Categoría
🤖
TecnologíaTranscripción
00:00Chat GPT, Dalí, Mid-Journey, Stable Diffusion… Os suenan todas, ¿verdad? Sabéis perfectamente
00:06de lo que os estoy hablando. ¿Pero sabéis de verdad qué hay detrás de todas ellas?
00:10¿Qué podemos considerar una inteligencia artificial? ¿Cómo pueden afectar o ya están
00:15afectando a nuestras vidas? ¿E incluso qué podemos esperar de ellas a corto o medio plazo?
00:21Pues con el vídeo de hoy vamos a intentar dar respuesta a todas estas preguntas.
00:29Muy buenas y ataqueros, ¿qué tal estáis? Soy Ana Goría y lo primero para poder hablar
00:33de inteligencia artificial es definir ese concepto. Hablamos de inteligencia artificial
00:39para referirnos a un conjunto de algoritmos capaces de crear máquinas que imiten la inteligencia
00:45humana, que sean capaces de realizar tareas y que incluso puedan mejorar conforme las
00:51vayan realizando.
00:52Las inteligencias artificiales realmente son algo mucho más sencillo como funcionan por
00:55dentro. Para explicarlo más o menos, la gente lo que suele utilizar es una caja negra.
00:59Cuando hablamos de caja negra es algo que no se sabe cómo funciona por dentro pero
01:02tú puedes es capaz de utilizarlo. Tú le metes algo y sale algo. Tú no sabes cómo
01:06funciona por dentro y te da unas pocas opciones. Esas pocas opciones que te da son lo que permite
01:11configurarla. Pues lo que hay dentro de la caja negra muy poca gente llega a entenderlo
01:15o tiene la formación matemática para entenderlo. Pero quitando la parte matemática compleja,
01:20lo que hay realmente detrás es una función de error. Una función de error es una función
01:23que con unos parámetros que le metes, unas variables, intentar que el error sea el mismo
01:29posible en el resultado. Para ver cómo funciona la función de error podríamos poner el ejemplo
01:32en dos dimensiones, el típico ejemplo de pisos, el precio de los pisos en base a su
01:38metro cuadrado. Solo nos quedamos con una variable, metros cuadrados. Suponemos que
01:42no pasa nada más para que se sencilla una gráfica de dos dimensiones. Lo normal es
01:46que se pongan como en una recta, a más metros cuadrados, más caro, pero tiene una variabilidad.
01:51Lo que busca es en la recta que ajuste lo mejor posible, que se aproxime lo más posible a todas.
01:55Esto lo haces con dos dimensiones, que somos capaces de verlo, pero cuando ya son muchas
01:59variables esto se vuelve tan complejo que no lo vemos. Y esa es la parte matemática. Desde un
02:03punto de vista más conceptual podemos decir con el dígito artificial lo que es muy bueno
02:06es buscando patrones. Encuentrale muchas variables y él es capaz de encontrar patrones que un humano
02:11no es capaz de encontrar. Por cómo funcionamos tenemos limitado la capacidad de entender una
02:16fórmula. Tú si puedes una fórmula con mil variables no la vas a entender. Las fórmulas
02:19físicas tienen normalmente pocas variables y las simplificamos más todavía sin ingeniería.
02:24Son más simplificadas para utilizarlas cómodamente. O sea, tenemos que tener poco
02:27para entenderlo bien. ¿Qué pasa? En el dígito artificial es que son capaces de utilizar muchas
02:30variables y buscar los patrones de muchas. Como son capaces de hacer eso encuentran reglas que
02:35nosotros no somos capaces de encontrar. ¿Pero qué implica una inteligencia humana? Pues la
02:39capacidad de razonar, planificar, resolver problemas, pensar de manera abstracta, creativa,
02:45comprender ideas complejas, aprender rápidamente o aprender de la experiencia. ¿Existe por lo
02:51tanto alguna máquina capaz de hacer todo eso? Pues lo cierto es que no. Lo que conocemos por
02:56ahora, las inteligencias que se han desarrollado y que incluso han llegado a nuestras manos,
03:01consiguen hacer solo parte de esas capacidades. Podemos pensar que a lo mejor una hilla completa
03:06podría ser unir varias hillas parciales, pero el problema es que no se sabe si existiera una
03:11hilla completa, una hilla para todos los propósitos, capaz de comunicarse, capaz de razonar. ¿En qué
03:17momento podemos definir que tiene conciencia? Porque hay un momento en el cual va a pensar,
03:21va a ser creativa, va a respondernos como si tuviera conciencia y ahí habrá un debate nuevo,
03:26que es la conciencia. ¿En qué momento le podemos atribuir conciencia a esa inteligencia artificial?
