Tabla de contenido:
- Trabajando para una máquina
- Trabajar con máquinas
- Reparación de máquinas
- Creación de nuevas tareas de aprendizaje automático
- Diseñando nuevos entornos de aprendizaje automático
Video: Academy on Air: Simplifica tu trabajo y sé más productivo con el aprendizaje automático (30.01.19) 2025
Puede encontrar más de unos pocos artículos que discuten la pérdida de trabajos que causarán el aprendizaje automático y sus tecnologías asociadas. Los robots ya realizan una serie de tareas que solían emplear humanos, y este uso aumentará con el tiempo. También debe haber considerado cómo esos nuevos usos podrían costarle a usted o a un ser querido un trabajo. Algunos autores han llegado incluso a decir que el futuro podría contener un escenario en el que aprender nuevas habilidades podría no garantizar un puesto de trabajo.
El hecho es que decidir cómo el aprendizaje automático afectará el ambiente de trabajo es difícil, así como fue difícil para las personas ver dónde la revolución industrial llevaría a la gente en el camino de la masa -producir bienes para el consumidor general. Del mismo modo que esos trabajadores necesitaban encontrar nuevos empleos, las personas que hoy se enfrentan a la pérdida de la ocupación y al aprendizaje automático deberán buscar nuevos empleos.
Trabajando para una máquina
Es muy posible que se encuentre trabajando para una máquina en el futuro. De hecho, es posible que ya trabaje para una máquina y no lo sepa. Algunas empresas ya usan el aprendizaje automático para analizar procesos comerciales y hacerlos más eficientes. Por ejemplo, Hitachi utiliza actualmente una configuración de este tipo en la administración media.
En este caso, la IA realmente emite las órdenes de trabajo en función de su análisis del flujo de trabajo, tal como lo haría un administrador intermedio humano. La diferencia es que la IA es en realidad un ocho por ciento más eficiente que los humanos a los que reemplaza. En otro caso, Amazon realizó un concurso entre expertos en aprendizaje automático para determinar si la empresa podía procesar mejor los procesos de autorización de los empleados de forma automática mediante el aprendizaje automático. Una vez más, el punto era descubrir cómo reemplazar a los mandos intermedios y cortar un poco la burocracia.
Sin embargo, una oportunidad de trabajo también se presenta. Los trabajadores bajo AI realizan las tareas que la IA les dice que hagan, pero pueden usar su propia experiencia y creatividad para determinar cómo llevar a cabo la tarea. La IA analiza los procesos que utilizan los trabajadores humanos y mide los resultados logrados. Cualquier proceso exitoso se agrega a la base de datos de técnicas que los trabajadores pueden aplicar para realizar tareas. En otras palabras, los humanos están enseñando nuevas técnicas de AI para hacer que el entorno de trabajo sea aún más eficiente.
Trabajar con máquinas
Las personas ya trabajan con máquinas de forma regular, es posible que no se den cuenta. Por ejemplo, cuando hablas con tu teléfono inteligente y reconoce lo que dices, estás trabajando con una máquina para lograr un objetivo deseado.La mayoría de las personas reconoce que la interacción de voz que se proporciona con un teléfono inteligente mejora con el tiempo: cuanto más lo use, mejor será para reconocer su voz. A medida que el algoritmo de aprendizaje se ajusta mejor, se vuelve más eficiente para reconocer su voz y obtener el resultado deseado. Esta tendencia continuará.
Sin embargo, el aprendizaje automático se usa de muchas maneras que podría no ocurrirle a usted. Cuando apunta una cámara hacia un sujeto y la cámara puede colocar una caja alrededor de la cara (para ayudar a enfocar la imagen), está viendo el resultado del aprendizaje automático. La cámara lo está ayudando a realizar el trabajo de tomar una fotografía con una eficiencia mucho mayor.
