no son posibles sin una consciencia. ¿Pensás que alguna vez las máquinas serán conscientes o podrán al menos en parte interpretar la realidad de forma subjetiva?

–Una gran pregunta.

–Es un gran obstáculo, ¿cierto?

–La dificultad está en que ni siquiera sabemos qué es exactamente la consciencia. Científicos como Christof Koch quieren que las neurociencias estudien directamente la consciencia. Pero hasta que entendamos algo acerca de la naturaleza de la consciencia, es muy difícil pronosticar si alguna vez las máquinas van a tener algo así.

–¿Han hecho algún avance en ese sentido?

–Creo que el estado actual es meramente el de reconocer que la consciencia es un área de estudio importante.

–¿En qué son buenas las máquinas?

–La verdadera fortaleza de las máquinas es el cálculo determinístico.

–¿Dicho más claro?

–Trabajar con números grandes sin cometer ni un sólo error. Sin embargo, sólo recientemente hemos sido capaces de usar eso para algo en lo que los humanos hemos sido buenos durante un largo tiempo: el reconocimiento de patrones. Hace 7 años, más o menos, las computadoras eran pésimas (realmente pésimas) reconociendo objetos en una foto, algo que hasta los niños hacen sin esfuerzo. Pero ahora las máquinas han aprendido (lo han aprendido, no es que han sido programadas) a reconocer objetos en imágenes, entender palabras y otras tareas de esa clase.

–Cuáles son los empleos que tienen la mayor probabilidad de ser asumidos por los robots y la inteligencia artificial en la próxima década o algo así? ¿Hay algún rasgo que caracterice los trabajos más susceptibles de quedar en manos de las máquinas?

–Los empleos que son enormemente repetitivos y que no requieren ni planificación, ni creatividad, ni perspicacia, ni calidad humana.

–Hay una proporción muy grande de empleos que son así, lamentablemente. ¿Cuál es tu trabajo en Google?

–Mi actividad se divide entre la investigación y la ingeniería. Me siento afortunado de estar trabajando junto a un gran grupo de investigadores e ingenieros y de poder transformar eso en nuevos productos.

–¿Por ejemplo?

–Una de las cosas más fascinantes para mí estos días está en el impacto que podría tener en nuestra vida diaria el futuro de la traducción automática.

–Interesante. Solía divertirme dándole a los programas de traducción frases que no pueden resolver. Como Light flies like an arrow.

–La traducción por computadora está en pañales, en realidad. Pero tengo la esperanza de que habrá mejoras sustanciales en los próximos años. Queremos arreglar esos casos que mencionás y que hacen fallar a los traductores automáticos. O más bien, queremos tener máquinas que aprenden a ser realmente multilingües, para que puedan traducir con la misma sutileza que nosotros.

–El viejo sueño de Chomsky.

–Cierto, pero muchos de nuestros viejos sueños se han vuelto realidad recientemente.

Por Ariel Torres

---

Conforme a