Enrique Dans es una de las voces más autorizadas en materia de tecnología e innovación en España. Profesor de Innovación en IE Business School desde el año 1990, tiene un doctorado en Sistemas de Información en UCLA, estudios postdoctorales en Harvard Business School y un MBA.
Dans nos habla en esta entrevista de las posibilidades de machine learning y de los riesgos que conlleva. Y no solo porque no podamos entender cómo funciona y en qué basa sus decisiones un algoritmo, sino porque China podría convertirse, gracias a su escasa regulación en materia de derechos, en la próxima potencia tecnológica mundial.
NOBBOT: Se habla de Big Data, de IoT, de robots… ¿Cuál es, bajo su punto de vista, la tecnología que más impacto va a tener en la sociedad?
E. DANS: Estoy alucinado con machine learning porque es una aplicación para todo. Hay que partir de la orientación a datos, como es el Big Data, y del desarrollo que alimenta machine learning, por lo que es fundamental. Pero esta tecnología hace cosas que no podíamos imaginarnos. No pensábamos que machine learning como tal iba a impactar a todos los negocios.
MachinE learning va a cambiar la forma de trabajar de prácticamente todo el mundo (…). Va a cambiar incluso lo que pensábamos que podía hacer la tecnología
-Igual que se dice que Big Data va a afectar a todas las empresas, con machine learnign ¿va a pasar lo mismo?
Machine learning va a estar en todas partes. Lo que pasa es que Big Data es un componente previo al machine learning porque dependerás de los datos, de los que tú has generado salvo que puedas inventarlos. Pero dependerá de tus históricos, con lo cual Big Data es la arquitectura que hace posible machine learning. En muchos casos es, de hecho, lo más duro de hacer: tener los datos para poder ponerlos y dárselos de comer a un algoritmo.
-¿En qué ámbitos va a afectar machine learning?
Absolutamente en todos. Yo mismo, pensando en mi actividad como profesor, estoy convencido que no voy a tener que hacer lo que más odio: corregir exámenes. Me encanta dar clases, pero es farragoso corregir exámenes. Quizá en un año o dos tendremos un código que, a partir de una serie de exámenes, sabrá cuál es mejor o peor, aunque estén escrito incluso en varios idiomas.
Va a cambiar la forma de trabajar de prácticamente todo el mundo. Vamos a encontrarnos con que muchísimas tareas que antes pensábamos en un ordenador y en automatización, las vamos a ver como grados de libertad.
Cambia incluso lo que pensábamos que podía hacer la tecnología. Pensábamos que la tecnología podía hacer contabilidad, nóminas, tareas muy pesadas y muy repetitivas. De repente, nos encontramos con que puede hacer cosas que no son pesadas ni repetitivas como conducir. Pensar que un coche puede alimentarse de sus sensores y relacionarse con todos los datos de su entorno para decidir, en tiempo real, si gira o no es algo absolutamente brutal.
-Es decir, que no podemos tampoco acotarlo en un periodo de tiempo y decir “desde este momento empieza machine learning”, sino que es un proceso paulatino…
Es un tema que lleva mucho tiempo en desarrollo, que ha tenido sus momentos de invierno en los que parecía que no avanzaba y que no tenía los resultados que se esperaba. Es una tecnología que se alimenta de las mejoras de los recursos computacionales, de tener más espacio de almacenamiento, de procesamiento en la nube… Es ahora cuando finalmente parece que estamos gestionando unas expectativas más realistas.
Pero, por otro lado, coincide también con una bajada en la barrera de entrada. Ahora, casi cualquiera puede empezar a hacer algo así. Ya no necesitas saber programar para hacer cosas con machine learning y para adiestrar un algoritmo. Para determinadas cosas, basta una página de Google, que te sirve para jugar con tu webcam y hacerle gestos y que aprenda a detectar esos gestos. Antes hacía falta un especialista para hacer algo así, pero ahora ya no.
Cuando en una cadena de producción sustituyes los humanos por máquinas, pasas a tener más productividad y menos errores. ¿Quién va a poder evitar hacerlo? Nadie
-¿Es lo mismo machine learning que inteligencia artificial?
No. Inteligencia artificial es un término paraguas que agrupa todo aquello que, cuando se desarrolla lo suficiente, sale. En su momento pasó con computer vision o la visión computarizada. En su momento era inteligencia artificial y ahora es una tecnología independiente. Con machine learning pasa lo mismo. Antes parecía que era lo mismo y ahora se independiza y crea su propio cuerpo de sabiduría.
