El aprendizaje, algo más que la formación (I)

Es recomendable que, en estos tiempos tan faltos de utopías pragmáticas, desveladores de la materialización de la aleatoriedad y enfocados en dar protagonismo a un nuevo traje, transitemos de la idea de la inteligencia artificial (IA) a la realidad del aprendizaje automático (machine learning o ML) Nos remontamos con brevedad a sus orígenes modernos basados en aquellos sistemas expertos (SE) que realmente fueron los precursores de todas estas tecnologías con impacto universal para concluir que el aprendizaje continuo automático es una herramienta que es útil saber manejar. Recomendable para acotar el pandemonio que ha implantado cambios estructurales a la velocidad del rayo y separar la idolatría de la ciencia de la indagación científica que pudiera ayudar a definir el marco que pretende aclarar. Cibercotizante para evitar castigos por incompetencia, indiferencia o incluso mala suerte. Los SE fueron desarrollados a mediados de los años 60. En este periodo de investigación en el campo de la IA se creía que, con la suma de unas pocas reglas de razonamiento y potentes ordenadores, se podía reproducir un auténtico experto de rendimiento superhumano. Fue el primer intento de codificar los procesos de análisis de datos, algo que se hizo posteriormente dando paso a los motores de reglas que se usaron para responder preguntas, pero de forma programada, porque por aquel entonces funcionaban conforme unas reglas predefinidas por expertos lo que limita mucho sus posibilidades. En 2020, las maquinas dotadas de IA son eficientes para fines concretos y muy lucrativos, pero también extremadamente limitadas siendo muy potentes, de hecho, en exceso, por sustentarse en fuerza bruta, traducida en falta de eficiencia, sin olvidar la energética; huele a nicho. Pueden competir en realizar tareas repetitivas con los humanos y por ello es imprescindible que, si desean tener comportamientos que complementen como herramientas a los seres inteligentes, aprendan de estos y viceversa. Los sistemas actuales son propensos a errores catastroficos, carece n de capacidad de razonamiento y contextualizacion, y no poseen nada remotamente parecido al sentido común humano.

Buscando el uso de herramientas es donde aparece el que podemos denominar el alternativo modelo centauro alado: aquel que prioriza lo mejor del humano -joven manejando la tecnología, maduro aportando experiencia- y de la máquina, digitalizando de extremo a extremo. Inducido inexorablemente por la tecnología, no solo no sustituye a las personas, sino que implementa con eficiencia sus capacidades y les ayuda a mejorar, cuantitativa y cualitativamente su productividad atacando de raíz sus vulnerabilidades. Guiado por evitar a toda costa el achatarramiento humano de la ficción del Terminator. Si se aplica sistemática y colectivamente, puede mejorar rápidamente el rendimiento de una organización de todos los tamaños y en cualquier sector. El valor relativo del trabajo humano se desvela al ser fundamental para el modelo y, cual precio bien formado que iguala a su valor, expone las facultades y potencias humanas: inteligencia, voluntad y, sobre todo, creatividad.

La IA es, entre otras cosas, una tecnología, pero cada vez cobra más protagonismo como elemento de potencial valor en las empresas. Se recoge en un estudio recientemente publicado por Microsoft, que

las empresas líderes en la adopción de IA y en la formación de sus empleados están mejor preparadas para adaptarse a la crisis. Según el mismo informe, la clave de la competitividad radica en la implantación de tecnologías de Inteligencia Artificial (IA) y en la apuesta por la capacitación del capital humano para sacarle mayor partido y exactamente esa capacitación, es la que se debe transmitir para que ambos, humanos y máquinas mantengan el equilibrio trabajador/herramienta. La formación es adquirir conocimientos, pero el aprendizaje también incluye la implicación activa en aplicarlos y generar nuevos por la heurística de la práctica. Que la simpatía y la utilidad no se antecedan al objetivo final de poner herramientas al servicio de los humanos.

