Hoy tenemos el placer de hablar con Jaime, Jorge y Aaron, integrantes del proyecto «Torchfakes» entre muchas otras cosas. Nos contarán de dónde viene la motivación por llevar a cabo este proyecto, cuál es su futuro, qué peligros tienen y tendrán los deepfakes… Si quieres saber más sobre estos temas, no dudes en escuchar el podcast y pasarte por nuestro perfil.
Deporte, según la RAE «Actividad física, ejercida como juego o competición, cuya práctica supone entrenamiento y sujeción a normas». Que no nos extrañe que en un futuro en los diccionarios se recoja la definición de «Deporte inteligente», ya que desde hace años se han venido integrando numerosas tecnologías que ayudan a la ejecución de esta actividad.
En este artículo te contaremos todo lo que necesitas saber sobre la inteligencia artificial en el deporte. Tanto fútbol, atletismo, béisbol, fútbol americano, deportes de motor… Han ido integrando tecnologías para mejorar la experiencia de realizar estos deportes.
¿Cómo se usa la inteligencia artificial en el deporte?
Los sistemas de IA han llegado al deporte para disminuir el margen de error en cualquier decisión, conseguir una mayor serie de datos… en resumen, ayudar a los deportistas/árbitros. Algunos ámbitos en los que se utiliza son:
Medición de rendimiento: durante un partido se recogen una gran serie de datos que en décadas pasadas eran imposibles de medir. Hoy en día gracias a la IA en los entrenamientos es posible recibir retroalimentación en tiempo real y crear programas de entrenamiento personalizados para los jugadores, mejorando así la efectividad de cada ejercicio para cada individuo. Incluso es posible crear «gemelos», es decir, un gemelo virtual del deportista que nos permita mejorar su entrenamiento, optimizar su rendimiento o aprender de los propios datos para predecir lesiones musculares y enfermedades cardiovasculares.
Arbitrajes: el arbitraje es una parte esencial en los deportes, tanto que sin él su práctica sería un caos. Es por ello que todo lo que sea ayudar a que sea más eficiente es bienvenido. Tenemos ya varios casos en los que la IA ayuda al árbitro a tomar decisiones. Por ejemplo, en el próximo mundial de fútbol, la FIFA implementará IA y una tecnología semi automatizada para detectar los fueras de juego.
Estrategias. Gracias a todo el análisis proporcionado por las IAs los entrenadores son capaces de conocer cómo juegan sus rivales, cómo deben afrontarles, qué jugadores utilizar según el contexto… En resumen, tienen acceso a una gran serie de datos que les facilitan la tarea.
¿Cómo ha cambiado el deporte gracias a esta tecnología?
Si hablamos de deporte inteligente, la aplicación de IA es mucho más evidente en deportes individuales en los que es más sencillo hacer una medición de distintos datos. Por ejemplo, en el ciclismo se miden los niveles de esfuerzo e intensidad, la altitud, el desnivel, el nivel de polución… y todo ello para saber en qué momento es más adecuado realizar un adelantamiento.
Por otra parte, en varios deportes tenemos un método conocido como «moneyball», un modelo revolucionario que se basa en «big data» para realizar fichajes. Este modelo de gestión está basado en la película de Bennet Miller. En la película podemos ver cómo Billy Beane, director general de un equipo de béisbol consigue el éxito aprovechando al máximo sus recursos.
Fútbol
En el caso del fútbol, uno de los clubes pioneros en esta práctica es el Brentford, club inglés que actualmente se encuentra disputando la «Premier League» pero que hace unos años estaba campando por los campos de la 3ª división inglesa. Este ascenso tan remoto se debe a que los nuevos integrantes de la directiva llegaron a la conclusión de que era imposible luchar con los clubes mas grandes por culpa de la brecha presupuestaria, así que debían luchar con ingenio y siendo más eficientes. Es por ello que implementaron esta modalidad de gestión. En su caso, para el reclute de jugadores tienen esparcidos por toda Europa ojeadores que van reclutando datos, que más adelante servirán para saber si ese jugador es adecuado para el equipo.
Futuro del deporte
El futuro es algo impredecible en la mayoría de los casos, pero viendo casos de cómo han ido evolucionando algunos sectores como los videojuegos, el turismo… podemos augurar que una de las claves para el futuro del deporte inteligente será la realidad virtual.