-¿La intervención humana siempre será necesaria aunque las máquinas aprendan por sí solas o cada vez menos?
Depende para qué. Para una cadena de montaje ya no es necesario. Las compañías que automatizan sus cadenas de montaje no vemos pasos repetitivos. Hablamos también de cosas como, por ejemplo, montar la carcasa de un iPhone. No es apretar con una fuerza determinada, sino hasta que el material hace clack. Es decir, no es algo estereotipado y definible pero una máquina es capaz de sentir como los dedos de una persona. ¿Qué ocurre si en una cadena de producción sustituyes todos los humanos por máquinas? Que pasas a tener mucha más productividad y muchos menos errores. Es decir, eres mucho más competitivo.
¿Quién va a poder evitar hacerlo? Nadie. Es decir, va haber muchos trabajos que van a desaparecer porque lo va a hacer una máquina. Hay otros en los que va a ser siempre necesario un componente humano.
-Y aparecerán nuevos trabajos.
Evidentemente. La sustitución vendrá en los trabajos de los que llaman las cuatro D: dull (aburrido), dear (deshumanizante) dirty( sucio), dangeorus (peligroso). Por ejemplo, la minería del carbón. ¿Queremos tener realmente una persona a varios kilómetros de superficie dando golpes a la pared es mejor que lo haga un robot?
Vamos a ver su impacto en cada vez más trabajos, y muchos de ellos de cuello blanco.
Trabajar machine learning en China es más fácil que en Estados Unidos (…). ¿Quiere decir que estamos configurando a China como la próxima potencia mundial? Podría ser
-Las oportunidades son evidentes. ¿Cuáles serían los riesgos de machine learning?
La percepción de que un algoritmo puede hacer algo cuando ni siquiera somos capaces de entender qué hace el algoritmo. Estamos viendo riesgos curiosos. Por ejemplo, en algunos tribunales norteamericanos se utiliza un algoritmo para saber qué pena le impones a un reo en función de lo que el código cree que su capacidad de reincidencia. ¿Cómo apela ese reo si no está de acuerdo porque no sabe realmente lo que el algoritmo ha hecho?
Uno de los principales problemas es que se pierde transparencia en los algoritmos cuando están haciendo procesos matemáticos que son muy fáciles de aplicar o de comprender
-¿Se debe legislar machine learning? ¿O hacerlo a priori es como poner la venda antes de la herida?
Lo ideal sería hacerlo a la americana: primero crearlo y luego ver los efectos y buscar comparables. A partir de ahí, sí se debería intentar legislar. Antes, lo que vas a hacer es limitar la innovación.
-¿Cuál es la empresa que mejor lo está haciendo en machine learning?
En el término machine learning como tal me encanta Bigml, que es una empresa española pequeñita erradicada en Oregón que es uno de los actores pequeñitos.
Todas las grandes están haciendo cosas importantes. La gran duda es si las empresas norteamericanas (los Google, Facebook, Amazon y compañía) están siendo más competitivas o menos con respecto a sus homólogas chinas.
Por ejemplo, Baidu es una potencia en machine learning. Si China es el primer país que empieza a diseñar una arquitectura social en la cual los datos se pueden utilizar prácticamente siempre, porque el concepto de democracia es un poco de subgeneris, y el de privacidad es inexistente, habrá que ver las consecuencias. En este momento, trabajar machine learning en China es más fácil que en Estados Unidos porque tienes más sujeciones o restricciones por privacidad. ¿Quiere esto decir que estamos configurando a China como la próxima potencia mundial? Podría ser. Pero imagínate que un país empieza a ser más eficiente por el hecho de ser no democrático… Eso tiene mucho peligro desde el punto de vista geopolítico.
-Con todas las regulaciones que hay en Europa, ¿corremos el riesgo de quedarnos atrás en materia de innovación?
Sí, pero porque la Unión Europea en general legisla llevada por los lobbies preexistentes, que son los que tienen poder y dinero. Cualquier desarrollo que haga machine learning de una empresa más competitiva va a generar problemas para las empresas ya establecidas. Estas tienen una cierta tendencia a apoyarse en las normas que no dependen del mercado y la competencia, e intentar bloquear a otras compañías. Eso es muy típico de Europa, desgraciadamente.
En Nobbot / Sánchez de Rojas, ingeniero del año: ‘’Debemos tener una actitud transformadora de la sociedad’’