Clinical Research Insider

Clinical Research Insider

Interacción entre humanos y máquinas

Por: Guillermo Caletti, PhD

Inteligencia artificial (IA) como componente central para los futuros sistemas de interfaz hombre-máquina

La interfaz hombre-máquina (IHM) abarca los medios por los cuales los seres humanos y las computadoras se comunican entre sí. Incluye hardware y software que son usados para traducir la entrada del usuario en comandos y presentar los resultados al usuario.

La relación entre humanos y máquinas está principalmente influenciada por el aumento constante de las capacidades de la inteligencia artificial. La IA da a los sistemas la capacidad para analizar su entorno y tomar decisiones con cierto grado de autonomía para lograr metas. Aunque los límites de la IA son inciertos y han cambiado con el tiempo, automatizar o replicar el comportamiento inteligente es uno de los objetivos clave de la investigación de la IA y sus aplicaciones. Así es como la prueba propuesta por el investigador británico Alan Turing llegó en 1950. El objetivo era determinar si una máquina tenía la capacidad de pensar, de modo que una persona que habla simultáneamente con una persona y con una computadora no sería capaz de distinguir sus respuestas.

La IA depende del cúmulo de datos grandes, rápidos y complejos (Big Data), de potentes computadoras para analizarla y de la nube informática para ofrecer recursos informáticos distribuidos y conexiones de alta velocidad para vincular varios sensores y fuentes de información. Su campo más importante, la máquina de aprendizaje (Machine Learning) o aprendizaje automático, se refiere al desarrollo de sistemas digitales que mejoran su desempeño en una tarea particular a lo largo del tiempo, a través de la experiencia. El aprendizaje automático describe la capacidad del software o de una computadora para aprender de su entorno o de un lote muy grande de datos representativos y adaptar su comportamiento a las circunstancias cambiantes según corresponda, o realizar tareas para las que no fue programado explícitamente. La idea básica es permitir el aprendizaje asociativo mediante la vinculación de unidades de procesamiento de información simples y neuronas artificiales de tal manera que la ponderación de las conexiones y el rendimiento correspondiente de la red se ajusta automáticamente.

Todos los días, las personas y las máquinas producen diez veces más datos nuevos que los que existen en todos los libros del mundo. Esto se multiplicará al menos por 100 para 2030. La cantidad cada vez mayor de material digital en Internet, en forma de imágenes, texto, videos y archivos de audio, se utiliza para identificar patrones. La formación de arquitecturas multicapa en grandes cantidades de datos, que serán mucho más importantes para 2030, se conoce como “aprendizaje profundo”. Stuart Russell y Peter Norvig utilizan la siguiente clasificación para categorizar la inteligencia artificial: (1) sistemas que piensan como humanos, (2) sistemas que se comportan como humanos, (3) sistemas que piensan racionalmente y (4) sistemas que actúan racionalmente (Russell y Norvig 2009).

Para 2030, veremos una cantidad cada vez mayor de sistemas IHM que actuarán racionalmente. Incluso podremos ver sistemas que deliberan siguiendo líneas racionales. Sin embargo, será demasiado pronto para que se comporten como un ser humano o incluso que piensen como una persona.

Los sistemas IHM que actúan racionalmente seguirán funcionando solo dentro del contexto estrecho de un problema específico o aplicación para el 2030. Pueden mostrar excelentes resultados, pero los beneficios se ven significativamente afectados si la tarea se modifica, aunque sea marginalmente. Mientras que una persona que puede leer caracteres japoneses también puede entender japonés, ampliar sus preferencias por sushi o sashimi con recomendaciones para restaurantes específicos y tener en cuenta que se usan pantuflas rosas para ir al baño, estas tareas requerirán diferentes sistemas IHM.

Objetivos para futuros sistemas IHM

Las cualidades humanas de la creatividad, la capacidad de improvisar y cooperar y el ingenio abren nuevas posibilidades para comprometerse y participar en la creación de procesos de valor. Las nuevas tecnologías no solo podrían crear la necesidad de diferentes bienes y servicios, también podrían asumir el control repetitivo, físicamente exigente y peligroso. Esto permitiría a las personas dedicar su tiempo a otras actividades, como perseguir sus intereses y hacer cosas que sean significativas para ellos.

Según Daniel Newman y Olivier Blanchard (2019), los ganadores del futuro serán aquellos que identifiquen cómo aprovechar el poder de la automatización e inteligencia artificial de forma colaborativa. Es una continuación del larguísimo desarrollo evolutivo de los seres humanos creando herramientas para resolver problemas que no son capaces de resolver por su cuenta. Es una cuestión de automatización de tareas en oposición a la automatización de trabajos, reconociendo que los roles tradicionales se pueden dividir en elementos a los cuales los humanos o las máquinas se adaptan mejor.

Un elemento clave aquí es la capacidad de dividir las tareas más grandes en sus partes más pequeñas, distribuir esas partes dentro de una gran red de trabajadores de acuerdo con su disponibilidad y habilidades, y luego sintetizar los resultados. Las tecnologías digitales en un mundo interconectado hacen cada vez más posible recopilar datos precisos sobre la salida y productividad, tanto de individuos como de equipos, y compararlos. Estos datos sirven como la base para la creación de algoritmos para la distribución eficiente de tareas. Todavía, al mismo tiempo, hacen posible un nuevo tipo de taylorismo, asociado al potencial de un aumento del estrés para las personas y una mayor pérdida de privacidad.

Los objetivos de los sistemas IHM son mejorar los modelos aprendidos con una interfaz explicativa y correctiva, aumentar la confiabilidad de los resultados, trabajar con un alto grado de transparencia, e ir más allá de las capacidades limitadas para desarrollar habilidades que pueden ser asignadas a tareas más amplias. Esto permitiría comunicarse de forma natural con las personas y extrapolar experiencias pasadas para resolver constantemente nuevas tareas y situaciones. Lograr esto significa reconocer la importancia de los procesos y desarrollar una amplia comprensión del mundo mediante el establecimiento de contextos y conexiones, de la misma manera que las personas lo hacen.

Los futuros sistemas IHM deben reducir su elevado consumo de energía. El Cerebro humano utiliza el equivalente a una bombilla de 20 vatios, mientras que una supercomputadora utiliza tanta electricidad como un pueblo de 20.000 habitantes. Un cerebro humano también funciona sin software, controles centralizados o un sistema operativo, suele ser tolerante a fallas, es flexible y alcanza los objetivos de aprendizaje de forma mucho más rápida, eficaz y económica que una computadora. Las máquinas tienen que seguir el ejemplo humano, utilizando energía de fuentes renovables.

Aún mucho camino por andar.

Leave a Comment

Your email address will not be published. Required fields are marked *

Scroll to Top