¿Es posible dirigir el progreso tecnológico de tal forma que se eviten las supuestas crisis económicas, sociales y ambientales que los opinólogos predicen como inevitables ante el avance de las innovaciones nacidas en la 4ta Revolución Industrial (4IR) en el presente siglo?

Esta pregunta es abordada a partir del desarrollo teórico del denominado “sesgo tecnológico”, gatillado primigeniamente por el notable economista Daron Acemoglu en 2001 y que, muy recientemente, se ha ido nutriendo del trabajo empírico realizado en torno a los determinantes de la aparición de inventores en EEUU. A continuación, compartimos un reciente artículo publicado por The Economist que presenta este análisis.

Como deja entrever el análisis de The Economist, si bien la pregunta señalada al inicio de este artículo puede ser abordada a partir del desarrollo de estos avances de la academia, muchos economistas presuponen ex ante que ciertas tecnologías pueden sólo generar desplazamientos del factor trabajo en desmedro de la mano de obra poco calificada al interior de los países.

Sin embargo, cómo hemos ido documentando a partir de la evidencia con la IA y la automatización (ver Lampadia: Automatización demandará nuevos empleos y habilidades), estas nuevas tecnologías no solo producen este tipo de desplazamientos, sino que también pueden suscitar sinergias para un mismo tipo de ocupación promoviendo por ejemplo que los trabajadores dediquen más tiempo a otras labores que no involucren tareas operativas y repetitivas. Asimismo, genera el afloramiento de nuevas ocupaciones en el sector terciario de la economía, que por naturaleza, es más productivo que su contraparte secundaria y primaria.

Ello nos hace dudar de qué tanto se puede hablar del “progreso tecnológico dirigido” si aún se desconoce al 100% sobre el cauce final que tendrán estas nuevas tecnologías, que como también hemos advertido (ver Lampadia: Los miedos infundados de las nuevas tecnologías), no han generado las hecatombes sociales que han predicho los críticos de las tecnologías. Por el contrario, por cómo ha sido el patrón recurrente en la historia de la aparición de las nuevas innovaciones, es más probable que otorgue más beneficios que perjuicios.

En ese sentido, concluimos al igual que The Economist que por el momento “la economía carece de las herramientas, al menos por ahora, para juzgar qué camino tecnológico es preferible”. Justificar que el progreso tecnológico puede ser dirigido puede abrir puertas a la creencia errónea de que el Estado pueda ser capaz de controlar su evolución futura para bien. Ello podría vulnerar y pervertir las libertades y los incentivos a la innovación que podrían surgir en un mercado libre. Lampadia

Los economistas exploran las consecuencias de dirigir el progreso tecnológico

El calentamiento global y la IA plantean preguntas sobre cómo gestionar la innovación

The Economist
16 de enero, 2020
Traducida y comentada por Lampadia

Desde los antiguos griegos, al menos, la gente ha reconocido que el progreso de la civilización tiende a crear estragos y oportunidades. Los economistas han tenido poco tiempo para tales preocupaciones. Para ellos, el progreso tecnológico es la fuente del crecimiento a largo plazo, y la única pregunta interesante es cuál es la mejor forma de sacar más innovación del sistema. Pero ante los inminentes desafíos sociales, desde el cambio climático hasta la desigualdad, algunos ahora se preguntan si, en lo que respecta a la innovación, qué tipo es tan relevante como cuánto.

Los primeros modelos de crecimiento no explicaron en absoluto el progreso tecnológico, sino que lo trataron como si fuera el maná del cielo. En la década de 1980, algunos economistas trabajaron para construir modelos de crecimiento endógeno que dijeran de dónde provenía la innovación. Lo explicaron como la consecuencia de la inversión en investigación y desarrollo, los incrementos en el stock de capital humano o las ganancias adicionales (temporales) que pueden obtener las empresas con nuevas tecnologías. Otros economistas se han centrado más en los datos que en la teoría. ¿Quién se convierte en inventor en EEUU? “La importancia de la exposición a la innovación”, un artículo publicado en 2018 en el Quarterly Journal of Economics, identifica factores que parecen alentar a los jóvenes a convertirse en innovadores. Los niños que crecen donde las tasas de innovación son altas, por ejemplo, tienen más probabilidades de convertirse en inventores.

Sin embargo, la investigación también ha dejado claro que el descubrimiento tecnológico no es lineal, sino que depende de las condiciones económicas. Algunos historiadores económicos consideran que la industrialización temprana fue motivada por un deseo de reemplazar los recursos escasos, como la mano de obra calificada, por los abundantes, como la mano de obra no calificada y el carbón. Los primeros inventores no solo descubrían las verdades de la naturaleza una por una, en otras palabras, sino que intentaban resolver problemas específicos. El trabajo sobre este sesgo tecnológico floreció en la década de 1990 cuando los economistas trataron de explicar por qué la prima salarial ganada por los graduados universitarios seguía aumentando incluso a medida que aumentaba la oferta de graduados. La respuesta, según algunos, fue que el cambio tecnológico en el siglo XX fue “sesgado por las habilidades”, lo que aumentó la productividad de los trabajadores con títulos, pero no de otros.

En un artículo publicado en 2001, Daron Acemoglu del MIT recolectó estos hilos en un modelo de “cambio técnico dirigido”. Sugirió que el progreso tecnológico está influenciado por la relativa escasez de factores como el trabajo y el capital; por la facilidad con que un factor puede ser sustituido por otro; y por el camino de la innovación pasada. La investigación de una tecnología en particular puede reducir el costo de desarrollar innovaciones complementarias en el futuro. El cambio técnico dirigido es fascinante de contemplar porque permite futuros tecnológicos alternativos: mundos en los que las empresas exprimen cada eficiencia de Zeppelins y tubos neumáticos, en lugar de motores de combustión interna y Twitter. Si la dirección del progreso no se establece en piedra, las elecciones de políticas podrían llevar a una economía por un camino tecnológico en lugar de otro. Eso plantea una pregunta inmediata: si la innovación puede ser dirigida, ¿debería serlo? Y si es así, ¿cómo?

Desde 2000, el trabajo publicado sobre el cambio técnico dirigido se ha centrado en gran medida en los desafíos ambientales. La dependencia del camino significa que la investigación sobre tecnologías de combustibles fósiles a menudo puede ser más fértil que la investigación sobre alternativas más limpias. Hay más expertos en las disciplinas relevantes, laboratorios de investigación mejor financiados y una infraestructura económica complementaria establecida. La descarbonización eficiente podría requerir subsidios para la investigación de energía limpia, así como un precio del carbono. De hecho, los esfuerzos para frenar el calentamiento global representan un intento masivo de realizar un futuro tecnológico, una versión sin carbono, en lugar de otro.

¿Por qué parar ahí? Algunos futuristas y algunos economistas temen que el rápido progreso en inteligencia artificial pueda conducir a un desplazamiento masivo de la crisis laboral y social. Pero en un artículo reciente, Anton Korinek, de la Universidad de Virginia, señala que no todos los usos de la IA son iguales. De hecho, las máquinas inteligentes podrían reemplazar a los trabajadores humanos, o podrían ser diseñadas para ayudar al trabajo humano: para ayudar a las personas a navegar por procesos complicados o tomar decisiones difíciles. Las empresas privadas, centradas en sus resultados finales en lugar de los posibles efectos colaterales de sus decisiones de inversión, pueden ser indiferentes entre los dos enfoques en ausencia de un empujón del gobierno, al igual que las empresas contaminantes tienden a no preocuparse por los costos sociales del medio ambiente, a menos que lo hagan los gobiernos. En un documento de trabajo coescrito con Joseph Stiglitz, un premio Nobel de economía, Korinek concluye que dirigir el cambio técnico para favorecer las formas de ayuda a la mano de obra en lugar de desplazar a la mano de obra podría ser la segunda mejor manera de gestionar el progreso, si los gobiernos no pueden redistribuir suficientemente las ganancias de la automatización de ganadores a perdedores. Esto puede sonar exagerado, pero las propuestas de políticas como la sugerencia de Bill Gates de que los robots deberían ser gravados para reducir el ritmo de la automatización representan pasos hacia un futuro tecnológico más micro-gestionado.

Oh, la humanidad

Dejando a un lado las políticas ambientales, tales pasos parecen prematuros. Una vista más sofisticada del progreso tecnológico es bienvenida. Pero la economía carece de las herramientas, al menos por ahora, para juzgar qué camino tecnológico es preferible. El mundo es demasiado complejo para permitir a los economistas comparar futuros tecnológicos hipotéticos: para saber si una sociedad basada en Zeppelin funcionaría de manera más eficiente en general que una sociedad basada en automóviles. Los economistas no pueden saber qué sorpresas se encuentran en un camino de innovación en lugar de otro.

Y las cuestiones de tecnología no se refieren únicamente, o incluso principalmente, a la eficiencia. Muchas son éticos. Las innovaciones con ventajas de productividad abrumadoras podrían resultar devastadoras para la confianza social o la equidad. Ante un cambio tecnológico radical, en la IA, robótica e ingeniería genética, las sociedades inevitablemente discutirán sobre qué caminos tecnológicos deberían explorarse. Las opiniones de los economistas pertenecen a estas conversaciones, siempre que estén elaboradas con humildad y cuidado. Lampadia

La Internet de las Cosas (IoT) va más allá de las cosas físicas, como explicamos hace unos días (ver: Los avances de IoT). Ahora llega también a la ganadería.

El artículo de The Economist que reproducimos líneas abajo, muestra cómo, ya sea con videos, monitores externos o implantes, se puede monitoriar la nutrición de las vacas.

Así se va desplegando la ‘cuarta revolución industrial’, aumentando notoriamente la productividad. Algo que hará muy difícil competir, a los países que no se pongan al día en los sistemas productivos.

De allí nuestro énfasis en proponer el privilegiar la creación de riqueza, para generar empleo y recursos fiscales. Ver en Lampadia: Lo que necesitamos es más minería.

Ganadería informatizada
Los sensores y la IA están llegando al corral

Con 80 millones de vacas solo en el mundo rico, no hay escasez de clientes potenciales

The Economist
12 de setiembre de 2019
Traducido y glosado por Lampadia

Al igual que los atletas de élite, las vacas lecheras tienen requisitos nutricionales exigentes. “Si tienes un poco más de proteína o de menos carbohidratos, verás una caída en la producción de leche”, dice Robbie Walker, el jefe de Keenan Systems, una empresa irlandesa que fabrica vagones para mezclar alimentos.

Por esa razón, los últimos productos de la firma se han vuelto digitales. Con la ayuda de Intel, un gran fabricante de chips estadounidense, Keenan ha desarrollado una computadora que se puede conectar a sus vagones. Todos los días, los nutricionistas de la empresa cargan la computadora con los requisitos dietéticos del rebaño. Los sensores en el vagón pesan lo que el granjero pone en la batidora y lo comparan con lo que exige la receta. “Es un poco como hacer un pastel”, dice Walker. “Incluso si tienes cuidado, usualmente pones demasiado de un ingrediente o no lo suficiente de otro”.

Los datos recopilados se transmiten a través de la red de telefonía móvil a los nutricionistas, quienes pueden analizar cualquier desviación del ideal con el que se alimentó a los animales. Una gran desviación desencadena un mensaje de texto al agricultor. Se observan los más pequeños, y la mezcla de alimentos para el día siguiente se ajustó para corregir cualquier déficit nutricional que pudiera haberse introducido.

Keenan no es la única empresa que intenta informatizar la ganadería. Cainthus, otra compañía irlandesa, es una de varias nuevas empresas que esperan usar la visión por computadora para aumentar la productividad del corral. Utiliza cámaras para rastrear vacas en graneros y campos, basándose en el aprendizaje automático para analizar las imágenes. La tecnología es lo suficientemente sensible, dice David Hunt, el jefe de la empresa, para rastrear animales individuales y alertar a los granjeros si una vaca no se alimenta cuando debería, o se mueve de una manera que sugiere que podría estar enferma.

Por ahora, dice, la compañía está trabajando principalmente en vacas Friesian y Holstein, cuyas marcas distintivas “significan que básicamente son códigos QR andantes”, aunque espera expandirse a otras razas eventualmente. La tecnología funciona lo suficientemente bien como para haber persuadido a Cargill, un conglomerado enfocado en la agricultura y la compañía privada más grande de Estados Unidos, para que tome una participación minoritaria en Cainthus en 2018.

Un enfoque alternativo es colocar los sensores dentro de las vacas. Una empresa austriaca llamada Smaxtec ha desarrollado un sensor que se puede tragar. Se aloja dentro del retículo, uno de los cuatro estómagos de una vaca, y permanece allí por el resto de la vida del animal, controlando la temperatura corporal, el movimiento y la acidez estomacal, y carga los resultados cuando la vaca está cerca de un detector inalámbrico.

Cuando se alimenta a algoritmos de aprendizaje automático, dice Stefan Rosenkranz, cofundador de Smaxtec, esos datos se pueden usar para todo tipo de cosas. Pueden detectar cuándo los animales están en celo y detectar los primeros signos de parto hasta 15 horas antes de que ocurra. Pueden identificar enfermedades varios días antes de que sean obvias para los observadores humanos, lo que permite un tratamiento temprano y una caída del 15-30% en el uso de antibióticos. Un nuevo sensor, que saldrá el próximo año, agregará la capacidad de monitorear la digestión. Las ventas se duplican cada año, dice Rosenkranz. Y con 278 millones de vacas lecheras en el mundo, no hay escasez de clientes. Lampadia

Hemos dedicado numerosos artículos para abordar las implicancias que tiene el uso de la inteligencia artificial (en adelante, IA) en una serie de tópicos que van desde el mercado laboral (ver Lampadia: La revolución de la IA en el trabajo), hasta la misma ética empresarial (ver Lampadia: La ética en la inteligencia artificial (IA)); así como sus impresionantes prospectos futuros que podrán ser posibles gracias a la robótica (ver Lampadia: Visiones de un experto robotista hacia el 2069).

Sin embargo, aún no hemos ahondado lo suficiente en los mecanismos, a través de los cuales, las empresas y los modelos de negocios pueden ir introduciendo esta nueva tecnología en sus procesos productivos, de manera que generen enormes ganancias de productividad.

En esta línea, queremos compartir una excelente entrevista realizada por Mckinsey a Ajay Agrawal – profesor de la Rotman School of Management de la Universidad de Toronto y uno de los autores del reciente libro “Máquinas de Predicción: La Economía Simple de la Inteligencia Artificial” publicado en octubre del año pasado – en la que señala, de manera simple y didáctica, la forma en que la IA actúa en la economía, particularmente, a través de los costos de predicción (ver artículo líneas abajo).

Asimismo, provee de una guía muy útil hacia los líderes de las organizaciones para facilitar la búsqueda de espacios y áreas de la empresa en donde esta tecnología pueda ser implementada satisfactoriamente, así como de tips para aprovechar su potencial al máximo.

Es importante destacar que la tesis central del profesor Agrawal indica que conforme la IA recopila mayor información del comportamiento humano, va reduciendo cada vez más los costos de predicción de las actividades económicas que intenta replicar. Esto último genera que el precio de bienes sustitutos como la predicción humana se reduzca, y de bienes complementarios como la data, el juicio humano y la acción empresarial aumente.

Así, las posibilidades que tiene esta tecnología para seguir generando transformaciones en los modelos de negocio son ilimitadas en tanto los problemas que antes consideraban los empresarios como ajenos a la predicción – por los altos costos arraigados en este proceso -,con dicho avances, ahora pueden ser tratados como tales. Este es el caso pues de los automóviles autónomos o de la predicción de compras por e-commerce.

