El primer cerebro cuántico está cada vez más cerca.

El cerebro cuántico se perfila cada vez más con más nitidez en el horizonte tecnológico. Se fabrica con materiales cuánticos que usan sus insólitas propiedades y la Inteligencia Artificial para comunicarse y aprender como lo hace el cerebro biológico.

Investigadores de la Universidad de California (UC San Diego) y de la Universidad Purdue han logrado un importante paso hacia la construcción de un cerebro cuántico.

En febrero pasado, investigadores de la Universidad Radboud en los Países Bajos anunciaron que habían ensamblado una red de átomos individuales que pueden crear patrones y conectarse entre sí de una manera similar a como lo hacen las neuronas y las sinapsis del cerebro.

Lo consiguieron utilizando un material cuántico que almacena y procesa información de manera similar al cerebro y, lo que es aún más sorprendente, se adapta según la información recibida.

La nueva investigación representa un paso más hacia la consecución del pretendido cerebro cuántico, que no sería otra cosa que un ordenador que funciona de la misma forma que el cerebro biológico.

Dos pilares: Hardware cuántico e IA

El cerebro cuántico se apoya en dos pilares: en primer lugar, en la Inteligencia Artificial (IA), que funciona reconociendo patrones y aprendiendo de la experiencia.

En segundo lugar, en que la dimensión cuántica no es aportada por un programa informático, sino por el mismo material con el que se fabrica la máquina: los así llamados materiales cuánticos.

Los materiales cuánticos representan la gran esperanza de la computación que pretende imitar al cerebro biológico: a medida que las demandas de ancho de banda de los ordenadores y otros dispositivos alcanzan su límite tecnológico, se requieren nuevos materiales que imiten la velocidad y precisión del sistema nervioso natural.

Los materiales cuánticos son aquellos cuyas propiedades esenciales no se pueden describir en términos de la física clásica. Son materiales en los que emergen fenómenos de origen cuántico, como la superconductividad o las fases topológicas de la materia.

Propiedades desconcertantes

Aunque las propiedades de todos los materiales se rigen por las leyes de la mecánica cuántica, muchas de sus propiedades pueden describirse con análogos clásicos.

Sin embargo, las propiedades de algunos materiales no tienen análogos clásicos que puedan describirse: por eso se llaman materiales cuánticos.

Estos materiales exhiben propiedades desconcertantes sin contrapartida en el mundo macroscópico, como el entrelazamiento y las fluctuaciones cuánticas, así como FASES TOPOLÓGICAS de la materia que albergan unas partículas conocidas como fermiones de Majorana.

Los materiales cuánticos son los que estructuran la computación neuromórfica, que se basa en algoritmos y circuitos integrados que imitan el funcionamiento del cerebro.

Al igual que los sistemas de base biológica (izquierda), los comportamientos emergentes complejos, que surgen cuando componentes separados se fusionan en un sistema coordinado, también son el resultado de redes neuromórficas compuestas por dispositivos basados ​​en materiales cuánticos (derecha). UC San Diego.

Nuevos dispositivos de IA

Basada en materiales cuánticos, la computación neuromórfica permite ir más allá de los límites de los materiales semiconductores tradicionales y concebir dispositivos mucho más flexibles, con menores demandas de energía que los dispositivos actuales.

La computación neuromórfica está inspirada en los procesos emergentes de millones de neuronas, axones y dendritas, que están conectadas por todo el organismo a través de un sistema nervioso extremadamente complejo.

Lo que ha hecho la nueva investigación es concebir nuevos dispositivos informáticos para reconocimiento de patrones y aprendizaje automático (recursos de la Inteligencia Artificial) que imitan las funciones cerebrales utilizando para ello las propiedades insólitas de los materiales cuánticos, según se informa en un comunicado. 

Mediante simulaciones teóricas, los autores de la nueva investigación combinaron nuevos materiales de supercomputación con óxidos especializados.

Crecimiento sin límites

Descubrieron que esta combinación permite el desarrollo de redes de circuitos y dispositivos que reflejen la conectividad de neuronas y las sinapsis neuronales en redes artificiales construidas con materiales cuánticos.

Para conseguirlo, unieron dos tipos de sustancias cuánticas: materiales superconductores basados en óxido de cobre y materiales de transición de aislante metálico basados en óxido de níquel.

Con ellos crearon «dispositivos de bucle» básicos que podían controlarse con precisión a nanoescala con helio e hidrógeno, lo que refleja artificialmente la forma en la que las neuronas y las sinapsis están conectadas en un cerebro biológico.

A continuación comprobaron que, añadiendo nuevos dispositivos que enlazan e intercambian información entre sí, las simulaciones mostraron que permiten la creación de una serie más amplia de dispositivos en red que muestran propiedades emergentes, como las del cerebro de un animal.

