miércoles, 18 de enero de 2017

Cuando lo que importa es más lo artificial y menos la inteligencia

La inspiración de la inteligencia artificial ha sido el cerebro humano o, quizá mejor, su inteligencia, su forma de razonar y comportarse, una mecánica que le permite aprender, intuir, conectar hechos complejos e inciertos...

Algunas técnicas de la inteligencia artificial, típicamente las redes neuronales, de hecho, nacen de una cierta metáfora tecnológica, una suerte de analogía que intenta mediante diseños que imitan la naturaleza conexionista del sistema nervioso, conseguir resultados similares.

Y, de hecho, y más en los últimos tiempos, parece que esa imitación empieza a tener importantes éxitos y aún mayores expectativas.

Sin embargo, y paradójicamente, puede que a veces lo que deseemos de la inteligencia artificial sea que, precisamente, sea más artificial y menos humana porque, al fin y al cabo, y aunque nuestro cerebro es absolutamente sorprendente, también es imperfecto y, en ese sentido, mejorable.

En un punto de su libro 'The inevitable', Kevin Kelly razona sobre la inteligencia artificial y su aplicación en los coches autónomos y en ese pasaje nos dice:


One of the advantages of having AIs drive our cars is that they won't drive like humans, with our easily distracted minds.


En efecto, uno de los posibles defectos de nuestro cerebro es que se cansa, que pierde atención y eso, en labores como la conducción, es peligroso. Sin embargo, un cerebro artificial no se cansa ni disminuye su atención y eso le podría permitir, siendo igual el resto de condiciones, mayores dosis de seguridad y fiabilidad.

Probablemente, no convenga ser dogmáticos y las mejores soluciones sean mixtas, aprovechando lo mejor de lo más artificial de las máquinas, su potencia, su fiabilidad, su 'perfección' y mezclándolo con algoritmos que se acerquen a lo mejor del pensamiento humano: su razonamiento abstracto, su creatividad, su intuición, su capacidad de improvisación...

lunes, 16 de enero de 2017

Civilizar la tecnología

¿Tenemos la sensación a veces de que el ritmo de evolución tecnológica, de novedades e, incluso, comportamientos a ellas asociados, nos desborda?

Puede haber una explicación, una explicación que no sólo tiene que ver con el evidente progreso acelerado en que nos encontramos inmersos sino que está en relación, más bien, con nuestra capacidad para asimilar esas novedades, como individuos y como sociedad, nuestra capacidad para adaptar nuestros comportamientos, nuestras normas, nuestra etiqueta... puede que incluso nuestra ética.

Kevin Kelly, en su libro 'The inevitable' parece apuntar en esa línea cuando dice:

We are morphing so fast that our ability to invent new things outpaces the rate we can civilize them.

Es significativa esa expresión, 'civilizar' referido a la tecnología. En su libro, Kelly se refiere más bien a la adaptación y racionalización de nuestro comportamiento, y pone como ejemplo cómo nos acostumbramos a limitar de alguna forma cuándo podíamos llamar con el móvil (no estoy tan seguro de que esa etiqueta esté tan desarrollada como Kelly supone :) ) frente al uso indiscriminado y permanente que hacemos hoy día de twitter o la mensajería.

Piensa Kelly que con el tiempo encontraremos la forma de gestionar adecuadamente esas nuevas herramientas.

Y estoy de acuerdo pero, sin embargo, creo que la expresión de 'civilizar la tecnología' que el autor nos propone es más profunda que el análisis que el propio autor hace.

Al hablar de civilizar, creo que podemos incluir, y es mucho más relevante, responder a los desafíos éticos que nos plantean las nuevas tecnologías.

Pensemos en los dilemas morales e incluso legales que plantea la edición genética, o los coches autopilotados, o el conocimiento profundo de las personas vía Big Data e Inteligencia Artificial.

Si, eso de 'civilizar' es algo mucho, mucho más profundo que racionalizar el uso del móvil o twitter.