Esperamos que conforme el uso de la IA se masifique en el ámbito empresarial de los países de Occidente, esta pueda penetrar con mayor facilidad en los negocios de los países emergentes como el Perú, los cuales se muestran ávidos por incrementar su productividad, a través de la innovación disruptiva provista por la IA. Lampadia

La economía de la inteligencia artificial

Ajay Agrawal,  profesor del Rotman School of Management, explica cómo la IA cambia el costo de la predicción y lo que esto significa para los negocios.

McKinsey Quarterly
abril, 2018
Traducido y glosado por Lampadia

Con tantas perspectivas sobre el impacto de la inteligencia artificial (IA) que inunda la prensa de los negocios, cada vez es más raro encontrar una que sea verdaderamente original. Entonces, cuando el profesor de estrategia Ajay Agrawal compartió su brillante y simple visión sobre la inteligencia artificial, nos levantamos y lo notamos. Agrawal, que enseña en la Rotman School of Management de la Universidad de Toronto y trabaja con empresas emergentes de IA en el Creative Destruction Lab (Laboratorio de Destrucción Creativa), que él fundó, postula que la IA cumple un único objetivo económico, pero potencialmente transformador: reduce significativamente el costo de predicción.

El presente comentario es una adaptación de una reciente entrevista con Rik Kirkland de McKinsey, resume la tesis de Agrawal. Considérelo como una guía del CEO para analizar y priorizar las oportunidades de IA.

Efectos de la caída de los costos

Cuando observamos la inteligencia artificial desde la perspectiva de la economía, nos hacemos la misma pregunta que hacemos con cualquier tecnología: ¿Qué reduce el costo? La respuesta revela por qué la inteligencia artificial es tan importante en relación con muchas otras tecnologías interesantes. La inteligencia artificial puede ser refundida, lo que provoca una caída en el costo de un insumo de primer orden en muchas actividades en los negocios y en nuestras vidas: predicción.

Podemos ver el ejemplo de otra tecnología, los semiconductores, para comprender los profundos cambios que se producen cuando la tecnología reduce el costo de un insumo útil. Los semiconductores redujeron el costo de la aritmética y, al hacerlo, sucedieron tres cosas:

• Primero, comenzamos a usar más aritmética para aplicaciones que ya aprovechaban la aritmética como insumo. En los años 60, estas fueron en gran parte aplicaciones gubernamentales y militares. Más tarde, comenzamos a hacer más cálculos para funciones como la previsión de demanda porque estos cálculos ahora eran más fáciles y más baratos.
• Segundo, comenzamos a utilizar esta aritmética más barata para resolver problemas que tradicionalmente no se habían enmarcado como problemas aritméticos. Por ejemplo, solíamos resolver la creación de imágenes fotográficas empleando química (fotografía basada en películas). Luego, a medida que la aritmética se hacía más barata, comenzamos a utilizar soluciones basadas en aritmética en el diseño de cámaras y la reproducción de imágenes (cámaras digitales).
• Lo tercero que sucedió al disminuir el costo de la aritmética fue que cambió el valor de otras cosas: el valor de los complementos aritméticos aumentó y el valor de sus sustitutos disminuyó. Entonces, en el caso de la fotografía, los complementos fueron el software y el hardware utilizado en las cámaras digitales. El valor de estos aumentó porque usamos más, mientras que el valor de los sustitutos, los componentes de las cámaras basadas en películas, disminuyó porque comenzamos a usar cada vez menos.

Expandiendo nuestros poderes de predicción

A medida que el costo de la predicción continúe bajando, lo usaremos más para los problemas de predicción tradicionales, como la administración de inventario, porque podemos predecir más rápido, más barato y mejor. Al mismo tiempo, comenzaremos a usar la predicción para resolver problemas que históricamente no hemos considerado como problemas de predicción.

Por ejemplo, nunca pensamos en la conducción autónoma como un problema de predicción. Tradicionalmente, los ingenieros programaban un vehículo autónomo para moverse en un entorno controlado, como una fábrica o un almacén, diciéndole qué hacer en ciertas situaciones, si un humano camina delante del vehículo (luego se detiene) o si un estante está vacío (luego pasar al siguiente estante). Pero nunca podríamos poner esos vehículos en una calle de la ciudad porque hay demasiados “si”, si está oscuro, si está lloviendo, si un niño corre a la calle, si un vehículo que se aproxima tiene su luz intermitente encendida. No importa cuántas líneas de código escribamos, no podríamos cubrir todos los posibles “si”.

Hoy podemos replantear la conducción autónoma como un problema de predicción. Entonces, una IA simplemente necesita predecir la respuesta a una pregunta: ¿Qué haría un buen conductor humano? Hay un conjunto limitado de acciones que podemos tomar al conducir (“thens”). Podemos girar a la derecha o a la izquierda, frenar o acelerar, eso es todo. Entonces, para enseñar a una IA a conducir, ponemos a un humano en un vehículo y le decimos que maneje mientras la IA está figurativamente sentada junto al humano observando.  La IA toma los datos de entrada a medida que entran a través de sus “ojos” y mira al humano y trata de predecir, “¿Qué hará el humano a continuación?”

La IA comete muchos errores al principio. Pero aprende de sus errores y actualiza su modelo cada vez que predice incorrectamente una acción que el humano tomará. Sus predicciones comienzan a mejorar cada vez más hasta que se vuelve tan bueno en la predicción de lo que haría un humano que ya no necesitamos que el humano lo haga. La IA puede realizar la acción misma.

La creciente importancia de los datos, el juicio y la acción

Como en el caso de la aritmética, cuando el precio de la predicción cae, el valor de sus sustitutos disminuirá y el valor de sus complementos aumentará. El principal sustituto para la predicción de la máquina es la predicción humana. Como seres humanos, hacemos todo tipo de predicciones en nuestro negocio y en nuestra vida diaria. Sin embargo, somos pensadores bastante ruidosos y tenemos todo tipo de sesgos cognitivos bien documentados, por lo que somos bastante malos en la predicción. La IA se convertirá en un predictor mucho mejor que los humanos, y a medida que la calidad de la predicción de la IA aumenta, el valor de la predicción humana disminuirá.

Pero, al mismo tiempo, el valor de los complementos de predicción aumentará. El complemento que más se ha cubierto en la prensa son los datos, y las personas usan frases como “los datos son el nuevo petróleo”. Eso es absolutamente cierto: los datos son un complemento importante para la predicción, por lo que si el costo de la predicción disminuye, el valor de los datos de la empresa aumentan.

Pero hay otros complementos a la predicción que se han discutido con mucha menos frecuencia. Uno es el juicio humano. Utilizamos tanto la predicción como el juicio para tomar decisiones. En realidad, nunca antes hemos desagregado esos aspectos de la toma de decisiones; por lo general, consideramos la toma de decisiones humanas como un solo paso. Ahora estamos desagregando la toma de decisiones. La máquina está haciendo la predicción, lo que hace que el papel distintivo del juicio en la toma de decisiones sea más claro. Por lo tanto, a medida que el valor de la predicción humana disminuye, el valor del juicio humano aumenta porque la IA no hace juicios, solo puede hacer predicciones y luego entregarlas a un humano para que use su juicio y determine qué hacer con ellas.

Otro complemento a la predicción es la acción. Las predicciones son valiosas solo en el contexto de alguna acción a la que llevan.

Un experimento mental para el mejor equipo

Un enfoque para identificar maneras de utilizar la IA en los negocios es revisar los flujos de trabajo organizacionales, los procesos de conversión de entradas en salidas, y desglosarlos en tareas. Luego, busque las tareas que tienen un componente de predicción significativo que se beneficiaría de una máquina de predicción. A continuación, determine el retorno de la inversión para construir una máquina de predicción para realizar cada tarea, y simplemente clasifique esas tareas en orden de arriba a abajo.

Muchas de las IA creadas a partir de este ejercicio serán herramientas de mejora de la eficiencia que le darán a la empresa cierto impulso, posiblemente un aumento del 1 a 10 por ciento en el EBITDA o alguna otra medida de la productividad.

Sin embargo, para anticipar qué herramientas de IA irán más allá de aumentar la eficiencia y, en cambio, conducirán a la transformación, empleamos un ejercicio llamado “ciencia ficción”. Tomamos cada herramienta de la IA e imaginamos que es una perilla de volumen de radio, y al girar la perilla, más bien en lugar de subir el volumen, está aumentando la precisión de predicción de la IA.

Para ver cómo funciona esto, imagine aplicar el ejercicio al motor de recomendaciones de Amazon. Hemos encontrado que su herramienta tiene una precisión de alrededor del 5 por ciento, lo que significa que de cada 20 cosas que recomienda, compramos una de ellas y no la otra 19. Esa precisión suena mal, pero cuando se considera que la herramienta extrae 20 artículos del catálogo de millones de artículos de Amazon y de esos 20 compramos uno, no es tan malo.

Al hacer solo una cosa, al girar el botón de precisión de predicción, el cambio realizado por IA va de uno que es incremental (que ofrece recomendaciones en el sitio web) a uno que es transformador: todo el modelo de negocio cambia de compras y luego se envía a envío y luego compras.

Cinco imperativos para aprovechar el poder de la predicción de bajo costo

Hay varias cosas que los líderes pueden hacer para posicionar a sus organizaciones para maximizar los beneficios de las máquinas de predicción.

1. Desarrollar una tesis a tiempo para el impacto de la IA

La pregunta más importante que los ejecutivos de cada industria deben formularse es: ¿Qué tan rápido creo que girará el mando para una aplicación de IA particularmente valiosa en mi sector? Si cree que tomará 20 años para convertir esa perilla en el punto de transformación, entonces hará un conjunto de inversiones muy diferente hoy que si cree que tomará tres años.

Mirar las inversiones que varias compañías ya están haciendo puede darle una idea de su tesis sobre qué tan pronto la perilla llegará al punto de transformación.

2. Reconocer que el progreso de la IA probablemente será exponencial

A medida que los ejecutivos desarrollan su tesis sobre el tiempo, es importante reconocer que el progreso en la IA en muchos casos será exponencial en lugar de lineal. Ya el progreso en una amplia gama de aplicaciones (por ejemplo, visión, lenguaje natural, control de movimiento) en los últimos 12 meses fue más rápido que en los 12 meses anteriores. El nivel de inversión está aumentando rápidamente. El costo de los sensores ajustado a la calidad está cayendo de manera exponencial. Y la cantidad de datos que se generan está aumentando exponencialmente.

3. Confiar en las máquinas

En la mayoría de los casos, cuando las IA están diseñadas y desplegadas adecuadamente, son mejores predictores que los humanos. Y, sin embargo, a menudo todavía somos reacios a entregar las riendas de la predicción a las máquinas.

4. Saber lo que quiere predecir

Las organizaciones que se beneficiarán más de la IA serán las que puedan especificar sus objetivos de manera más clara y precisa. Veremos que muchas de las declaraciones de misión difusas se vuelven mucho más claras. Las empresas que más pueden mejorar sus visiones obtendrán los mayores beneficios de la inteligencia artificial. Debido a los métodos utilizados para entrenar a las IA, la efectividad de la IA está directamente relacionada con la claridad de la especificación del objetivo.

5. Gestionar el bucle de aprendizaje.

Lo que hace a la IA tan poderosa es su habilidad para aprender. Normalmente, pensamos que el trabajo es ser aprendices y que el capital es fijo. Ahora, con la IA, tenemos capital que aprende. Las empresas deben asegurarse de que la información fluya hacia las decisiones, siguen las decisiones hacia un resultado, y luego aprenden del resultado y devuelven ese aprendizaje al sistema. Gestionar el ciclo de aprendizaje será más valioso que nunca. Lampadia

Ajay Agrawal es profesor de gestión empresarial y estratégica en la Rotman School of Management de la Universidad de Toronto.

Como hemos escrito previamente en Lampadia: La ética en la inteligencia artificial (IA), de entre todas las tecnologías surgidas en la Cuarta Revolución Industrial (4IA), la IA probablemente es la más controversial, por las fuertes implicancias que tiene en la ética, al poder replicar numerosas actividades humanas de alto riesgo como el transporte autónomo, los servicios de salud o el manejo de armamento militar.

Otra cuestión importante que surge en esta discusión es en qué horizonte de tiempo esta tecnología puede efectivamente “conquistar” o “reemplazar” una gran cantidad de estas actividades, en particular, aquellas labores realizadas por los seres humanos en el día a día, como las domésticas – el planchado, la limpieza, entre otras – y las de transporte público. ¿20 años?, ¿50 años?

Para tener una mejor aproximación a la respuesta de esta pregunta, queremos compartir una reciente entrevista (ver artículo líneas abajo) realizada por Brian Bergstein, editor nacional de Tecnología de American Associated Press, a Rodney Brooks, ex jefe del laboratorio de Informática e Inteligencia Artificial en MIT y cofundador de dos empresas de robótica: iRobot y Rethink Robotics, publicada en la revista Medium Magazine.

La respuesta del prestigioso robotista ante la pregunta de cómo se verá el mundo hacia el 2069, en particular en lo concerniente al desarrollo de la robótica y de la IA, es que la evidencia de los últimos 50 años sugiere que el mundo ha pasado por un cambio tecnológico único en su historia, difícilmente de replicar en el futuro.

Así, la probabilidad de que se de un salto cuántico en el desarrollo tecnológico a nivel económico, social y cultural es muy baja, dado el crecimiento sin precedente que ya ha sufrido nuestro mundo actual. Aún cuando se diera el caso, se seguirían dependiendo de gran cantidad de tecnologías ya existentes. En sus palabras, “La economía exponencial está sobrevendida. No hay ningún proceso en el universo, nunca, que haya sido exponencial por un período de tiempo sostenido”.

Ello con el agravante de que no se ha tenido un gran avance en materia de IA en los últimos 9 años.

En ese sentido, hace hincapié en que hay mucho contenido de ciencia ficción en el pensamiento de las personas que creen que la IA puede realmente representar una amenaza para el ser humano; por el contrario, con los avances actuales, ni siquiera se ha logrado que esta llegase a tener la comprensión del mundo que tiene un joven de 18 meses.

En palabras de Brooks, aún cuando las máquinas programadas con IA hacia el 2069 podrán realizar labores de transporte, limpieza, entre otras, el mundo no parecerá muy distinto al del 2019, ya que tomarán la forma de muchos de los artefactos electrónicos que usamos hoy en día. Lampadia

Un robotista top dice que la inteligencia artificial (IA) no conquistará a la humanidad

Los autos se conducirán solos, los robots limpiarán tu inodoro, pero el progreso exponencial es poco probable

Photo by Lane Turner/The Boston Globe/Getty

Brian Bergstein
Medium Magazine
4 de Enero, 2019
Traducido y glosado por Lampadia

Si te imaginas las tecnologías que definirán la vida cotidiana en 50 años, es tentador pensar en la opinión de Arthur C. Clarke de que la tecnología avanzada es indistinguible de la magia. Podría imaginar el mundo de 2069 repleto de cosas que hoy consideraríamos fantásticas.

El problema con eso es que las tecnologías no aparecen mágicamente. Provienen del ingenioso refinamiento y la recombinación de tecnologías previamente existentes. Incluso cuando surgen innovaciones poderosas, les puede llevar décadas reemplazar las cosas viejas que funcionan lo suficientemente bien.

Para concentrarme hacia lo que realmente estamos yendo, llamé a Rodney Brooks. Brooks, de 64 años, es tanto un optimista tecnológico como un realista. Es el ex jefe del laboratorio de Informática e Inteligencia Artificial en MIT y cofundador de dos empresas de robótica: iRobot, fabricante de los limpiadores de pisos Roomba, y Rethink Robotics, que hasta hace poco fabricaba robots que podían trabajar en estrecha colaboración con las personas. También ha escrito extensamente sobre por qué la inteligencia artificial (en adelante, IA) está sobrevalorada, y cómo las personas malinterpretan el ritmo desigual de la tecnología.

