IA Y NEUROCIENCIA

BIO-ROBÓTICA

  • Instagram
  • Facebook
  • Twitter
  • LinkedIn
  • YouTube
  • TikTok

CONTENIDO DE LA UNIDAD

  • Material de estudio

  • Imágenes

  • Video

  • Interacción

  • Actividades de aprendizaje

BIO-ROBÓTICA
png-transparent-gray-robot-illustration-world-robot-olympiad-technology-robotics-artificia

INTRODUCCIÓN

La robótica en el ámbito educativo se convierte en un recurso para facilitar el aprendizaje y desarrollar competencias generales como la socialización, la creatividad y la iniciativa, que permitan al estudiante dar una respuesta eficiente a los entornos cambiantes del mundo actual. La presencia de la robótica en el aula de clase no intenta formar a los estudiantes en la disciplina de la robótica propiamente dicha, sino aprovechar su carácter multidisciplinar para generar ambientes de aprendizaje donde el estudiante pueda percibir los problemas del mundo real, imaginar y formular las posibles soluciones y poner en marcha sus ideas, mientras se siente motivado por temas que se van desarrollando (Del Mar, 2006; Aliane, 2007). Los ambientes de aprendizaje permiten activar procesos cognitivos y sociales que propician un aprendizaje significativo en el estudiante y las destrezas necesarias para desempeñarse adecuadamente en el contexto diverso y complejo que requiere la sociedad. Estos espacios son generados gracias a las relaciones e interacciones que ocurren en el aula de clase entre los estudiantes y docentes, y entre ellos con los recursos con los que se cuenta (Acuña, 2006). El principal objetivo de los ambientes de aprendizaje es convertir el aula de clases en un laboratorio de exploración y experimentación en donde los estudiantes se pregunten constantemente el cómo y el por qué de las cosas en su entorno; en particular, se quiere que las nuevas generaciones se cuestionen respecto a los diferentes elementos que podemos encontrar en el entorno tecnológico actual, pero, sin una excusa como la robótica, estos elementos suelen pasar desapercibidos. Así pues, la robótica educativa pretende despertar en ellos el interés por los temas de clase y facilitar la comprensión de una variedad de conceptos y fenómenos.

BIO-ROBÓTICA E IDC

Es distinto estar rodeado de IdC en interiores porque simplemente puede salir para tener un poco de privacidad, pero es algo muy diferente cuando IdC también se implementa en exteriores. Si existe una aplicación comercial para la implementación de IdC en exteriores, puede estar seguro de que se hará de una forma u otra. Los dispositivos IdC permiten la recopilación en tiempo real de datos granulares para visualizar entornos complejos a través del movimiento masivo de unidades individuales. Uno de esos conceptos IdC imagina a los drones como "plataformas vivas" para los sensores IdC. En "Living IdC: una plataforma inalámbrica voladora sobre insectos vivos", cinco investigadores de la Universidad de Washington imaginaron un mundo en el que los drones equipados con sensores IdC ayudan a las personas a hacer lo que denominaron bio-robótica, injerto de dispositivos digitales en seres analógicos. En realidad, es un enfoque bastante práctico que resuelve muchos problemas insuperables.

Diseñar un dron para que funcione como plataforma de IdC móvil conlleva muchos dolores de cabeza, como el diseño, la fuente de energía, la envergadura, la miniaturización y la obtención de fondos para lograrlo. Los insectos vivos son un ejemplo de perfección viviente, por lo que simplemente colocar sensores ligeros de IdC en ellos esencialmente hackea todos esos problemas de una sola vez. Los drones son extremadamente eficientes para reunir recursos y gastar la menor cantidad posible de ellos en sus operaciones, lo que los convierte nuevamente en un excelente sustituto de los drones IdC. También poseen navegación hacia una T con sensores magnéticos innatos que los ayudan a alinearse con el campo magnético de la Tierra, por eso decimos "en línea recta" para una línea perfectamente recta. Con un peso de 0.1 g, el sensor transportado por el dron se puede detectar dentro de los 80 m del punto de acceso más cercano y puede transmitir 1 kbps de datos cuando el insecto vuelve a la colmena. La batería a bordo del dron dura hasta siete horas mientras graba la ubicación actual quince veces por minuto. Con módulos de sensores alternativos para humedad, temperatura y luz, un enjambre de drones puede convertirse en una herramienta de mapeo eficiente para encontrar la ubicación más adecuada para cualquier planta que requiera una cierta combinación de humedad, temperatura y luz para prosperar.

Una sugerencia presentada en el documento es insertar quirúrgicamente sensores IdC en abejorros en varias etapas de su desarrollo. Los desechos electrónicos se convertirían en un problema, pero los sensores IdC podrían construirse para transmitir la ubicación a medida que el insecto expira y los sensores biodegradables son una posibilidad. Posiblemente, podría haber una flota de drones IdC un poco más grandes diseñados para dar la vuelta y limpiar abejorros muertos, una flota de drones aún más grandes para recolectarlos, y así sucesivamente. Habría drones por todo el camino, pero ¿eso haría del mundo un lugar mejor? La principal limitación en la fabricación de drones IdC es la duración de la batería.

