¿La inteligencia artificial terminará siendo realmente estúpida?

Es difícil ir a cualquier parte en estos días sin encontrar alguna mención de inteligencia artificial (AI) Lo escuchas, lo lees y es difícil encontrar un mazo de presentación (sobre cualquier tema) que no lo mencione. No hay duda de que hay mucha publicidad en torno al tema.

Si bien la exageración aumenta la conciencia de la IA, también facilita algunas actividades bastante tontas y puede distraer a las personas de gran parte del progreso real que se está haciendo. Desenredar la realidad de los titulares más dramáticos promete proporcionar ventajas significativas para inversores, empresarios y consumidores por igual.

La inteligencia artificial ha ganado su notoriedad reciente en gran parte debido a los éxitos de alto perfil, como Watson de IBM ganando en Jeopardy y AlphaGo de Google venciendo al campeón mundial en el juego "Go". Waymo, Tesla y otros también han avanzado mucho con los vehículos autónomos. La expansión de las aplicaciones de IA fue capturada por Richard Waters en el Financial Times [aquí}: "Si hubo un mensaje unificador que sustenta la tecnología del consumidor en exhibición [en el Consumer Electronics Show] ... fue: 'IA en todo'".

Los éxitos de IA de alto perfil también han capturado la imaginación de las personas hasta tal punto que han provocado otros esfuerzos de gran alcance. Thomas H. Davenport y Rajeev Ronanki documentaron un ejemplo instructivo en el Harvard Business Review [aquí] Describen: "En 2013, el MD Anderson Cancer Center lanzó un proyecto de 'inyección lunar': diagnostica y recomienda planes de tratamiento para ciertas formas de cáncer utilizando el sistema cognitivo Watson de IBM". Desafortunadamente, el sistema no funcionó y 2017 " el proyecto se suspendió después de que los costos superaron los $ 62 millones, y el sistema aún no se había utilizado en pacientes ".

Waters También recogió un mensaje diferente: el de las expectativas moderadas. Con respecto a los "asistentes personales de voz", señala, "no está claro que la tecnología sea capaz de llegar a ser realmente útil como un reemplazo para el teléfono inteligente en la navegación del mundo digital" además de "reproducir música o verificar las noticias y el clima ".

Otros ejemplos de expectativas moderadas abundan. Generva Allen de Baylor College of Medicine y Rice University advirtió [aquí], "No confiaría en una fracción muy grande de los descubrimientos que se están haciendo actualmente utilizando técnicas de aprendizaje automático aplicadas a grandes conjuntos de datos". El problema es que muchas de las técnicas están diseñadas para entregar respuestas específicas y la investigación involucra incertidumbre. Ella explicó: "A veces sería mucho más útil si dijeran: 'Creo que algunos de estos están realmente agrupados, pero no estoy segura de estos otros'".

Peor aún, en casos extremos, la IA no solo tiene un rendimiento inferior; Ni siquiera se ha implementado todavía. los FT informes [aquí], "Cuatro de las nuevas empresas de 'inteligencia artificial' de 10 of Europe no utilizan programas de inteligencia artificial en sus productos, según un informe que destaca la exageración en torno a la tecnología".

Los ciclos de expectativas infladas seguidos de oleadas de desilusión no sorprenden a quienes han estado cerca de la inteligencia artificial durante un tiempo: saben muy bien que este no es el primer rodeo para la IA. De hecho, gran parte del trabajo conceptual data de los 1950. Al revisar algunas de mis notas recientemente, me encontré con una pieza representativa que exploraba las redes neuronales con el propósito de la selección de acciones, fechada en 1993 [aquí].

La mejor manera de obtener una perspectiva sobre la IA es ir directamente a la fuente y Martin Ford nos brinda esa oportunidad a través de su libro, Arquitectos de inteligencia. Organizado como una sucesión de entrevistas con los principales investigadores, académicos y emprendedores de la industria, el libro proporciona una historia útil de IA y destaca los hilos clave del pensamiento.

Dos ideas de alto nivel emergen del libro. Una es que a pesar de los antecedentes y personalidades dispares de los entrevistados, existe un gran consenso sobre temas importantes. La otra es que muchas de las prioridades y preocupaciones de las principales investigaciones de IA son bastante diferentes de las expresadas en los principales medios de comunicación.

Tomemos, por ejemplo, el concepto de inteligencia artificial general (AGI) Esto está estrechamente relacionado con la noción de "Singularidad", que es el punto en el que la inteligencia artificial coincide con la de los humanos, en su camino hacia la inteligencia humana que excede masivamente. La idea ha capturado las preocupaciones de las personas sobre la IA que incluyen pérdidas masivas de empleos, drones asesinos y una serie de otras manifestaciones dramáticas.

Los principales investigadores de AI tienen puntos de vista muy diferentes; como grupo, AGI no los perturba por completo. Geoffrey Hinton, profesor de ciencias de la computación en la Universidad de Toronto y vicepresidente y miembro de ingeniería en Google, dijo: "Si su pregunta es:" ¿Cuándo vamos a obtener un Commander Data [de la serie de televisión Star Trek] ", entonces yo no pienses que así es como se desarrollarán las cosas. No creo que tengamos cosas individuales, de propósito general como esas ".