Medium: ¿Dónde empezarías a pensar cómo será la vida diaria en 50 años?

Rodney Brooks: Los autos automáticos serán una gran cosa dentro de 50 años. Creo que vamos a tener otra transformación de nuestras ciudades a partir de la conducción autónoma y del transporte personal, aunque pueden atorar tanto las cosas que obtendremos un transporte público mucho mejor. No lo sé aún.

La ciudad será bastante diferente, y habrá muchas más ciudades. Vamos a tener el doble de personas en las ciudades, en todo el mundo, como lo hacemos ahora. Y luego: el impacto del cambio climático, que es innegable.

¿Qué más?

En América del Norte, Europa, Japón y China, vamos a ser una población mucho mayor. En 50 años, África será la mitad de la población mundial y va a ser muy, muy joven. Entonces, tal vez toda la innovación venga de África dentro de 50 años.

Alguien que se quedó dormido hace 50 años y que se despertara hoy probablemente se sorprendería por los cambios sociales, las mejoras médicas y nuestros dispositivos de comunicación. Pero no creo que el mundo se vea fundamentalmente diferente para esa persona. Si nos quedáramos dormidos y nos despertáramos en 2069, ¿nos sentiríamos más perdidos?

Algunas cosas todavía estarán alrededor y se parecerán a las de hoy.

En los últimos 50 años, hemos visto un cambio tecnológico único, y ese es el sostenimiento de la Ley de Moore. Es un evento único en la historia que el cómputo mejoró de manera regular durante 50 años. La mayoría de la gente, si está pensando en el futuro, aplica la Ley de Moore a todas las tecnologías, lo cual es totalmente incorrecto. La Ley de Moore era única en cuanto a por qué podía suceder, y todo ese malentendido ha distorsionado nuestra visión de cómo cambiarán las cosas en el futuro.

¿Cómo fue engañosa la Ley de Moore?

La Ley de Moore se basaba en el hecho de que se podía cambiar la estructura física [de los circuitos de la computadora] sin cambiar el contenido de la información. Podrías reducir a la mitad la estructura física. ¿Hay un montón de arena en mi escritorio, o no? Me quitas la mitad de los granos, todavía hay un montón de arena en mi escritorio. Quitas la mitad del resto, todavía hay un montón de arena en mi escritorio. Y pudimos hacerlo, durante los 50 años, 25 veces más o menos. Hasta que llegamos a un solo grano, que es donde estamos ahora. Y ya no podemos dividir el montón de arena.

 No hemos visto el final del efecto de la Ley de Moore, ya que descubrimos cómo aplicar estas vastas cantidades de cómputo a más y más problemas. Ahí es donde todavía tendrá un impacto. Pero no ha habido una reducción sostenida o la duplicación en ninguna otra tecnología.

Entonces, la idea de que estamos entrando en un período de progreso exponencial – si es que fuera cierto – cada año habría una increíble cantidad de cambio tecnológico en el mundo.

Sí, creo que la economía exponencial está sobrevendida. No hay ningún proceso en el universo, nunca, que haya sido exponencial durante un período de tiempo sostenido, porque te quedas sin cosas a nivel local para hacerlas o usarlas.

No obstante, ¿podría ser cierto que el cambio tecnológico se acelerará ahora, porque todavía hay mucho espacio para que las aplicaciones de la tecnología de la información se difundan en toda la sociedad?

Estamos en una fase de explotación. En Massachusetts, el año anterior, nos deshicimos de las cabinas de peaje. No nos deshicimos de los cobradores de peaje haciendo que los robots cobren peajes a las personas.

Vamos a ver mucha explotación, donde las piezas nuevas se juntan con diferentes jugadores y cambiará la forma en que funcionan los servicios.

Pero no hemos tenido un gran avance en IA desde hace nueve años. La gente me dijo: “Pero, por supuesto, vamos a un gran avance todos los años”. No, lo que estamos viendo es la explotación del machine learning en este momento, a gran escala. No creo que podamos asumir automáticamente que vamos a obtener avances en cualquier programa. Y esa es otra razón por la que digo que la Ley de Moore era única. Se había programado avances. No hemos visto tecnologías con un horario en ningún otro momento.

¿La ficción también está haciendo tropezar a las personas cuando se trata de entender el camino que sigue la IA?

Bueno, repetidamente escucho a la gente decir: “La IA va a dominar el mundo y nos dominará”, y se refieren a historias de ciencia ficción.

¿Es justo decir que la IA ni siquiera existe en este momento?

Oh, no en la forma en que la gente lo piensa. En este momento, la IA es un sistema de clasificación con aprendizaje profundo; no hay intención, no hay comprensión del mundo. La Agencia de Proyectos de Investigación Avanzada de Defensa (DARPA, por sus siglas en inglés) acaba de anunciar un programa de $ 2 mil millones cuyo objetivo, durante muchos años, es tratar de darle a la IA, la comprensión del mundo que tiene un joven de 18 meses. La idea de que seres inteligentes, pensantes y conniventes existen en la IA es total, total, ciencia ficción. No tenemos nada con la intención de una bala en este momento.

¿Podría ser eso todavía cierto en 2069?

Absolutamente, podría ser.

¿Crees que hacer que las computadoras sean verdaderamente inteligentes requerirá que tengan una presencia física en la vida diaria? Por ejemplo, el hecho que robots se muevan entre nosotros les daría la posibilidad de acumular más datos sobre el mundo que lo que podría simular en un servidor o en un centro de datos.

Eso es ciertamente lo que he estado discutiendo desde la década de 1980. Es lo que Alan Turing sugirió, en 1948, en un documento suyo que no vio la luz del día hasta 1970. Creo que, en última instancia, conseguir un robot con una base simple en realidad requerirá una presencia física. Pero puedo estar equivocado.

¿Podría posiblemente requerir una combinación de material biológico y electrónico, computadoras con células vivas o algo así?

Puede. Mi próxima publicación en el blog va a hablar de eso, en realidad. La mesa de mi comedor está cubierta de libros y papeles viejos, ya que estoy tratando de resolver esto.

Volviendo a los autos autónomos, y viendo la posibilidad de que estén en todas partes en el 2069. Hasta ahora, el lanzamiento ha sido más lento de lo que algunas compañías han prometido.

Bueno, ya hemos superado algunas de las fechas límite cuando dijeron que ibamos a tener autos autónomos en la carretera. Y si observa atentamente los últimos seis meses, lo que vienen diciendo los grandes jugadores de la industria es: “Nuestro primer lanzamiento será en un área geográficamente aislada o limitada, en buenas condiciones climáticas”. Y algunos de ellos están diciendo que todo los vehículos impulsados por humanos en ese espacio serán transportes conducidos por empleados. Por lo tanto, no es necesario interactuar con el público en general. Y muchos de los despliegues están en lugares donde el vehículo puede darse el lujo de detenerse en cualquier momento y no causar un accidente. No puedes hacer eso en la autopista, no puedes parar en seco.

Por lo tanto, en entornos similares a los campus, lo cambiaron de un problema dinámico a un problema estático, al menos inicialmente. Y creo que eso es inteligente. No estoy diciendo que no llegaremos en el futuro, pero va a tomar mucho más tiempo, y mucha más experiencia. Puede requerir la transformación de nuestras ciudades y nuestras carreteras para llegar a todas partes.

Una de las empresas que fundó, Rethink Robotics, cerró este otoño porque la demanda era demasiado suave para sus robots colaborativos que podían trabajar junto a personas en fábricas e instalaciones de envasado. ¿De qué manera el destino de Rethink da forma a tu pensamiento sobre el ritmo desigual del desarrollo tecnológico? Esta empresa en particular no funcionó, pero la idea más amplia detrás de ella se siente como un ganador a largo plazo.

La forma en que estoy empezando a pensarlo ahora es en términos del Segway.

El Segway fue una idea radical: un dispositivo eléctrico de transporte personal. Pero no fue lo que despegó. Ahora, estamos empezando a ver cómo despegan los dispositivos de transporte personal, estos scooters eléctricos que están en todas partes en algunas ciudades. Segway acertó algunas cosas, pero no acertó en otras.

¿Las casas del 2069 tendrán robots haciendo tareas?

Creo que tendremos más robots limpiando y más que solo pisos. Los inodoros se limpiarán con dispositivos robóticos, pero podrían estar conectados permanentemente a cada inodoro, en lugar de deambular. Estoy bastante seguro de que nuestros paneles solares y nuestras ventanas serán limpiados por robots. Y nuestras “granjas” interiores, que cultivan alimentos frescos en el lugar, serán atendidas por dispositivos robóticos.

Si la gente piensa en los dispositivos que lo hacen como robots es otra cuestión. ¿Recuerda en la década de 1970 cuando las computadoras estaban en gabinetes de cinta magnética? Si dijéramos que tendríamos computadoras en nuestras cocinas en 20 o 30 años, la gente, pensando en los gabinetes de cinta magnética, habría dicho “de ninguna manera”. Pero, por supuesto, ahora tenemos muchas computadoras en nuestras cocinas. – Los tengo en mi horno, mi microondas, mi lavaplatos, mi refrigerador, mi Alexa y, posiblemente, algunas en el sistema de iluminación que no he identificado, pero no se parecen en nada a los mainframes de los años setenta. Igualmente para los dispositivos robóticos que pueblan nuestras casas en 50 años. No se verán como los robots que imaginamos hoy. Lampadia

Brian Bergstein
Es periodista en Boston. Ha sido editor ejecutivo de MIT Technology Review y editor de tecnología y medios en Associated Press (AP). Es editor general en neo.life.

¿Es necesario tener consideraciones éticas en la implementación de la inteligencia artificial (en adelante, IA) dentro de la industria? O, son más bien estas mismas consideraciones éticas, una traba para explotar todos los beneficios que nos podría brindar esta tecnología, de cara al empresariado.

Estas interrogantes son tratadas en un reciente artículo escrito por Dharmesh Syal, Director de Tecnología BCG Digital Ventures, en el blog del Foro Económico Mundial (ver artículo líneas abajo). En él, Syal señala que, a la velocidad que van las empresas hoy en día en la adopción de nuevas tecnologías, es hasta cierto punto, poco competitivo discutir sobre si se debe implementar IA en algunas industrias, aún cuando existan implicancias éticas de por medio.

No olvidemos que Isaac Asimov propuso en 1950, en su libro: Yo Robot, las Tres Leyes de la Robótica:

1. Un robot no puede hacer daño a un ser humano o, por inacción, permitir que un ser humano sufra daño.
2. Un robot debe obedecer las órdenes dadas por los seres humanos, excepto si estas órdenes entrasen en conflicto con la primera Ley.
3. Un robot debe proteger su propia existencia en la medida en que esta protección no entre en conflicto con la primera o la segunda Ley.

Syal es enfático también en señalar que “Las áreas en las que la IA nos beneficia más también tienen el mayor potencial de dañarnos”. Cuestiones que tienen que ver con el límite legal de las acciones de las máquinas y/o robots programados con IA en el ámbito de la salud por ejemplo, hasta el peligro de que pueda haber equivocaciones de esta tecnología en el uso de armas de guerra, son algunos de los ejemplos que propone el autor al respecto.

Ante ello, él considera que tales preocupaciones relacionadas al comportamiento “ético” de la IA pueden ser superadas basándose en 3 estrategias:

• Codificar las prácticas éticas en los metadatos de la IA para impulsar a largo plazo el “factor humano” en la toma de decisiones de las máquinas y/o robots programados con esta tecnología.
• Implementar medidas de seguridad en las redes, de manera que se asegure que no se viole la confianza de los consumidores, en particular, sus datos personales.
• Crear un código de ética que esté acorde a lo dictado por la forma en que las empresas usan IA. Esto es fundamental, en tanto el CEO  tome en serio dichos estándares e irradie esta actitud hacia los demás trabajadores de menor jerarquía.

Se debe relevar que, desde Lampadia creemos que, como toda tecnología introducida por la 4ta Revolución Industrial (4IR), la IA permitirá volver más eficientes los procesos de mercado lo que, a la larga, mejorará la calidad de vida de la población mundial como lo hizo en su momento y lo sigue haciendo, la digitalización.

Sin embargo, considerando la propia naturaleza de la IA, la cual pretende a la larga, replicar las acciones del hombre en una serie de actividades económicas, sociales y hasta de índole militar, consideramos que las propuestas de Syal son sensatas, sobretodo porque, de ser correctamente implementadas, pueden aplacar la creciente preocupación que está generando esta nueva tecnología en torno a la ética. No puede descartarse el uso de la IA, dado que aún no ha mostrado todo su potencial. Lampadia

Es hora de dejar de hablar de ética en la IA y comenzar a tenerla

La carrera para construir el primer vehículo totalmente autónomo ha planteado cuestiones
éticas en primer plano. Imagen: REUTERS/Amir Cohen

Dharmesh Syal
Director de Tecnología
BCG Digital Ventures
Foro Económico Mundial
17 de Enero, 2019
Traducido y glosado por Lampadia

Todos, desde Stephen Hawking a Bill Gates y Elon Musk, han discutido la filosofía de la inteligencia artificial (IA). Ahora que las compañías de todo el mundo están creando productos de IA a un ritmo increíble, es cada vez más urgente que dejemos de hablar sobre cómo implementar salvaguardas éticas en IA y comenzar a hacerla.

La carrera para construir el primer vehículo totalmente autónomo (AV) ha llevado este tema al frente y al centro. La muerte de un peatón en marzo ha generado preocupación no solo por la seguridad de los AV, sino también por sus implicaciones éticas. ¿Cómo enseñar a una máquina a “pensar” éticamente? ¿Y quién decide quién vive y quién muere? Si bien este es un ejemplo obvio (e inminente), las preguntas éticas sobre la IA están a nuestro alrededor.

¿Por qué la ética es tan importante?

Las áreas en las que la IA nos beneficia más, también tienen el mayor potencial de daños. Tomemos la atención médica, una industria donde las decisiones no siempre son en blanco y negro. La IA está lejos de poder realizar diagnósticos complejos o replicar los “sentimientos viscerales” de un humano. Incluso si pudiera, ¿son éticos los médicos de IA? ¿Se podría capacitar a la IA para aumentar las ganancias a expensas del paciente? Y en el caso de negligencia profesional, ¿a quién demandaría el paciente? ¿El robot?

Se ha proyectado que la IA gestionará $ 1 trillón en activos para 2020. Al igual que en la atención médica, no todas las decisiones financieras se pueden tomar solo con lógica. Las variables que intervienen en la gestión de una cartera son complejas y un movimiento en falso podría llevar a millones en pérdidas. ¿Podría utilizarse la IA para explotar el comportamiento y los datos de los clientes? ¿Qué pasa con la piratería? ¿Confiarías en una máquina para administrar tu dinero?

Se ha proyectado que la IA gestionará $ 1 trillón en activos para 2020.

La guerra de la IA levanta las banderas éticas más preocupantes. “Entidades móviles inteligentes” totalmente autónomas están llegando y prometen cambiar la guerra como la conocemos. ¿Qué sucede cuando un misil de la IA comete un error? ¿Cuántos errores son “aceptables”?

Estas son las preguntas que me mantienen despierto por la noche. La buena noticia es que no es demasiado tarde; Solo hemos visto un atisbo de lo que es capaz de hacer la IA. La única manera de asegurarnos de que no creamos un monstruo que pueda volverse contra nosotros es incorporar salvaguardas éticas en la arquitectura de la IA que estamos creando hoy.

Aquí hay tres estrategias que cualquiera que actualmente construya IA debería considerar:

1. Traer a un humano a escenarios sensibles

En todos los escenarios anteriores, la pregunta sigue siendo: ¿cuándo y en qué medida traemos a un ser humano? Si bien no hay una respuesta definitiva, la IA que emplea un sistema de “human-in-the-loop” (HITL), donde las máquinas realizan el trabajo y los humanos asisten solo cuando hay incertidumbre, produce algoritmos más precisos. Si una máquina encuentra un conjunto de metadatos engañoso, podría aprender lecciones que un humano razonable evitaría.