A partir de este resultado, el objetivo de sus protagonistas, Alex Frañó y Robert Dynes, es crear una red muy grande y compleja de estos dispositivos, que tendrían la capacidad de comunicarse, aprender y adaptarse, tal como lo hace el cerebro biológico.

Periodo de pruebas

Aunque en los últimos años se ha avanzado mucho en el diseño de circuitos que imitan el comportamiento de las neuronas y las sinapsis, sigue habiendo desafíos por resolver en el diseño de redes que presenten un comportamiento similar al del cerebro biológico, señalan los investigadores.

Añaden que las simulaciones de redes de circuitos y dispositivos basados ​​en materiales cuánticos desarrollados en la nueva investigación, posibilitan una multiplicidad de estados sinápticos muy prometedores que surgen de la configuración neuronal artificial.

Esa red utiliza las propiedades de los materiales cuánticos para imitar el comportamiento emergente que se encuentra en los sistemas biológicos, concluyen los investigadores en su artículo publicado en PNAS.

Fraño y Dynes ya han comenzado a probar las simulaciones teóricas con instrumentos del mundo real. Todo parece indicar que el cerebro cuántico se perfila cada vez con más nitidez en el horizonte tecnológico.

Referencia : Si lo deseas, clickea en el sitio siguiente. Muchas gracias.

Low-temperature emergent neuromorphic networks with correlated oxide devices. Uday S. Goteti et al. PNAS August 31, 2021 118 (35) e2103934118. DOI:https://doi.org/10.1073/pnas.2103934118

Foto superior: Gerd Altmann en Pixabay

FUENTE RESPONSABLE: TENDENCIAS – Eduardo Martínez de la Fe- Editor – Periodista Científico. Cerebro cuántico- Inteligencia artificial- redes neuronales-sinapsis artificiales  

La Inteligencia Artificial alcanza una imaginación similar a la humana.

La Inteligencia Artificial ya no solo puede pensar, razonar, actuar y comportarse como las personas, sino que también puede imaginar lo invisible y hacerse más segura y humana.

Einstein dijo en 1929 que la imaginación es más importante que el conocimiento, pero nunca llegó a imaginar que la Inteligencia Artificial pudiera también alcanzar esa proeza de la mente humana.

La imaginación es un proceso creativo superior que permite representar en la mente objetos, sensaciones e ideas que no siempre tienen un correlato en la realidad: por ejemplo, un gato de color naranja.

Se trata de un proceso cognitivo complejo que nos permite pensar en posibilidades: por ejemplo, podemos imaginar posibles consecuencias de una decisión que debemos tomar.

Según Einstein, mientras que el conocimiento es limitado, la imaginación es universal, puede abarcar cualquier cosa y la ciencia reconoce que es el campo de las hipótesis científicas.

El desarrollo tecnológico ha conseguido replicar en una máquina algunos de los atributos de la inteligencia humana, como aprender y resolver problemas. La llamamos Inteligencia Artificial (IA) y la estamos desarrollando desde 1956.

Hemos diseñado sistemas inteligentes que piensan como los humanos (redes neuronales artificiales), que actúan como nosotros (robótica), que razonan como las personas (sistemas expertos) y que incluso se comportan racionalmente (agentes inteligentes).

Imaginación artificial

Ahora, una nueva investigación añade una potencia más a la IA: podemos conseguir también que imagine cosas, como hacemos los seres humanos.

Cuando imaginamos algo, por ejemplo, el gato naranja, las neuronas de nuestro cerebro se activan para generar variaciones cromáticas de un objeto muy conocido, como es el gato.

Un equipo de investigadores de la Universidad del Sur de California ha logrado que una IA utilice capacidades similares a las humanas para imaginar un objeto con diferentes atributos. Tal como haríamos nosotros con un gato que cambia de color.

La idea es totalmente disruptiva, porque hasta ahora los avances en redes neuronales profundas y los sistemas IA más avanzados se basan en algoritmos que no pueden gestionar información subjetiva, como la que usamos cuando imaginamos gatos de colores.

Uno de los artífices de esta proeza tecnológica, Yunhao Ge, explica en un comunicado: «los seres humanos pueden separar su conocimiento aprendido por atributos – por ejemplo, forma, postura, posición, color – y luego combinarlos para imaginar un nuevo objeto. Nuestro desarrollo intenta simular este proceso usando redes neuronales».

En un nuevo enfoque para enseñar a las IA a «imaginar lo invisible», las imágenes de entrenamiento (abajo) se combinan para sintetizar la imagen solicitada (arriba). Crédito: Ge et al.

Desarrollo de la IA

La imaginación artificial conseguida se basa en un desarrollo de los sistemas actuales de IA: las redes neuronales artificiales pueden en la actualidad generar múltiples imágenes de automóviles a partir de fotos de diferentes marcas de vehículos incrustadas en su arquitectura.

La IA extrae reglas de algunos ejemplos y las aplica a una amplia gama de modelos de automóvil que desconocía con anterioridad. Y puede representar los nuevos modelos en cualquier color y desde múltiples ángulos. Pero le falta sentido común.

