Los sistemas informáticos de aprendizaje automático, que mejoran con la experiencia, están preparados para transformar la economía de la misma manera que lo hicieron las máquinas de vapor y la electricidad en el pasado. Pueden superar a las personas en una serie de tareas, aunque es poco probable que reemplacen a las personas en todos los trabajos.
Así lo dicen Tom Mitchell de la Universidad Carnegie Mellon y Erik Brynjolfsson del MIT en un comentario del Foro de Políticas que se publicará en la edición del 22 de diciembre de la revista ciencia . Mitchell, quien fundó el primer Departamento de Aprendizaje Automático del mundo en CMU, y Brynjolfsson, director de la Iniciativa MIT sobre la Economía Digital en la Sloan School of Management, describen 21 criterios para evaluar si una tarea o un trabajo es apto para la máquinaaprendizaje ML.
"Aunque los efectos económicos del LD son relativamente limitados hoy, y no estamos enfrentando el inminente 'fin del trabajo' como se proclama a veces, las implicaciones para la economía y la fuerza laboral en el futuro son profundas", escriben. Las habilidadesargumentan que las personas eligen desarrollarse y las inversiones que hacen las empresas determinarán quién prospera y quién vacila una vez que ML se arraiga en la vida cotidiana.
ML es un elemento de lo que se conoce como inteligencia artificial. Los rápidos avances en ML han producido mejoras recientes en el reconocimiento facial, la comprensión del lenguaje natural y la visión por computadora. Ya se usa ampliamente para la detección de fraudes con tarjetas de crédito, sistemas de recomendación y análisis del mercado financiero, con nuevas aplicaciones como el diagnóstico médico en el horizonte.
Predecir cómo ML afectará un trabajo o profesión en particular puede ser difícil porque ML tiende a automatizar o semiautomatizar tareas individuales, pero los trabajos a menudo involucran múltiples tareas, solo algunas de las cuales son susceptibles de enfoques de ML.
"No sabemos cómo se desarrollará todo esto", reconoció Mitchell, profesor de la Universidad E. Fredkin en la Facultad de Ciencias de la Computación de la CMU. A principios de este año, por ejemplo, los investigadores mostraron que un programa de ML podía detectar cánceres de pielmejor que un dermatólogo. Eso no significa que la ML reemplazará a los dermatólogos, que hacen muchas otras cosas además de evaluar las lesiones.
"Creo que lo que les va a pasar a los dermatólogos es que se convertirán en mejores dermatólogos y tendrán más tiempo para pasar con los pacientes", dijo Mitchell. "Las personas cuyos trabajos involucran interacción humano-humano serán más valiosas porqueno se puede automatizar "
Mitchell y Brynjolfsson escriben: las tareas que son susceptibles de ML incluyen aquellas para las cuales hay muchos datos disponibles. Por ejemplo, para aprender a detectar el cáncer de piel, los programas de ML pudieron estudiar más de 130,000 ejemplos etiquetados de lesiones cutáneas.Del mismo modo, los programas de detección de fraude con tarjetas de crédito pueden capacitarse con cientos de millones de ejemplos.
ML puede ser un cambio de juego para tareas que ya están en línea, como la programación. Los trabajos que no requieren destreza, habilidades físicas o movilidad también son más adecuados para ML. Las tareas que implican tomar decisiones rápidas basadas en datos son buenasapto para programas de LD; no es así si la decisión depende de largas cadenas de razonamiento, conocimientos básicos diversos o sentido común.
Según los autores, ML no es una buena opción si el usuario necesita una explicación detallada de cómo se tomó una decisión. En otras palabras, ML podría ser mejor que un médico para detectar cánceres de piel, pero un dermatólogo es mejor para explicarpor qué una lesión es cancerosa o no
Sin embargo, se está trabajando en sistemas de ML "explicables".
La comprensión de la aplicabilidad precisa de ML en la fuerza laboral es crítica para comprender su probable impacto económico, dicen los autores. A principios de este año, un estudio de las Academias Nacionales de Ciencias, Ingeniería y Medicina sobre tecnología de la información y la fuerza laboral, copresidido por Mitchelly Brynjolfsson, señalaron que los avances de la tecnología de la información han contribuido a la creciente desigualdad salarial.
"Aunque existen muchas fuerzas que contribuyen a la desigualdad, como el aumento de la globalización, el potencial de cambios grandes y rápidos debido al LD, en muchos casos dentro de una década, sugiere que los efectos económicos pueden ser muy perjudiciales, creando ganadores y perdedores", escriben." Esto requerirá una atención considerable entre los encargados de formular políticas, los líderes empresariales, los tecnólogos y los investigadores ".
Fuente de la historia :
Materiales proporcionado por Universidad Carnegie Mellon . Original escrito por Byron Spice. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :