En este post, primeramente voy a mirar hacia la traslación de estos conceptos al mundo físico, y muy en concreto al caso de los robots humanoides. Y luego voy a intentar razonar si debemos mantener una diversidad de soluciones o si podría tener sentido, y en qué condiciones, quedarnos sólo con la visión generativa (y los robots humanoides).
Un repaso de la tensión exactitud vs. flexibilidad
Simplemente, a modo de recordatorio, resumo brevemente lo visto en los tres posts anteriores.
Lo que he intentado mostrar es que las técnicas digitales tradicionales e, incluso en muchos casos, los modelos discriminativos de inteligencia artificial, nos proporcionan soluciones a diversas problemáticas que son adecuadas y, sobre todo, fiables, predecibles y confiables.
Así, en el caso de la analítica, si usamos meras consultas mediante SQL a bases de datos relacionales, o empleamos técnicas tradicionales de 'business intelligence', los análisis, los indicadores, los resultados son consistentes, repetibles y fiables. Incluso si realizamos modelos predictivos basados en un machine learning 'más tradicional', y dentro de que un modelo siempre es una abstracción, podemos fiarnos bastante de sus resultados y que, sobre todo, de que éstos serán consistentes.
En el mundo de la automatización de procesos, todos los sistemas tradicionales de automatización (sistemas empresariales, sistemas BPMS y Case Management, formas sencillas de RPA, etc) se basan en reglas y flujos perfectamente claros, exactos y predecibles.
Finalmente, en el ámbito del desarrollo software, y aunque en este caso nos encontramos ante una actividad más artesanal, la aplicación rigurosa de la ingeniería de software, especialmente si se apoya en implementaciones fuertemente automatizadas como las que ofrece DevOps, no conseguimos una completa exactitud y fiabilidad, pero sí un cierto rigor y control y una razonable predecibilidad.
El punto surge cuando utilizamos los modelos generativos. Unos modelos que son enormemente potentes, que no dejan de evolucionar, crecer en capacidades y asombrarnos. Pero, además, unos modelos que son muy transversales, que se pueden aplicar a 'casi cualquier cosa', que nos pueden servir para hacer analítica, para automatizar (pensar en el caso de los agentes) y para generar código software. A su potencia y transversalidad unen, además, su facilidad de uso.
¿El problema?
Pues que esa potencia y flexibilidad viene con el coste de su no completa fiabilidad (siguen sufriendo 'alucinaciones') y la no completa predecibilidad de resultados, pudiendo ofrecer conclusiones o acciones diferentes en cada invocación.
Un paralelismo en robótica: ¿Tienen sentido los robots humanoides en una fábrica?
En mi opinión, existe un razonable paralelismo entre estas problemáticas y la situación con un eventual uso de robots humanoides en fábricas (tal como sugería Musk, apostando por el uso masivo de su Optimus en las fábricas de Tesla).
La automatización industrial se mueve en entornos muy predecibles y con reglas tremendamente claras. En ese ámbito, los mecanismos tradicionales de automatización industrial se comportan perfectamente. Hablo, por ejemplo, de los sistemas PLC, de las máquinas de control numérico o de los propios robots industriales, especialmente los brazos robóticos que actúan como manipuladores. No sólo es que el ámbito industrial esté sometido a reglas muy claras, es que además, y como recordaba en el primer post de esta serie, un atributo clave del concepto de calidad es, precisamente, la repetitividad, el que los resultados sean similares por más veces que se repita un proceso.
Salvando las distancias, un robot humanoide (no los que tenemos ahora mismo, sino los que aspiramos a tener en unos meses o años) sería algo parecido a un modelo generativo (incluso, internamente, los pueden utilizar): una máquina muy potente, capaz de hacer cosas muy diferentes y, por tanto, muy flexible. A cambio, cabe pensar que, al estar menos especializados, serían menos eficientes que sus contrapartidas tradicionales. No sólo eso, probablemente (aunque esto está por comprobar), sus resultados serían menos predecibles.
Y es que, en general, la flexibilidad tiende, aunque no de forma absoluta, a estar reñida con la eficiencia y la predecibilidad.
Según eso, al menos a corto y puede que medio plazo, parece difícil que los robots humanoides puedan sustituir con ventaja a los robots industriales y otras formas de automatización industrial más tradicionales
¿Diversidad de soluciones o apuesta por lo flexible?
Y tras este inciso, volvemos al problema principal. Dado que, en bastantes casos, los sistemas tradicionales parecen garantizar resultados más fiables, más exactos y, en general, una mayor eficiencia, pero dado también que, por otro lado, los modelos flexibles (modelos generativos de IA o robots humanoides) ofrecen tanta potencia, tanta flexibilidad y tanta facilidad de uso ¿debemos considerar una diversidad de soluciones y elegir en cada caso la más adecuada?
O, por el contrario ¿Debemos apostar 'a saco' por los modelos flexibles, como los modelos generativos en IA y los humanoides en robótica?
Estimo que a corto plazo, debemos ser cautos y no apostar a ciegas por los modelos generativos (o los robots humanoides), sino razonar en cada situación, con objetividad y argumentos, qué es mejor: si el modelo generativo (o los robot humanoides, en su caso) o soluciones más tradicionales y exactas.
Pero identifico tres elementos, tres razonamientos, que podrían cambiar esa consideración y volcar la apuesta hacia los modelos más flexibles en un futuro, quizá no lejano:
- El factor escala y el razonamiento económico
- La curva de aprendizaje
- La evolución tecnológica
Veámoslo.