El nuevo desarrollo va un poco más lejos aprovechando una capacidad ya desarrollada por la IA, conocida como Deepfake: permite, por ejemplo, generar rostros de personas utilizando algoritmos de aprendizaje automático y vídeos e imágenes de archivo. El resultado final es un vídeo muy realista, aunque falso, de alguien que no existe.

De manera similar, explican los investigadores, el nuevo desarrollo toma un grupo de imágenes de muestra, en lugar de una muestra cada vez, como lo han hecho los algoritmos tradicionales, y extrae la similitud entre ellas para lograr algo llamado «aprendizaje de representación desenredado controlable».

Luego, recombina este conocimiento para lograr una “síntesis de imagen novedosa controlable”, o lo que podríamos llamar imaginación, destacan.

Dicho con otras palabras, la imaginación artificial se consigue ofreciendo a la IA la posibilidad de construir ficción combinando varias fuentes simultáneas de información archivada y sintetizándola a continuación en una imagen de apariencia real.

Los investigadores consideran que este sistema hace lo mismo que hacemos nosotros cuando imaginamos gatos de diferentes colores: utilizar patrones conocidos (gatos, colores) para combinarlos en formas inexistentes (para el sistema neuronal) y derivar a una imagen combinada de un gato color naranja.

Usando esta técnica, los investigadores han generado un base de datos con más de un millón y medio de imágenes que podrían ayudar a futuros desarrollos imaginativos de la IA.

Aplicaciones potenciales

Aunque la imaginación artificial se basa en ideas preexistentes, los investigadores consideran que su desarrollo puede ser compatible con casi cualquier tipo de situaciones, con múltiples aplicaciones potenciales.

La capacidad de imaginar lo desconocido puede otorgar a los ordenadores la posibilidad de hacer que los sistemas de IA sean más justos, al eliminar por completo prejuicios culturales relacionados con la raza o el género.

También podría ayudar a los médicos y biólogos a descubrir fármacos más útiles, sintetizando nuevas medicinas obtenidas de imaginar posibilidades a partir de propiedades de diversos medicamentos.

Imbuir máquinas con imaginación también podría ayudar a crear una IA más segura, por ejemplo, al permitir que los vehículos autónomos imaginen y eviten escenarios peligrosos nunca vistos durante los ensayos.

«El aprendizaje profundo ya ha demostrado un rendimiento insuperable, pero esto se ha conseguido muchas veces sin comprender los atributos que hacen que cada objeto sea único. Por primera vez, tenemos un nuevo sentido de la imaginación en los sistemas de inteligencia artificial», concluye Yunhao Ge.

Referencia:

Clickea en los links, si deseas conocer más…Gracias.

Zero-shot Synthesis with Group-Supervised Learning. Yunhao Ge et al. The International Conference on Learning Representations (ICLR), Vienna, May 2021.

Imagen de Portada: El nuevo sistema de IA se inspira en los humanos: cuando un humano ve un color de un objeto, podemos aplicarlo fácilmente a cualquier otro objeto sustituyendo el color original por el nuevo. Ilustración/Chris Kim (USC).

FUENTE: Tendencias – Creatividad – Imaginación – Inteligencia Artificial – Redes neuronales artificiales. Por Eduardo Martínez de la Fe (Periodista Científico).

Con Inteligencia Artificial se completó la sinfonía Nº 10 de Beethoven, y suena así…

Un violonchelista demoró 10 años en crear un programa informático que compusiera una partitura y finalmente logró completar la obra que Beethoven dejó inconclusa en 1826.

El director de orquesta Guillaume Berney levantó su batuta y la música empezó a sonar ante un público de entendidos. Todos querían escuchar –¡al fin, tras tantos intentos ajenos y decepcionantes!- cómo sonaba la sinfonía 10 que Ludwig Van Beethoven había dejado inconclusa al morir y que una computadora logró completar.

Y lo más sorprendente es que sonó increíblemente bien (ver video que acompaña esta nota) y el selecto auditorio de Lausana se sintió transportado a la Alemania de 1826.

La obra se llama BeethovEN 10.1 y fue “creada” gracias a un programa de inteligencia artificial. El sufijo “ANN” se refiere al acrónimo de Red Neuronal Artificial (ANN, en inglés), una de las formas de la inteligencia artificial.

 

Detrás de este prodigio compositivo se encuentra Florian Colombo, un violonchelista que dedicó diez años de su vida profesional como músico al proyecto de enseñarle a una máquina cómo componer siguiendo el estilo de uno de los mayores músicos de la historia.

Educar la Inteligencia Artificial

Florian Colombo es violonchelista y además investigador informático de la prestigiosa Escuela Politécnica Federal de Lausana (en francés, École polytechnique fédérale de Lausanne), en Suiza. Durante una década, creó un programa informático que “educara” a las redes de neuronas artificiales con los 16 cuartetos de cuerda de Beethoven y sus acordes particulares. 

