¡Las máquinas están llegando! Nos van a robar nuestros trabajos, nuestros medios de subsistencia, y tal vez incluso convertirnos en baterías tapadas por sus necesidades mecánicas retorcidas. O, ya sabes, solo toma nuestros trabajos. Lo que sea.
Pero resulta que incluso eso podría no ser del todo cierto, al menos en la medida en que mucha gente teme. De hecho, la inteligencia artificial, la tecnología que muchas personas imaginan que será su perdición profesional, podría ayudarlos a ser más eficientes en sus trabajos. Eso es según los resultados de un estudio realizado por investigadores de la Universidad Carnegie Mellon y el Instituto de Tecnología de Massachusetts.
“Nuestra conclusión es que lo que es probable que suceda no es la sustitución total de puestos de trabajo por computadoras”, explicó Mitchell. “Habrá una evolución y redefinición gradual de los trabajos para que las tareas que se pueden automatizar sean, lo que le liberará a usted, a la persona, para hacer otras tareas más”.
El estudio, que fue publicado en la revista Science , examinó el aprendizaje automático, un pilar de la inteligencia artificial que permite que una computadora aprenda a realizar tareas específicas en función del tipo de datos de los que se alimenta. Piense cómo puede escribir “perro” en la barra de búsqueda de Fotos de Google (GOOG, GOOGL) y obtener todas las imágenes de los perros que ha tomado.
Los autores del estudio, Tom Mitchell , de Carnegie Mellon, y Erik Brynjolfsson , del MIT , identificaron 21 criterios para determinar si el aprendizaje automático podría hacer 1.000 trabajos diferentes.. Los criterios incluyeron si hay una gran cantidad de datos disponibles para tareas específicas, si esa información ya está en línea y si los trabajadores tienen que tomar decisiones bien definidas basadas en insumos bien definidos.
Mitchell señala el ejemplo de un dermatólogo encargado de diagnosticar el cáncer de piel basado en imágenes de las imperfecciones de la piel de un paciente para determinar si las marcas son cancerosas o no.
La gran cantidad de datos en esa situación sería la gran cantidad de fotos de defectos cancerosos y no cancerosos disponibles para los médicos. Esos datos también están disponibles en línea; es probable que haya buscado Google ellos mismos después de pasar demasiado tiempo bajo el sol.
“Lo que sucedió allí es que el algoritmo de aprendizaje automático recibió aproximadamente 130,000 ejemplos de entrenamiento con las verdades básicas para determinar si [una mancha] era canceroso y ese programa fue capaz de ofrecer una mejor estrategia que los dermatólogos”, dijo Mitchell. .
Esencialmente, al algoritmo de aprendizaje de máquina se le dieron ejemplos de imperfecciones que son cancerosas y aquellas que no lo son y la máquina finalmente pudo hacer determinaciones sobre nuevas imperfecciones por sí misma.