Por una parte, tenemos la aplicación de la realidad virtual para deportistas profesionales. ¿En qué podrá ayudarles esta tecnología? Pues sobre todo en el visionado de escenarios en los que ya han estado o estarán. La realidad virtual podrá trasladarles a su terreno de juego para practicar fallos realizados en el partido anterior. Si buscamos algunos ejemplos de deportes en los que ya se está utilizando la realidad virtual, nos encontramos, por ejemplo, con automovilismo, donde el piloto puede replicar la carrera por los diferentes circuitos, o el golf, donde, gracias a la realidad virtual se pueden ensayar golpes y prever así cuál será la trayectoria de la bola.
Aquí tenéis un ejemplo de cómo se aplica la realidad virtual en un entrenamiento.
Adicionalmente, la realidad virtual también será útil para los espectadores de eventos deportivos, porque no todo el mundo puede acudir a los estadios y vivir la experiencia 100% real. En Estados Unidos ya se ha implementado en varios deportes como el baloncesto, la WWE o la NFL. Imagina lo que tuvieron que disfrutar los fans al baloncesto viendo retransmitido el último partido de Kobe Bryant en realidad virtual.
Ética/Tecnodopaje
Con esta gran cantidad de avances tecnológicos, cada vez vemos a más deportistas capaces de llegar a unos límites que hace unos años no eran ni imaginables. Por ejemplo, el corredor keniata Eliud Kipchoge, consiguió hacer una maratón en menos de dos horas el 12 de Octubre de 2019. Y a pesar de que conocemos sus grandes dotes para la competición, el foco se puso en otra cosa, sus zapatillas, las «Nike Alphafly». Entonces, se abre el debate de si materiales cómo estos desvirtúan la competición favoreciendo al rendimiento de los deportistas. Está claro el deporte no debe ignorar las grandes posibilidades que le brinda la tecnología, pero en casos así es necesaria una regulación por parte de los tribunales deportivos, porque al fin y al cabo el deporte debe seguir siendo deporte.
La misión de Saturdays.ai es hacer la inteligencia artificial más accesible (#ai4all) mediante cursos y programas intensivos donde se realizan proyectos para el bien (#ai4good).
Si quieres aprender más inteligencia artificial únete a nuestra comunidad en community.saturdays.ai o visítanos en nuestra web www.saturdays.ai ¡te esperamos!
Esta semana traemos la gran charla que tuvimos con José Manuel Nápoles Duarte, profesor e investigador en Física en la Universidad de Sonora, México. En este podcast se tratarán temas como por qué muchos físicos acaban dedicándose a la IA, qué futuro se le augura a la «Artificial General Intelligence» o qué debería hacer una persona que quiere comenzar su recorrido en el machine learning.
Si quieres saber más sobre estos temas no dudes en escuchar los demás episodios o pasarte por nuestra web.
Uno de los mayores problemas a nivel industrial es el mantenimiento correctivo, debido a sus elevados costes tanto de reparación, como de producción. Por otra parte el mantenimiento preventivo está planificado por medio de una agenda para realizar un paro programado, donde no interesa si el equipo aún puede trabajar o si sus piezas siguen bien; se realiza el mantenimiento porque así fue programado.
Es por ello que, con el pasar de los años la tecnología permite que podamos invertir en nuevas soluciones que nos permita saber cuándo fallará un equipo, esto es llamado mantenimiento predictivo (PdM). Que actualmente, por medio de diferentes sensores podemos tener un dataset completo de muchas variables, como ser: vibración, temperatura, análisis de aceites o grasas, etc.
Fig. 1. Diferencia de ganancia por producción entre el mantenimiento preventivo tradicional y el mantenimiento predictivo, donde solamente se detiene la producción basado en condiciones.
DESCRIPCIÓN DEL PROBLEMA
El problema es el tiempo y los recursos económicos invertidos para poder solventar una falla de mantenimiento correctivo en el menor tiempo posible. A la vez que un mantenimiento preventivo podría optimizarse al hacerlo en base a condiciones de los equipos. Ambos ocupan tiempo en su mantenimiento y también en la producción del producto.
DATASET
Los datasets utilizados, son de la degradación de motores de turbo-ventiladores de la NASA generados por C-MAPSS, lo cual es aplicable a cualquier otra máquina rotativa, como ser: motores de transportes industriales, bombas hidraulicas, etc.
Fig. 2. Imagen del turboventilador simulado por C-MAPSS.
Tabla 1. Detalle de las columnas de los datasets de prueba y entrenamiento.