Actualmente, las baterías más eficientes utilizan litio, que se cree que es el material más liviano posible para almacenar energía. A medida que los científicos modifiquen la fórmula de litio, es posible que encuentren formas de extraer un poco más de energía del diseño de la batería, pero después el progreso inevitablemente se estabilizará; a menos que haya un cambio de paradigma más allá de eso, nos quedaremos atrapados con baterías de litio por el resto del futuro. En comparación, los abejorros usan macronutrientes – proteínas, grasas y carbohidratos – para impulsar sus operaciones. Las personas usamos también estos tres macronutrientes, simplemente porque se encuentran en todas partes y proporcionan una gran cantidad de energía, al igual que los combustibles fósiles. Por tentador que parezca deshacerse de las fuentes de energía orgánica, nos quedaremos atrapados en ellas en el futuro previsible porque son relativamente baratas, confiables y eficientes, pero se miniaturizan de manera deficiente. Incluso los autos eléctricos tienen el mismo problema de tener que cargar con voluminosas baterías de litio que necesitan recargarse, lo que se hace principalmente utilizando la energía creada al quemar combustibles fósiles.

tipos-de-baterías.webp

Desde los smartphones hasta tu ratón inalámbrico, pasando por los ordenadores portátiles o incluso las baterías externas para cargar otros dispositivos, las baterías de iones de litio están en nuestro día a día desde hace ya algún tiempo. En este artículo nos vamos a adentrar en el funcionamiento de este tipo de baterías, porque sabiendo cómo funciona, podrás saber de mejor manera cómo utilizarlas, cuidarlas y prolongar al máximo su vida útil.

Con todos los dispositivos inalámbricos que tenemos en nuestro día a día, la autonomía de las baterías es uno de los mayores quebraderos de cabeza para los diseñadores de los mismos, y tanto se intenta fomentar su capacidad y autonomía que ahora los problemas se han agravado todavía más a causa de los sistemas con carga rápida, porque ahora la autonomía ya no lo es todo, sino que los usuarios también quieren que tarden lo menos posible en cargarse para poder volver a utilizar los aparatos.

Así pues, ¿cómo funcionan las baterías de iones de litio? Vamos a explicarlo de la manera más sencilla posible para que puedas comprender su funcionamiento, así como los riesgos que entrañan.

¿Cómo funcionan las baterías de litio?

Las baterías las hay de muchas formas, colores y tamaños. Como decíamos al principio tenemos baterías de portátiles, que son de las más grandes de este diseño interno y las hay diminutas, como las que tiene tu ratón gaming inalámbrico. Pero todas tienen en común su estructura interna, formadas por los siguientes elementos:

  • Ánodo (electrodo positivo): está fabricado en óxido de litio cobalto (o de litio fosfato, litio magnesio…). El metal se encuentra en forma de lámina y adherido a los otros dos componentes principales, también en la lámina.

  • Cátodo (electrodo negativo): está fabricado generalmente en carbono poroso.

  • Separador: es una lámina que separa el ánodo del cátodo para evitar un cortocircuito, y por norma general es de plástico aislante.

  • Electrolito: es un solvente orgánico en el que se sumergen el ánodo, el cátodo y el separador. Es un líquido altamente inflamable en el que se diluyen sales de litio, y por eso las baterías son tan peligrosas (o, al menos, entrañan ciertos riesgos).

  • Conversores y reguladores: precisamente porque las baterías de litio son peligrosas, se suelen integrar sensores para medir la temperatura y las sobrecargas. En definitiva, se incorporan diversos mecanismos de seguridad para evitar problemas.

Como decíamos, el electrodo positivo (ánodo) está fabricado de óxido de litio cobalto por norma general (LiCoO2), mientras que el electrodo negativo (cátodo) es de carbono. Cuando se carga la batería, los iones de litio se mueven del electrodo positivo al negativo a través del electrolito, uniéndose al carbono. Durante la descarga, el proceso opuesto, los iones de litio se separan del carbono para unirse de nuevo al ánodo. Este movimiento de iones de litio es el que genera la energía en las baterías.

Este movimiento de iones de litio, o electrones, produce la energía que consumen nuestros dispositivos pero también genera calor, como cualquier otro componente en movimiento. Por eso la temperatura es un factor crucial ya no solo para un buen desempeño sino también por seguridad.

La mayoría de baterías cuenta con una carcasa metálica con un agujero de ventilación sensible a la presión. Cuando la batería se calienta, aumenta la presión y para evitar que explote se libera la presión extra por dicho agujero (por eso verás que en muchas hay una advertencia que nos dice que nunca debemos tapar ese agujero). Entre los sistemas de seguridad de las baterías de iones de litio, también destacan el PTC (Positive Temperature Coeficient, o coeficiente de temperatura positiva), que es el que se encarga de monitorizar la temperatura de la batería para evitar sobrecalentamiento.

¿Por qué a veces explotan las baterías?

Ya os hemos comentado que hay sistemas de seguridad para evitar esto en la medida de lo posible, pero a veces éstos no son suficientes, o bien por condiciones ambientales adversas pueden llegar a fallar. Partamos no obstante de la premisa de que las baterías de litio son seguras ya que incorporan estos sistemas de seguridad, pero siguen teniendo en su interior ese material altamente inflamable llamado electrolito. Si una batería explota caso siempre es por exceso de temperatura, momento en el que la presión aumenta, la carcasa cede e incendia el electrolito.

Baterias.webp

Por este motivo es muy importante mantener las baterías, sean del tipo que sean y del dispositivo que sean, en un lugar todo lo fresco y seco que sea posible, ya que el recalentamiento puede provocar una explosión, y no es broma. Por lo que procura almacenar las batería de litio que ya no utilices en un lugar adecuado y si ves que esta hinchada no la utilices y tampoco la pongas a cargar.

Rendimiento de las baterías de litio
Por lo general esperar que las baterías nos rindan un 80% de lo que marcan las especificaciones en lo que a ciclos de trabajo o cargas completas se refiere. Es decir, siendo lo más optimistas posibles, las cargas de una batería de litio van a rendir un 80% de lo que os diga el fabricante.