03:30Por el momento está a años luz, no sabemos si es viable, pero eso abre una pregunta filosófica.
03:34¿En qué momento podemos tener algo que tiene conciencia? Claro, ya sería esclavitud si lo
03:39utilizara o otros debates filosóficos. Por el momento está muy lejos y también da mucho miedo.
03:43Las máquinas son capaces de resolver problemas y aprender desde hace mucho tiempo, pero ya estamos
03:49viendo cómo muchas empiezan a tener la capacidad de ser creativas y generar imágenes que nunca han
03:55existido a partir de lo aprendido, o incluso de prevenir accidentes en el caso de los coches
04:00con sistemas de seguridad activa. Todo esto suena increíble y nos puede parecer incluso mágico,
04:05pero estamos solo al inicio de las capacidades de la inteligencia artificial. Y es que, en realidad,
04:11cuando oímos hablar de IAAS, nos estamos refiriendo a máquinas que están en su proceso de aprendizaje y
04:17nosotros mismos estamos contribuyendo a ese proceso. Cada vez que le pedimos a Mid Journey
04:22una imagen y le vamos pidiendo cambios y la perfeccionamos, la estamos ayudando a mejorar
04:27y aprender, igual que somos capaces de entrenar a Stable Diffusion para que sea capaz de reconocer
04:33nuestra cara y generar avatares a partir de ella. Todo este proceso de aprendizaje es lo que
04:38conocemos como Machine Learning, es decir, permite a las máquinas aprender cosas para las que no
04:43fueron programadas expresamente, de forma que a partir de los datos que se le proporciona es
04:50capaz de no solo aprender, sino mejorar progresivamente. Existen distintas maneras de
04:55entrenar a una máquina, o sea, distintos tipos de aprendizaje automático. Por un lado tenemos el
05:01aprendizaje supervisado, donde la máquina aprende a partir de unos datos, a los que llamamos
05:05etiquetado, que le proporciona el humano. Es como si le diésemos las respuestas a un problema para
05:11que aprenda de esos resultados. Por lo tanto, cuantos más datos etiquetados le mandemos a la
05:16máquina, más fácil le resultará aprender. El ejemplo más sencillo para entender esto es el
05:21que os comentaba antes de entrenar a Stable Diffusion para que reconozca nuestra cara.
05:25Para ello, tenemos que mandarle muchas fotos nuestras diciéndole que somos nosotros. Del mismo
05:30modo, le mandaremos otras fotos en las que no aparezcamos para que pueda analizar qué factores
05:35forman nuestra cara y apariencia y cuáles no. Y en realidad esto es lo mismo que hace Dalí,
05:40por ejemplo. A partir de incontables cantidades de imágenes de gatos, sabe identificar qué
05:46características tiene que tener un gato para ser un gato. El pelo, la forma del cuerpo, las patas,
05:52las orejas, la forma de la nariz… absolutamente todo.
05:55Por ejemplo, hay un caso de varias fotos de ojos de pacientes que tenían problemas cardíacos y que
06:02no tenían problemas cardíacos. Le metimos esas fotos en el dijer artificial. Realmente,
06:05médicamente no sabemos si hay una relación entre el ojo y el problema cardíaco. Pues ella encontró
06:11unos patrones por lo cual era capaz de detectar en base a tu ojo ciertos problemas cardíacos. No
06:15sabemos por qué, no sabemos las reglas que hay detrás, pero es capaz de hacerlo.
