2019-12-05

Los papeles de las inteligencias artificial y humana en la innovación.

Algunas apreciaciones de La inteligencia artificial vs La inteligencia humana.
Por Beatriz Fainholc. Blog CUED.


AI-Innovation.jpg
Los papeles de las inteligencias artificial y humana en la innovación. 

La tecnología es sorprendente y aterradora a la vez. Si bien quien suscribe fue y es muy entusiasta acerca de lo que significa el desarrollo tecnológico, considera que no siempre coincide con las promesas utópicas de un brillante futuro tecnológico.


En realidad, no hay techo para los avances tecnológicos. Todo ello inscripto en un tipo de paradigma que transita hacia otro conocido hoy como RUPT (Magellan Horth, David 2016), que en ingles es “rapid, unpredictable, paradoxical y tangled”.

En español seria rápido, impredecible, paradójico e inter-lazado, que ojalá sea para el entender y mejorar el mundo, la vida y la persona en general.

IA para cultivar innovaciones genuinas 


Debemos ser realistas y no cultivar criticas vacías y falsas ilusiones. Usar la tecnología que se dice disruptiva, -es decir, de crecimiento exponencial, como es hoy furiosamente la inteligencia artificial, I.A.-, debería ser para cultivar innovaciones genuinas para cosas pertinentes y prácticas.

El “punto de ebullición” de la I.A [1] con apoyo de las redes, se está convirtiendo en masiva, y esta tendencia, no es algo nuevo, ya que fuera registrado por los estudios sociológicos el 70 al enfatizar que los aspectos tecnológicos [2] desconsideran las dimensiones sociales y culturales.

Los sistemas tecnológicos, en realidad, deberían menos fomentar el consumo de equipos y programas, -solo en honor a la velocidad de llegada de la información (que sea)-, y más las situaciones y actores sociales, sus contextos y sus perfiles.

Por el contrario, aparecen descartando explícitamente las cargas metafísicas, sociales y políticas que alguna vez implicaron los conceptos de “progreso” y “modernidad”.

Esto significa que si se trata de la dimensión educativa, ver si los alumnos (chicos y grandes) en las escuelas y universidades y en cada clase, tienen suficientes libros, cuadernos, y lápices, y enchufes para conectar los artefactos para se necesitan.

Es tiempo de ser más críticos (que lo fuimos y somos) respecto de la significancia de una innovación e incluir otras ecuaciones que están ahora quedando fuera del sistema.

Hay mucho tecno-triunfalismo


Es decir, pensar en los límites de computadoras y programas (Lanier, 2012), -entre ellos, como es el crecimiento desmesurado de la I.A., hoy concepto mágico y foco de un mega-discurso de la racionalidad instrumental, que sostiene que de suyo, ayuda a un mejoramiento del progreso humano requerido.

Se trata de un tecno-triunfalismo, que recibe mucho apoyo de empresas y universidades (mercantilizadas).

Sin embargo si bien con la I.A. se puede pensar más rápido (procesar información velozmente) no alcanza, para rasgos netamente humanos como la percepción, la sensibilidad y otros (por ahora…)

A su vez, si se analiza el concepto de innovación, se ve que proviene de la voz latina innovare, que significa “renovar”. “Innovar” significa comenzar o introducir algo nuevo. Así se piensa que es la implicación de la I. A, considerada como una innovación tecnológica aplicable a todas y diversas situaciones.

La pregunta: será realmente una innovación?


Una innovación implica creatividad y producción de ideas nuevas por parte de una persona, un grupo, una institución. Tiene varios componentes: cognitivo (incluye lo ideológico), socio actitudinal- cultural, ético y de management (gobernanza/gestión).

Entonces en toda persona, grupo y organización hay pensamientos a desenvolver y procedimientos que lo acompañan, valores y actitudes que lo sustentan. También, creencias, estereotipos, mitos a desarmar, etc.

Sería un marco explicativo y el sentido en el que apoya lo que es una “innovación”. Recordar que: no todo cambio es una innovación pero una innovación es siempre cambio, pero no solo de equipos y programas tecnológicos. Hay cosas en Internet que son muy conocidas, populares (Broussard, 2016) pero no implican innovaciones necesariamente.

Para que realmente lo sea, se trata de un desafío intelectual enorme de óptica relacional y transdisciplinaria, para analizar, interpretar, crear estrategias y verificarlas en la acción. Se apelan así, a herramientas como del razonamiento metafórico, el pensamiento integrado, formas de comprensión impensada anteriormente.

Los tiempos de la economía de las plataformas digitales, o big economy, así como impacta en el mercado sobretodo laboral [3] (Hyman, 2018) también resalta oportunidades habilitadoras, si se cuenta con una calificación especifica.

Volviendo al tema de la I.A, daremos un ejemplo, para entender (y dudar) de la misma, como innovación. Los científicos computacionales piensan en construir sistemas según los modelos centrales autónomos y los human-in-the-loop .

El primero opera sin ninguna intervención humana y el segundo presenta a lo humano como parte integral del sistema. Sin embargo se está viendo que un coche autónomo no resuelve el tráfico y otros temas, es decir, no es una gran idea, pero un sistema human-in-the-loop para coches, (u otros) puede serlo.