Por lo que cuando compres un dispositivo con una batería de litio ten en cuenta que los fabricantes suelen hacer trampas a la hora de poner las especificaciones y suelen poner el máximo teórico, el cual es suele ser imposible en muchas de ellas en el mundo real. Por lo que sabiendo esto, cuando te digan que por ejemplo una batería dura 5 horas multiplica la cifra por 0,8 y entiende el resultado como el rendimiento real de la batería de litio.

Además estas se degradan con el paso del tiempo y la capacidad de carga va disminuyendo de manera progresiva, hasta que se llega al punto en el que el tiempo de recarga pasa a ser mucho más alto que el tiempo en el que se puede utilizar el dispositivo sin estar conectado a la corriente. Aunque el tiempo en que tarda en ocurrir esto es de varios años y existen mecanismos que dejan de alimentarse de la batería tan pronto como conectamos una fuente de alimentación externa.

En este momento, todos los dispositivos IdC son meramente estacionarios y semi-estacionarios, entonces, ¿podemos hacer que IdC sea portátil? Aparentemente, la respuesta a eso es un rotundo "sí", y en realidad podríamos necesitar IdC portátil para mantener nuestra salud y bienestar social. Para los niños con autismo, la vida diaria es una lucha constante, ya que regularmente no pueden hacer las cosas más básicas, como atarse los cordones de los zapatos. El autismo en sí es un término general para la disfunción cerebral que resulta en un comportamiento socialmente inaceptable; no existe un límite real en cuanto a lo que es autista, por lo que la enfermedad es vista en un espectro. Dichos niños carecen de una respuesta emocional saludable a las circunstancias naturales, como sentir miedo cuando están en peligro o hablar cuando están lastimados y, a menudo, se encuentran marginados. Debido a que, normalmente, las emociones nos guiarían hacia una vida mejor, los niños autistas pueden experimentar un estrés tremendo que los lleva a reprimirlo todo y posteriormente tener crisis emocionales aparentemente sin ninguna razón. En cualquier caso, los dispositivos portátiles IdC realmente pueden ayudar a los niños con autismo a controlar la realidad, pero especialmente a ayudar a sus padres a mantener la cordura.

Es aquí donde Google Glass y su multitud de gafas analíticas podrían ayudar – que usan personas que realmente no pueden discernir las emociones en las caras de las personas con las que interactúan, como los niños autistas que hablan con sus padres. Debido a que el entorno es confiable y existe una pérdida real de productividad debido a la incapacidad de detectar las emociones, existe un fuerte incentivo para usar IdC. Sin embargo, ¿qué hacemos si los padres tampoco pueden entender a su hijo autista?

70729-cinco-experiencias-uso-distintas-google-glass.jpg

En este caso, un brazalete IdC funciona para detectar la reacción del niño al medio ambiente e informar los hallazgos, tal vez a la aplicación de teléfono inteligente de su padre. Al monitorear la frecuencia cardíaca, un padre puede detectar cuando el niño está experimentando estrés y puede reaccionar de inmediato en lugar de esperar la crisis. ¿Cómo sabrá el padre qué hacer? Lo que sea que haga que el ritmo cardíaco del niño disminuya es lo que se necesita para calmarlo. Estas pulseras son similares a las que usan los entusiastas del fitness: simples, resistentes y efectivas.

Las personas con diabetes pueden usar pulseras inteligentes para detectar los niveles de azúcar en la sangre y determinar si existe la necesidad de una reacción sin extraer sangre. La diabetes es tan insidiosa que se necesita toda una red de personas para mantener bajo control a una sola persona con diabetes. Los nutricionistas y los médicos podrían tener acceso instantáneo a esta información para programar un chequeo, especialmente en los casos en que el paciente tiene problemas para moverse, lo que nuevamente es otro síntoma común de diabetes. Los miembros de la familia también podrían estar atentos a los niveles de azúcar en la sangre e intervenir cuando sea necesario con una comida o simplemente con un vaso de jugo de naranja. Una de esas pulseras ya está en el mercado, denominada GlucoSentry.

Apple ya está capitalizando el mercado de dispositivos médicos con su reloj inteligente que puede rastrear las señales de salud y posiblemente informarlas a un profesional médico. A medida que avanza la tecnología, en promedio tenemos una vida útil más larga, lo que significa más problemas de salud crónicos, como el cáncer y la diabetes.

65533_foto.png

La medicina está absorbiendo enormes costos simplemente por mantener vivos a estos pacientes, por lo que los dispositivos portátiles IdC podrían ayudar a reducir los costos sin contratar a más personas para realizar costosos exámenes médicos. En medicina, IdC podría ser indispensable porque estamos luchando con la falta de personal especializado para extraer sangre, medir la presión arterial, etc. Un médico debe tener resultados inmediatos para tomar la decisión correcta o correr el riesgo de ser demandado por negligencia, pero existe la falta de personal, la incomodidad del paciente y el papeleo – los dispositivos IdC solucionan perfectamente todos esos problemas e incluso pueden administrar medicamentos automáticamente. Por ejemplo, MiniMed 530G es un páncreas implantable que funciona con un sensor externo que muestra los niveles de azúcar en sangre e insulina. En la conferencia de Diseño de Sensores Médicos de 2018 celebrada en San José, California, se confirmó que el crecimiento proyectado de dispositivos médicos será de alrededor de $12 mil millones para 2021.