Luego le pidió a su criatura que compusiera, a partir de fragmentos, lo que habría podido convertirse en la 10ª sinfonía. Et voilà! El resultado es sobrecogedor.

“La idea es poder apretar el botón y tener la partitura completa para la orquesta sinfónica entera, sin más intervenciones que mi trabajo previo”, explicó el investigador.

El 2 de septiembre pasado, Florian Colombo abrió el fichero Symphonie 10.1 en una gran pantalla y, con un solo clic, generó la partitura final para la obra, que duró apenas cinco minutos. 

Y este prodigio fue posible gracias a la codificación de unos pocos pentagramas que Beethoven dejó en una melodía propia, pero completados con la decodificación IA de las combinaciones sonoras de sus 16 cuartetos de cuerdas. 

Si deseas saber de Horacio Lavandera, hace cliquea en el link siguiente;

Horacio Lavandera: “En su tiempo, Franz Liszt era como los Beatles en los años ’60”

En cuanto la aplicación dio por terminada una partitura, la orquesta ensayó esa pieza mixta y absolutamente inédita durante un rato. Luego, el director Guillaume Berney hizo algunos ajustes armónicos y, esa misma noche, la presentó en un concierto. El corre-ve-y-dile fue tal que al día siguiente se repitió la presentación.

“Hay que entender que no es el resultado lo que cuenta, sino el proceso“, explicó a AFP Guillaume Berney, el director de orquesta, unos días antes de que todo estuviera listo y de las vertiginosas presentaciones. 

“Es bastante genial ver esto, es como estar en la unidad de maternidad, es un nacimiento”, afirmó el director de orquesta, con la partitura recién impresa en la mano. “En cuanto a lo que veo a nivel armónico, estamos más bien en la época de Beethoven, así que podemos decir que es un éxito”, dijo sin ocultar su orgullo. “Hay algunas cosas que están muy bien, otras que están fuera del estilo pero es agradable. Quizá le falta la chispa del genio”, señaló el director de orquesta en un rapto que amasaba dos cucharadas de modestia con 1 kilogramo de envidia.

Florian Colombo también confesó abiertamente su “emoción”, pero no dejó de lado el copyright: “Hay un toque de Beethoven pero esto es verdaderamente BeethovEN, es algo por descubrir”, apuntó y viendo un horizonte profesional que podría ser millonario. 

El investigador informático tiene en sus manos una innovadora empresa emergente, que le permitirá “aportar esas herramientas a los músicos profesionales, a los aficionados, a las orquestas, para que todo el mundo […] pueda componer de manera lúdica […] o crear partituras a la medida de necesidades específicas”.

Y si alguien cree que, de haberla escuchado, Beethoven alzaría una ceja con aire de superioridad, Guillaume Berney le responde en AFP: “Esto no es en absoluto ofensivo. Los compositores de la época eran todos vanguardistas. Siempre buscaban nuevas formas de hacer las cosas”.

Imagen de portada: Gentileza de Editorial Perfil

Fuente: Editorial Perfil – MM CP – Música Clásica/Inteligencia Artificial

Crean la primera solución de Inteligencia Artificial a escala cerebral del mundo.

Una empresa de California ha creado un único sistema informático para admitir modelos de Inteligencia Artificial (IA) de más de 120 billones de parámetros de tamaño, más que el equivalente computacional en bruto de un cerebro humano completo. Podría ser el inicio de una revolución sin límites en cuanto al impacto de la IA en todos los órdenes de la vida humana.

La firma estadounidense Cerebras Systems ha anunciado recientemente el desarrollo de una innovación que podría marcar un punto de inflexión en la historia de la Inteligencia Artificial (IA) y de la informática contemporánea.

Básicamente, es un sistema dedicado al entrenamiento de modelos y dispositivos con base en IA que equipara la capacidad del cerebro humano en términos de cantidad de parámetros que pueden gestionarse.

Nuestro cerebro dispone de alrededor de 100 billones de sinapsis, que son las conexiones neuronales que le permiten «procesar» la información y aprender cosas nuevas. En la actualidad, los grupos de hardware que trabajan en el entrenamiento de sistemas de Inteligencia Artificial alcanzan aproximadamente un 1% de la escala del cerebro humano, según un artículo publicado en Business Wire.

En otras palabras, esto supondría alrededor de 1 billón de parámetros, que son el equivalente informático de las sinapsis cerebrales. La cantidad de parámetros marca la capacidad de un sistema computacional para «aprender» o desarrollar procesos: si trabaja con una mayor cantidad de parámetros, quiere decir que es capaz de brindar más soluciones o encarar más tareas en forma simultánea y en menos tiempo.

Ahora, la innovación de la empresa californiana supone poder operar un modelo de Inteligencia Artificial con la capacidad de gestionar 120 billones de parámetros, de acuerdo a un artículo de Forbes. 