Pero en lo que acierta completamente Kevin Kelly es en señalar que la tecnología avanza mucho más rápido que su civilización.

viernes, 13 de enero de 2017

La cuarta revolución industrial según Klaus Schwab

'The Fourth Industrial Revolution' es un documento a medio camino entre el libro y el informe, una explicación sistemática, que no profunda, sobre el concepto de Industria 4.0 o Cuarta Revolución Industrial que el World Economic Forum, con su fundador y presidente a la cabeza (el autor), identifican como una transformación radical del sistema productivo, pero también de los negocios y la sociedad, como consecuencia del exponencial crecimiento de las tecnologías, fundamentalmente las de naturaleza digital aunque incluyendo otras más biológicas, aunque sin duda influidas por lo digital, como son la genética o la nanotecnología.

El libro se estructura en tres grandes capítulos:
  • 'The Fourth Industrial revolution': un capítulo muy breve que intenta explicar lo que es la cuarta revolución industrial y argumentar que se trata de un fenómeno que ya está entre nosotros y que provoca cambios profundos y sistémicos.

  • 'Drivers': donde se identifican y describen brevemente las tecnologías clave, tecnologías que se agrupan en tres secciones, las de naturaleza física (vehículos autónomos, impresión 3D, robótica avanzada y nuevos materiales), las digitales (Internet de las Cosas, Blockchain y las plataformas) y las biológicas (edición genética).

  • 'Impacto': donde, como el título expresa claramente, se analiza el impacto de estas tecnologías desde varios puntos de vista

    • Economía: fundamentalmente crecimiento, empleo y la naturaleza del trabajo

    • Negocios: identificando cuatro elementos como son las expectativas de los clientes, los productos enriquecidos con datos, la innovación colaborativa y nuevos modelos operativos

    • Globalización vs Localización: en lo relativo a gobiernos y administraciones, a regiones y ciudades y a la seguridad internacional

    • Sociedad: analizando comunidades y desigualdades

    • Individuo: abordando fundamentalmente la temática de las conexiones entre personas y de la privacidad de la información.
Finaliza el libro con un anexo en que se habla de 23 cambios concretos, valorando la probabilidad de ocurrencia hacia 2025 que los expertos les asignan y las consecuencias negativas y positivas que cabe esperar de ellos.

'The Fourth Industrial Revolution' es un libro interesante por los fenómenos que describe y las consecuencias que estudia, aunque tanto las tecnologías como los impactos se tratan de forma algo superficial y aunque, en mi opinión, el autor no logra dar una definición clara de qué entiende por Cuarta Revolución Industrial que parece, simplemente, como un agregado del impacto de todas las nuevas tecnologías de múltiples disciplinas.

Klaus Schawb

(Fuente: Elaboración propia de material en Wikipedia)

Klaus Schwab
Klaus Martin Schwab es un ingeniero, economista y empresario alemán conocido por ser el fundador y presidente ejecutivo del Foro Económico Mundial.

Nació el 30 de Marzo de 1938 en Ravensburg, Alemania.

Tiene un doctorado en Economía por la Universidad de Friburgo, un doctorado en Ingeniería por el Instituto Federal de Tecnología de Suiza y un máster en Administración Pública por la Escuela John F. Kennedy de Administración de la Universidad de Harvard.

Fue profesor de Política de Negocios en la Universidad de Ginebra desde 1972 a 2002. Es autor de varios libros y desde 1979 publica el Informe sobre Competitividad Global que estima el potencial de incremento de productividad y crecimiento económico de los paises. El informe se basa en una metodología desarrollada por el propio Schwab que mide la competitividad, no sólo en términos de productividad sino también con criterios de sostenibilidad.

Desde 1996 a 1998 fue Vicepresidente del Comité para Planificación del Desarrollo de las Naciones Unidas.

En 1971, Schwab fundó el Foro Económico Mundial como una organización sin fines de lucro, fundación dedicada a mejorar la situación del mundo, más tarde la construcción de hoy en la asociación mundial de empresas, políticos, intelectuales y dirigentes.

En 1998, Schwab y su esposa fundaron la Schwab Foundation for Social Entrepreneurship, una organización sin fines de lucro con sede en Ginebra, Suiza.

En 2004, Schwab fundó una nueva fundación, el Foro de Jóvenes Líderes Globales, que pretende reunir a más de 1000 personas menores de 40 años que han demostrado su compromiso con la mejora de la situación del mundo, y animarles a trabajar juntos en el lapso de cinco años para identificar y comprender el cambio global.

En el año 2010 fue reconocido por la Fundación Internacional de Jóvenes Líderes con la distinción de "Referente de la Humanidad".