Yoshua Bengio, profesor de ciencias de la computación e investigación de operaciones en la Universidad de Montreal, nos dice que "hay algunos problemas realmente difíciles frente a nosotros y que estamos lejos de la IA a nivel humano". Añade: "todos estamos entusiasmados porque hemos progresado mucho en la subida de la colina, pero a medida que nos acercamos a la cima de la colina, podemos comenzar a ver una serie de otras colinas que se elevan frente a nosotros ”.

Barbara Grosz, profesora de ciencias naturales en la Universidad de Harvard, expresó su opinión: "No creo que AGI sea la dirección correcta". Ella argumenta que debido a que la búsqueda de AGI (y lidiar con sus consecuencias) están tan lejos en el futuro que sirven como "una distracción".

Otro hilo común entre las investigaciones de IA es la creencia de que la IA debería usarse para aumentar trabajo humano en lugar de reemplazar eso. Cynthia Breazeal, directora del grupo de robots personales para el laboratorio de medios del MIT, plantea el problema: “La pregunta es cuál es la sinergia, cuál es la complementariedad, cuál es el aumento que nos permite ampliar nuestras capacidades humanas en términos de lo que hacemos que nos permite para tener realmente un mayor impacto en el mundo ". Fei-Fei Li, profesora de ciencias de la computación en Stanford y científico jefe de Google Cloud, describió:" La IA como tecnología tiene mucho potencial para mejorar y aumentar la mano de obra, además de simplemente reemplazar eso."

James Manyika, presidente y director del McKinsey Global Institute señaló que dado que el 60% de las ocupaciones tienen alrededor de un tercio de sus actividades constitutivas automatizables y solo alrededor del 10% de las ocupaciones tienen más del 90% automatizable, "muchas más ocupaciones serán complementadas o aumentadas por tecnologías que será reemplazado ".

Además, la IA solo puede aumentar trabajo humano en la medida en que puede funcionar efectivamente delabor humana. Barbara Grosz señaló: “Dije en un momento que 'los sistemas de IA son mejores si están diseñados pensando en las personas'”. Continuó: "Recomiendo que nuestro objetivo sea construir un sistema que sea un buen socio de equipo y funcione tan bien con nosotros que no reconozcamos que no es humano".

David Ferrucci, fundador de Elemental Cognition y director de IA aplicada en Bridgewater Associates, dijo: "El futuro que imaginamos en Elemental Cognition tiene una inteligencia humana y mecánica que colabora estrecha y fluidamente". Explicó: "Pensamos en ello como una asociación de pensamiento". "Yoshua Bengio nos recuerda, sin embargo, los desafíos para formar una asociación de este tipo:" No se trata solo de precisión [con IA], se trata de comprender el contexto humano, y las computadoras tienen absolutamente cero pistas sobre eso ".

Es interesante que haya una buena cantidad de consenso con respecto a ideas clave, ya que AGI no es un objetivo especialmente útil en este momento, AI debería aplicarse para aumentar la mano de obra y no reemplazarla, y AI debería trabajar en asociación con las personas. También es interesante que estas mismas lecciones sean confirmadas por las experiencias corporativas.

Richard Waters describe cómo las implementaciones de IA aún se encuentran en una etapa bastante rudimentaria en el FT [aquí]: "Elimine la investigación gee-whiz que acapara muchos de los titulares (¡una computadora que puede vencer a los humanos en Go!) Y la tecnología está en una etapa rudimentaria". También señala: "Pero más allá de esta 'consumismo' de TI , que ha puesto herramientas fáciles de usar en más manos, revisar los sistemas y procesos internos de una empresa requiere mucho trabajo pesado ".

Ese trabajo pesado lleva tiempo y excepcionalmente pocas empresas están allí. Ginni Rometty, directora de IBM, caracteriza las aplicaciones de sus clientes como "actos digitales aleatorios" y describe muchos de los proyectos como "impredecibles". Andrew Moore, director de IA para el negocio de la nube de Google, lo describe como "IA artesanal". Rometty explica: “Tienden a comenzar con un conjunto de datos aislado o un caso de uso, como la optimización de las interacciones con un grupo particular de clientes. No están vinculados a los sistemas, datos o flujo de trabajo más profundos de una empresa, lo que limita su impacto ".

Aunque se cree que  HBR El caso del MD Anderson Cancer Center proporciona un buen ejemplo de un proyecto de IA de la luna que probablemente se extralimitó, también proporciona una excelente indicación de los tipos de trabajo que la IA puede mejorar materialmente. Al mismo tiempo que el centro intentaba aplicar la IA al tratamiento del cáncer, su "grupo de TI estaba experimentando con el uso de tecnologías cognitivas para realizar trabajos mucho menos ambiciosos, como hacer recomendaciones de hoteles y restaurantes para las familias de los pacientes, determinando qué pacientes necesitaban ayuda para pagar facturas y abordar los problemas de TI del personal ".

Lea la historia completa aquí ...