Esto significa que el nuevo sistema tendría la misma magnitud (o incluso superior) que el cerebro humano, si equiparamos los parámetros con las sinapsis.

El salto adelante de la Inteligencia Artificial

No es difícil imaginar el salto adelante que esto supondría con respecto al impacto de la IA en nuestra realidad: pasamos de modelos que entrenan y gestionan dispositivos de Inteligencia Artificial a razón de un 1% de la escala cerebral o otros que alcanzan el 100% o incluso más de la potencialidad del cerebro humano. 

¿Cuáles serían los principales progresos que podrían obtenerse con este increíble avance?

En principio, sería posible adecuarse a las necesidades de la Inteligencia Artificial: los modelos de IA están duplicando su tamaño cada 3,5 meses, como así también la capacidad de procesamiento que necesitan para entrenar. 

Esta tendencia en constante crecimiento ha producido modelos 1.000 veces más grandes solamente en los últimos dos años. La única forma de hacer frente a estos requerimientos es ampliando la cantidad de parámetros que pueden gestionar.

Al mismo tiempo, uno de los mayores desafíos del uso de grandes grupos de hardware y de equipos cada vez más complejos para resolver problemas de Inteligencia Artificial es la dificultad que acarrea y el tiempo que se necesita para instalarlos, configurarlos y luego optimizarlos para su aprovechamiento en una red neuronal específica. 

Con modelos con una cantidad de parámetros a escala cerebral, esos «cuellos de botella» podrían simplificarse notoriamente.

Un futuro que parece cercano

Por ejemplo, según un artículo publicado en ZDNet, el nuevo modelo integra una máquina de memoria y un conmutador de estructura que permiten sistemas agrupados de hasta 192 equipos informáticos de extrema complejidad, orientados a resolver problemas de Inteligencia Artificial.

Esto supone que en un futuro cercano será posible gestionar redes informáticas cada vez más grandes dedicadas con exclusividad a la Inteligencia Artificial, de una manera que permita obtener una mejor utilización de todos los elementos computacionales y, por lo tanto, derivando en un óptimo rendimiento para una infinidad de aplicaciones e, incluso, en un uso más eficiente de la energía.

¿Habrá límites para esquemas de Inteligencia Artificial capaces de alcanzar o superar al cerebro humano? ¿Quién los pondrá y bajo qué criterios? Todo un universo de incógnitas que se abre frente a un escenario que parece tan cercano como complejo en sus interacciones, algunas de las cuales se vislumbra como muy positivas y otras que, en cambio, arrojan profundas dudas.

Imagen de Portada: Gerd Altmann en Pixabay.

FUENTE: Tendencias – Tecnología – Innovación – Cerebro humano – Inteligencia Artificial- Parámetros – Sinapsis – Por Pablo Javier Piacente.

EMPLEO. Cuanto más avanzan los robots sobre nuestros trabajos y que puestos seran los mas afectados.

El 16,3% de las ocupaciones existentes tiene alto riesgo de automatización en la Argentina, según un reciente estudio; los sectores de ingresos más bajos se verían más perjudicados, aunque con los avances de la inteligencia artificial esa tendencia está bajo revisión.

“Decime, papá, ¿existe el año que viene?”, le pregunta la inquieta y siempre vigente Mafalda a su padre, que, con un gesto serio, no disimula su desconcierto por lo que acaba de escuchar. “¡El año que viene! ¿Existe realmente? ¿O será una de las tantas cosas que se dice que vienen y luego no vienen? ¿Eh?”, insiste la niña en la escena familiar que muestra una tira de la historieta de Quino.

Las preguntas sobre el futuro son una constante de la humanidad. Y hay momentos en los que, de manera especial, surgen inquietudes centradas en el mundo del trabajo. Desde hace un tiempo, se extienden las investigaciones que intentan cuantificar el efecto que, a una o dos décadas de distancia (quizá más, quizá menos), tendrán las crecientes y cada vez más aceleradas innovaciones tecnológicas en la cantidad de empleos. ¿Deberán resignarse cada vez más puestos a causa de las transformaciones? ¿En qué medida otras nuevas ocupaciones laborales compensarán esa pérdida? ¿Se está previendo una preparación adecuada para las oportunidades que llegarán, o para un trabajo en convergencia con las máquinas?

Una de las conclusiones de no pocos analistas es que más relevante que quedarse con pronósticos numéricos, cuyo nivel de acierto depende de una serie amplia e incluso cambiante de factores, resulta analizar el impacto que la transformación deja en la estructura del mercado de trabajo (por los cambios en el tipo de perfiles requeridos) y en la distribución del ingreso de una sociedad. Aclaración: se trata del impacto que habrá y del que ya hay: suele decirse que muchos empleos del mañana hoy ni siquiera existen, pero es también cierto que, en buena medida, las actividades implicadas en los trabajos actuales no eran siquiera imaginables cuando muchos de quienes las hacen eran chicos y, eventualmente, estaban en el sistema educativo.