06:18También tenemos el aprendizaje no supervisado. Aquí la máquina aprende sin datos etiquetados. Es
06:23decir, que tiene que analizar las características de los datos para localizar patrones y para poder
06:30compararlos. Ejemplos muy sencillos de aplicaciones que usamos a diario y utilizan el aprendizaje no
06:35supervisado para ofrecer un mejor servicio son Spotify o Netflix. A partir de a lo que
06:41a nosotros nos gusta, es capaz de hacernos recomendaciones similares que cree que nos
06:45pueden gustar. ¿Cómo saben qué es lo que nos gusta? Pues porque se lo hayamos indicado
06:50directamente con un me gusta o porque lo incluyamos en nuestra lista de reproducción. Pero es que
06:54también son capaces de analizar ese contenido para identificar información como el director
06:59o artista, el género al que pertenece, etc. Sabiendo eso, puede ver qué estilos o géneros
07:06escuchas más a menudo y comparando esos datos con los del resto de contenido que tiene,
07:11puede hacernos esas recomendaciones. También tendríamos el aprendizaje semi-supervisado,
07:16donde la máquina aprende con una mezcla de los dos conceptos anteriores. Se suele utilizar cuando
07:21se disponen de pocos datos etiquetados y, por lo tanto, un ejemplo de esto podría ser una
07:26máquina capaz de identificar algún tipo de enfermedad a partir de determinadas pruebas
07:31médicas. También tenemos el aprendizaje por refuerzo, en el que la máquina aprende a partir
07:37de sus errores. Esto significa que la máquina tiene que realizar una serie de tareas para lograr
07:42una recompensa que le hayamos establecido antes. Irá probando hasta lograr llegar a esa recompensa.
07:48Repetirá más habitualmente las tareas que le hayan llevado al éxito en vez de las que le hayan
07:53llevado al fracaso. Vamos, que aprende a base de prueba y error. Pongamos como ejemplo una partida
07:59de ajedrez, donde la máquina utiliza distintos movimientos con el fin de ganar. Según vaya
08:03jugando, aprenderá qué movimientos le llevan a ganar con más facilidad e irá perfeccionando sus
08:08siguientes partidas. Por último, podríamos hablar del aprendizaje profundo o deep learning. Aquí se
08:14busca crear una especie de red neuronal artificial, similar a la del cerebro humano. Se hace a partir
08:20de una serie de algoritmos estructurados en capas, muchísimas capas de algoritmo, que van a hacer que
08:26las máquinas sean capaces de aprender y tomar decisiones inteligentes por sí mismas. De nuevo,
08:32os pongo un ejemplo cotidiano. Los asistentes de voz del mercado, que son capaces de reconocer y
08:37diferenciar las voces de quienes les hablan y, en función de eso, dar las respuestas adecuadas para
08:42cada usuario, comprendiendo antes lo que le estamos pidiendo. O también la conducción de coches
08:48autónomos. No aprenden por sí solos a conducir, necesitan aprender a partir de las experiencias
08:53reales de los humanos. Y en base a lo aprendido, son capaces de identificar peatones, señales de
08:58tráfico y cualquier otro elemento del entorno para adaptar así su conducción. ¿Cuándo podemos
09:03considerar entonces que una máquina ya ha aprendido todo lo que podía aprender y, por lo tanto,
09:08tenemos una inteligencia artificial perfecta? De forma conceptual es muy sencillo, cuando tiene
09:12error cero. Cuando hemos conseguido el error mínimo posible y ya no se puede aproximar más, ya lo hace
09:18perfecto. De un punto de vista real es mucho más complejo, porque nosotros no sabemos cuándo es el
09:23error cero. Hay muchos casos, por ejemplo, en el de conducción automática. Nosotros podemos hacer una
09:28máquina que conduzca perfectamente, lo hemos probado durante años, pero resulta que ella, en algún momento,
09:33llegó a la conclusión de que si hay una línea verde en el suelo, tiene que acelerar. Nosotros no nos
09:38hemos controlado, la aprendió cuando la estábamos entrenando y no sabemos que lo había aprendido,
09:41pero la ha aprendido. Entonces, en algún momento, pasará que hay una línea verde en el suelo y acelere
09:46cuando tiene que acelerar. En ese momento, habríamos aprendido que hay un error que no habíamos
09:49controlado. Pero ¿en qué momento no hay errores? Eso es algo que posiblemente no podamos saber. En casos
09:55concretos, sí, si tenemos una línea artificial que haga cuentas binarias, ya puede saber más o menos
09:59cuándo es perfecta. Peoría más compleja, no puede saber cuándo ya ha terminado de converger.