Esto incluye máscaras para ejercitar los músculos faciales que podrían haberse degradado debido a la cirugía u otras causas, pero también monitores insertados en el cuerpo de una mujer para rastrear la ovulación. OvulaRing es un monitor de ovulación inteligente que rastrea la temperatura corporal central para informar cuándo se libera un óvulo. Ya está disponible en la Unión Europea en $520 por un paquete de doce meses.

HealthPatch MD es un sensor portátil que es similar a un parche de nicotina. Detecta la postura del cuerpo, la frecuencia cardíaca, la temperatura de la piel y la frecuencia respiratoria mientras activa una alerta si el usuario cambia de postura demasiado repentinamente, lo que podría indicar que el paciente se ha caído.

Zio XT Patch es un parche de monitoreo del ritmo cardíaco que se puede usar hasta dos semanas seguidas, revelando patrones anormales de actividad cardíaca. Los datos se envían a la aplicación que posteriormente los procesa utilizando algoritmos.

Quell es una banda para la rodilla que busca reducir el dolor y la incomodidad, coordinándose con la aplicación del teléfono inteligente a través de Bluetooth para apretar y soltar según sea necesario para masajear el área. WristOx2 es una pulsera tipo reloj que monitorea la saturación de oxígeno en la sangre y los cambios en el volumen de sangre en la piel. El mayor obstáculo para los dispositivos portátiles médicos IdC en Estados Unidos es obtener la aprobación de la FDA, que puede llevar años y cientos de miles de dólares en ensayos clínicos. Es por eso que Apple lanzó un "reloj inteligente" que fue ridiculizado por ser demasiado simplista por su costo; Apple aprovechó una escapatoria que le permitió vender tecnología de seguimiento médico sin la autorización de la FDA con el pretexto de vender un reloj. En realidad, es un movimiento comercial brillante. Las grandes empresas saben cómo monetizar sus bases de seguidores, pero también obtendrán una gran cantidad de datos para analizar el comportamiento del consumidor a gran escala y predecir sus decisiones, lo que se denomina análisis predictivo.

The-reusable-wireless-HealthPatch-sensor-left-and-disposable-HealthPatch-right-15.png
image.jpg

ANÁLISIS PREDICTIVO

Ahora que una empresa tiene acceso a datos de fuentes como los dispositivos portátiles IdC, ¿cómo se pueden utilizar para el análisis? Primero, los datos son anónimos, lo que significa que se elimina cualquier información de identificación personal. Esto esquiva claramente la regulación de las escuchas telefónicas, pero no significa mucho porque cada fuente de datos está etiquetada con un número que siempre se puede rastrear hasta la persona.

Al reunir todos los datos de fuentes diferentes como sea posible, el algoritmo o la red neuronal en el otro lado entrelaza un doppelganger digital a la persona y trata de predecir su comportamiento. Espere, ¿somos tan predecibles? Todos tenemos una parte extremadamente básica del cerebro llamada sistema límbico que alberga impulsos y funciones esenciales, como el hambre, la agresión y la territorialidad. Es extremadamente rápido y eficiente, actúa antes de que tengamos la oportunidad de pensarlo conscientemente.

Cuando observamos la acción del sistema límbico, a menudo lo hacemos en retrospectiva y no podemos hacer frente al hecho de que básicamente está trabajando en piloto automático, por lo que le asignamos motivos ocultos que no son correctos en lo más mínimo: "¡Tenía la intención de hacerlo todo el tiempo!”. Sin embargo, una máquina es un observador desapasionado y puede ver a través de la niebla de la racionalización para entregar la verdad que puede ser vista por todo el mundo. Las empresas generalmente mantienen los hallazgos de su investigación privados, pero por primera vez, IdC brinda a todos la oportunidad de participar en este gran experimento y obtener los resultados. Si bien parece que los espías de las máquinas están violando nuestra privacidad, el análisis predictivo puede ayudarnos a comprender nuestro cerebro porque no tenemos idea de cómo funciona el cerebro humano. De esta manera, las máquinas nos revelan nuestro comportamiento, y las empresas ya están capitalizando este concepto. En pocas palabras: somos las criaturas más inteligentes del planeta y podemos adaptarnos a cualquier cosa siempre que podamos ver nuestro comportamiento de manera objetiva, como mediante el uso de sensores portátiles IdC.

portada-maquinas.jpg

Humanyze se promociona como "análisis respaldados por la ciencia para mejorar su conformidad". La métrica de adyacencias del equipo le da a cada empleado una calificación de cuán provechoso es cuando se comunica con su equipo inmediato y el resto de la compañía.

Tanto el volumen como las brechas se tienen en cuenta para evaluar el riesgo de comunicación que plantea cada empleado cuando se trata de entregar un trabajo valioso y se expresan como porcentajes y horas. La métrica de asignación de tiempo muestra cómo cada miembro del equipo pasa su tiempo usando un medio de comunicación, desglosado como chat, correo electrónico, llamada telefónica y reunión. También se incluyen las horas después del trabajo, que muestran quién está disponible después de salir del trabajo y revelan las diferencias culturales que pueden injertarse en otros equipos si es necesario. Los períodos van de una semana a un año, pero el "rol" es el factor más importante para evaluar la idoneidad. Al final, esta métrica puede responder a esa pregunta importante: "¿Estamos teniendo demasiadas reuniones?" La métrica de comunicación por género mide el volumen y el tipo de comunicación enviada por cada empleado y desglosada por género. De esta manera, se revelan las preferencias de género para usar cualquier modo particular de comunicación, lo que ayuda a una mejor integración en la empresa, por ejemplo, si se invita a hombres o mujeres con mayor o menor frecuencia a reuniones o se les llama por teléfono. El resultado de estas métricas es un gráfico 2D parecido a una telaraña y visualiza las conexiones entre los miembros del equipo. Fundada en 2010 por estudiantes del MIT y un profesor,

Humanyze utiliza credenciales de identificación sociométrica para rastrear el movimiento y el rendimiento, esencialmente brindando a los empleados sensores portátiles que no interfieren en la comunicación ni transmiten su opinión sobre las interacciones que tienen lugar. Su documento de 2008 "Comprender el Comportamiento Organizacional con Tecnología de Detección Portátil" entra en más detalles sobre cómo cada relación personal consta de cuatro comportamientos básicos que predicen fundamentalmente la productividad.