“La automatización será probablemente una amenaza mayor para la igualdad social que para el empleo en general”, concluye, entre otros puntos, un trabajo reciente del Centro de Estudios Distributivos, Laborales y Sociales (Cedlas), de la Universidad de La Plata.

El estudio titulado “El riesgo de la automatización en América Latina”, se propuso identificar el grado de riesgo de las ocupaciones en seis países: Argentina, Brasil, Chile, Colombia, México y Perú.

Se llegó a dos conclusiones, porque se trabajó con dos metodologías: una de ellas es que el 16,7% de los empleos existentes tiene alto riesgo de ser reemplazado por máquinas (16,3% es el dato para la Argentina); en la otra hipótesis, el 62% de las ocupaciones (59,9% en el caso de nuestro país) tienen elementos que las harían altamente susceptibles de ser automatizadas, un índice que es mucho más elevado para posiciones como las de personal de ventas (78,5%), atención al cliente (71,6%) o asistencia en la cocina (86%).

¿Por qué la diferencia entre ambas conclusiones? En el caso de la segunda alternativa citada, el trabajo se basó en el método usado por los investigadores Carl Frey y Michael Osborne, de la Universidad de Oxford, en 2013. 

En su momento, la conclusión de este estudio, respecto de que el 47% de los empleos de los Estados Unidos tenía alto riesgo de ser reemplazado en un horizonte de quizá una o dos décadas, tuvo bastante difusión, pero también, con el tiempo, hubo varias críticas, como la que advierte que la automatización de determinadas tareas atribuibles a una ocupación no es motivo suficiente para indicar que un puesto podría quedar eliminado, tal como sugería el estudio.

Por eso, según explica a LA NACIÓN Leonardo Gasparini, director del Cedlas y uno de los autores del trabajo, otra metodología desarrollada por Melanie Arntz, del Centro Leibniz de Investigación Económica Europea, se ocupó luego de hacer un trabajo más fino para identificar qué tareas hay realmente en cada puesto. “Hay empleos que aparecían como completamente automatizables en la metodología de Frey y Osborne, que en esta otra metodología sólo lo son parcialmente”, agrega el economista.

El informe del Cedlas señala que, por la estructura del mercado laboral en América Latina, el porcentaje de puestos con elevado riesgo de automatización que se obtiene sobre la base de la metodología de Arntz, es bastante más alto que el que arrojó una estimación hecha para países desarrollados (9%). 

Y eso se explica porque en nuestra región (para la cual se tomó información de los institutos oficiales de estadística y se la trabajó con una base de datos desarrollada por el Cedlas y el Banco Mundial) los empleos de ingresos bajos y medios tienen más peso que en las economías industrializadas. Hay que tener en cuenta también que las estimaciones incluyen tanto el trabajo formal como el informal, este último de incidencia muy significativa en los países latinoamericanos y en la Argentina en particular.

En este punto está una de las más fuertes luces de alerta: la mayor vulnerabilidad ante la automatización de tareas se da entre quienes están peor ubicados en la pirámide socioeconómica y, también, entre quienes tienen menos años de estudios. 

En cuanto a sectores, el riesgo es mayor en el comercio, los restaurantes y hoteles, el transporte, las comunicaciones y el servicio doméstico (frente al promedio general de 16,7%, en esos sectores el índice llega hasta el 25%). Bastante más bajo resulta el índice en tareas de enseñanza (4,4%), o en servicios sociales y de salud (7,1%).

El impacto en los ingresos

¿Qué puede implicar una mayor automatización de tareas y un mayor uso de la inteligencia artificial en materia de ingresos de una población? 

En primer lugar, hay una cuestión sobre la cual advierte el informe mencionado y que hace a las dificultades para establecer pronósticos: el hecho de que un puesto o varias tareas de un puesto puedan ser hechas por máquinas no quiere decir que ello vaya a pasar realmente y, en todo caso, podría ocurrir en uno o en otro plazo según el lugar que se mire (dependerá de muchos factores y de decisiones de política pública y de gestión privada).

Y, por otra parte, el desplazamiento de un trabajador de su puesto puede llevar a una de varias situaciones: que la persona vaya a la desocupación o a la inactividad, que sea reubicado en la misma empresa, en función de que se crearían nuevas oportunidades, o que encuentre otra ocupación que, probablemente, estaría en el sector informal y le aportaría ingresos más bajo e incluso más inestables. Una predominancia de la primera y de la última de las opciones llevará a un incremento de la desigualdad.