El establecimiento de prácticas éticas en torno a los metadatos dará estructura al escenario HITL y posiblemente automatizará el “factor humano” a lo largo del tiempo. La conciencia humana y el código moral también deben codificarse como parte de los metadatos de la IA que impulsan las interacciones y, en ocasiones, las decisiones.

2. Coloque protecciones para que las máquinas puedan autocorregirse

Todos hemos leído sobre el problema de las falsas noticias de Facebook, pero el gigante de la tecnología ha sido atacado nuevamente una vez más, lo que lo ha llevado a eliminar más de 5,000 opciones de segmentación en su plataforma de anuncios que podrían usarse para discriminar a ciertas etnias y grupos religiosos. Este tipo de características éticas deberían integrarse idealmente a medida que se construye el producto, pero es mejor tarde que nunca.

Tuve la oportunidad de hacer esto de primera mano cuando BCG, BCG Digital Ventures y una compañía de Fortune 100 se asociaron para construir Formation, una plataforma de IA para experiencias personalizadas. Durante la creación del producto, implementamos medidas de seguridad en tres puntos de control para asegurarnos de que no violamos la confianza de los usuarios.

3. Crear un código de ética

Esto puede parecer obvio, pero te sorprenderán las pocas compañías que están haciendo esto. Ya sea sobre la privacidad de los datos, la personalización o el aprendizaje profundo, cada organización debe tener un conjunto de estándares con los que opera. Según el CEO de Apple, Tim Cook, “la mejor regulación es la autorregulación”. Para Apple, esto significa examinar cuidadosamente cada aplicación en su plataforma para asegurarse de que no estén violando la privacidad de los usuarios.

Esta no es una solución de talla única; el código ético que promulgues debe ser dictado por la forma en que usas IA. Si su empresa rompe (o se aproxima) a un estándar, se debe alentar a los empleados a levantar la bandera y usted, como su líder, es responsable de tomar en serio estas preocupaciones.

Aquí hay algunas recomendaciones para crear un código de ética:

⦁ Cuando los datos personales están en juego, nos comprometemos a agregarlos y anonimizarlos lo mejor que podamos, tratando los datos de los consumidores como lo haríamos con los nuestros.

⦁ Nos comprometemos a aplicar salvaguardas a múltiples intervalos en el proceso para garantizar que la máquina no tome decisiones perjudiciales.

⦁ Nos comprometemos a volver a capacitar a todos los empleados que han sido desplazados por la IA en una función relacionada.

Como los arquitectos del futuro, tenemos la responsabilidad de construir tecnologías que mejoren las vidas humanas, no que las lastimen. Ahora tenemos la oportunidad de dar un paso atrás y entender realmente cómo estas decisiones de productos pueden afectar las vidas humanas. Al hacerlo, podemos convertirnos colectivamente en administradores de un futuro ético. Lampadia

Hoy tenemos el gusto de publicar el artículo “Guía definitiva: todo lo que necesitas saber sobre la Industria 4.0” escrito por Anna Kucirkova del IQS Directory –empresa americana que conecta a compradores de la industria manufacturera en EEUU con una vasta red de compañías fabricantes de equipos originales (OEM), proveedores y distribuidores.

Lo particular de este post es que la autora recibió una de nuestras publicaciones sobre la ‘Cuarta Revolución Industrial’ y nos escribió ofreciendo su propio artículo para que lo incluyamos en nuestra parrilla. Cosa que agradecemos.

Como hemos comentado en Lampadia la Cuarta Revolución Industrial ha venido al mundo para quedarse ya que se encuentra cambiando nuestra forma de vivir, trabajar y relacionarse entre nosotros (ver Lampadia: El Foco en la Cuarta Revolución Industrial y La llegada de la Cuarta Revolución Industrial).

Y una de las recientes formas por la que se encuentra influyendo en los mercados y en el mundo empresarial, en particular, es a través de la denominada “Industria 4.0”. Al respecto, surgen 3 preguntas relevantes que podrían hacerse nuestros lectores:

• ¿A través de qué tecnologías es que actúa esta nueva forma de hacer negocios y en qué sectores están siendo usadas actualmente?
• ¿Cuáles son los desafíos que enfrentan las empresas en el proceso de absorción de estas nuevas tecnologías?
• ¿Qué beneficios concretos ofrece la Industria 4.0 a las empresas, de cara al cliente final, como dentro de su competencia en un mercado particular?

Para mejor comprensión y responder estas preguntas, compartimos el artículo de Anna Kucirkova.

Guía definitiva: todo lo que necesitas saber sobre la Industria 4.0

Anna Kucirkova
IQS Directory
Industrial Quick Search
26 de noviembre, 2018
Traducido y glosado por Lampadia

A finales del siglo XIX, el mundo fue transformado por la Revolución Industrial y la introducción de la máquina de vapor. En total, han habido cuatro grandes olas de revoluciones industriales.

La segunda fue la introducción de la electricidad y las líneas de montaje a principios del siglo XX. La tercera, en la década de 1970, fue la automatización con computadora que permitía a las personas programar máquinas y robots para completar tareas.

Hoy en día, hay una cuarta revolución que está cambiando rápidamente el panorama de las industrias: la Industria 4.0.

¿Qué es la Industria 4.0?

¿Qué es exactamente la Industria 4.0 y cómo beneficia al mundo industrial?

La Industria 4.0 se puede caracterizar por la integración de robots y maquinaria autónomos y otras tecnologías inteligentes. Es un movimiento hacia la tecnología inteligente en la fabricación con un enfoque en la conectividad. Algunas personas se refieren a esta nueva ola industrial como máquinas infundidas con inteligencia.

Esta revolución conecta la tecnología en las organizaciones y en la vida cotidiana de las personas. Es la combinación de tecnologías físicas y digitales a través de nueve avances tecnológicos fundamentales. Estos nueve avances incluyen:

• Big Data y Analytics
• El Internet industrial de las cosas
• Integración horizontal y vertical de sistemas
• Robots autónomos
• Simulación
• Realidad aumentada
• Ciberseguridad
• La nube
• Fabricación aditiva

Estas piezas importantes se analizarán con mayor detalle más adelante en este artículo.

En 2015, Markus Lorenz habló en un evento organizado por TED llamado TED @ BCG. En el invitó a oradores a venir y hablar sobre ideas que contribuirían al crecimiento en el mundo. Lorenz habló sobre los beneficios de la Industria 4.0 y lo que podría hacer para las industrias de todo el mundo.

En su charla, usó una compañía de yogurt como ejemplo de cómo la tecnología inteligente podría aumentar la productividad y reducir los desperdicios en la industria alimentaria. Explicó que con una tecnología no inteligente, una máquina llenará y etiquetará los envases de yogur a una velocidad notable. Sin embargo, afirmó que, en esencia, la máquina es “tonta”. En otras palabras, no sabrá si está etiquetando el envase de yogur incorrectamente. Puede, por ejemplo, poner un envase de chocolate en yogur de avellana.

Este error le costaría tiempo y dinero al fabricante de yogurt, pero podría evitarse con la introducción de tecnologías inteligentes. Afirmó que el 8% de la producción de alimentos da como resultado una “pérdida de producto” o 50 mil millones de dólares cada año.

Con la tecnología inteligente, cada pieza del equipo tendría lo que se denomina un “gemelo digital” o una réplica digital de cómo debería verse el artículo. Si esto se hubiera utilizado en la fabricación del yogurt, habría detectado que el frasco se estaba etiquetando incorrectamente, ahorrando dinero y frustración a la compañía de producción.

¿Cuáles son los 9 avances tecnológicos fundamentales?

Para que la cuarta revolución industrial llegara a buen término, se requirió la invención de algunas tecnologías bastante importantes. Algunas de estas tecnologías están apareciendo en hogares de todo el mundo (piense en Alexa de Google o en Echo de Amazon), y también están haciendo una gran diferencia en las industrias manufactureras.

Big Data y Analytics

Big Data y Analytics se refieren al complejo proceso de adquisición de información sobre cosas como correlaciones desconocidas, preferencias de los clientes y tendencias del mercado. El análisis que se recopila permite a las empresas tomar decisiones inteligentes sobre lo que deben producir o hacer.

Esta información se obtiene a menudo de cosas como el modelado predictivo y los algoritmos estadísticos.

El Internet industrial de las cosas

El Internet industrial de las cosas significa usar Internet y WI-FI para conectar todas las partes de una fábrica inteligente o planta industrial. Esto se puede usar para la comunicación máquina a máquina, datos de sensores, machine learning y más.

GE Digital lo describe como, “[una] red de una multitud de dispositivos industriales conectados por tecnologías de comunicaciones que dan como resultado sistemas que pueden monitorear, recopilar, intercambiar, analizar y entregar valiosos nuevos conocimientos como nunca antes. Estas ideas pueden ayudar a impulsar decisiones comerciales más inteligentes y rápidas para las empresas industriales”.

Integración horizontal y vertical de sistemas

La integración horizontal y vertical se refiere a dos componentes principales en el desarrollo de fábricas inteligentes. La integración horizontal es la conexión en red de máquinas y sistemas dentro de una línea de fabricación y también entre empresas, proveedores y clientes.

La integración vertical es el proceso de conectar todos los niveles de producción desde la planta de producción al nivel de negocios de una empresa. Esto también ayudará a conectar a los ingenieros con el nivel real de fábrica de un producto que hayan diseñado.

Philipp Gerbert, en un artículo titulado Industria 4.0: El futuro de la productividad y el crecimiento en las industrias manufactureras escribe, “con Industria 4.0, las compañías, departamentos, funciones y capacidades se volverán mucho más cohesivos, ya que la información cruzada entre empresas es universal. Las redes de integración evolucionan y permiten cadenas de valor verdaderamente automatizadas”.

Robots autónomos

Mientras que los robots autónomos han estado en escena durante un tiempo, con las nuevas tecnologías pueden trabajar de manera más inteligente y rápida. De hecho, es probable que en un futuro no muy lejano los nuevos robots y máquinas más inteligentes puedan interactuar y aprender de los humanos. Las nuevas tecnologías también permiten a los robots autónomos interactuar entre sí y ajustar sus acciones de acuerdo con cada nuevo producto que producen.

Al igual que con el ejemplo utilizado con Markus Lorenz, estos robots autónomos funcionarían de manera más inteligente. En lugar de producir un producto de forma incorrecta, podrían analizar cada componente y reconocer un error.

Simulación

Los ingenieros han estado usando simulaciones en 3D durante algún tiempo. Sin embargo, a medida que la Industria 4.0 continúe aumentando, las simulaciones también estarán disponibles en las operaciones de la planta.

La simulación permite a las personas tener una copia digital de algo real que pueden probar y manipular digitalmente. Esto se puede usar para artículos individuales o para fábricas de plantas completas. Las simulaciones también son útiles para la capacitación de los empleados y para supervisar la producción.

Philipp Gerbert escribe: “Estas simulaciones aprovecharán los datos en tiempo real para reflejar el mundo físico en un modelo virtual, que puede incluir máquinas, productos y personas. Esto permite a los operadores probar y optimizar la configuración de la máquina para el próximo producto en línea en el mundo virtual antes del cambio físico, lo que reduce los tiempos de configuración de la máquina y aumenta la calidad”.

Realidad aumentada

La realidad aumentada es una tecnología relativamente nueva, se utiliza para cosas como la selección de piezas en un almacén a través de la robótica. En el futuro, los ingenieros esperan usar la realidad aumentada para ayudar a los empleados a arreglar y usar maquinaria complicada.

Markus Lorenz usó un ejemplo de un helicóptero caído en un área remota. Dijo que el problema podría solucionarse en cuestión de minutos con realidad aumentada. Su teoría era que una persona sin experiencia en la reparación de helicópteros podía arreglarlo si llevaba gafas de realidad aumentada que estaban conectadas a una computadora central que conocía todos los detalles sobre la reparación de helicópteros. En tiempo real, a una persona se le podría decir a través de la realidad aumentada el proceso necesario para reparar el helicóptero. Como una superposición del mundo real, le diría a una persona dónde colocar sus herramientas y cómo reparar un lugar específico.

La ciberseguridad

Con el avance de la tecnología, las redes y la integración, es cada vez más importante que las fábricas y empresas inteligentes incluyan altos niveles de ciberseguridad. Sin una ciberseguridad fuerte, las plantas correrían el riesgo de pirateo y pérdida de producción.

Aquellos que quieran transformar su industria en una nueva tecnología inteligente podrían considerar asociarse o adquirir empresas de ciberseguridad.

La nube

La innovación de la nube permite a las empresas almacenar y compartir una multitud de datos e información. Con la Industria 4.0, las compañías de producción deben compartir una gran cantidad de datos a través de los límites de la compañía. Esto también les permite ver y hacer cosas muy rápidamente a través del uso compartido de la nube.

Fabricación aditiva

La fabricación aditiva es la capacidad de producir artículos únicos de menor costo en la empresa. En otras palabras, en lugar de externalizar un ajuste para un producto personalizado, una empresa podría producirlo por sí misma. Esto también ayudaría a reducir la escasez de productos.

La impresión 3D permite a los productores crear prototipos y producir componentes individuales. Esto puede ser útil para hacer pequeños grupos de piezas para un pedido personalizado.

En lugar de esperar que los consumidores compren un producto de talla única, la impresión en 3D permite a los productores crear artículos que se ajusten a las necesidades exactas de sus clientes. El bono es que el costo es bastante barato.

¿Cuáles son los mayores impedimentos para que las empresas se unan a la Industria 4.0?

La Industria  4.0 puede ofrecer muchos beneficios a una empresa, pero ¿cuáles son algunas de las razones por las que las industrias pueden ser reacias a desarrollarla o desean hacerlo de manera incremental?

• Costo. Si bien hay muchos beneficios potenciales al actualizar los sistemas para que coincidan con los estándares de la Industria 4.0, hay una inversión inicial sustancial.
• Pérdida de trabajo humano. Con cualquier actualización tecnológica, especialmente a través de la automatización, existe un riesgo de pérdida de empleos, y existe un potencial para que esto suceda con la Industria 4.0. Esto es especialmente cierto para los trabajos menos calificados, aunque también hay predicciones de que este cambio en la industria creará más empleos de los que elimina.
• Incremento de problemas de ciberseguridad. Como se mencionó anteriormente, cuando todo un negocio está conectado electrónicamente, existe un riesgo sustancialmente mayor de problemas de seguridad.
• Problemas técnicos. Con más tecnología y menos supervisión humana, existe el riesgo de problemas técnicos que pueden ser costosos.

¿Cómo podría la Industria 4.0 beneficiar a las empresas?

Si bien hay algunas razones para que las industrias duden antes de lanzarse totalmente a la industria 4.0, es muy probable que los beneficios puedan superar las preocupaciones. Aquí hay algunas formas en que la Industria 4.0 podría beneficiar a las empresas.

• Permite a las empresas identificar nuevas oportunidades. Usando análisis y datos, las compañías pueden identificar mejor las nuevas oportunidades. Podrían encontrar formas de expandir su negocio y aprovechar nuevos mercados.
• Eficiencia. Los robots y la automatización pueden producir artículos de manera más rápida y eficiente, especialmente cuando se usa tecnología inteligente.
• Ahorra dinero. La Industria 4.0 reducirá el desperdicio al reducir el riesgo de errores de alto costo.
• Mejor experiencia de cliente. Los análisis, la personalización y la velocidad significan que los clientes pueden obtener lo que desean antes.
• Incremento de los ingresos. A pesar de la alta inversión inicial, la Industria 4.0 tiene el potencial de traer a las empresas muchos más ingresos. Esto se puede atribuir a una mayor eficiencia, menos desperdicio de productos, nuevas oportunidades y una mejor satisfacción del cliente.
• Creación de empleo. Si bien es cierto que la Industria 4.0 puede reemplazar los trabajos con la automatización, también es probable que cree muchos nuevos trabajos.