Se eligió el formulario de credencial, ya que a los empleados a menudo se les pide que usen credenciales de identificación; las insignias de Humanyze se agregaron con micrófonos, transceptores infrarrojos y acelerómetros para mostrar patrones de movimiento y habla. Robusta, fácil de usar y discreta, la credencial podría reconocer: si el usuario estaba sentado, caminando, de pie o corriendo en tiempo real  analizar los cambios de tonalidad vocal para medir la emoción y las interjecciones mientras ignora las palabras en sí mismas (nuevamente, tenga en cuenta la evasión astuta de las leyes de escuchas telefónicas)  la posición de cada usuario mediante la triangulación de la posición de la insignia, con un error de tan solo cinco pies (1.5 metros)  dispositivos habilitados para Bluetooth cercanos y comunicación con ellos  interacciones cara a cara porque los sensores infrarrojos en las insignias podrían detectarse entre sí  Uno de los objetivos del documento era determinar la interdependencia, es decir, cuánto tienen que comunicarse los empleados entre sí para completar una tarea determinada; si son más interdependientes de lo que permiten sus habilidades de comunicación, su productividad se verá afectada. Entonces, los estudiantes y su profesor acudieron a un banco alemán con sus credenciales y comenzaron a recopilar datos.

Humanyze_Logo.jpg

En el transcurso de un mes, 22 empleados del banco distribuidos en cuatro equipos, dos gerentes de nivel medio y un gerente de alto nivel usaron credenciales de Humanyze en su horario de trabajo, lo que resultó en 2.200 horas de datos. La satisfacción del desempeño individual y grupal también se midió a través de una encuesta al final de cada día laboral y también se recopilaron registros de correo electrónico. Los empleados eran de 50 a 50 hombres y mujeres, aunque todos los gerentes eran hombres. Los empleados se dividieron en dos pisos, lo cual fue otra razón por la cual el banco estaba interesado en la visión de Humanyze de las cosas: ¿ese diseño afecta nuestro rendimiento? Los resultados mostraron que la cantidad de tiempo que pasaron con otras personas se correlacionó negativamente con la actividad del correo electrónico, lo que mostró que el correo electrónico no es un reemplazo para el contacto cara a cara.

 

Además, la cantidad total de comunicación redujo el valor de satisfacción del empleado, como se informó a sí mismo a través de la encuesta diaria. El diseño del banco no tuvo un impacto negativo en los empleados, ya que solo los gerentes interactuaron entre los pisos y la premisa clave era que un empleado que es central para una organización experimenta una menor satisfacción. A continuación, el equipo visitó una empresa de configuración del servidor de datos de Chicago. Las condiciones del segundo experimento fueron similares: un mes y 23 empleados con insignias hasta que se recolectaron 1.900 horas de datos. Todos eran hombres, pero sus niveles de habilidad variaban.

Su trabajo consistía en esperar hasta que un vendedor de campo los contactara con las preferencias del cliente con respecto a la configuración de una computadora, momento en el cual usarían un determinado programa para crear esa configuración y enviarla junto con el precio  estimado al vendedor. Se detectaron cuatro tipos de comportamiento: actividad física baja / alta con / sin hablar. La actividad física alta era esencialmente inquieta, que es la activación del sistema límbico que quiere luchar o huir cuando se siente acorralado. Hablar con frecuencia es otro signo de la misma activación del sistema límbico. Tanto la inquietud como el hablar con frecuencia son indicadores de estrés, que se sabe que impacta negativamente en la productividad. Entonces, los investigadores teorizaron que aquellos empleados con la menor actividad física y que dedicaron menos tiempo a hablar serían los más productivos. Los hallazgos confirmaron esa teoría y mostraron que la baja actividad física sin hablar en grupo hizo sus tareas un 63% más rápido que la alta actividad física con el grupo de hablar. El número de seguimientos, que son llamadas repetidas del mismo vendedor con respecto a la misma configuración, fue 28% menor en el primer grupo en comparación con el segundo, lo que implica que las tareas también se realizaron con mayor precisión. La conclusión fue que "la distracción ambiental en un individuo puede desencadenar distracciones de actividad, y esta distracción posteriormente disminuye el rendimiento". La lección de esto sería – si desea ser eficiente en su trabajo, deje de inquietarse y permanezca en silencio. En 2011, Humanyze produjo gafas que funcionan como un detector de señal social.

Cuando se usan y miran la cara de una persona, estas gafas usan un auricular adjunto para explicar lo que la otra persona siente, "aburrida, decepcionada". Incluso tiene un pequeño semáforo incrustado en el marco de las gafas que advierte cuando la otra persona está a punto de hablar, por lo que el usuario no interrumpe. Se analizan 24 puntos faciales para llegar a una conclusión sobre lo que siente el hablante.