SOLUCIÓN PROPUESTA
Por tal motivo el proyecto ayudará a estimar el tiempo en el cual unos turboventiladores llegarán a fallar. Dando el tiempo suficiente para poder programar una parada de mantenimiento y buscar los repuestos necesarios al mejor precio.
SELECCIÓN DEL MODELO
RNN
Son un tipo de red neuronal recurrente (RNN) y estas tienen conexiones recurrentes entre estados ocultos, con un retraso de tiempo. Idealmente, las RNN son capaces de descubrir correlaciones temporales entre los eventos secuenciales que están muy lejos unos de otros
Fig. 3. Arquitectura de una Red neuronal recurrente (RNN)
Fig. 4. Arquitectura de una Long Short-Term Memory (LSTM)
LSTM
Sin embargo, en la práctica, es difícil entrenar RNN debido al Vanishing Gradient y los problemas de Exploding Gradient. Por lo que las RNN se enfrentan a dificultades para manejar dependencias en secuencias de largo plazo. Por lo que, el modelo basado en RNN más efectivo se llama LSTM. De manera resumida, su estructura consiste en celdas de memoria. La cual su principal función es la de almacenar un valor y determinar el tiempo que debe almacenarse. Además, estas celdas seleccionan qué entradas se almacenan y también deciden si estas serán recordadas, eliminadas o si serán enviadas como salida de una red.
Fig. 5. Programación de la RNN con LSTM
La red tiene dos capas de LSTM, la primera de 100 unidades y la segunda de 50 unidades. A la salida de cada una se tiene un DropOut para evitar el overfitting, y finalmente se tiene la Dense, que es activada por una sigmoid, que nos da la probabilidad final.
PCA
El análisis de componentes principales (PCA) es uno de los algoritmos de machine learning no supervisados más utilizados. Para la reducción de dimensiones y el pre procesamiento de datos.
Fig. 6. PCA aplicado a tres dimensiones para poder graficarlo.
Fig. 7. Datos del dataset completo, con los 21 sensores, y las 3 configuraciones de los usuarios.
Fig. 7. Datos del dataset con PCA aplicado. Se reducen a 8 componentes principales.
MÉTRICAS
A continuación se observarán las métricas analizadas. Donde podemos observar que el accuracy es del 95.11%, y que las F1-Score son muy buenas, la que menor valor tiene es la macro. Además que comparando los datos predecidos con los de prueba, tenemos un accuracy del 97%.
Los resultados que analizamos son la matriz de confusión, que nos muestra que su accuracy es del 92.77%, y por otra parte la ROC Curve, donde podemos observar un buen umbral de discriminación del modelo.
Fig. 9. Matriz de Confusión
Fig. 10. ROC CURVE
RESULTADO
Por ende, podemos predecir la probabilidad con la que llegaría a fallar el motor del turbo ventilador en 30 días. Escogiendo el ID de la máquina, tendríamos el siguiente resultado; donde podemos ver que la probabilidad en la que el Motor 16 falle, es del 1.8%, por lo que podemos seguir usando este motor de manera tranquila.
Lo ideal es que este análisis se lo haga de manera periódica, al ser implementado. Debido a que da un buen sondeo del estado de las máquinas a los supervisores de mantenimiento para ir planificando lo más crítico en la siguiente parada.
Fig. 11. Pantalla final, donde el programa nos dice la probabilidad que tiene el motor seleccionado de fallar dentro de 30 días.
CONCLUSIÓN
Por medio de esta aplicación podemos determinar el tiempo de falla de una máquina rotativa, gracias al análisis de datos de dicho equipo. Por ende, se tiene el tiempo suficiente para comprar repuestos y planificar un mantenimiento programado, mitigando los costes de mantenimiento de la empresa.
La precisión del modelo implementado es del 95%, por lo que llega a ser fiable a la hora de analizar las máquinas. Este programa puede ser implementado en multiples plantas industriales, y por medio de Internet Of Things, podemos ir recabando información de todos los sensores necesarios, los cuales serán registrados en la nube para su posterior análisis.
Implementando este tipo de tecnología también llega a repercutir en el area medio ambiental, ya que se cambiarían menos repuestos industrial o maximizar el uso de aceites o grasas de acuerdo a su degradación; se traduce en menos basura industrial para el medio ambiente.