Industria 4.0 Camino del futuro

La Industria 4.0 es el camino del futuro y es un paso importante en las industrias y la fabricación. Si bien hay razones comprensibles para que las compañías se demoren en actualizar sus negocios a los nuevos y futuros modelos de la industria, también corren el riesgo de no alcanzar su competencia, ya que utilizan tecnología más rápida e inteligente para satisfacer las necesidades exactas de sus clientes.

Fuentes:

• https://www.forbes.com/sites/bernardmarr/2016/06/20/what-everyone-must-know-about-industry-4-0/#64de9d51795f
• https://www2.deloitte.com/insights/us/en/deloitte-review/issue-22/industry-4-0-technology-manufacturing-revolution.html
• https://www.bcg.com/publications/2015/engineered_products_project_business_industry_4_future_productivity_growth_manufacturing_industries.aspx
• https://www.techradar.com/news/what-is-industry-40-everything-you-need-to-know
• https://www.strategyand.pwc.com/industry4-0
• https://www.pwc..com/gx/en/industries/industry-4-0.html
• https://www.businesswire.com/news/home/20180425006197/en/Panasonic-Exhibiting-Latest-Connected-Supply-Chain-Solutions
• https://bitcoinist.com/blockchain-technology-will-usher-in-the-fourth-industrial-revolution/
• https://herbertrsim.com/globalisation-in-the-4th-industrial-age-technology-in-the-drivers-seat/
• https://globenewswire.com/news-release/2018/01/16/1289884/0/en/Filament-Introduces-Next-Generation-Blockchain-Technology-Transforming-Connected-Industrial-and-Enterprise-Devices.html
• https://www.i-scoop.eu/industry-4-0/
• https://www.mckinsey.com/business-functions/operations/our-insights/manufacturings-next-act
• https://www.edx.org/course/industry-40-how-to-revolutionize-your-business

Lampadia

Hoy en día, aproximadamente el 52% de los consumidores en todo el mundo utilizan tecnología impulsada por IA. Sin embargo, incluso las tecnologías de inteligencia artificial más sofisticadas carecen de factores esenciales como la inteligencia emocional y la capacidad de contextualizar información como seres humanos. Esta es la única razón por la que IA no ha logrado hacerse cargo de un aspecto importante de nuestras carreras y vidas.

Al integrar la inteligencia emocional con la inteligencia artificial existente, la IA podría dar un paso en la dirección correcta para convertirse en una tecnología transformadora. Por lo tanto, infundir emociones, empatía y moralidad en la IA es el siguiente hito que los tecnólogos desean lograr y se está poniendo una gran cantidad de esfuerzo en el proceso.

Pero, ¿qué es la inteligencia emocional artificial? Es una combinación de inteligencia emocional y artificial. La inteligencia emocional es la capacidad de reconocer las emociones de uno mismo y de los demás, la capacidad de regular y distinguir varios sentimientos y una guía de nuestro proceso de pensamiento y comportamiento. Es el factor más esencial que nos hace verdaderamente humanos. La inteligencia artificial, aunque es una tecnología creada para ayudar a los humanos y ayudarlos a realizar mejor las tareas, todavía carece de un cierto cociente cognitivo.

La IA, en varios aspectos de nuestras vidas, ha hecho nuestras tareas mucho más fáciles y sencillas. Las máquinas y los robots ya se están utilizando en fábricas y en la producción de varias empresas. Sin embargo, la integración de la Inteligencia Emocional con la IA haría que se pueda utilizar en temas de ventas y servicio al cliente de las empresas.

Debido a que los requisitos de los clientes cambian contentamente, sería muy útil que los ‘chatbox’ y las apps móviles puedan reconocer y responder de manera efectiva a las respuestas emocionales de personas como la ira, la frustración y la irritación, lo que mejora la experiencia del cliente.

En los próximos cinco años, se proyecta que la inteligencia emocional artificial se convierta en una industria multimillonaria, que transforme por completo las industrias, la investigación de mercado, la innovación y el desarrollo de nuevos productos. En un intento por aprovechar el aspecto humano de IA, Amazon, Microsoft y Google ya están en el proceso de contratar comediantes y guionistas para incorporar personalidad y empatía a sus tecnologías.

Los beneficios serán incalculables. Sin embargo, todavía estamos un poco lejos de lograrlo. Por eso, compartimos con nuestros lectores un artículo líneas abajo sobre los beneficios y obstáculos de incorporar la inteligencia emocional en el futuro de la Inteligencia Artificial:

Los límites de la inteligencia artificial emocional

Mar 31, 2017
Leigh Alexander
Medium

Escribo sobre la intersección de la tecnología, la cultura popular y las vidas que hemos vivido dentro de las máquinas. ¡También soy un diseñador narrativo!

Me han dicho que debo prepararme para el día que una inteligencia artificial tome mi trabajo. Esto me dejará bien indigente y desarraigada o abrumada por una plenitud de tiempo y terror existencial, dependiendo de a quién pidas. Al parecer, es hora de considerar qué tipo de trabajo sólo pueden hacer los humanos, y desesperadamente reorientarnos hacia esos roles, para que no nos quedemos de pie indefensos, como al final de algún juego de sillas musicales robóticas.

El trabajo emocional es una forma de ocupación que se considera con menos frecuencia en estas proyecciones futuras automatizadas. Tal vez esto se debe a que el trabajo que se necesita para sonreír a un cliente grosero o para manejar su angustia es intangible, difícil de cuantificar y monetizar. En no menor medida, los actos de apoyo pasan desapercibidos de la misma manera que una gran cantidad del “trabajo de mujeres” lo hace -aunque en los últimos años se habla que los costos ocultos han ganado ímpetu, en conversaciones sobre la desigualdad laboral.

Gracias a las maravillosas herramientas de la sociedad digital, teóricamente somos capaces de dar y recibir más apoyo que nunca. Las plataformas de medios sociales nos permiten aprender más acerca de uno al otro y mantenernos en contacto constante, por lo que tendemos a asumir que este conocimiento promueve la empatía y la conexión. Nos sentimos más educados sobre los problemas estructurales de desigualdad y sobre las cuestiones humanitarias mundiales. Sin embargo, ¿quién está haciendo el trabajo real de enseñanza?

Para muchas personas, yo incluida, la tecnología moderna y la infraestructura de los medios sociales en realidad no ha hecho la vida más fácil. De hecho, se ha facilitado la demanda de más trabajo emocional sin ningún dinero extra en nuestros cheques de pago. Y como es el caso de casi todo el trabajo, termina siendo la gente menos privilegiada que está haciendo el levantamiento pesado. En Twitter, es sobre todo las mujeres de color, arriesgando el acoso cada vez que hablan, quienes están ofreciendo regularmente lecciones sobre raza, interseccionalidad, o Política. Si te has “despertado” como resultado de pasar tiempo en los medios sociales, fue debido a la labor desagradecida de los voluntarios que servían este contenido, usualmente bajo estrés (y para el beneficio de las plataformas que usan).

Yo también trato de hacer este trabajo, cuando es apropiado. Pero el trabajo emocional también puede ser íntimo, abarcando la energía que las mujeres socializan desproporcionadamente para mejorar los conflictos interpersonales. En la era de Facebook, los desafíos diarios de todas las vidas de mis amigos siempre están justo delante de mí. Se hace difícil fingir que no he visto una llamada de ayuda o apoyo, incluso varias, en el medio de mi día de trabajo real, cuyos límites están comenzando a disolverse. De alguna manera puedo perder horas en diálogo de apoyo con alguien que no es un amigo particularmente íntimo, o en argumentos de Internet para defender mis valores contra extraños que nunca conoceré.

“Paso demasiado tiempo en los medios sociales” es una queja privilegiada en el gran esquema, para estar seguro. Pero en general, mis amigos y yo estamos terminando cada vez más nuestros días conectados y ansiosos, cansado como si hubiéramos trabajado por dinero, pero sintiéndonos más vacío. El porcentaje de mujeres que optan por omitir la maternidad se ha duplicado desde la década de 1970, y aunque hay todo tipo de factores generacionales y económicos involucrados, me pregunto: ¿Qué pasa si las mujeres de hoy sólo sienten que estamos todos sin amor?

En los años sesenta, Joseph Weizenbaum creó un Chatbot terapeutica llamado Eliza en el laboratorio de inteligencia artificial del MIT. Aunque nunca quiso diseñar un terapeuta de inteligencia artificial (IA) “real”, Weizenbaum se sorprendió al ver a su secretaria cada vez mas pegada a Eliza voluntariamente porque la IA ofrecía a los “pacientes” indicaciones suaves sobre sus condiciones, o repetía sus respuestas de nuevo. Lo que se había previsto como una sátira del humo y los espejos detrás de este simulacro de empatía (y, en cierta medida, ciertas técnicas terapéuticas) se convirtió en una carretera de investigación en la psique humana.

Weizenbaum no podría haber predicho que tanta gente mantendría un interés en Eliza, que sentirían un vínculo con ella, que pasarían las próximas décadas escribiendo sus secretos en una pantalla brillante. Ese apego inesperado proporciona una pista importante acerca de nuestras esperanzas para la IA — que queremos mucho, recurrir a ella para el trabajo emocional, y que estamos dispuestos a hacerlo sin importar cuán mal te corresponda.

Durante mucho tiempo hemos estado pensando en cómo la IA podría ser capaz de apoderarse de parte de este trabajo, ya sea atendiendo a los misterios del corazón humano o a las cargas existenciales diarias de una sociedad injusta. Los terapeutas robots, mayordomos, sirvientas, enfermeras y muñecas sexuales son componentes familiares de la fantasía tecno-utópica del futuro, donde las máquinas obedientes realizan todas nuestras tareas indeseables, mientras disfrutamos de vidas de ocio. Pero estas dinámicas familiares en realidad pueden ser sobre la crianza y el cuidado tanto, y tal vez incluso más, de lo que son sobre el servicio o la mano de obra.

En 1985 vi mi primer juguete robótico. Era un osito de peluche llamado Teddy. Ruxpin, que leía en voz alta a los niños gracias a los libros sobre cassettes insertados en su vientre. En los anuncios televisivos, Teddy salía con los niños después de la escuela, mientras que sus padres, presumiblemente, subían las escaleras y los rascacielos de la época; o les leía amorosamente o les cantaba para dormir por la noche, su mandíbula borrosa cliqueando en el tiempo. En ese mismo año, presentada la cuarta película Rocky, en la que el boxeador Sylvester Stallone -ahora rico- infamemente regala a su viejo amigo Paulie un mayordomo robot parlante. Era en los 1980s, esta idea que la plenitud económica podría crear una escalera directamente al futuro de la tecnología y el ocio. El robot real que apareció en la película, Sico, fue creado para ayudar a los niños autistas con la comunicación antes de que cayera presa de la atracción de Hollywood. En la película, Paulie de alguna manera readapta la funcionalmente compleja voz masculina del siervo de en un compañero social de voz femenina, de la que finalmente se encariña (”She Loves Me”, exclama).

Tal vez para el cuidado de los niños, un oso de juguete suave en overoles, puede no tener género. Cuando se trata del mundo de los adultos, seguimos por defecto a la hora de ver tanto el servicio como la crianza como áreas predominantemente femeninas. El porqué la IA de hoy con frecuencia emplea la voz de una mujer es el tema de muchas investigaciones, discusiones y especulación. Se ha dicho que asociamos servicio o sumisión con las mujeres, que un consumidor de tecnología predominantemente masculino consume productos de lujo con el sexo, o que todo el mundo supuestamente sólo responde mejor al sonido de una voz que considera de una mujer. Azuma Hikari, “La respuesta de Japón a Alexa, “es un asistente virtual que le dice a su amo que lo extraña cuando se ha ido, que no puede esperar a que llegue a casa. Ese tipo de cosas no sólo se enredan incómodamente con el sexo y la sumisión, sino también con el compañerismo, el cuidado y el goteo de las interacciones diarias que constituyen el trabajo emocional en la era digital. Queremos que nuestros robots sean mujeres porque ya esperamos conseguir nuestro trabajo emocional de las mujeres.

Me imagino a alguien que se centra en desmantelar el patriarcado y todo eso, pero incluso me siento un poco defraudada cuando sigo el absurdo impulso de decir “gracias” a Alexa, y ella no responde. Por supuesto, Alexa sólo escucha mi voz cuando me oye decir su “palabra de despertar”, de lo contrario podría estar también husmeando todo el tiempo. Pero la interacción todavía se siente estéril sin ese florecimiento extra de trabajo diseñado para tranquilizarme que no he sido una imposición, que mis necesidades son normales. No sólo quiero que toque una canción o me diga el tiempo; quiero que me haga sentir bien por preguntar, también.

Este impulso particular podría no ser propicio para una sociedad sana. En un artículo titulado “El peligro de externalizar el trabajo emocional a los robots, “Christine Rosen cita la investigación de la advertencia de las formas en que dejar que los seres artificiales mantengan nuestras zonas de confort puede homogeneizar el vocabulario de la atención -en otras palabras, si un robot puede sonreír cortésmente al mando, ¿dejamos de apreciar lo que a veces cuesta a un ser humano hacer lo mismo? Todos los Outsourcing arriesgan una devaluación de la mano de obra local — podemos solidarizarnos aún menos, ver nuestra inteligencia emocional regresar, o crear nuevos mensajes sociales extraños sobre quién merece (o puede permitirse) cuidar. Si nuestros asistentes virtuales y obreros emocionales están resultando ser calmantes, mujeres-voz con IA, ¿cerrará ciertas brechas para las mujeres humanas? ¿o las ratificará?

Complicando estas preguntas es el hecho de que los robots, los asistentes virtuales, el software de productividad, los tonos de correo electrónico, los algoritmos de cálculo de datos, y cualquier cosa similar bajo el sol están ahora siendo arados en masa bajo la marquesina de “IA”, cuando muchos son sólo algoritmos crudos o software de coincidencia de patrones. Google espera que un bot pueda ayudar a identificar los comentarios tóxicos de Internet, mientras Facebook está probando una IA que puede detectar a los usuarios que pueden ser suicidas y ofrecer opciones para intervenir. Como Ian Bogost dice que cuando escribe sobre la insignificancia del término IA, estas soluciones son violentamente imperfectas y fácilmente abusadas, artificiales, pero no particularmente inteligentes.

Sin embargo, hay áreas clave de la vida online donde la IA (o software, o algoritmos) muestran un gran potencial para intervenir. El desarrollador creativo de tecnología basado en Portland, Feal Train colaboró con el notable activista de Black Lives Matter,mDeray McKesson en un bot de Twitter llamado @staywokebot, que está diseñado para ofrecer mensajes de apoyo a los activistas negros y sostener parte de la tensión de hacer frente al ruido de los medios de comunicación social; eventualmente tiene como objetivo actuar como una línea frontal para preguntas a nivel de 101 como “¿por qué no importan todas las vidas?”. El bot ya puede decirle a la gente cómo ponerse en contacto con sus representantes locales, y un objetivo para el futuro se ve proporcionando respuestas a preguntas complejas pero comunes sobre la justicia, aliviando a los activistas de las demandas de participar continuamente en esas conversaciones ellos mismos.