Operarios ensamblan un robot que esculpe en mármol en una empresa italiana

Operarios ensamblan un robot que esculpe en mármol en una empresa italiana – AlessAndro GrAssAni /nyt – NYTNS

El economista Eduardo Levy Yeyati, decano de la Escuela de Gobierno de la Universidad Torcuato Di Tella y estudioso de estos temas, aclara que tiende a ser pesimista y expresa: “La incidencia en los salarios tiene que ver con qué tan sustitutiva o complementaria es la automatización respecto de lo que hace la persona; si se reemplaza a alguien por una máquina, entonces habrá una sobreoferta para esa función, porque el trabajador competirá con sus pares y con la máquina, y entonces sí habrá un efecto negativo en el salario; si se trata de gente que trabaja con una máquina y eso hace que aumente la productividad laboral, posiblemente habrá menos demanda ahí, porque se necesitarán menos trabajadores para producir lo mismo que antes; pero, a la vez, como el puesto es más productivo, los salarios deberían subir, si es que el mercado paga la productividad marginal de los factores”.

Todo ello está cruzado por otras cuestiones, advierte, como el hecho de que hay firmas tecnológicas, por ejemplo en la economía de plataformas, que se desarrollan en un marco de escasa competencia que les sea significativa y que contratan a trabajadores no sindicalizados, lo cual aporta un elemento para pensar en salarios que tienden a reducirse y en desigualdades sociales que corren el riesgo de ampliarse.

En su reciente libro Dinosaurios y Marmotas, Levy Yeyati dice que el debate sobre estos temas se profundizó en los últimos años con la aceleración de la robotización industrial y las aplicaciones de la inteligencia artificial. “Reemplazan no ya nuestro trabajo manual rutinario, sino nuestros cerebros”, plantea.

El riesgo de la automatización es más alto en trabajos de baja y media calificación que implican tareas rutinarias

El riesgo de la automatización es más alto en trabajos de baja y media calificación que implican tareas rutinarias

“Los nuevos artefactos inteligentes compiten hoy con el analista financiero y con el ingeniero petroquímico. En la medida en que los robots ganan flexibilidad y capacidad de aprendizaje también podrán sustituir a empleos hoy protegidos: el auto sin conductor reemplazaría al chofer; el robot, al personal de limpieza”, ejemplifica. Sobre el último punto, ya se vieron imágenes en los últimos meses de una barredora autónoma recorriendo calles finlandesas.

Requerirán que quienes los ocupen reciban una preparación especial, eso sí, pero los analistas también señalan que las propias innovaciones generarán empleos que hoy no existen, en una dinámica emparentada con las de otras épocas de cambios. 

Empleos que van desde los vinculados al mantenimiento de las máquinas, hasta los que implican controlar los procesos de inteligencia artificial, como los que el informe de 2019 de la Comisión Mundial sobre el Trabajo del Futuro por el centenario de la OIT señaló que deberían existir, si se pretende que el ser humano maneje al algoritmo y no el algoritmo al ser humano.

El tipo de sustitución a la que lleva la inteligencia artificial, afirma Levy Yeyati, produce lo que llama un “ahuecamiento” en la oferta de empleos de remuneraciones medias, para los cuales habría menos posibilidad de crecimiento que para los de bajos y altos ingresos, con el consecuente efecto en el deterioro de la distribución del ingreso.

Ese efecto, denominado de “polarización” por algunas investigaciones, no se demuestra en particular para el caso de América Latina, según destaca el estudio del Cedlas, que señala que en la región el riesgo sigue siendo considerablemente más alto para trabajos de baja y media calificación que implican tareas rutinarias.

Recalcular en tiempos de coronavirus

Y la pandemia y las cuarentenas, ¿cómo inciden en todo esto? “Aceleran el proceso de automatización -responde Gasparini-, porque, en el mundo, las empresas que tenían un grado de robotización avanzado son, naturalmente, las que han sufrido menos el impacto de las medidas de aislamiento, y eso incentivó a más firmas a incorporar más tecnología”.

De todas formas, esas decisiones dependen de muchos factores. Y en la Argentina, advierte el sociólogo Agustín Salvia, coordinador de la Encuesta de la Deuda Social de la UCA (Universidad Católica Argentina), “están la crisis de la actividad y los problemas como la alta carga tributaria y la falta de inversiones”.

Sí existe un grado importante de digitalización, dice, en sectores como el agropecuario, que ocupan poca mano de obra.

Salvia considera que “el Estado va por detrás”, en cuanto a las acciones necesarias de cara a los desafíos planteados, pero “los fenómenos de transformación de los procesos de producción ocurren en una u otra medida en la práctica, independientemente de lo que hagan las políticas”.

Algo que se verificó en pandemia y sobre todo en las cuarentenas, según un análisis hecho por la economista Roxana Maurizio, es que, así como las empresas con mayor desarrollo tecnológico son las que más pudieron seguir operando pese a las restricciones, fueron los trabajadores con más formación y con mejores ingresos los que mayormente siguieron con sus tareas. 

