Aunque la supercomputadora ficticia HAL se presentó por primera vez a los cinéfilos hace más de 50 años, existen importantes lecciones aprendidas que los profesionales de la IA pueden aplicar en la actualidad.
HAL Supercomputadora de utilería de la película de Stanley Kubrick de 1968, “2001: A Space Odyssey”.
Imagen: Hethers / Shutterstock
HAL (computadora algorítmica programada heurísticamente) debutó por primera vez en la película clásica de Stanley Kubrick “2001: Space Odyssey” (1968). Si bien parte de la programación de HAL requería que la computadora mantuviera en secreto el propósito real de la misión para los astronautas, HAL también fue programado para ayudar a sus viajeros humanos en la misión respondiendo verbalmente preguntas e instrucciones y también brindando retroalimentación verbal con la ayuda del lenguaje natural. Procesando.
VER: Kit de contratación: Programador de videojuegos (TechRepublic Premium)
Durante el viaje, HAL experimentó conflictos lógicos cuando intentó equilibrar la transmisión de información crítica a los astronautas con su directiva de mantener en secreto la información de la misión. El resultado final fue una serie de fallas de software que colocaron a HAL en el camino de destruir a los habitantes humanos de la nave para salvaguardar el secreto de la misión.
“2001: A Space Odyssey” se estrenó en los cines hace más de 50 años, pero es clarividente en las preguntas que se ciernen sobre las organizaciones a medida que inyectan inteligencia artificial en los procesos de negocio y la toma de decisiones. Entre estas preguntas están:
¿Qué es exacto?
En octubre de 2019, Rekognition AI de Amazon clasificó erróneamente a 27 atletas profesionales como delincuentes, y en marzo de 2021, un tribunal holandés ordenó a Uber reintegrar y compensar a seis ex conductores que fueron despedidos en base a evaluaciones incorrectas de actividad fraudulenta realizadas por un algoritmo.
Muchas organizaciones ingresan al campo de la inteligencia artificial comprando un paquete de inteligencia artificial que ya está preprogramado por un proveedor que conoce su industria. Pero, ¿qué tan bien comprende el software del proveedor los detalles de un entorno corporativo específico? Y si las empresas continúan entrenando y perfeccionando sus motores de inteligencia artificial, o crean nuevos algoritmos de inteligencia artificial, ¿cómo saben cuándo están introduciendo inadvertidamente lógica o datos que producirán resultados defectuosos?
VER: Gartner: la IA se mueve rápido y estará lista para el horario de máxima audiencia antes de lo que cree (TechRepublic)
La respuesta es que no lo saben porque las empresas no pueden descubrir fallas en los datos o la lógica hasta que las observan. Reconocen las fallas debido a su experiencia empírica con el tema que analiza la IA. Este conocimiento empírico proviene de expertos humanos en la materia que forman parte del personal.
La conclusión es que las empresas deben mantener a las pymes humanas al final de los ciclos analíticos de IA para garantizar que las conclusiones de IA sean razonables, o intervenir si no lo son.
¿Qué es ético?
Un gran minorista quiere un software predictivo que pueda anticipar las necesidades de compra de los clientes antes de que los clientes realicen compras. El minorista compra y agrega datos de clientes de una variedad de fuentes de terceros. Pero, ¿debería el minorista comprar información médica sobre los consumidores para determinar si necesitan ayudas para el control de la diabetes?
Esta es una cuestión de ética porque se cruza con los derechos de privacidad de la atención médica individual. Las empresas deben decidir qué hacer correctamente.
¿Dónde encajan los humanos?
Al final, el conocimiento humano es el motor de lo que la inteligencia artificial y la analítica pueden hacer.
El estándar es que la IA se transfiere a la producción cuando tiene una precisión del 95% de lo que concluirían los expertos en la materia. Con el tiempo, es probable que esta sincronización entre lo que una máquina y lo que concluiría un ser humano se desvíe.
VER: Deloitte: los principales casos de uso empresarial para la inteligencia artificial en 6 industrias de consumo (TechRepublic)
Al darse cuenta de que la IA (como el cerebro humano) no siempre es perfecta, la mayoría de las organizaciones optan por tener un experto en la materia como punto de revisión final para cualquier proceso de toma de decisiones de IA.
¿Qué limitaciones enfrentamos?
La IA actual analiza grandes cantidades de datos en busca de patrones y respuestas, pero no posee la capacidad humana para intuir o llegar tangencialmente a respuestas que no están inmediatamente en los datos. Con el tiempo, habrá trabajo para mejorar el razonamiento intuitivo de la IA, pero el riesgo es que la IA pueda descarrilarse como HAL.
¿Cómo aprovechamos el poder de la IA para que haga lo que le pedimos, pero no acabe arruinando la misión? Este es el punto de equilibrio que las organizaciones que utilizan la IA deben encontrar por sí mismas.
Boletín de datos, análisis e inteligencia artificial
Conozca las últimas noticias y las mejores prácticas sobre ciencia de datos, análisis de big data e inteligencia artificial. Entregado los lunes
Regístrate hoy
Ver también