10:04Como veis, aunque la inteligencia artificial esté ahora en boca de todos, en realidad lleva mucho
10:09tiempo entre nosotros y, sí, estrictamente hablando, no deberíamos referirnos a ellas
10:14como inteligencias artificiales. Pero nos sirve para simplificar las cosas.
10:18Todo esto, realmente, surgió por hace poco más de 10 años, cuando un científico llamado Hinton,
10:24que lleva muchos años trabajando con la inteligencia artificial, retomó las redes neuronales. Las redes
10:28neuronales en el año 2000 se desecharon. Demasiado complejas, demasiado cómputo para hacer algo útil
10:35y se quedaron aparcadas. Él empezó a trabajar en el algoritmo de propagación hacia atrás, que parece
10:40que es un algoritmo para encontrar el error de redes neuronales de varias capas. Y encontró no sólo
10:45que era viable, sino que era útil y con las nuevas tarjetas gráficas, la nueva potencia de cálculo,
10:51era muy eficiente. Más o menos hace 10 años empezó el boom. Él descubrió que algo que se había desechado
10:56funcionaba y funcionaba muy bien.
10:58La cuestión es que el tremendo éxito de las IAAS como ChadGBT o MidJourney han traído consigo una pregunta bastante recurrente
11:06cada vez que nos enfrentamos como humanos a una revolución tecnológica. Y ojo, que esto de la revolución tecnológica
11:13no lo digo yo, lo dijo Bill Gates hace muy poquito en su blog y os voy a dejar el artículo enlazado
11:18en la descripción porque es muy interesante. La pregunta entonces es, ¿las IAAS van a dejarnos sin trabajo?
11:24Ya hemos vivido este miedo con la revolución industrial y la llegada de las primeras máquinas a las fábricas.
11:30De hecho, el miedo de los trabajadores ante la posibilidad de perder sus trabajos por culpa de las máquinas
11:35y la tecnología dio lugar al ludismo, un movimiento que se originó con los artesanos de Inglaterra
11:41y que se extendió rápidamente por toda Europa, donde el objetivo del movimiento era entrar en las fábricas
11:48y destruir la tecnología, no dejar ni rastro de la nueva maquinaria.
11:52Las protestas se alargaron 5 años, pero aún así el ludismo perdió su batalla y es que al contrario de lo que creían
11:59la llegada de las máquinas a las fábricas promovió la creación de nuevos puestos de trabajo.
12:04Las primeras máquinas del siglo XIX se introdujeron en sectores muy concretos, donde realizar tareas mecánicas
12:10de manera manual era muy costoso y laborioso. Esto se tradujo en que las fábricas pudieron aumentar su producción
12:16de manera exponencial y por lo tanto hacer sus productos mucho más accesibles, tanto en cantidad como en tiempo.
12:23Y para poder hacerse cargo de una producción tan grande, así como de hacer llegar el producto al cliente,
12:29hizo falta crear nuevos puestos de trabajo que nunca antes se habían visto.
12:33Tenemos como ejemplo la primera fábrica de coches Ford. Al principio la fabricación de coches era un proceso artesanal,
12:39es decir que se fabricaban muy poquitas unidades para clientes muy selectos y con unos plazos de producción muy elevados.
12:45Con la llegada de las máquinas, Ford pudo cambiar el trabajo manual y artesanal por una fábrica de producción en serie.
12:52Ford vio que necesitaba muchísima, pero que muchísima más gente para poder controlar todo este proceso de producción y venta.