[1] D. Bruneo and F. De Vita, “On the use of LSTM networks for predictive maintenance in smart industries,” in Proceedings — 2019 IEEE International Conference on Smart Computing, SMARTCOMP 2019, 2019, pp. 241–248, doi: 10.1109/SMARTCOMP.2019.00059.
[2] S. Guldamlasioglu, O. Aydin, and D. Scientist, “Using LSTM networks to predict engine condition on large scale data processing framework,” 2017, doi: 10.1109/ICEEE2.2017.7935834.
[3] L. Swanson, “Linking maintenance strategies to performance,” Int. J. Prod. Econ., vol. 70, no. 3, pp. 237–244, Apr. 2001, doi: 10.1016/S0925–5273(00)00067–0
[4] A. Martínez, “Redes Neuronales Recurrentes con LSTM aplicado al Mantenimiento Predictivo, Caso: Degradación de motores de turboventiladores”, 2020, Universidad Católica Boliviana “San Pablo”.
¡Más inteligencia artificial!
La misión de Saturdays.ai es hacer la inteligencia artificial más accesible (#ai4all) mediante cursos y programas intensivos donde se realizan proyectos para el bien (#ai4good).
Si quieres aprender más inteligencia artificial únete a nuestra comunidad en community.saturdays.ai o visítanos en nuestra web www.saturdays.ai ¡te esperamos!
Hoy tenemos el placer de traer el podcast con Manuel Lemos, ingeniero informático de formación y actualmente mezclando la cúantica con la inteligencia artificial. Manuel nos contará de dónde viene su interés por la computación cuántica y de qué trata, cómo se combina esta con la IA, el machine learning y su relación con la ciberseguridad…
Si quieres saber más sobre estos temas, no dudes en escuchar el podcast o pasarte por nuestro perfil.
La inteligencia artificial en el cine parece algo actual, pero, desde que en el año 1902 se estrenó «Viaje a la luna» (primera película de ciencia ficción),en el cine se han desarrollado una gran cantidad de películas en las que la inteligencia artificial está involucrada. Para el gran público, las tramas que giran en torno a máquinas, robots y derivados siempre son de gran interés, habiéndose creado con el tiempo una serie de personajes icónicos.
Personajes como: HAL900 (2001:Odisea en el espacio, 1968), Wall-E (Wall-E, 2008), C-3PO y R2-D2 (Saga Star Wars, desde 1977) o David (Inteligencia Aritificial, 2001). Esos son algunos de los ejemplos que se nos viene a la cabeza cuando pensamos en personajes míticos del séptimo arte que representan a sistemas inteligentes.
HAL900
Películas para «imaginar» el futuro de la IA
Yo, Robot
Existen una gran cantidad de películas y series basadas en los escritos de Isaac Asimov (1920-1992), considerado como el padre de la palabra «robótica» y de las consideradas como «leyes de la robótica». «Yo, Robot» es una de estas películas, el filme protagonizado por Will Smith transcurre en uno de estos universos creados por Asimov. En la película, Sonny, un robot humanoide, es acusado de matar a su creador, rompiendo así las «leyes de la robótica».
Terminator
Terminator es una de las sagas más icónicas de la historia del cine, que dejó para el recuerdo frases como «sayonara, baby». En ella podemos ver un escenario de destrucción en el que la inteligencia artificial llamada «skynet» pretende controlar el mundo y exterminar a la humanidad. Esta película de James Cameron pone el foco en la necesidad del desarrollo de una IA siguiendo una serie de valores éticos. Eso si no queremos vernos envueltos en una pelea contra un robot exterminador.
Terminator
Be right back (Black Mirror)
No es una película, pero en Black Mirror tenemos una gran serie de Netflix que nunca deja indiferente, y en la que hemos podido ver escenarios algo distópicos (y otros que pasado el tiempo ya no lo son tanto). «Be right back» gira en torno a una pareja de jóvenes, Ash y Martha. Ash es asesinado y surge la posibilidad de poder seguir en contacto con él una vez fallecido creando una copia de carne sintética y creando sus «recuerdos» en base a la presencia en redes de Ash. El problema de esta nueva «relación» llega cuando ve que no tiene ningún tipo de emoción o rasgo de personalidad sin que ella se lo pida. Entonces, el debate en el que entramos es, ¿nos ayudaría una copia de un ser querido a soportar su pérdida?