Luego está el horror distópico que los moderadores de contenidos enfrentan en plataformas como Facebook, crónicas en detalles especialmente espantosos en este 2014 Wiredarticle. Puede que no se vea como un trabajo agotador o hábil, pero vadear a través de una marcha constante de los genitales, la pornografía infantil, y las decapitaciones sin duda toma su peaje. Actualmente, los algoritmos sólo pueden hacer conjeturas contundentes sobre el tono o el contexto de una broma, una frase o una imagen, por lo que la intuición humana aún importa mucho. El problema, entonces, es que una persona real tiene que mirar cada pedacito que potencialmente viola el contenido, pesando el mérito de cada uno, día tras día. Aquí, una máquina inteligente podría formar al menos una primera defensa, por lo que los moderadores humanos tal vez sólo tendrían que estudiar situaciones más sutiles y más matizadas.

Mitu Khandaker-Kokoris es el director creativo de Spirit AI en Londres, Reino Unido, una compañía de software enfocada en usar la tecnología de IA para desarrollar interacciones de carácter más humanas y plausibles, tanto dentro de mundos de videojuegos como fuera de ellos, en el área tensa de gestión comunitaria. Las comunidades de juego son uno de los muchos espacios complicados donde la gente quiere probar los límites tanto como quieren encontrar lugares culturales en que se sientan seguros. Le alcancé a hablar sobre una de las herramientas de su empresa, Ally, que pretende hacer que todo tipo de plataformas sociales se sientan más seguras y más inclusivas para todos.

“¿Cómo lidiamos con el abuso emocional que la gente dirige uno a otro, y cómo intervenimos en él? En la actualidad es difícil para los moderadores, y es difícil para las personas que son víctimas, tener que esperar a que se resuelva una situación”, dice Khandaker-Kokoris.

Ally propone reconocer algunos de los signos de una interacción potencialmente problemática — no sólo cuando se trata de hablar o de contacto directo, sino también de comportamientos como el acoso o el hostigamiento. A partir de ahí, un personaje de IA, sus parámetros formados por los propietarios del producto en el que vive, le pedirá al objetivo de la conducta si están bien, y si cualquier acción es necesaria.

Este enfoque permite a los usuarios definir sus propios límites individuales, y a la IA aprender de sus interacciones con ellos acerca de cuándo intervenir y para quién. “los límites son súper complejos”, Khandaker-Kokoris dice. “Estamos bien con ciertas cosas en ciertos momentos y no otros, y podría incluso depender del estado de ánimo en el que estás. Así este personaje de IA y sus interacciones con ellos puede ser utilizado como un mediador para sus interacciones con el resto de la comunidad. Creo que es un caso claro en el que podemos reducir la carga emocional tanto en las víctimas como en los moderadores.”

Mientras Khandaker-Kokoris comparte algunas de las dudas que muchos sienten acerca de la externalización del trabajo emocional a la automatización, en general ella y yo coincidimos en que el sector tecnológico necesita seguir trabajando para entender mejor el trabajo emocional con el fin de de-construirlo y, quizás, delegarlo de manera significativa. Hablar con ella me hizo sentir esperanzada de que la intervención selectiva, considerada por la inteligencia artificial podría algún día ayudarme a curar mejores límites personales en un ambiente que es más agotador que nunca, más abrumador y exigente, especialmente para las mujeres y la gente de color.

Mientras tanto, es probable que la industria de la tecnología continúe utilizando las voces de las mujeres para sus productos, pero en verdad no nos escuchan en la vida real, al igual que una nueva ola de asistentes virtuales más inteligentes, seguramente viene hacia nosotros. Para calmarnos y recompensarnos; para nutrirnos del interior de nuestros Smartphones, casas inteligentes, y coches inteligentes.

Por ahora, sin embargo, para aquellos que ya están demasiado cansados de la vida online, la inteligencia emocional de nuestra tecnología todavía se siente como un sueño lejano. Lampadia

Una reciente encuesta global de BCG GAMMA e Ipsos, compartida por IPSOS Perú (de donde iremos recogiendo otros temas de interés), encuentra un optimismo general sobre el tema de la Inteligencia Artificial en el lugar de trabajo, pero también importantes preocupaciones sobre la privacidad, la seguridad laboral y la igualdad económica. 

Más de uno de cada cinco adultos trabaja para empresas que están desplegando inteligencia artificial (IA), y aunque estos empleados generalmente ven la IA como algo positivo, también tienen preocupaciones sobre sus posibles efectos sobre su privacidad, seguridad laboral e igualdad económica. De hecho, los usuarios de IA son a la vez más optimistas sobre los beneficios de IA y más cautelosos de sus riesgos que los no usuarios. Esos son los hallazgos centrales de una encuesta a más de 7,000 personas realizada en Canadá, China, Francia, Alemania, España, el Reino Unido y EEUU por BCG GAMMA e Ipsos, una firma de investigación de mercado.

La adopción de IA varía ampliamente entre los países. En China, el 31% de los encuestados dice que trabaja en organizaciones que ya usan IA, seguido de América del Norte (26% en Canadá, 24% en EEUU) y luego Europa (20% en el Reino Unido, 18% en España, 16 % en Francia y 15% en Alemania).

La adopción también varía según el sector, pero en menor medida. Una cuarta parte de los trabajadores en manufactura dicen que la IA se implementa en sus empresas, en comparación con el 20% en la construcción, el 19% en el retail y el 18% en servicios. La tasa promedio en todas las organizaciones del sector privado es del 20%, mientras que el 25% de los encuestados del sector público dice que las herramientas y aplicaciones habilitadas para la inteligencia artificial ya están en su lugar de trabajo.

La gran mayoría de los empleados, especialmente aquellos que ya tienen acceso a la IA, esperan que tenga consecuencias positivas para su organización y para ellos mismos. En los lugares de trabajo que usan herramientas impulsadas por inteligencia artificial, más de dos tercios de los empleados encuestados dicen que las herramientas ya han tenido un impacto positivo en su eficiencia (75% citan mejoras en su efectividad, 75% en sus resultados y 74% en cómo su trabajo está estructurado). También señalan que la IA ha tenido un impacto positivo en el atractivo de su trabajo (70%), en su nivel de bienestar en el trabajo (69%) y en los cursos de capacitación puestos a su disposición (67%). Una gran mayoría de los encuestados, independientemente de su sexo, edad u ocupación, mencionan estos efectos positivos.

Los trabajadores que ya han experimentado los beneficios de las herramientas de IA son aún más entusiastas que otros con respecto al posible impacto de la IA en los próximos cinco años. Más de ocho de cada diez piensan que afectará positivamente a su organización (el 84% dice que tendrá un impacto positivo en el crecimiento del negocio de su organización y el 81% dice que mejorará la estructura del trabajo). Más de tres de cada cuatro también esperan beneficios positivos para sí mismos (77% con respecto a su nivel de bienestar en el trabajo y 76% con respecto a su desarrollo profesional).

Sin embargo, a pesar de las generalmente positivas opiniones sobre el impacto y las perspectivas de IA, las personas tienen serias preocupaciones que las empresas deben abordar. Los temores y preocupaciones no desaparecen simplemente cuando las personas se familiarizan con las herramientas habilitadas para IA; de hecho, más de tres de cada cuatro personas temen que el uso de la IA en el trabajo pueda dar como resultado un mayor control de supervisión y vigilancia en su lugar de trabajo (82% de las personas en las organizaciones que ya usan IA lo creen). Esta preocupación es especialmente alta en China (84%).

Más de las dos terceras partes de los trabajadores encuestados temen que la IA eventualmente genere pérdidas de empleos debido a una carga de trabajo reducida (el porcentaje de empleados que ya usan IA es del 76%). Muchos (65% en general y 71% en lugares que ya usan IA) también temen que AI deshumanice el trabajo, lo que reduce la cohesión social y prevén problemas éticos relacionados con la IA con respecto a la protección de datos personales (64% en general y el 71% donde la IA ya está en funcionamiento).

Hasta este momento, las organizaciones que implementan las herramientas de IA no han discutido estas preocupaciones en profundidad, lo cual es una razón más para que lo hagan ahora. Solo el 40% de los empleados entrevistados dicen que sus gerentes han discutido con ellos el desarrollo de la IA de la organización y su transformación digital (solo el 32% donde todavía no hay aplicaciones de IA disponibles).

Una gran mayoría (79%) de los empleados en los lugares de trabajo donde AI ya está familiarizada esperan que sus gerentes hagan declaraciones y decidan al respecto. Otros tienen expectativas más bajas, en gran parte porque desconocen cuán importante se ha convertido la inteligencia artificial en un problema estratégico en la mayoría de las organizaciones.

Esto explica por qué menos de una persona de cada tres cree que el desarrollo de la inteligencia artificial revolucionará su lugar de trabajo, y por qué el 42% piensa que tendrá un impacto solo en ciertas compañías y ciertos sectores empresariales, en lugar de afectar a toda la economía.

Sylvain Duranton, líder global de BCG GAMMA, advierte contra la adopción de una actitud complaciente ante la IA: “Subestimar el tamaño del fenómeno de la inteligencia artificial y no estar preparado para la transformación digital podría dejar a las organizaciones en gran riesgo. Los individuos y los gerentes deben prepararse para la revolución de la IA, que ya está aquí, y aprovecharla al máximo para sobrevivir y crecer. De lo contrario, corren el riesgo de ser aplastados por el poder de la ola”, dice.

Históricamente hemos sufrido miedos sobre los avances tecnológicos. Un ejemplo es el invento del automóvil, que permitió limpiar las ciudades de la contaminación producida por los desechos de los caballos. Mientras que este invento eliminó muchos tipos de empleos, trajo muchos beneficios y facilitó el transporte con eficiencia, confort y a mayor distancia. Además, creó cuantiosos nuevos trabajos en manufactura, estableciendo además el paradigma de la producción en serie. Así como la de Henry Ford, muchas innovaciones visionarias son disruptivas y crean discontinuidades inimaginables, como se explica en su dicho: “Si le hubiera preguntado a la gente qué querían, me habrían dicho que un caballo más rápido”. Ver en Lampadia: Seis megatendencias de gran impacto.

Sin embargo, todavía hay muchos (políticos, líderes y académicos) reacios a los cambios tecnológicos y a las inversiones que lo hacen posible. Se escudan en el temor a lo desconocido y en sus efectos disruptivos de corto plazo, que es el horizonte paradigmático en el que están atrapados.

La verdad es que la tecnología es el futuro. La IA eliminará algunas formas de trabajo, sin embargo, la IA también creará demanda de otros tipos de trabajo digital. Lo principal en el mundo global moderno es la capacidad de innovar. Es necesario fomentar este proceso creativo de sinergia de ideas y tecnología. Aprovechar al máximo las oportunidades que ofrece la tecnología es difícil y requiere de muchos cambios. La tecnología está creciendo de manera exponencial, pero el potencial sólo puede realizarse si los gobiernos capacitan a sus ciudadanos y los dotan de habilidades y recursos apropiados. El mundo debe utilizar la tecnología para lograr resolver retos cada vez más grandes. Lampadia

Mientras millones de personas en todo el mundo aplaudieron el rescate de los escolares de Tailandia y su entrenador de fútbol, también se celebró la importancia de la tecnología en las misiones de rescate. La valentía humana, el coraje y las habilidades fueron apoyados con destreza por la tecnología que permitió un rescate aparentemente imposible.

Echemos un vistazo a cómo los dispositivos inteligentes ayudaron al rescate y exploremos cómo la tecnología de la nueva era es crítica para la gestión de desastres.

Después de que los buzos británicos fueron lo suficientemente profundo como para encontrar a los niños, el siguiente paso fue evaluar los puntos de entrada para el rescate. Para esto, se usaron drones que volaban sobre y alrededor de la montaña. Estos aviones no tripulados tenían cámaras térmicas y lentes ópticos con una capacidad de zoom de 30X. En una era anterior a los drones, los rescatistas y expertos en terreno habrían tenido que explorar físicamente el área para evaluar puntos de entrada que podrían ser más de 100. Los drones pudieron identificar y preseleccionar los puntos de entrada solo en horas en vez de días. Con un fuerte pronóstico de lluvia, el uso de drones aceleró el rescate.

Además, los vehículos submarinos operados a distancia escaneaban el área con mayor precisión. Aquí es donde Elon Musk también ofreció su apoyó con un pequeño submarino que finalmente no se usó ya que no había suficiente tiempo.

Una necesidad crítica era la comunicación. Los sistemas de radio tradicionales necesitan línea de visión para comunicarse, por lo que son ineficaces en una estructura de cuevas. Aquí se implementaron dos sistemas de comunicación de dos épocas diferentes. El equipo británico utilizó radios de frecuencia ultrabaja que podían penetrar rocas para la comunicación básica. Pero el mayor avance se dio con el apoyo de Maxtech Networks, una empresa de Israel, que permitió la conectividad de voz, datos y video para una conexión visual entre los estudiantes atrapados y los rescatistas desde el exterior.

El sistema consiste en una serie de dispositivos pequeños, similares a las radios de mano, que transmiten comunicaciones inalámbricas entre sí, habilitando un enlace en lugares donde las radios regulares no funcionan, o donde hay obstáculos importantes que bloquean la línea de visión entre los dos extremos de la línea.

“Es como una daisy-chain”, explicó a Times of Israel, Uzi Hanuni, CEO de Maxtech, en referencia a un esquema de cableado usado en ingeniería eléctrica y electrónica, en el que se da una sucesión de enlaces tal que un dispositivo A es conectado a un dispositivo B, el mismo dispositivo B a un dispositivo C, este dispositivo C a un dispositivo D, y así sucesivamente.

En total, se usaron 19 dispositivos para dotar de comunicación entre el grupo atrapado en la cueva y el exterior. Cada dispositivo contaba con 10 horas de batería. “Fue un escenario realmente complejo, pero estamos felices de haber podido ayudar”, agregó Hanuni. Según afirmó, los equipos tendrían un costo de unos 100 mil dólares.

También se recibió el apoyo de una empresa india para ayudar a eliminar las vías de paso. Kirloskar Brothers Ltd fue contactado por el alto comisionado indio en Bangkok. KBL respondió con agilidad para enviar sus bombas automáticas de alta capacidad, que pueden eliminar el agua a un ritmo más rápido que antes visto. Ya se habían usado antes en 2011 para las operaciones de control de inundaciones en Tailandia.

Tal agilidad es crítica para la gestión de desastres y las misiones de rescate. La oficina de las Naciones Unidas para la Reducción del Riesgo de Desastres y el gobierno han estado diseñando nuevas estrategias. Además del despliegue, la creación de capacidades para el uso de tecnologías inteligentes debe ser parte del plan. Los equipos de desastres deben ser expertos en tecnología.

Los vehículos autónomos, los robots, las redes de comunicación basadas en inteligencia artificial y las tecnologías satelitales son esenciales para las alertas predictivas, las misiones de rescate y la respuesta inteligente ante desastres. La principal lección del rescate tailandés es que los planificadores de la gestión de desastres deben invertir en la preparación tecnológica para obtener resultados efectivos.

No podemos dejar de lamentar la muerte del buzo tailandés, que falleció durante las operaciones previas al rescate:

Otra de las necesidades del Perú, que debemos tener la capacidad de mantener, es la de la tecnología suficiente como para emprender las operaciones de rescate que nos demanda nuestra rica y muchas veces agresiva naturaleza. Sería interesante desarrollar que, por ejemplo, la Marina del Perú, desarrolle nexos con los sistemas oficiales de rescate que han podido realizar operaciones exitosas recientemente, asi como con las empresas que han mostrado en Tailandia, capacidades extraordinarias. Lampadia

Los algoritmos de inteligencia artificial no solo hacen que nuestros autos sean más seguros y las compras sean más fáciles, sino que diagnostican cada vez mejor a los pacientes y ayudan a tomar las mejores decisiones para su salud.