“Los asalariados formales, de mayor nivel educativo, adultos, y que realizan tareas profesionales, técnicas, gerenciales y administrativas” son quienes han podido hacer un mayor uso de la modalidad del teletrabajo, cuenta Maurizio, investigadora del IIEP (UBA-Conicet), respecto de las conclusiones del estudio, publicado recientemente por la OIT, que incluyó a la Argentina, Brasil, Chile, Costa Rica, Perú y Uruguay.

Los asalariados formales de mayor nivel educativo son quienes han podido hacer un mayor uso de la modalidad del teletrabajo en pandemia

Los asalariados formales de mayor nivel educativo son quienes han podido hacer un mayor uso de la modalidad del teletrabajo en pandemia – Shutterstock.

Concretamente, en el segundo y el tercer trimestre de 2020, entre el 40 y el 60% de los asalariados con nivel educativo universitario trabajó desde sus casas, mientras que entre quienes no completaron el nivel primario los valores fueron inferiores al 4%, según consigna el informe.

Más allá de acelerar ciertos cambios tecnológicos, con limitaciones según el país y el contexto, la pandemia bien puede estar acrecentando las desigualdades sociales. 

No solo por los efectos heterogéneos sobre el empleo, sino también por las consecuencias en la población en edad escolar, dada la mayor incidencia que las dificultades de la falta de presencialidad tuvieron en los sectores con menores recursos. Ese impacto no tendría una reversión más o menos cercana como la de las fuentes laborales, sino que sería más persistente.

El vínculo entre años de educación y riesgo de automatización de tareas laborales aparece abordado en el trabajo del Cedlas: “La proporción de trabajos con alto riesgo es más alta para quienes tienen ciclo secundario incompleto”, se concluye, a la vez que se advierte que más de un tercio de los trabajadores en América Latina se encuentra en este grupo de baja calificación. 

El riesgo alto de automatización alcanza su punto máximo a los 11 años de educación. Y para quienes cuentan con 17 o más años de formación, la tasa es de alrededor de 3%.

La educación, el desafío central

Es hacia la educación y hacia el enfoque de los planes de estudios donde los especialistas apuntan en primer lugar, a la hora de analizar qué hacer frente a las transformaciones del mundo del trabajo.

“No hay que pensar en la educación como más de lo mismo, más presupuesto, más computadoras, más horas en el aula o estudiando en casa -señala Levy Yeyati en su libro-. 

La formación requerida por las nuevas tecnologías es mucho más específica; exige una actualización de programas y formatos y, sobre todo, de los educadores”. Y agrega que, más allá de que siempre se debaten temas vinculados a los ciclos primario y secundario como herramientas para la inclusión y la movilidad social, desde el punto de vista del desarrollo económico la reforma educativa debe involucrar “fundamentalmente a la educación terciaria, sobre la que el Estado suele tener una incidencia menor”.

Gasparini aporta: “En teoría, aún hay tiempo para que muchos niños y jóvenes adquieran capacidades que les permitan en el futuro conseguir empleos en sectores más intensivos en capital humano”. 

Pero también señala que educar con foco en lo que viene “es una tarea inmensamente difícil, que en la Argentina no viene teniendo éxito”.

Cuando la pobreza afecta a casi la mitad de la población y cuando uno de cada dos trabajadores es informal, como ocurre en nuestro país, la vía educativa no parece una respuesta suficiente. Levy Yeyati desafía: “¿Debemos condicionar el modelo de desarrollo a los déficits de oferta laboral presente, por ejemplo, resistiendo la tercerización para preservar puestos de mala calidad y remuneración, o debemos aggiornar la oferta laboral con una reforma educativa y un mejor entrenamiento de los trabajadores activos para elevar la productividad y el salario real?” 

Y se responde: “Probablemente, un poco de ambas cosas”, lo que implicaría proteger el trabajo existente y, al mismo tiempo, preparar a las personas para lo que se demanda y se demandará, y estimular actividades de alta calificación.

El cuidado de personas mayores no puede ser reemplazado por máquinas y es una ocupación que tiende a crecer

El cuidado de personas mayores no puede ser reemplazado por máquinas y es una ocupación que tiende a crecer – RICARDO PRISTUPLUK – LA NACION

Entre las capacidades más valoradas, pensando en el futuro, ganan relevancia algunas que no están referidas a los conocimientos duros. “Las tecnologías de la información y la comunicación eran los trabajos del futuro hace 20 años; ahora son los del presente y en el futuro pueden ser reemplazados; por eso se pone el énfasis en las competencias blandas” vinculadas con puestos “que son, en promedio, de calificación medio baja y que sufren la paradoja de ser demandadas pero mal remuneradas”, dice Levy Yeyati.

La empatía, la capacidad de escucha y de diálogo son, por ejemplo, centrales para las tareas de cuidado de personas, relacionadas con la mayor expectativa de vida y con la necesidad de que entren en juego esas cosas que, al menos por ahora, solo están en quienes tienen un corazón que late y que siente.

FUENTE: LA NACIÓN – IA – Automatización – Empleo – Sociedad – Por Silvia Stang