Her
Quizá esta película es la que podemos considerar menos ciencia-ficción, porque, ¿quién no ha hablado alguna vez con un chatbot? En esta película protagonizada por Joaquin Phoenix y Scarlett Johansson vemos como él mantiene una relación sentimental con una aplicación programada para entenderle como si fuese su novia. En un futuro no muy lejano, ¿podremos ver a personas teniendo relaciones sentimentales con máquinas echas a sus medidas? De hecho, en el año 2018 un hombre japonés ya se casó con un holograma, así que quizá el escenario propuesto por «Her» no sea muy descabellado.
Her
Blade Runner
El test de Turing hecho película. Eso es la película de Ridley Scott estrenada en 1982, una prueba en la que tendremos que distinguir entre una inteligencia artificial y un humano, y en el caso de las inteligencias artificiales, si estas pueden llegar a tener tal conciencia que merezcan los mismos derechos que nosotros. El final de la película deja varias preguntas muy interesantes en el aire acerca de estos temas, una razón más para ver esta gran película.
¿Realidad o ficción?
¿Cuánto de realidad hay en estas películas? Es una pregunta que puede hacerse el público una vez acabada «Blade Runner» o «Her». Y para tranquilizaros, no, los robots exterminadores o IAs asesinas no existen y están lejos de hacerlo, las máquinas que piensan por sí mismas con el objetivo de conseguir beneficio propio es una realidad que en el mundo del cine tiene éxito pero que en el mundo real no tiene recorrido (de momento). Aunque por otra parte, hay que decir que la IA ha cambiado nuestras vidas y eso es sí que es una realidad.
La misión de Saturdays.ai es hacer la inteligencia artificial más accesible (#ai4all) mediante cursos y programas intensivos donde se realizan proyectos para el bien (#ai4good).
Si quieres aprender más inteligencia artificial únete a nuestra comunidad en community.saturdays.ai o visítanos en nuestra web www.saturdays.ai ¡te esperamos!
En el episodio de hoy hemos tenido el agrado de poder entrevistar a Carlos Muñoz Ferrandis, fundador de «High Technology Law Forum», entre muchas otras cosas. Nos contará cómo a pesar de que su pasión son las tecnologías, acabó estudiando derecho y más adelante fusionó ambas facetas. Además en el podcast aprenderemos sobre propiedad intelectual, sobre cómo serán las leyes futuras de la IA…
Si quieres saber más sobre estos temas, no dudes en escuchar el podcast o pasarte por nuestro perfil.
En el episodio de hoy tendremos el placer de entrevistar a Javier Ideami, cofundador de «The Geniverse» entre muchos otros proyectos. Nos cuenta su visión acerca de la IA generativa, cómo cree que puede afectar la IA al mundo del arte. También habla sobre el papel que debería tener la IA en el futuro.
Si quieres saber más sobre estos temas, no dudes en escuchar el podcast o pasarte por nuestro perfil.
La inteligencia artificial entra en guerra. Este es el titular que se nos viene a la cabeza al ver las novedades que nos llegan de la guerra entre Rusia y Ucrania. Son innumerables los campos en los que la inteligencia artificial empieza a ser esencial, y el ámbito militar no iba a ser menos. Ya en 2017 el presidente ruso, Vladimir Putin afirmaba: «Quién sea líder de la inteligencia artificial, dominará el mundo». Y no se equivocaba, países como EEUU, Rusia, China o Inglaterra están llevando a cabo grandes esfuerzos para reforzarse en este campo ya que realmente puede ser decisivo en el futuro. Tendremos campañas de desinformación en redes sociales, creación de bots, análisis de datos, identificación de objetos y personas… La guerra del futuro ya está aquí.
La guerra del futuro
En Ucrania estamos viendo cómo se están poniendo a prueba actividades que serán claves en la guerra del futuro. EEUU está utilizando esta guerra como un campo de prueba. Estas herramientas hoy en día están procesando innumerables datos del ejército ruso. Esto servirá para poder predecir futuros pasos en la estrategia de Rusia. Según Maynard Holiday, director de investigación de defensa e ingeniería para la modernización del Departamento de Defensa de los Estados Unidos, las herramientas desarrolladas por el país norteamericano serán capaces en el futuro de cambiar el transcurso de cualquier conflicto bélico. Conflictos en los que las decisiones tomadas por humanos pasarán a un segundo plano, para dejar paso a softwares cuyas decisiones, a priori, serán más eficientes.