La inteligencia artificial (AI) está siendo adoptada por los hospitales y otras organizaciones de atención médica, que están utilizando la tecnología para hacer de todo, desde interpretar imágenes de tomografías y resonancias hasta predecir qué pacientes son más propensos a sufrir caídas debilitantes mientras reciben tratamiento. Los registros médicos electrónicos se revisan y procesan mediante algoritmos diseñados para ayudar a los médicos a elegir los mejores tratamientos contra el cáncer basados ​​en las mutaciones en los tumores de los pacientes, por ejemplo, o predecir su probabilidad de responder bien a un tratamiento basado en experiencias pasadas de pacientes similares, sobre bases de datos globales.

Desde start-ups hasta grandes corporaciones, las empresas se adelantan desarrollando soluciones basadas en inteligencia artificial que ya ha traído muchas transformaciones al sistema de salud. Ayuda a los médicos a reunir, analizar y organizar datos clínicos, realizar diagnósticos, planificar tratamientos y encontrar mejores soluciones para los pacientes. El diagnóstico de cáncer, insuficiencia cardíaca, diabetes y reacciones adversas a los medicamentos son solo algunos de los sectores de salud en los que las grandes empresas de TI han invertido como resultado de los avances en la inteligencia artificial.

Google lanzó el proyecto DeepMind Health. DeepMind puede procesar millones de datos de información médica en solo unos minutos, lo que acelera muchos procedimientos clínicos y de salud, como la presentación de registros médicos o diagnósticos. Los investigadores de DeepMind también están desarrollando modelos que emulan la capacidad de imaginar las consecuencias de una acción antes de llevarla a cabo en un esfuerzo por comprender qué es la inteligencia y la imaginación y convertirla en un algoritmo. Incluso Verily, la división de ciencias de la vida de Google, está trabajando en un proyecto llamado Baseline Study, que incluye recopilar datos genéticos con el objetivo de adoptar algunos de los algoritmos de Google para analizar lo qué permite a cada persona disfrutar de buena salud. Para este proyecto, los investigadores usan tecnología para monitorear enfermedades, por ejemplo, lentes de contacto inteligentes que pueden medir los niveles de azúcar en la sangre.

IBM también está activo en el campo de la atención médica con el sistema Watson, que es capaz de diagnosticar la insuficiencia cardíaca dos años antes que los métodos más tradicionales. El algoritmo se basa en los datos recopilados durante las visitas al hospital. Jianying Hu, uno de los investigadores involucrados, explica: “Hemos descubierto que el diagnóstico de otras enfermedades, medicamentos recetados y registros médicos de hospitalizaciones, en este orden, pueden proporcionar signos capaces de predecir la enfermedad”.

El uso de IA en la medicina promete beneficiar a muchos. Los avances en la investigación también dependen de cuán rápido se puedan adaptar las estructuras de los servicios de salud y de poner en marcha plataformas a nivel nacional para la detección y prevención de las enfermedades.

Si bien se están desarrollando tratamientos de punta que por ahora conllevan costos muy altos, solo accesibles para un segemento pequeño de pacientes; también es cierto, que muchísimas soluciones aportadas por la IA, reducen los costos a niveles que hacen posible su uso de tratamientos mejorados para toda la población, democratizando el acceso a los estándares de salud modernos.

En teoría, el uso de IA en medicina será disruptivo en la profesión médica, sustituyendo muchas funciones de seres humanos, desde enfermeros, técnicos y médicos, aparentemente, con la excepción de los mejores especialistas. Pero, hay dos servicios en los que, más allá de la tecnología, tal como lo prueban una serie de estudios y el sentido común, el contacto con seres humanos es fundamental, la edución y la salud. Por lo tanto, se puede estimar que por un lado los seres humanos serán sustituidos por máquinas inteligentes, y por otro, se crearán más oportunidades para servicios de salud mejorados en los que el contacto humano hará la diferencia.   

La humanidad es responsable del uso inteligente de la inteligencia artificial, tanto desde el punto de vista científico como moral, sin olvidar los aspectos éticos de las relaciones con los pacientes. Lampadia

La inteligencia artificial mejorará los tratamientos médicos
De A&E a IA

No dejará sin trabajo a los médicos expertos, en el corto plazo

The Economist
7 de junio, 2018
Traducido y glosado por Lampadia

Cuatro años atrás, una mujer de unos 30 años fue atropellada por un automóvil en Londres. Ella necesitaba una cirugía de emergencia para reducir la presión en el cerebro. Su cirujano, Chris Mansi, recuerda que la operación fue un éxito, pero ella murió. Mansi quería saber por qué. Descubrió que el problema había sido un retraso de cuatro horas a la hora de sacarla de la unidad de accidentes y emergencias del hospital donde la trajeron por primera vez al quirófano de su propio hospital. Eso, a su vez, fue el resultado de un retraso en la identificación, de exámenes médicos, de que tenía un gran coágulo de sangre en el cerebro y necesitaba tratamiento inmediato. Para evitar repeticiones de este tipo de retraso, Mansi ayudó a establecer una empresa llamada Viz.ai, con el propósito de utilizar el aprendizaje de las máqinas, una forma de inteligencia artificial (IA), para identificar a los pacientes que necesitan atención urgente de aquellos que pueden esperar, mediante el análisis de los escáneres realizados al momento de la admisión.

Esa idea es uno de los miles de proyectos en marcha para utilizar el aprendizaje de las máquinas para transformar la manera en que los médicos atienden a los pacientes. Aunque diversos, estos proyectos tienen un objetivo común: llevar el paciente correcto al médico correcto en el momento correcto.

En febrero, Viz.ai recibió la aprobación de los reguladores de los EEUU para vender su software de detección, a partir de escáneres cerebrales, de accidentes cerebrovasculares causados ​​por un bloqueo en un vaso sanguíneo grande. La tecnología se está implementwando en hospitales del “cinturón de accidentes cerebrovasculares” de EEUU, en el sureste, en la que los accidentes cerebrovasculares son inusualmente comunes. Erlanger Health System, en Tennessee, utilizará su sistema Viz.ai a partir de la próxima semana.

Los beneficios potenciales son impresionantes. Como observa Tom Devlin, neurólogo de derrames cerebrales en Erlanger, “sabemos que perdemos 2 millones de células cerebrales cada minuto que el coágulo está allí”. Sin embargo, las dos terapias que pueden transformar los resultados (fármacos anticoagulantes y una operación llamada trombectomía) rara vez usada porque, cuando se diagnostica un derrame cerebral y se ensambla un equipo quirúrgico, una gran parte del cerebro del paciente ha muerto. La tecnología de Viz.ai debería mejorar los resultados identificando casos urgentes, alertando a los especialistas de guardia y enviándoles los escaneos directamente.

La IA lo tiene

Otra área importante para la asistencia de IA es la oncología. En febrero de 2017, Andre Esteva de la Universidad de Stanford y sus colegas utilizaron un conjunto de casi 130,000 imágenes para entrenar un software de inteligencia artificial a clasificar las lesiones de la piel. Así fue capacitado y probado con las opiniones de 21 dermatólogos calificados, el software podía identificar tanto el tipo más común de cáncer de piel (carcinoma de queratinocitos) como el tipo más letal (melanoma maligno), con tanto éxito como los profesionales. Eso fue impresionante. Pero ahora, como se describió el mes pasado en un artículo publicado en Annals of Oncology, hay un sistema de detección de cáncer de piel con IA que puede funcionar mejor que la mayoría de los dermatólogos. Holger Haenssle de la Universidad de Heidelberg, en Alemania, se enfrentó a un sistema de IA contra 58 dermatólogos. Los humanos pudieron identificar el 86.6% de los cánceres de piel. La computadora encontró 95%. También diagnosticó erróneamente menos lunares benignos como tumores malignos.

También ha habido avances en la detección del cáncer de mama. El mes pasado, Kheiron Medical Technologies, una empresa de Londres, recibió noticias de un estudio donde el software excedía el estándar de rendimiento requerido oficialmente para los radiólogos que realizaban el chequeo de la enfermedad. La firma dice que presentará este estudio para su publicación cuando haya recibido la aprobación europea para usar la IA, que espera que suceda pronto.

Este desarrollo parece importante. La detección de mamas ha salvado muchas vidas, pero deja mucho que desear. El sobrediagnóstico y el sobretratamiento son comunes. Por el contrario, los tumores a veces se pierden. En muchos países, tales problemas han llevado a que un segundo radiólogo revise rutinariamente las exploraciones, lo que mejora la precisión, pero aumenta la carga de trabajo. Como mínimo, el sistema de Kheiron parece útil para una segunda opinión. A medida que mejora, puede calificar a las mujeres según sus riesgos de cáncer de mama y decidir el mejor momento para su próxima mamografía.

Los esfuerzos para utilizar la IA para mejorar los diagnósticos también están en marcha en otras partes de la medicina. En la enfermedad ocular, DeepMind, una subsidiaria con sede en Londres de Alphabet, la empresa matriz de Google, tiene una IA que analiza imágenes de la retina para detectar enfermedades como el glaucoma, la retinopatía diabética y la degeneración macular relacionada con la edad. La firma también está trabajando en mamografías.

Las enfermedades cardíacas son otro campo de interés. Investigadores de la Universidad de Oxford han estado desarrollando IAs para interpretar los ecocardiogramas, que son exploraciones ultrasónicas del corazón. Los cardiólogos que examinan estos exámenes buscan signos de enfermedad cardíaca, pero pueden perderlos el 20% de las veces. Eso significa que los pacientes serán enviados a casa y luego pueden tener un ataque al corazón. La IA, sin embargo, puede detectar cambios invisibles al ojo y mejorar la precisión del diagnóstico. Ultromics, una firma en Oxford, está tratando de comercializar la tecnología y podría utilizarse este año en Gran Bretaña.

También hay esfuerzos para detectar arritmias cardíacas, particularmente fibrilación auricular, que aumentan el riesgo de insuficiencia cardíaca y accidentes cerebrovasculares. Investigadores de la Universidad de Stanford, dirigidos por Andrew Ng, han demostrado que el software de IA puede identificar las arritmias de un electrocardiograma (ECG) mejor que un experto. El grupo ha unido fuerzas con una firma que fabrica dispositivos portátiles de ECG y está ayudando a Apple a estudiar si se pueden detectar arritmias en los datos de frecuencia cardíaca recogidos por sus relojes smart. Mientras tanto, en París, una empresa llamada Cardiologs también está tratando de diseñar una IA destinada a leer ECG.

Viendo hacia adelante

Eric Topol, cardiólogo e investigador de medicina digital en el Instituto de Investigación Scripps, en San Diego, dice que la precisión de los médicos y de los algoritmos son comparables en algunas áreas, pero las computadoras tienen la ventaja de la velocidad. Esta combinación de rasgos llevará a una mayor precisión y productividad en la atención médica.

La inteligencia artificial también podría hacer que la medicina sea más específica, al ser capaz de establecer distinciones que eluden a los observadores humanos. Puede clasificar cánceres o instancias de enfermedad cardíaca de acuerdo con sus riesgos, por ejemplo, distinguiendo aquellos cánceres de próstata que matarán rápidamente, y por lo tanto necesitarán tratamiento, de aquellos que no lo harán, y probablemente no puedan ser tratados.

Lo que la IA médica no hará, al menos no por mucho tiempo, es que los expertos humanos sean redundantes en los campos que invade. Los sistemas de aprendizaje de las máquinas funcionan en una estrecha gama de tareas y necesitarán una estrecha supervisión en los próximos años. Son “cajas negras”, ya que los médicos no saben exactamente cómo llegan a sus decisiones. Sin embargo, quitarán gran parte de la dificultad y el error del diagnóstico.

También ayudarán a garantizar que los pacientes, ya sea que se les haga un examen de detección de cáncer o que se los saque de la escena de un accidente automovilístico, sean tratados a tiempo para salvarse. Lampadia

Los algoritmos de inteligencia artificial no solo hacen que nuestros autos sean más seguros y las compras sean más fáciles, sino que diagnostican cada vez mejor a los pacientes y ayudan a tomar las mejores decisiones para su salud.

La inteligencia artificial (AI) está siendo adoptada por los hospitales y otras organizaciones de atención médica, que están utilizando la tecnología para hacer de todo, desde interpretar imágenes de tomografías y resonancias hasta predecir qué pacientes son más propensos a sufrir caídas debilitantes mientras reciben tratamiento. Los registros médicos electrónicos se revisan y procesan mediante algoritmos diseñados para ayudar a los médicos a elegir los mejores tratamientos contra el cáncer basados ​​en las mutaciones en los tumores de los pacientes, por ejemplo, o predecir su probabilidad de responder bien a un tratamiento basado en experiencias pasadas de pacientes similares, sobre bases de datos globales.

Desde start-ups hasta grandes corporaciones, las empresas se adelantan desarrollando soluciones basadas en inteligencia artificial que ya ha traído muchas transformaciones al sistema de salud. Ayuda a los médicos a reunir, analizar y organizar datos clínicos, realizar diagnósticos, planificar tratamientos y encontrar mejores soluciones para los pacientes. El diagnóstico de cáncer, insuficiencia cardíaca, diabetes y reacciones adversas a los medicamentos son solo algunos de los sectores de salud en los que las grandes empresas de TI han invertido como resultado de los avances en la inteligencia artificial.

Google lanzó el proyecto DeepMind Health. DeepMind puede procesar millones de datos de información médica en solo unos minutos, lo que acelera muchos procedimientos clínicos y de salud, como la presentación de registros médicos o diagnósticos. Los investigadores de DeepMind también están desarrollando modelos que emulan la capacidad de imaginar las consecuencias de una acción antes de llevarla a cabo en un esfuerzo por comprender qué es la inteligencia y la imaginación y convertirla en un algoritmo. Incluso Verily, la división de ciencias de la vida de Google, está trabajando en un proyecto llamado Baseline Study, que incluye recopilar datos genéticos con el objetivo de adoptar algunos de los algoritmos de Google para analizar lo qué permite a cada persona disfrutar de buena salud. Para este proyecto, los investigadores usan tecnología para monitorear enfermedades, por ejemplo, lentes de contacto inteligentes que pueden medir los niveles de azúcar en la sangre.

IBM también está activo en el campo de la atención médica con el sistema Watson, que es capaz de diagnosticar la insuficiencia cardíaca dos años antes que los métodos más tradicionales. El algoritmo se basa en los datos recopilados durante las visitas al hospital. Jianying Hu, uno de los investigadores involucrados, explica: “Hemos descubierto que el diagnóstico de otras enfermedades, medicamentos recetados y registros médicos de hospitalizaciones, en este orden, pueden proporcionar signos capaces de predecir la enfermedad”.

El uso de IA en la medicina promete beneficiar a muchos. Los avances en la investigación también dependen de cuán rápido se puedan adaptar las estructuras de los servicios de salud y de poner en marcha plataformas a nivel nacional para la detección y prevención de las enfermedades.

Si bien se están desarrollando tratamientos de punta que por ahora conllevan costos muy altos, solo accesibles para un segemento pequeño de pacientes; también es cierto, que muchísimas soluciones aportadas por la IA, reducen los costos a niveles que hacen posible su uso de tratamientos mejorados para toda la población, democratizando el acceso a los estándares de salud modernos.

En teoría, el uso de IA en medicina será disruptivo en la profesión médica, sustituyendo muchas funciones de seres humanos, desde enfermeros, técnicos y médicos, aparentemente, con la excepción de los mejores especialistas. Pero, hay dos servicios en los que, más allá de la tecnología, tal como lo prueban una serie de estudios y el sentido común, el contacto con seres humanos es fundamental, la edución y la salud. Por lo tanto, se puede estimar que por un lado los seres humanos serán sustituidos por máquinas inteligentes, y por otro, se crearán más oportunidades para servicios de salud mejorados en los que el contacto humano hará la diferencia.   