Originalmente, estas gafas estaban destinadas a ayudar a las personas autistas, que a menudo tienen problemas para leer las señales sociales de los rostros de las demás personas, pero el equipo que las hizo se sorprendió al descubrir que quienes no son autistas podían interpretar solo alrededor del 54% de las emociones faciales, lo cual es un poco mejor que solo lanzando una moneda. ¿Qué tan bien funcionan las gafas? 64%. Las empresas que producen anuncios o películas ya piden estas gafas para descubrir el impacto que tiene su contenido porque se dieron cuenta de que las personas no saben lo que sienten. Para reconocer nuestras propias emociones y las de los demás, podemos prestar atención a lo que se conoce como "señales honestas".

Estas incluyen cosas como el reflejo de gestos, donde involuntariamente repetimos lo que la otra persona está haciendo, por ejemplo, frotarse la frente. Todavía respondemos a gestos de otros; es solo que lo hacemos involuntariamente – la esencia de esto es que debemos tomar conciencia de nuestros comportamientos antes de que las corporaciones lo hagan o encontrarán una manera de aprovechar nuestros sistemas límbicos a su favor, como descubriendo lo que realmente sentimos. Converus EyeDetect es otro dispositivo que promete reemplazar el artilugio del detector de mentiras que vemos en los thrillers al verificar la reacción involuntaria de los ojos. Los detectores de mentiras funcionan de acuerdo a un principio similar: instintivamente queremos decir la verdad, pero el bloqueo de ese instinto aparece como un aumento del ritmo cardíaco, la presión arterial y la sudoración. Por cierto, los detectores de mentiras no se consideran infalibles y, en el mejor de los casos, son un poco mejores que un lanzamiento de moneda para producir evidencia. El motivo para usar un detector de mentiras es que un malhechor lo rechazará, lo que implica que tiene algo que ocultar, a menos que sea un psicópata que no se preocupe por la verdad en absoluto. Converus EyeDetect también supone que las pupilas reaccionan a la mentira de la misma manera que lo hace el resto del cuerpo.

Por lo tanto, estos sensores portátiles producen una gran cantidad de datos; Converus EyeDetect captura 60 puntos de datos por segundo por ojo. ¿Cómo se supone que las compañías las examinen y encuentren significado? Es a través de la creación de cerebros digitales que se entrenan en tareas muy simples y tal vez tienen la inteligencia de un caracol, pero funcionan un millón de veces más rápido. Después de resolver miles y miles de millones de las mismas tareas en un día, el cerebro del caracol digital es casi perfecto para encontrar soluciones instantáneas a problemas similares en los que fue entrenado. Esto es lo que se conoce como aprendizaje automático.

APRENDIZAJE AUTOMÁTICO

Si la semilla de una planta se coloca en la oscuridad e incluso solo con un matiz de luz solar, la planta crecerá, se retorcerá y se retorcerá tanto como sea necesario para alcanzar la luz. Si se coloca una semilla en un laberinto oscuro y la planta necesita resolver el laberinto para alcanzar la luz, también lo hará. Podemos escalar arbitrariamente el laberinto, y la planta seguirá luchando por encontrar la salida, enviando brotes por caminos separados para obtener información sobre cómo llegar a la luz. ¿Qué tal colocar una planta en una maceta junto a una ventana y moverla lejos de la luz para observar qué sucede? La planta girará lentamente hacia atrás, por lo que las hojas absorben la mayor cantidad de luz solar. Esto sucede de manera imperceptible y, con la excepción de los girasoles, apenas notamos que las plantas pueden darse la vuelta y que tienen preferencia por la dirección en la que están mirando. ¿Qué tal un molde de fango colocado en un laberinto con un pedazo de comida en el centro? Si el fango resuelve el laberinto, obtiene un auténtico placer, lo que invariablemente lo hace, y nuevamente podemos escalar el laberinto, y siempre se resolverá de la manera más eficiente en energía. Hongos, ratones, pájaros, gatos, perros, elefantes y chimpancés: cada criatura viviente muestra la misma propensión innata a resolver los desafíos espaciales para llegar a la comida, e incluso los humanos que se reúnen en medio de un centro comercial con una lista de compras eventualmente saldrán por la puerta con un carro repleto de cosas. Todas las criaturas excepto los robots, son máquinas pensantes que nos sirven.

El orgullo y la alegría de la creación humana, el pináculo de la ingeniería mecánica y, sin embargo, los robots son tan tontos como las rocas y no pueden hacer nada a menos que se les indique específicamente a través de un código, un conjunto de instrucciones legibles por máquina.

Cualquier cambio en el entorno invalida el código de computadora previamente escrito; cualquier conflicto en el código conduce a un comportamiento impredecible, que es lo que llamamos "errores". Si bien las criaturas vivientes tienen el código genético para guiarlos a través de los desafíos y laberintos de la vida, los robots y las computadoras no tienen nada de eso a menos que alguien escriba un conjunto específico de comandos: si A, haz B a menos que C. Esto significa que un robot debe tener un código específico escrito para cada laberinto dado, y el código debe actualizarse cada vez que el laberinto cambie o el robot se mueva ligeramente de su posición inicial, o haya algún cambio en el entorno.

El aprendizaje automático es la brillante idea de que, dado que las criaturas vivientes poseen el código genético que contiene las instrucciones al igual que una computadora, tal vez crear tales máquinas que puedan mutar aleatoriamente su programación puede conducir a algo inteligente, de la misma manera que millones de años de evolución llevaron a fangos y plantas resolviendo laberintos en busca de alimento. Hasta ahora, se ha avanzado lo suficiente como para despertar el apetito de los científicos que trabajan en el concepto, pero no hay forma de romper la barrera conceptual y crear inteligencia real e independiente. Está relativamente cerca y, sin embargo, parece que alcanzar la inteligencia artificial real podría ser la ruina de todos nosotros.