Ficha técnica:

AUTOR: Klaus Schwab
AÑO: 2016
ISBN:  978-1-944835-01-9
PAGINAS: 199

Artículos de este blog relacionados

miércoles, 11 de enero de 2017

Deep Learning, algo más que redes neuronales

Cuando hace unas pocas fechas elucubrábamos sobre las definiciones de deep learning, una de los elementos poco claros era si deep learning es un nuevo nombre para las redes neuronales o se trata de un subconjunto de ellas, quizá una aplicación de ellas.

Una afirmación de Daniel Graupe en 'Deep Learning Neural Networks' parece disipar las dudas. Dice:

Deep learning can also be achieved with non-NN (non-neural networks) architectures, such as SVM (Support Vector Machines), which are general in range of applications, but usually slow.

Según esto, no hay identificación: deep learning es una cosa y redes neuronales otra...aunque parece que frecuentemente se solapan...

¿Todo el mundo opina lo mismo?


martes, 10 de enero de 2017

Colaboración: "La Luna ya no es suficiente: Elon Musk y la conquista de Marte" en 'A un Clic de las TIC'



La semana pasada publicaba en A un CLIC de las TIC el artículo titulado 'La Luna ya no es suficiente: Elon Musk y la conquista de Marte' donde hablo de un tema ya tratado en este blog: los planes de Elon Musk y SpaceX para colonizar Marte.

Pero, en este caso, juego un poco con las palabras y la metáfora...

¿Te gustaría leerlo?

Pues sigue este enlace...


lunes, 9 de enero de 2017

Redes neuronales: quizá no tan cerca del cerebro humano

Una de las explicaciones básicas sobre las redes neuronales, y probablemente uno de sus primeros atractivos, dejando a un lado sus resultados, es que se inspiran en el cerebro humano y en el sistema nervioso.

Si ambos están constituidos por neuronas, que, reciben impulsos en las dendritas, los procesan y transmiten el resultado por los axones que se unen a otras neuronas, las redes neuronales artificiales están formados por unos nodos (que emulan a las neuronas) que reciben unos inputs a través de las conexiones de entrada (algo así como las dendritas), los procesan y transmiten el resultado por las conexiones salientes (algo así como los axones).

 Esta metáfora, es la que inspira las redes neuronales artificiales y la que parece explicar, si es que explicar es la palabra, que las redes neuronales puedan conseguir resultados más cercanos a la inteligencia y al comportamiento humanos.

Sin embargo, parece que cuando se avanza en las redes neuronales artificiales, y muy en especial, en las que se emplean en deep learning. comienzan a existir divergencias no menores.

Al menos esos es lo que se deduce leyendo a Daniel Graupe, quien, en su libro 'Deep Learning Neural Networks', nos dice:

whereas Neural Networks are supposed to follow or to approximate a general architecture based on the organization of the biological Central Nervous System (CNS), many if not most of the DLNN (Deep Learning Neural Networks) architectures have little in common with any CNS architecture. Also, our knowledge of the CNN itself is stll too weak to allow modeling of its deep learning.

Dos cosas a tener en cuenta. Por un lado, el diseño de redes neuronales para deep learning emplea otros algoritmos no conexionistas para complementar el algoritnmo básico de la red neuronal, todo ello en busca del más que comprensible objetivo de obtener mejores resultados.

Por otro lado, el reconocimiento explícito de que aún no conocemos suficientemente el sistema nervioso central como para emularlo en un algoritmo, neuronal o del tipo que sea.

La parte fea, y digo fea más que mala, es que parece que las redes neuronales de deep learning son algo menos neuronales de lo que creíamos y que se utilizan de forma menos elegante de lo que la metáfora de partida hacía suponer.

Pero también hay una lectura más que positiva. Por una parte, que se obtienen resultados... y eso es bueno en sí mismo.  Por otro es que, si somos capaces de obtener resultados positivos, e incluso sorprendentes, con un modelo burdo del sistema nervioso central ¿qué no seremos capaces de hacer cuando lo conozcamos mejor?

Queda camino, desde luego... y un camino que se presume apasionante...

viernes, 6 de enero de 2017

#macrotweet: ¿Nos superan los avance tecnológicos?

We are morphing so fast that our ability to invent new things outpaces the rate we can civilize them.



Kevin Kelly
'The inevitable'