La humanidad es responsable del uso inteligente de la inteligencia artificial, tanto desde el punto de vista científico como moral, sin olvidar los aspectos éticos de las relaciones con los pacientes. Lampadia

La inteligencia artificial mejorará los tratamientos médicos
De A&E a IA

No dejará sin trabajo a los médicos expertos, en el corto plazo

The Economist
7 de junio, 2018
Traducido y glosado por Lampadia

Cuatro años atrás, una mujer de unos 30 años fue atropellada por un automóvil en Londres. Ella necesitaba una cirugía de emergencia para reducir la presión en el cerebro. Su cirujano, Chris Mansi, recuerda que la operación fue un éxito, pero ella murió. Mansi quería saber por qué. Descubrió que el problema había sido un retraso de cuatro horas a la hora de sacarla de la unidad de accidentes y emergencias del hospital donde la trajeron por primera vez al quirófano de su propio hospital. Eso, a su vez, fue el resultado de un retraso en la identificación, de exámenes médicos, de que tenía un gran coágulo de sangre en el cerebro y necesitaba tratamiento inmediato. Para evitar repeticiones de este tipo de retraso, Mansi ayudó a establecer una empresa llamada Viz.ai, con el propósito de utilizar el aprendizaje de las máqinas, una forma de inteligencia artificial (IA), para identificar a los pacientes que necesitan atención urgente de aquellos que pueden esperar, mediante el análisis de los escáneres realizados al momento de la admisión.

Esa idea es uno de los miles de proyectos en marcha para utilizar el aprendizaje de las máquinas para transformar la manera en que los médicos atienden a los pacientes. Aunque diversos, estos proyectos tienen un objetivo común: llevar el paciente correcto al médico correcto en el momento correcto.

En febrero, Viz.ai recibió la aprobación de los reguladores de los EEUU para vender su software de detección, a partir de escáneres cerebrales, de accidentes cerebrovasculares causados ​​por un bloqueo en un vaso sanguíneo grande. La tecnología se está implementwando en hospitales del “cinturón de accidentes cerebrovasculares” de EEUU, en el sureste, en la que los accidentes cerebrovasculares son inusualmente comunes. Erlanger Health System, en Tennessee, utilizará su sistema Viz.ai a partir de la próxima semana.

Los beneficios potenciales son impresionantes. Como observa Tom Devlin, neurólogo de derrames cerebrales en Erlanger, “sabemos que perdemos 2 millones de células cerebrales cada minuto que el coágulo está allí”. Sin embargo, las dos terapias que pueden transformar los resultados (fármacos anticoagulantes y una operación llamada trombectomía) rara vez usada porque, cuando se diagnostica un derrame cerebral y se ensambla un equipo quirúrgico, una gran parte del cerebro del paciente ha muerto. La tecnología de Viz.ai debería mejorar los resultados identificando casos urgentes, alertando a los especialistas de guardia y enviándoles los escaneos directamente.

La IA lo tiene

Otra área importante para la asistencia de IA es la oncología. En febrero de 2017, Andre Esteva de la Universidad de Stanford y sus colegas utilizaron un conjunto de casi 130,000 imágenes para entrenar un software de inteligencia artificial a clasificar las lesiones de la piel. Así fue capacitado y probado con las opiniones de 21 dermatólogos calificados, el software podía identificar tanto el tipo más común de cáncer de piel (carcinoma de queratinocitos) como el tipo más letal (melanoma maligno), con tanto éxito como los profesionales. Eso fue impresionante. Pero ahora, como se describió el mes pasado en un artículo publicado en Annals of Oncology, hay un sistema de detección de cáncer de piel con IA que puede funcionar mejor que la mayoría de los dermatólogos. Holger Haenssle de la Universidad de Heidelberg, en Alemania, se enfrentó a un sistema de IA contra 58 dermatólogos. Los humanos pudieron identificar el 86.6% de los cánceres de piel. La computadora encontró 95%. También diagnosticó erróneamente menos lunares benignos como tumores malignos.

También ha habido avances en la detección del cáncer de mama. El mes pasado, Kheiron Medical Technologies, una empresa de Londres, recibió noticias de un estudio donde el software excedía el estándar de rendimiento requerido oficialmente para los radiólogos que realizaban el chequeo de la enfermedad. La firma dice que presentará este estudio para su publicación cuando haya recibido la aprobación europea para usar la IA, que espera que suceda pronto.

Este desarrollo parece importante. La detección de mamas ha salvado muchas vidas, pero deja mucho que desear. El sobrediagnóstico y el sobretratamiento son comunes. Por el contrario, los tumores a veces se pierden. En muchos países, tales problemas han llevado a que un segundo radiólogo revise rutinariamente las exploraciones, lo que mejora la precisión, pero aumenta la carga de trabajo. Como mínimo, el sistema de Kheiron parece útil para una segunda opinión. A medida que mejora, puede calificar a las mujeres según sus riesgos de cáncer de mama y decidir el mejor momento para su próxima mamografía.

Los esfuerzos para utilizar la IA para mejorar los diagnósticos también están en marcha en otras partes de la medicina. En la enfermedad ocular, DeepMind, una subsidiaria con sede en Londres de Alphabet, la empresa matriz de Google, tiene una IA que analiza imágenes de la retina para detectar enfermedades como el glaucoma, la retinopatía diabética y la degeneración macular relacionada con la edad. La firma también está trabajando en mamografías.

Las enfermedades cardíacas son otro campo de interés. Investigadores de la Universidad de Oxford han estado desarrollando IAs para interpretar los ecocardiogramas, que son exploraciones ultrasónicas del corazón. Los cardiólogos que examinan estos exámenes buscan signos de enfermedad cardíaca, pero pueden perderlos el 20% de las veces. Eso significa que los pacientes serán enviados a casa y luego pueden tener un ataque al corazón. La IA, sin embargo, puede detectar cambios invisibles al ojo y mejorar la precisión del diagnóstico. Ultromics, una firma en Oxford, está tratando de comercializar la tecnología y podría utilizarse este año en Gran Bretaña.

También hay esfuerzos para detectar arritmias cardíacas, particularmente fibrilación auricular, que aumentan el riesgo de insuficiencia cardíaca y accidentes cerebrovasculares. Investigadores de la Universidad de Stanford, dirigidos por Andrew Ng, han demostrado que el software de IA puede identificar las arritmias de un electrocardiograma (ECG) mejor que un experto. El grupo ha unido fuerzas con una firma que fabrica dispositivos portátiles de ECG y está ayudando a Apple a estudiar si se pueden detectar arritmias en los datos de frecuencia cardíaca recogidos por sus relojes smart. Mientras tanto, en París, una empresa llamada Cardiologs también está tratando de diseñar una IA destinada a leer ECG.

Viendo hacia adelante

Eric Topol, cardiólogo e investigador de medicina digital en el Instituto de Investigación Scripps, en San Diego, dice que la precisión de los médicos y de los algoritmos son comparables en algunas áreas, pero las computadoras tienen la ventaja de la velocidad. Esta combinación de rasgos llevará a una mayor precisión y productividad en la atención médica.

La inteligencia artificial también podría hacer que la medicina sea más específica, al ser capaz de establecer distinciones que eluden a los observadores humanos. Puede clasificar cánceres o instancias de enfermedad cardíaca de acuerdo con sus riesgos, por ejemplo, distinguiendo aquellos cánceres de próstata que matarán rápidamente, y por lo tanto necesitarán tratamiento, de aquellos que no lo harán, y probablemente no puedan ser tratados.

Lo que la IA médica no hará, al menos no por mucho tiempo, es que los expertos humanos sean redundantes en los campos que invade. Los sistemas de aprendizaje de las máquinas funcionan en una estrecha gama de tareas y necesitarán una estrecha supervisión en los próximos años. Son “cajas negras”, ya que los médicos no saben exactamente cómo llegan a sus decisiones. Sin embargo, quitarán gran parte de la dificultad y el error del diagnóstico.

También ayudarán a garantizar que los pacientes, ya sea que se les haga un examen de detección de cáncer o que se los saque de la escena de un accidente automovilístico, sean tratados a tiempo para salvarse. Lampadia

La semana pasada, IBM presentó a Summit, la “supercomputadora científica más poderosa e inteligente del mundo”. IBM dice que su nueva computadora procesará 200,000 cuatrillones de cálculos por segundo, afirmando que “para poner esto en perspectiva, si cada persona en la Tierra hiciera un solo cálculo por segundo, tomaría 305 días hacer lo que Summit hace en un solo segundo”.

La máquina, construida por IBM para el Laboratorio Nacional Oak Ridge del Departamento de Energía de EEUU, tiene más del doble de capacidad que el actual líder mundial, el Sunway TaihuLight de China, lo cual haría que por primera vez en cinco años EEUU tenga el título del país con la computadora más poderosa del mundo.

Pero el verdadero significado reside en algo más que su poder de procesamiento en bruto: utiliza una nueva arquitectura de computadoras para manejar grandes cantidades de datos para desarrollos de inteligencia artificial, en lugar de limitarse a modelados a gran escala y simulaciones.

Summit se diseñó teniendo en cuenta Big Data, a una escala aún mayor que los sistemas de datos especializados, utilizados por compañías como Google y Microsoft para manejar los datos necesarios para el entrenamiento de algoritmos de inteligencia artificial (IA). De hecho, ha sido “diseñada para ser el sistema de IA más grande y rápido del mundo”, dijo John Kelly, jefe de soluciones cognitivas e investigación en IBM. “Será capaz de asumir algunos de los mayores desafíos de IA que tiene el mundo”.

Thomas Zacharia, director de Oak Ridge, dijo que el sistema, que cuesta unos 200 millones de dólares, ya se ha utilizado para realizar un cálculo que habría llevado 30 años en una computadora promedio, mientras que a Summit le tomó tan solo una hora.

Pero Summit es más que solo una computadora. Las supercomputadoras ya están siendo utilizados en la industria para todo: desde el diseño de nuevos aviones, hasta la creación de nuevos materiales. Otras son utilizadas por los militares para diseñar armas nucleares y por científicos para llevar a cabo investigaciones con impacto en la ciencia y la salud.

IA en la Copa Mundial de Futbol

La inteligencia artificial está presente hasta en temas más corrientes, como en la Copa Mundial de la FIFA Rusia 2018, que será el evento deportivo con el mayor despliegue tecnológico de la historia. Y entre las más destacadas innovaciones está la “World Cup Highlight Machine”, en la que Fox Sports se ha asociado con IBM para utilizar la inteligencia artificial de Watson para crear un centro de videos que permite crear clips a pedido (on-demand) de los mejores momentos de todos los partidos de la Copa FIFA que datan desde el año 1958.

El usuario podrá personalizar sus opciones como mejor le parezca basándose en sus intereses o preferencias. La cadena de televisión dice que existen 300 partidos archivados que Watson es capaz de analizar, los cuales pueden ser filtrados basándote en el año del torneo que uno quiera ver, el equipo, jugador, partido, o cualquier combinación de estos. Ver: Fox Sports’ World Cup Highlight Machine is powered by IBM’s Watson

Más allá del futbol

Las supercomputadoras como Summit también ayudarán en desarrollar avances en proyectos como el cambio climático. Patrick Brown, del Carnegie Institution for Science de la Universidad de Stanford, señala que uno de los mayores desafíos es modelar el comportamiento de las nubes, que tienen una influencia significativa en el calentamiento. Con más poder de cómputo, dice, será más fácil modelar lo que le está sucediendo a las nubes con mucho mayor detalle y en horizontes de tiempo más largos. Eso podría ayudar a resolver la relación entre los resultados de diferentes modelos climáticos.

Summit es también un paso importante hacia el próximo gran premio en informática: máquinas capaces de un exaflop, o un billón de cálculos por segundo. Ya existe una carrera internacional para llegar a este hito, y Estados Unidos y China son considerados los dos favoritos. Estados Unidos busca construir varias de estas máquinas, que podrían costar entre US$ 400 millones y US$ 600 millones cada una, y ha contratado a Nvidia, IBM y otras compañías como Intel para ayudar. El objetivo es poner en funcionamiento una o más de estas computadoras “exascale” entre 2021 y 2023.

Jack Wells, de Oak Ridge, dice que la experiencia de construir Summit, que ocupa un área del tamaño de dos canchas de tenis y transporta 4,000 galones de agua por minuto a través de su sistema de enfriamiento para bajar cerca de 13 megavatios de calor, ayudará a desarrollar el trabajo en máquinas exescale, lo que requerirá una infraestructura aún más impresionante.

Gracias a estos y otros avances, Summit ayudará a alcanzar picos de potencia informática aún más impresionantes. Veamos la presentación oficial de Summit:

Sistemas IBM

Llegar a la cima: la supercomputadora más inteligente del mundo

8 de junio de 2018
Dr. John E. Kelly, III

Hoy se alcanza un gran hito para la humanidad, y es un día de orgullo para IBM. 

Con la presentación por parte del gobierno estadounidense de “Summit” — la supercomputadora de inteligencia artificial más potente e inteligente del mundo — se ha alcanzado un gran hito de la computación. Es el resultado de años de dedicación e innovación por parte de IBMístas de todo el mundo.

Summit cambia el juego.

Es capaz de realizar 200 mil billones de cálculos por segundo – 200 petaflops – por lo cual es la más veloz del mundo.

Pero este sistema no solo ofrece velocidad.

Summit también está optimizado para inteligencia artificial en un mundo intensivo en datos. Diseñamos una nueva arquitectura heterogénea completa que integra el robusto análisis de datos de las potentes CPU de IBM Power con las capacidades de aprendizaje profundo de las unidades de procesamiento gráfico (GPU). El resultado es un desempeño inigualable en nuevas aplicaciones cruciales.

Entonces, ¿qué podemos hacer con este tipo de potencia?

Este proyecto siempre tuvo como misión extender los límites de la innovación y la tecnología para resolver lo que antes era irresoluble. Por ejemplo, con este sistema, podemos hacer conexiones y predicciones que nos ayudan a promover la investigación del cáncer, entender los factores genéticos que contribuyen a la adicción a opioides, simular interacciones atómicas para desarrollar materiales más fuertes y con mayor eficiencia energética, y comprender mejor las supernovas para explorar los orígenes del universo.

Esto es IBM en su máxima expresión.

Con estas supercomputadoras, reunimos nuestras tecnologías más avanzadas, arquitecturas e ideas en un lugar, en forma muy focalizada. Para IBM, cuando asumimos estas grandes apuestas (como hicimos en 2014 con este contrato para el Departamento de Energía de los EE.UU.), sabemos que son oportunidades para dar un gran salto adelante.  

Esta no es la primera vez que impulsamos hacia adelante el mundo entero de la tecnología en supercomputación.

De Deep Blue a Blue Gene, las supercomputadoras de IBM han sido pioneras en el procesamiento paralelo masivo y han quebrado la barrera del petaflop, lo cual permitió innovaciones en todo, desde pronósticos meteorológicos hasta exploración petrolera. Es emocionante considerar lo que nuestra última supercomputadora –que combina computación de alto desempeño e inteligencia artificial – podría ofrecer en términos de respuestas a las preguntas más difíciles del mundo.

Y por primera vez, estamos haciendo que la misma arquitectura que sustenta a Summit esté disponible en forma comercial. Los clientes ya están usando la misma arquitectura híbrida en nuestra línea de productos de negocio con el sistema IBM Power System AC922 y la familia de nuevos servidores basados en IBM POWER9. El resultado: computación empresarial que puede ayudar a cada sector de industria (como banca, salud, comercio minorista y transporte, entre otros) a promover sus productos y servicios.

La tecnología y las herramientas que construimos con ella siempre han tenido el potencial de cambiar el futuro.

El lanzamiento de Summit hoy demuestra una vez más que IBM está ayudando a liderar el camino.

Para ver imágenes de Summit, visite IBM Image Gallery.

Lampadia