Como observó una vez Picasso, “Las computadoras son inútiles, lo único que pueden hacer es responder a las preguntas.” Tenía razón. Necesitamos los seres humanos para hacer preguntas oportunas e importantes como: “¿Serán máquinas tomar mejores decisiones que los humanos?”
Últimamente parece que cada uno de Stephen Hawking a Elon Musk está levantando preocupación sobre la “singularidad”: el punto en que las máquinas nos superarán. Pero no es nosotros contra las máquinas; que nosotros y las máquinas es. Las mejores decisiones se tomarán por diversos grupos humanos que trabajan junto con diversos grupos de máquinas. Digamos que es la “multiplicidad”.
Esta idea tiene una larga historia. Hace trescientos años, relojeros suizos utilizan los últimos avances en mecánica para construir autómatas para explorar los límites cambiantes entre humanos y máquinas. Hoy rutinariamente Confiamos máquinas como pilotos automáticos y los marcapasos para tomar decisiones importantes que requieren precisión y velocidad. Varios módulos y votantes se utilizan a menudo para reducir los errores. La vanguardia de la investigación ahora está en las máquinas que pueden aprender.
La paradoja robot
Se demostró recientemente que un grupo lo suficientemente diverso de máquinas aprenderá a tomar mejores decisiones que cualquier máquina única. El ámbito del aprendizaje conjunto explora modelos matemáticos para el comportamiento colectivo de las máquinas, de la misma manera que la ciencia política estudia modelos para el comportamiento colectivo de los seres humanos.
Considere la posibilidad de robots, los autómatas de nuestra generación. En la actualidad hay más de un millón de robots que trabajan en las fábricas de todo el mundo, pero aún no los tienen en nuestros hogares. Esto se resume en un elegante paradoja planteada por Hans Moravec hace 30 años:
“Las tareas que son difíciles para los seres humanos, como la soldadura por puntos de precisión, son fáciles para los robots, mientras que las tareas que son fáciles para los seres humanos, al igual que la limpieza de la mesa de la cena, son muy difíciles para los robots.”
Esto sigue siendo cierto hoy en día, a pesar de los enormes avances en la informática y la teoría.
Ponte en la posición de ser un robot: sus sensores y motores son ruidosos e inconsistente. Nada es preciso, ni siquiera su propio cuerpo. Fuera de la fábrica, el problema central para los robots es la incertidumbre.
Ahora considere coche robot de Google. Al igual que un piloto automático, este robot puede tomar mejores decisiones que un humano, especialmente uno que tiene sueño, intoxicado, o control de Instagram. Esto se debe a que Google descubrió que la conducción es similar a la limpieza de los platos.
En ambos casos, los robots pueden hacer frente a la incertidumbre mediante distribuciones espaciales de probabilidad, convolución y aprendizaje estadístico para maximizar la utilidad esperada y tomar decisiones óptimas. La visión de Google es que el procesamiento se puede realizar de forma remota en la nube, y como efecto secundario, los robots compartir datos de manera que los colectivos aprende a tomar mejores decisiones en el tiempo.
Para estudiar cómo Nube robots pueden ayudar a los cirujanos, estamos estableciendo el Centro de Automatización y aprender para Medical Robotics (Cal-MR) en la UC Berkeley. En octubre, se demostró por primera vez que los robots quirúrgicos pueden aprender a realizar subtareas repetitivas mediante el análisis de un conjunto diverso de ejemplos proporcionados por los cirujanos humanos:
Un ingrediente vital para coches robot de Google y robots quirúrgicos es la diversidad, el aprendizaje de un conjunto suficientemente diverso de ejemplos, que requiere la participación con un grupo suficientemente diverso de los seres humanos.
Así que en el espíritu de Picasso, vamos a deshacerse de la “singularidad” y centrarse en “Multiplicidad”, un modelo mucho más práctico y útil, donde diversos grupos de seres humanos hacen preguntas importantes y trabajar juntos con diversos grupos de máquinas para responderlas.
Autor: Ken Goldberg es un artista estadounidense, escritor, Invento
Fuente: Foro Económico Mundial
photo credit: Teymur Visuals via photopin cc
Aún se puede decir algo más 