Proyecto de avión estadounidense del futuro
Aplicaciones
Es bien sabido que la inteligencia artificial puede tomar decisiones mucho más eficientes y rápidas que los humanos, es por ello que se han empezado a utilizar distintas herramientas:
OSINT, el gran hermano
Lo llamaremos el gran hermano porque es el ojo que todo lo ve. OSINT, acrónimo de Open Source Intelligence, es una herramienta que tiene como misión hacer uso de fuentes de carácter público para poder buscar y recopilar toda la información. Esto, en un contexto de guerra se traduce en analizar todas aquellas fuentes de información que conocemos para generar estrategias de ataque, infiltración, defensa… Las fuentes de información son: medios de comunicación, redes sociales tales como twitter, facebook, instagram…
Clearview AI, el reconocedor facial
Ucrania ha empezado a utilizar este reconocedor facial con el objetivo de facilitar la tarea de identificar a enemigos rusos. La empresa americana, clearview, dispone de millones de imágenes obtenidas de VKontakte, la red social ruso similar a Facebook. Se dice que todas estas imágenes están siendo utilizadas por el ejército ucraniano para detectar enemigos.
¿En qué podría fallar?
Estaremos de acuerdo en que utilizar inteligencia artificial en un ámbito como la guerra, en el que cada decisión cuenta, de primeras debería parecer un gran avance. Pero también es verdad que sus algoritmos podrían ser increíblemente fáciles de engañar para que vean cosas que no existen y viceversa. Entonces, cualquier persona que aprendiese a confundir los sistemas de sus rivales obtendría una gran ventaja respecto a los demás. Un ejemplo claro de uno de los talones de Aquiles que podría tener la IA lo tenemos en un experimento realizado por investigadores del MIT. En este experimento conseguían que la IA de Google confundiese una tortuga con un rifle. Consiguieron esto gracias a la modificación del objeto en versión 3D, y aunque a simple vista (humana) es fácilmente reconocible, la IA daba con un 90% de fiabilidad que no se trataba de una tortuga sino de un rifle.
Aquí es donde encontramos un talón de Aquiles claro, los investigadores del MIT desarrollaron un algoritmo capaz de engañar de manera fiable a un modelo de aprendizaje automático. Es decir, se podría engañar a los enemigos camuflando los tanques, aviones, militares etc.… para que no fuesen reconocidos por sus sistemas.
Ética
El gobierno de los EEUU contaba con un proyecto cuyo objetivo era automatizar la identificación de objetos aéreos en imágenes. Para dicho proyecto estaba contratada la empresa americana «Google». La compañía abandonó el proyecto a causa de las protestas de sus trabajadores. Después de estas protestas internas en la multinacional, crearon un nuevo código ético para el uso de la IA. En él nos dicen que no usarán sus algoritmos para desarrollar armas, u otras tecnologíascuyo objetivo principal o implementación sea causar o facilitar directamente lesiones a la gente. Es por ello que se abre un debate, ¿debemos utilizar la inteligencia artificial para producir daño?, ¿realmente queremos que la inteligencia artificial entre en guerra?
La misión de Saturdays.ai es hacer la inteligencia artificial más accesible (#ai4all) mediante cursos y programas intensivos donde se realizan proyectos para el bien (#ai4good).
Si quieres aprender más inteligencia artificial únete a nuestra comunidad en community.saturdays.ai o visítanos en nuestra web www.saturdays.ai ¡te esperamos!
Hace tiempo que hay un debate muy interesante sobre la mesa . El debate es, ¿reemplazará la IA a los humanos en el trabajo? Y en caso de que esto sucediese, ¿sería capaz el humano de reciclarse y adaptarse a un nuevo mundo laboral?
Debida a la irrupción de robots, automatización y el desarrollo de la inteligencia artificial (IA), el mundo laboral ya ha comenzado a cambiar sectores como son la industria o la automoción. Según un estudio de PwC, en España este cambio no será significativo hasta la década de 2030, pero una vez dado este cambio se dice que 1 de cada 3 trabajos pasarán a ser hechos por una máquina.
La OCDE afirma en un informe de 2017 que un 11,7 de los puestos de trabajo en España tienen alta probabilidad de ser automatizados durante las próximas décadas.
Ludismo
Que la sociedad tenga miedo de que haya máquinas que les puedan quitar el trabajo no es algo nuevo. Ya allá a principio del siglo XIX hubo un movimiento conocido como «ludismo». Este movimiento fue propulsado por artesanos ingleses que veían como podían perder sus trabajo debido a la industrialización. La respuesta de estos fue quemar fábricas, talleres… A pesar de ello no fueron capaces de frenar un movimiento imparable como la industrialización.