Se cree que sería bueno pensar en acudir a la tecnología para hacer mejores conductores de coches en vez de reemplazar los conductores humanos por robots [4] Es decir, parecería que se diseñan los sistemas para acomodar los humanos a las máquinas (que es visto como lo mejor), lo que es opuesto a que los diseños que hacen los humanos (por no mucho tiempo!… ) sea para incluirlos,

Ello es realmente una innovación? Y siguen las preguntas: ¿Qué representaciones son mejores que otras, y cómo crear modelos para aprender de estas representaciones. ¿El Deep Learning es el modelo de todo aprendizaje maquinal? ¿Es posible conocer sin saber?

En estos casos, es necesario siempre entender las proyecciones de las intervenciones tecnológicas “innovadoras”. Es decir, si se ha sido ético, o si se están desencadenando efectos colaterales a mitigar, en vez de resolver los reales problemas, y otros.

Una pequeña conclusión.


Como se ha dicho al comienzo: se debe ser realista y no cultivar vacías y falsas promesas para un brillante futuro tecnológico.

Usar la tecnología para cosas pertinentes y prácticas pero al mismo tiempo, saber si los chicos en las escuelas y en cada clase, tienen suficientes libros, cuadernos, y lápices, y enchufes para conectar los artefactos con contenidos que realmente necesitan los alumnos.

Más allá que hay mucha gente que tiene poco acceso a la tecnología que realmente necesita y que muchos sistemas informáticos están pobremente diseñados, la data por la data misma, posee una efectividad reducida en la aplicación concreta a algo [5].

Es decir, no se necesita tener un conocimiento del contenido cuando existe big data. Esto también a su vez, prioriza las respuestas populares o lo popular, que no siempre es bueno o lo mejor. Esto ocurre con la I.A.

Tal vez, deberíamos usar la tecnología para disponer mejor y potenciar el mundo con los sistemas que existen, se ajusten y renueven según las necesidades históricas culturales. Y crear otros menos “revolucionarios” y más acordes a la gente, en todo sentido.

REFERENCIAS

Notas

[1] El vocablo IA es debido a John McCarthy, (1956), como el conjunto de algoritmos que persiguen imitar el funcionamiento de la mente humana, es decir, reconocer su alrededor procesando información, y sacando conclusiones. También inferir otras nuevas, que no fueron pre programadas, o aplicar enorme poder de computo de la informática –realizar operaciones aritméticas-, para resolver [1] problemas. Esto no es algo nuevo, ya que la neuro computación (desde 1943), apuntó a automatizar fábricas y demás. La diferencia es que ahora la super computación se puede instalar en un teléfono que se lleva en el bolsillo, o permite guardar información en el clouding de internet.

[2] Un tecnochauvinismo, en palabras de Broussard, M. (2016) Artificial Unintelligence: How Computers Misunderstand the World. MIT Press. USA.

[3] Hyman, L (2018) How American Work, American Business, and the American Dream Became Temporary. Consultado 20 /setiembre/2018. https://www.nytimes.com/2018/08/22/books/review-temp-louis-hyman.html
Asegura que la tecnología de la big data saca réditos de lo pre-existente pero ahora mas montado en las plataformas de Internet. Lo que ha llevado a múltiples reconocidas crisis en los trabajos.

[4] Se teme que la diferencia entre lo que se imaginaba y lo que los algoritmos de la I.A.puede hacer, es hoy muy grande: hasta se enuncia desprenderse de cierto software como las redes sociales, por sus efectos nocivos y desenchufarse en honor a la salud humana.

[5] No se requiere ser un experto en el tema que los datos cubren, porque se pueden sacar conclusiones simplemente por la vastedad de los mismos. Por ejemplo, saber cómo está el tiempo, cuántos grados de temperatura hace, el programa de reconocimiento de voz, toma la secuencia fonética que “suena” a “tiempo/clima” pegado/adosado al programa linkeado con la temperatura geológica, y hay una respuesta acertada. Es un análisis matemático de datos, y no un análisis del contenido de los datos.

bfainhol@gmail.com


Colaboración especial de su autora para el Blog CUED
en 3:38

Escribe Beatriz Fainholc (colaboración especial para el Blog)
Viernes, 22 de noviembre de 2019

Licencia:
No especificada.

-----------------------

Beatriz Fainholc
Profesora- Investigadora Tecnologia Educativa UNLP, Dtra CEDIPROE. Asistencia Técnica Universitaria. Educación Virtual.
Argentinahttps://www.linkedin.com/in/beatriz-fainholc-9400b513/
https://twitter.com/BFainholc_ar

Fuente: Blog CUED
Imagen: AI-Innovation.jpg

De la misma autora: Beatriz Fainholc:
- Los papeles de las inteligencias artificial y humana en la innovación
- La lectura crítica en Internet: evaluación y aplicación de sus recursos

Artículos relacionados: inteligencias en innovación
- Los papeles de las inteligencias artificial y humana en la innovación
- Inteligencia Artificial en la Administración Pública. 3 historias y 7 conclusiones 30
- Tecnologías sin ética: Desde el Big Data a los algoritmos y a la manipulación 07
La rebelión de las máquinas: 14 mitos sobre las máquinas inteligentes 28
Así funciona el cerebro de las personas creativas. 3 fases del proceso 24
La Inteligencia Artificial y el talento humano en las Organizaciones 20
- Máquinas inteligentes: La ambigüedad humana y la inteligencia artificial 27
La inteligencia artificial que nos llega. 13 tendencias de CBInsights 01
La incógnita del conocimiento tácito de las máquinas inteligentes 25

No hay comentarios:

Publicar un comentario