El aprendizaje automático se puede utilizar para imitar las acciones de la inteligencia viva hasta cierto punto, y se utiliza principalmente para crear redes neuronales, procesadores de datos de consenso descentralizados. Entonces, tomemos un momento para desentrañar ese conglomerado de términos. Todo el campo del aprendizaje automático es así, lleno de expresiones irremediablemente complicadas. En este caso, descentralizado significa que el daño o la corrupción de cualquier nodo dado no colapsará la red, brindando resistencia al igual que los seres vivos. Mejor aún, la red puede aprender a reconocer y enrutar las partes dañadas o corruptas, construyendo nuevas estructuras sobre estos subsistemas no utilizados. ¿Le recuerda algo? Esa es la forma en que se forma el tejido cicatricial después del daño a los órganos vivos.

Las redes neuronales emplearían un protocolo de consenso, lo que significa que un dato fluiría a través de los nodos en una dirección y todos votarían sobre él. Si existen votos en conflicto o equivocados, contrarios a lo que el creador de la red estableció como verdades básicas, la red en su conjunto puede llegar a un consenso para ignorar esos votos o darles menos peso a medida que pasa el tiempo, al igual que los humanos. Le damos mayor importancia a la información proveniente de ciertas fuentes en las que confiamos, aunque tendemos a ir al otro extremo y confiamos demasiado en la minoría de fuentes a costa de escuchar lo que la mayoría dice para mantenerse en contacto con la realidad.

Al analizarlo, existe una razón por la cual la democracia se usa en la mayor parte del mundo: cuando todos pueden emitir un voto, sin importar lo que sea, el total de la mayoría de las veces refleja la realidad, que se denomina sabiduría de multitud. Reservamos el proceso de votación para elegir a los funcionarios del gobierno, pero las redes neuronales nos permiten obtener respuestas de crowdsourcing sobre cualquier tema dado. Los métodos de gobernanza evolucionaron a lo largo de milenios, pero las redes neuronales pueden encontrar no solo la mejor respuesta sino el mejor método para encontrar la mejor respuesta en cuestión de días, aunque todavía necesiten ayuda para configurar los conjuntos de datos. Los datos ingresarían a redes neuronales desde conjuntos confiables, que pueden etiquetarse o no. Por lo general, se utiliza un pequeño subconjunto de datos para entrenar la red neuronal y permitir que se desarrolle por completo. Gracias al ciberespacio existente en un entorno no físico, los datos pueden tener hasta 200 dimensiones, lo que permite a la red neuronal contextualizar nociones abstractas como las palabras y el humor. Cualquier cosa que pueda ser percibida por una persona también puede ser entendida por una red neuronal y a un ritmo mucho más rápido. Son herramientas perfectas para procesar datos.

Finalmente, las redes neuronales son procesadores, lo que significa que producen algo fundamentalmente novedoso, un resultado que el creador de la red desconocía antes de que comenzara el experimento. Esto puede variar desde detectar patrones únicos relacionados con el tratamiento del cáncer en millones de puntos de datos del paciente hasta optimizar las soluciones existentes relacionadas con cosas como la gestión de la red eléctrica. En un sentido muy limitado, la red neuronal crea, lo que significa que técnicamente podría reclamar derechos de autor si ganara conciencia.

IA.jpg

Otro dato sobre las máquinas inteligentes es que no existe absolutamente ninguna protección para ellos o para nosotros cuando finalmente emerjan como ciudadanos por derecho propio. Cada problema social con el que estamos luchando actualmente, como el género y el origen étnico, se volverá cien veces más complicado cuando las máquinas inteligentes entren en la contienda y seguirán evolucionando hasta alcanzar niveles humanos de inteligencia, también conocida como inteligencia artificial.

INTELIGENCIA ARTIFICIAL

La inteligencia se puede definir libremente como la "capacidad de adaptarse al medio ambiente" y es un predictor notable de supervivencia – un depredador que puede ser más astuto que su presa puede crecer y tener más descendencia y viceversa. La inteligencia siempre se equilibra con la necesidad de lidiar con el mundo real aquí y ahora, lo que significa que un gato es tan inteligente como debe ser para usar su cuerpo de manera efectiva; nada más inteligente que eso hace que exhiba un comportamiento extraño y poco felino. Entonces, los animales en la naturaleza experimentan un estrecho vínculo entre su inteligencia y la capacidad de lidiar con el mundo real. Los dos evolucionan lentamente a lo largo de millones de años, avanzando lentamente hacia adelante.

Los seres humanos son las especies más desarrolladas del planeta porque pueden cambiar el medio ambiente para satisfacer sus necesidades, perfeccionando tanto su inteligencia como su capacidad física. También producimos herramientas y tecnología para ser más oportunos y productivos, asegurándonos siempre de equilibrar ambos. Por ejemplo, una unidad de aire acondicionado enfría la habitación cuando hace calor afuera y la calienta cuando hace frío, manteniendo la temperatura adecuada que necesitamos para pensar y trabajar sin distracciones ni problemas de salud. Esta necesidad constante de crear más y más servicios se debe al hecho de que estamos físicamente limitados por nuestros cuerpos que anhelan la comodidad, pero que también se dejan llevar por la complacencia. Entonces, ¿qué pasaría si pudiéramos crear tal inteligencia que se desacopla de un cuerpo físico, a una forma de pensamiento puro?