Oportunidades y amenazas
Está claro que la automatización de gran parte del mundo laboral traería un cambio muy grande a nuestras vidas, pero veamos cuáles son las oportunidades y cuáles las amenazas.
Está claro que hay ciertos perfiles que se verán más beneficiados que otros. En este caso vemos como los trabajos relacionados con la ciencia, la tecnología, la ingeniería y las matemáticas son los que tendrán un mayor protagonismo. Aunque quizá la mayor oportunidad que nos brinda este panorama es la de eliminar trabajos de poco valor añadido. Esto se debe a que la IA podrá realizar este tipo de tareas y así nosotros podremos estar más enfocados en tareas más cualificadas.
Actualmente hay muchas preguntas acerca de la IA. ¿Qué puede hacerse con la IA? o ¿Cómo puede aplicarse la IA de forma ética?, la cosa es mucho más compleja, y aquí entra una de las amenazas. En el momento en que las decisiones en el espacio laboral empiezan a basarse en criterios no controlados por un humano, surgen una serie de adversidades que han de incluirse en cualquier debate sobre la «ética» en la aplicación y el uso de la IA. En este artículo existe más información acerca de la ética en el uso de la IA.
¿Nos adaptaremos a este nuevo panorama?
Es quizá el tema central de esto, porque damos por hecho que esta automatización se dará, ¿pero que va a pasar con nosotros? ¿Qué perfiles serán los más demandados?
La capacidad de aprendizaje va a ser clave en los próximos años, estar constantemente estudiando, informado de nuevas tendencias… El profesional del futuro será alguien que esté en constante adaptación al proyecto en el que esté desarrollando su función. Es por ello que la capacidad de aprendizaje va a ser lo que salve a las personas de no verse excluidas del mundo laboral. Hay habilidades como la creatividad y la inteligencia emocional que permitirán explotar el potencial humano y permitirán a las personas mejorar a los robots en vez de ser sustituidos por ellos.
Perfiles más demandados
¿Y cuáles serán los perfiles más demandados del futuro y los que lo tendrán más difícil? Apunta a que los trabajos más afectados serán aquellos que requieran una menor formación, así como aquellos relacionados con las ventas, la administración y tareas de oficinas… Por el contrario habrá un incremento en la demanda de profesionales que sean capaces de de liderar proyectos, equipos… Así como aquellos que tengan una gran creatividad y pensamiento crítico, que al fin y al cabo son cualidades en las que los humanos siempre seremos superiores a las máquinas (a priori). Además, según un estudio realizado por ManpowerGroup, 8.000 directivos de 43 países creen que a corto y medio plazo habrá un aumento de empleos relacionados con el sector de tecnología de la información, así como expertos en robótica y relacionados.
Conclusión
Una vez sabemos que la IA se incorporará tarde o temprano al mundo laboral, es necesario preguntarse, ¿ realmente la IA es estrictamente necesaria para el futuro del mundo laboral?, ¿nos llevará a un escenario mucho más fructífero como se proclama, o será un retroceso?
Aunque las máquinas a día de hoy tienen una capacidad de procesamiento y aprendizaje muy alta, estas carecen de bagaje histórico, de contexto. Al fin y al cabo trabajan con los datos que un humano les proporciona, por lo que pueden caer en los mismos errores que nosotros. Es por ello que debemos pensar, ¿en qué posición de poder debemos colocar a la máquinas dentro del mundo laboral? Si algo está claro, es que la inteligencia humana debe prevalecer, mientras que la máquina se convierte en un complemento más que útil.
Las máquinas pueden llegar a humanizar incluso más nuestro trabajo, ¿y porque decimos esto? porque al final el propósito de la IA es eliminar trabajos repetitivos y con un valor añadido muy bajo. Puede entenderse como una oportunidad para aumentar el valor de los empleados, para eliminar esos trabajos poco agradecidos e incrementar la creatividad, el análisis, la toma de decisiones… En definitiva, devolverle el sentido al trabajo, que en estos tiempos que corren es algo esencial para generaciones venideras.
Saturdays.AI is an impact-focused organization on a mission to empower diverse individuals to learn Artificial Intelligence in a collaborative and project-based way, beyond the conventional path of traditional education