El uso de lenguajes declarativos, como SQL (Structured Query Language), se volverá más pronunciado también porque el aprendizaje automático hará posibles los avances. En algunos aspectos, un lenguaje declarativo simplemente le permite describir lo que quiere y no cómo obtenerlo. Sin embargo, SQL aún requiere un científico informático, un científico de datos, un administrador de base de datos u otro profesional para usar. Los idiomas futuros no tendrán esta limitación.
Eventualmente, alguien capacitado para realizar una tarea en particular simplemente le dirá al asistente de robot qué hacer y el asistente de robot descubrirá los medios para hacerlo. Los humanos usarán la creatividad para descubrir qué hacer; los detalles (el cómo) se convertirán en el dominio de las máquinas.
Reparación de máquinas
Antes de que la tecnología pueda hacer otra cosa, debe realizar una tarea práctica que llame la atención y beneficie a los humanos de una manera que haga que la gente quiera tener la tecnología propia.
No importa lo que sea la tecnología. Eventualmente, la tecnología se romperá. Hacer que la tecnología haga algo útil es la principal consideración ahora, y la culminación de cualquier sueño de lo que la tecnología hará eventualmente se extiende a años en el futuro, por lo que las cosas mundanas como la reparación de la tecnología seguirán cayendo sobre los hombros humanos. Incluso si el humano no está directamente involucrado en la reparación física, la inteligencia humana dirigirá la operación de reparación.
Algunos artículos que lees en línea pueden hacerte creer que los robots autoreparadores ya son una realidad. Por ejemplo, los robots de la Estación Espacial Internacional, Dextre y Canadarm, realizaron una reparación de una cámara defectuosa. Lo que las historias no dicen es que un ser humano decidió cómo realizar la tarea y ordenó a los robots que hicieran el trabajo físico. La reparación autónoma no es posible con los algoritmos disponibles en la actualidad.
Creación de nuevas tareas de aprendizaje automático
Los algoritmos de aprendizaje automático no son creativos, lo que significa que los seres humanos debemos proporcionar la creatividad que mejora el aprendizaje automático. Incluso los algoritmos que crean otros algoritmos solo mejoran la eficiencia y la precisión de los resultados que logra el algoritmo: no pueden crear algoritmos que realicen nuevos tipos de tareas. Los seres humanos debemos proporcionar la información necesaria para definir estas tareas y los procesos necesarios para comenzar a resolverlas.
Puede pensar que solo los expertos en aprendizaje automático crearán nuevas tareas de aprendizaje automático. Sin embargo, la historia sobre el gerente medio de Hitachi debería decirle que las cosas funcionarán de manera diferente. Sí, los expertos ayudarán a formar la base para definir cómo resolver la tarea, pero la creación real de tareas vendrá de personas que conocen mejor una industria en particular. La historia de Hitachi sirve de base para comprender que el futuro verá a gente de todos los ámbitos de la vida contribuir con los escenarios de aprendizaje automático y que una educación específica podría no ayudar incluso a definir nuevas tareas.
Diseñando nuevos entornos de aprendizaje automático
Por el momento, el diseño de nuevos entornos de aprendizaje automático es el campo de las empresas de investigación y desarrollo. Un grupo de especialistas altamente capacitados debe crear los parámetros para un nuevo entorno. Por ejemplo, la NASA necesita robots para explorar Marte. En este caso, la NASA depende de las habilidades de las personas en MIT y Northeastern para realizar la tarea. Dado que el robot necesitará realizar tareas de forma autónoma, los algoritmos de aprendizaje automático se volverán bastante complejos e incluirán varios niveles de resolución de problemas.
Eventualmente, alguien podrá describir un problema con suficiente detalle como para que un programa especializado pueda crear el algoritmo necesario usando un lenguaje apropiado. En otras palabras, las personas promedio eventualmente comenzarán a crear nuevos entornos de aprendizaje automático basados en ideas que tienen y desean probar.
Al igual que con la creación de tareas de aprendizaje automático, las personas que crean entornos futuros serán expertos en su oficio particular, en lugar de ser científicos informáticos o científicos de datos.