La realidad es que se puede empezar a acelerar el uso de esta tecnología de una manera mucho más fácil que hacer una ppt. Estamos muy lejos del Terminator, al comienzo del inicio del principio, a tiempo todavía de aprender a usar y desarrollar las herramientas complicadas que harán falta con infraestructuras generadoras de datos que dejarán en evidencia la falacia propagandística del actual Big Data -que será el Very Small Data del mañana- basadas en 5G, por ejemplo. La medida 100, de las propuestas presentadas en septiembre de 2019, por el Gobierno de España mencionaba, por primera vez, la creación de una Escuela de Inteligencia Artificial. Hubiera ayudado, sin duda, tenerla activa ya, a tomar decisiones relevantes que se basan en interesadas opiniones sin datos relevantes ni modelos predictivos solventes encomendando cada vez más decisiones a máquinas estúpidas. Todos los modelos son erróneos. Algunos, útiles.

Pero si ya conocemos en qué podemos beneficiarnos de la IA, a esta la podemos considerar el continente, pero el aprendizaje automático es realmente el contenido y donde se genera realmente el valor. Los algoritmos de ML encuentran patrones en los datos históricos que el ser humano intuye, pero no está preparado para manejar con naturalidad, por la necesidad de saltar con rapidez de unos pocos datos a reacciones instintivas. Los modelos de ML entrenados siguen estos patrones …patrones de comportamiento para hacer predicciones con datos nuevos, lo que permite que las empresas y organizaciones tomen decisiones adecuadas a tiempo, decisiones basadas en los datos de su negociado, sin sesgos ni intuición humana tras la revisión objetiva del experto, que pueda derivar en decisiones erróneas. Es una nueva forma de programar.

En el AWS 2018 Summit en Londres el Dr. Werner Vogels de Amazon reveló que “AWS concentra su esfuerzo en ofrecer características y servicios basados en IA para potenciar aún más la eficiencia en la entrega de productos para sus clientes”, posiblemente uno de los servicios más valorados por estos: el compromiso de fecha de entrega.

Las herramientas basadas en 5G convertirán el actual ‘Big Data’ en el ‘Very small data’ del mañana

Se ha de competir con las mismas herramientas o definitivamente se acabará con los tejidos productivos nacionales desde las plataformas globales. Hay que ser parte relevante de la plataforma. Pero Amazon está inmerso en un proceso por encontrar talento tecnológico en la actualidad, y quizás esta sea la oportunidad que muchos han estado esperando. El anuncio de que la compañía actualmente tiene 33.000 vacantes para puestos corporativos y tecnológicos que apoyan áreas que incluyen Alexa, AWS, tecnología de operaciones o Prime Video, fue un reclamo irrechazable para miles de candidatos. Si a esto le añadimos que el sueldo que se ofrece parece que es de alrededor de 150.000 dólares, poco más se puede decir aquí. Esperamos poder analizar con solvencia una traslación a España en el futuro cercano. 5.000 millones en nuevos sueldos cotizables anuales lo sugieren. La cita fue haciéndola coincidir con el evento nacional del pasado 16 de septiembre. Dicho acto se convirtió en una convocatoria abierta a todos los solicitantes de empleo, que puso a disposición de los candidatos un equipo de 1.000 reclutadores de Amazon que ofrecieron 20.000 sesiones gratuitas de capacitación profesional en un solo día. Si no luchas, te matas. La ventaja del aprendizaje es que va de abajo a arriba, fractal, antifrágil. Intentar tener una visión completa de la realidad es lo opuesto al dogmatismo y aprender los trucos permite a la gente recuperar el control y entender cómo sus datos afectan a los planes de marketing colocando así los misterios de la magia potagia en sus manos. Las encuestas no se podrían usar como herramienta pauloviana. Un truco muy eficiente y pintiparado para este caso en aprendizaje automático es la detección de anomalías. Con este tipo de algoritmos aplicados en métodos de aprendizaje no supervisado se pueden crear los datos que sirven para entrenar otros que encuentran patrones con más significancia, utilidad y eficiencia si un experto, justamente por ser no supervisados, ayuda, no como en sus inicios, basado en ellos, a detectar la relevancia de esas anomalías. Por ejemplo, un experto en seguridad, enseguida descarta como anomalía un patrón de una paseadora nocturna de perro anciano.