El factor escala y el razonamiento económico
El factor escala aplica en general, pero me resulta especialmente relevante en el caso de los robots humanoides.
Si mantenemos la apuesta por una diversidad de opciones, cada una de esas opciones se aplicará de una forma más limitada. Quiero decir, en ocasiones los problemas se resolverán con una tecnología y en otras ocasiones con otra. Eso quiere decir que ninguna tecnología dominaría completamente el mercado. Y hay que tener en cuenta que, en el caso concreto de la automatización industrial, los equipos y especialmente los robots son máquinas caras. Y los robots humanoides, también son caros, muy caros.
¿Qué ocurriría si en lugar de esa diversidad de soluciones el mercado apostase decididamente por una sola, por ejemplo, por los robots humanoides? Pues pasaría que se venderían miles, millones de unidades. Y, por tanto, aumentaría la competencia y, sobre todo, se conseguirían economías de escala. Y el precio de los robots humanoides podría bajar mucho. En esa situación, podría ser económicamente mucho más eficiente adoptar robots humanoides que, además, por su flexibilidad, podrían valer casi para cualquier tarea. Y eso podría llevar a que los robots humanoides desbancasen a las oras formas de automatización industrial. En el caso concreto de los robots humanoides esa economía de escala podría ser mucho más profunda si triunfasen, no sólo en el ámbito industrial, sino también en los servicios y en el entorno doméstico.
Aparte de esa visión 'macro', si pensamos en la economía de una empresa concreta, es más barato en términos de soporte, mantenimiento y formación, el usar una sola tecnología. Y el uso de una sola tecnología es más posible cuando esta es flexible.
Es cierto que, especialmente en automatización, y más especialmente en automatización industrial, las soluciones flexibles (robots humanoides o modelos generativos) tendrían que alcanzar un mínimo admisible de fiabilidad pero, incluso, y siempre que no entremos en aplicaciones peligrosas, podría seguir siendo rentable un proceso de algo menor calidad (que produce más piezas defectuosas que hay que desechar) si, a cambio, el coste en su conjunto es menor.
La curva de aprendizaje
He mencionado ya en el punto anterior el aprendizaje. En efecto, utilizar una diversidad de tecnologías implica tener multitud de habilidades y capacidades en las personas, y eso implica más formación y más dificultad de adaptación.
Si en lugar de eso nos centramos en una única tecnología (y, en ese caso, parece lógico optar por la más flexible) el coste de formación sería menor y la curva de aprendizaje de trabajadores y profesionales se aceleraría.
Si a esto añadimos que las nuevas tecnologías flexibles (como los modelos generativos) son cada vez más sencillas de utilizar, parece claro que esa facilidad de aprendizaje puede ser un importante factor de decisión y un impulso a la adopción.
La evolución tecnológica
Finalmente, es importante dar 'un voto de confianza' a la tecnología y la evolución tecnológica.
Los motivos para mantener soluciones más tradicionales en lugar de 'ir de cabeza' a por las más flexibles (modelos generativos y humanoides) tienen que ver, sobre todo, con la eventual falta de fiabilidad y eficiencia de esos modelos flexibles frente a los tradicionales. Pero esa ventaja puede acortarse o, incluso, desaparecer. Y puede suceder en poco tiempo.
Es cierto que, en el caso de los modelos generativos, al menos en sus arquitecturas actuales, las alucinaciones parecen casi inevitables. Pero ¿Quién dice que mediante entrenamiento, mediante retoques en la arquitectura de los algoritmos o mediante adición de piezas adicionales, no seremos capaces de reducir esas alucinaciones a un mínimo perfectamente admisible salvo, quizá, en aplicaciones de misión crítica?
¿Quién dice que, igual que los modelos generativos supusieron un cambio de paradigma y un salto cualitativo en potencia y flexibilidad, no aparecerá un nuevo paradigma dentro de seis meses o un año, que haga que las eventuales desventajas de las soluciones flexibles desaparezcan? De la misma forma ¿Quién dice que en el caso de los robots humanoides no encontraremos algoritmos que los hagan más fiables o materiales que los hagan más baratos?
Los últimos años nos han demostrado un avance tan espectacular en materia de tecnología que casi que, lo que no es racional ahora mismo, es no dar un margen de confianza a esa mejora tecnológica.
Conclusiones
Existe una tensión entre la fiabilidad, eficiencia y exactitud que nos proporcionan por un lado las tecnologías mas tradicionales y, por otro, la potencia, flexibilidad y facilidad de uso que viene de la mano de tecnologías 'flexibles' como los modelos generativos de la IA o los robots humanoides.
Y eso aplica a campos como la analítica, la automatización o la generación de código que hemos revisado en esta serie de artículos.
Actualmente, y seguramente durante un tiempo, habrá que saber elegir de manera consciente e informada entre qué solución es mejor en cada caso.
Pero de cara al futuro elementos como las economías de escala, la curva de aprendizaje o la mejora tecnológica, podrían llegar a volcar de manera definitiva la apuesta hacia esas soluciones flexibles.
Habrá que observar, analizar y decidir.
Artículos de este blog relacionados
- Exactitud vs. flexibilidad en modelos de inteligencia artificial (III): ingeniería software y 'vibe coding'
- Exactitud vs. flexibilidad en modelos de inteligencia artificial (II): automatización inteligente
- Exactitud vs. flexibilidad en modelos de inteligencia artificial (I): analítica inteligente
No hay comentarios:
Publicar un comentario