12:59Y en sólo cinco años aumentó su plantilla con más de 13.000 empleados.
13:04Esto es sólo un ejemplo, pero a lo largo de la historia hemos podido comprobar cómo la tecnología ha ayudado a hacer crecer muchas empresas.
13:12Por supuesto, algunas máquinas y tecnologías nuevas han hecho que puestos de trabajo muy concretos y, sobre todo, manuales,
13:19desaparezcan, pero en general ayudan a generar mucho más empleo del que destruyen.
13:24Desde hace unos pocos años, este miedo a que la tecnología quite muchos puestos de trabajo ha vuelto.
13:30Y claro, ahora hablamos de tecnologías capaces de realizar tareas como conducir, diagnosticar enfermedades,
13:37programar, crear ilustraciones, incluso crear avatares para presentar vídeos con voces capaces de transmitir sentimientos y un largo etcétera.
13:46Estamos acercándonos mucho a inteligencias capaces de realizar tareas que hace bien poquito creíamos que sólo eran propias de un cerebro humano de verdad.
13:55Como comentabas anteriormente en el vídeo, cuando hubo la Revolución Industrial, todo el mundo se preocupó por la desaparición de trabajo y al final fue diferente.
14:02Yo en esto soy más negativo, creo que van a desaparecer muchísimos trabajos y se van a crear muy pocos relacionados con el tema de la Inteligencia Artificial,
14:10porque van a ser muy pocas, muy específicos, todos los trabajos repetitivos, todos los que sean patrones van a desaparecer.
14:16Esa es la parte negativa, ahora también tengo una parte positiva, la parte positiva es que como la Inteligencia Artificial va a permitir que la gente pueda vivir mejor,
14:24es más fácil que la gente tenga todas sus necesidades básicas cubiertas, podemos vivir un auge de todo el tema creativo, social,
14:33todos los trabajos que tengan que ver con investigación, con contacto humano, con arte.
14:39Entonces a lo mejor no van a crearse trabajos de Inteligencia Artificial, lo que va a permitir es que más gente se pueda dedicar a estos campos
14:46que tradicionalmente, psicológicamente, la gente está más contenta de realizar.
14:52Y esto nos lleva a un debate muy interesante sobre el concepto de la creatividad. ¿Una máquina puede ser creativa?
14:59Eso es una pregunta bastante filosófica, porque primero sería ¿qué es creatividad? El humano es creativo, pero ¿realmente qué es ser creativo?
15:05Porque en algunos textos filosóficos se ha hablado que un humano no puede ser creativo porque lo único que hacemos es combinar conceptos.
15:12La creatividad humana se limita a combinar un concepto o la negación del concepto, un poco álgebra.
15:17Un ángel es un humano que le ponemos la sala de los pájaros.
15:20Entonces si tenemos esa teoría, ya estamos viendo que Inteligencia Artificial están mezclando, combinan patrones
15:26y son capaces de, en base a unos datos, crearte un cuadro, una foto, por lo cual, si solo es eso,
15:32a lo mejor Inteligencia Artificial van a poder ser tan creativas como nosotros.
15:36El debate es si eso es la creatividad. La creatividad es simplemente eso o hay algo más.
15:40Si nos ceñimos a la definición, la creatividad es la capacidad o facilidad para inventar o crear nuevas ideas.
15:47Es sinónimo del pensamiento original.
15:50Una máquina no es capaz de pensar por sí misma, pero sí que hemos visto cómo son capaces de aprender
15:55y crear imágenes nuevas que nunca antes han existido en base a lo aprendido.
16:00Y además hablamos de imágenes muy buenas, de muy buena calidad. Y esto es solo el principio.
16:05Así que tal vez sí que podríamos decir que una máquina empieza a ser creativa.
16:10Cuando Inteligencia Artificial sacan un cuadro, si un humano saca un cuadro,
16:14pues a uno le va a gustar Inteligencia Artificial, otro el del cuadro, pero sería arte.
16:17La cuestión es si hay algo más. Si hay algo más no vamos a poder conseguirlo, pero si solo es esto, sí.
16:22Pero esto significa que los puestos de trabajo creativos van a desaparecer.
16:26Pues es algo muy difícil de afirmar o desmentir.
16:28Lo que está claro es que ahora tenemos herramientas al alcance de nuestras manos
16:32que nos pueden ayudar muchísimo a agilizar el trabajo.
16:36Un ilustrador puede usar estas nuevas ideas para sacar ideas,
16:39poses de personajes, nuevos estilos.
16:42Un programador puede acceder a funciones que desconozca
16:45o puede localizar el error de su código en apenas unos segundos.
16:48Y ya no hace falta buscar en Google y navegar por miles de páginas y blogs.
16:53Tampoco debemos olvidar que para que estas máquinas existan,
16:56para tener aplicaciones con Inteligencia Artificial,
16:59hacen falta manos humanas detrás, que les den vida y que les ayuden a aprender.
17:04Es de esperar, por lo tanto, que surjan nuevas oportunidades laborales
17:08relacionadas con este sector.
17:09Realmente es que lo que nos viene son Inteligencia Artificial
17:12que van a poder hacer cosas que los humanos hacían,
17:15pero además nos van a dar nuevos servicios.
17:17Servicios médicos, nuevos sistemas para temas de producción,
17:21van a reducir los costes, entonces va a cambiar todas las reglas.
17:25Nos van a hacer que una persona cualquiera que tenga buena sanidad,
17:30que esté alimentado, que tenga ropa, que tenga necesidades básicas cubiertas,
17:34sea lo más barato y más fácil.
17:37Entonces, claro, esto abre una nueva puerta.
17:39Podemos tener una sociedad que tenga recursos y pueda vivir bien.
17:43Esta es la parte positiva.
17:46No será una nueva revolución,
17:47pero como toda revolución se puede usar para el bien o para el mal.
17:49Yo prefiero pensar en la parte positiva.
17:51La historia ya ha demostrado que la tecnología nos ha hecho avanzar y evolucionar
17:56y del mismo modo, según hemos visto los problemas derivados de la misma,
18:00hemos seguido trabajando para reducir o eliminar su impacto negativo.
18:04Aparte de los errores que pueden cometer la Inteligencia Artificial,
18:07no podemos saber los errores que contiene.
18:09Es verdad que la parte positiva es que seguramente,
18:12matemáticamente son mejores que nosotros.
18:14Podemos calcular que una Inteligencia Artificial que pilota un avión
18:17tendrá menos errores que un humano.
18:19El problema este va a ser cuando pase ese error.
18:21No es lo mismo que el error lo comete un humano, aunque realmente sean menos.
18:25Desde el punto de vista humano no sentimos igual la indefensión
18:27si lo comete un humano que si lo comete una máquina.
18:30Van a ser menos, pero claro, va a ser un debate muy gordo cuando pasen que pasarán.
18:33Otro debate que se puede abrir es el tema, por ejemplo, de análisis de población.
18:37Ahora, con las nuevas tecnologías artificiales,
18:39tú puedes clasificar la población, analizarla.
18:41Claro, eso se puede predecir para influenciar en la población,
18:43lo que se ha hablado mucho de los algoritmos de las redes sociales,
18:47cómo se deben prohibir o no, porque te pueden mostrar una verdad
18:50cercana del mundo o la verdad que interesa.
18:53Se puede utilizar de forma muy negativa,
18:54por eso el control que hay que establecer.
18:58La ficción de robots humanoides capaces de imitar al humano casi al 100%,
19:03con capacidad de pensamiento y razonamiento propio,
19:06son bastante improbables.
19:07Lo que está claro es que la inteligencia artificial puede hacer mucho bien a la sociedad
19:12y puede abrir un mundo de posibilidades en ámbitos como la medicina,
19:15la seguridad o incluso la educación.
19:18En las propias manos humanas está el usar la tecnología con responsabilidad
19:23y quizás una bonita conclusión de todo esto es que tanto las máquinas
19:27como los humanos somos capaces de aprender y evolucionar a partir de nuestros errores.