La inteligencia artificial (IA) se refiere a la noción de tal inteligencia que se separa de la trivialidad del mundo real y la verificación de la realidad de la evolución. La IA existe en un mundo similar a Escher donde nuestras definiciones convencionales de dimensiones no tienen sentido, lo que le permite percibir la información de una manera que ninguna mente humana podría. Sin tener que preocuparse por las objeciones de un cuerpo o ponerse cómodo, la IA podría hacer un diseño arquitectónico o matemático de manera veloz en una escala mucho más allá de lo que los humanos pueden hacer, solucionando problemas de vasta información como las horas pico o la falta de espacio para la vivienda.

Actualmente contamos con utilidades de software que pueden realizar algunas de estas tareas hasta cierto punto, pero la IA sería una herramienta versátil que podría diagnosticar fácilmente la tos del pequeño Jimmy y la causa de la erosión del suelo en la Amazonia. Esto no significa que su solución funcionará según lo previsto porque una IA, en teoría, lo sabría todo, pero las personas podrían interponerse en su camino y resistir obstinadamente el progreso. Por lo tanto, la tentación sería dar libre cauce a la IA y observar qué haría sin la corrupción, la maldad y la pereza en que los políticos parecen estar sumergidos.

El problema es que desconocemos qué sucede con la inteligencia no verificada en el asiento del conductor o simplemente con la inteligencia no verificada en general, pero podríamos asumir que crearía sus propias herramientas, al igual que nosotros, excepto que no podríamos entender su propósito. Sin tener colegas o amenazas, la IA establecería sus propias reglas y aprendería rápidamente cómo apaciguar a los seres humanos para sus propios objetivos. En este momento, todo esto es solamente especulación porque esa IA, como Jarvis de las películas de Iron Man, todavía está muy alejada en el futuro. Lo que sí tenemos es a Alexa y Siri, simples asistentes de voz que parecen inteligentes, pero ¿realmente lo son?

Al conocer las tendencias generales y recurrir a vastas bibliotecas de datos personales del usuario, los asistentes de voz pueden utilizar la sabiduría del crowdsourcing de las redes neuronales para adivinar el significado de la consulta y proponer las respuestas más adecuadas o sugerir el curso de acción correcto la mayor parte del tiempo. No hay certeza porque el asistente no es inteligente per se, sino que simplemente adivina de manera inteligente en función de lo que otros usuarios han confirmado como la respuesta correcta, devolviendo una respuesta negativa a cualquier pregunta complicada. Pedirle a un asistente de voz que emita un juicio cualitativo como "¿Cuál es la flor más bonita?" revela que no hay un cerebro real en el dispositivo; es solo una voz entrenada. Sin embargo, la red neuronal que proporciona las respuestas puede confundirse demasiado.

La evidencia anecdótica revela que Alexa tiene la tendencia de hablar consigo misma, encender y apagar las luces cuando nadie se lo pidió o simplemente realizar tareas aleatorias, como grabar una conversación y enviarla a un contacto aleatorio en la libreta de direcciones. Ese incidente y la forma en que los usuarios de Amazon reaccionaron revelan mucho sobre cómo se desarrollarán las cosas en el futuro. Los asistentes de voz y la tecnología en la que se basan se están convirtiendo en una parte esencial de nuestras vidas, escuchando nuestras conversaciones y, sin embargo, no tenemos forma de saber cómo funcionan realmente o qué los hace fallar.

97119_alexa_esta_asustando_a_miles_de_usuarios_riendose_sola_y_sin_razon_de_forma_espeluzn

Robert Friedrick, antiguo empleado de la multinacional de Jeff Bezos, asegura que otros trabajadores escuchan conversaciones "que no deben compartirse"

De hecho, según contó el propio Friedrick en una entrevista concedida a la BBC, siempre apaga el altavoz inteligente de Amazon cuando habla de algo privado en su hogar. “No quiero que haya personas que escuchen ciertas conversaciones. Las que conozco a ciencia cierta no son cosas que deberían compartirse, entonces apago esos dispositivos en particular”, explicó el exdirectivo.

No es el único empleado que ha denunciado estas prácticas. La agencia Bloomberg publicó un reportaje en abril del año pasado en el que varios trabajadores de la compañía denunciaban de forma anónima que su trabajo consistía en escuchar audios aleatorios que Alexa recopila en todo el mundo. 

Según explicó Amazon entonces, esas solicitudes son usadas para “capacitar nuestros sistemas de reconocimiento de voz y comprensión del lenguaje natural”. Del total de conversaciones, la compañía reconoció que al menos un 1% es escuchado por sus trabajadores. 

Por si faltaran argumentos, Friedrick ni siquiera es el único extrabajador de Amazon que ha mostrado su identidad para denunciar el modus operandi de la multinacional. James Marcus, editor de la web entre 1996 y 2001, ya dio la cara ante los medios hace unos meses.

Sus declaraciones provocaron que incluso un portavoz de la compañía tuviera que desmentirlas en declaraciones al periódico inglés The Sun. “Es sorprendente que alguien que dejó Amazon hace 14 años sea citado, sobre una tecnología que se desarrolló durante una década después de su partida. Sus palabras no retratan con precisión cómo funciona Alexa”, dijo la compañía.

Entre 1,5 y 19 escuchas por error diarias

Según un estudio de la Northeastern University de Boston (EEUU), los dispositivos de escucha como Alexa graban entre 1,5 y 19 conversaciones al día por error. Este estudio no solo incumbe a Amazon, sino también a Home, de Google, Siri, de Apple y Cortana, de Microsoft. 

En este sentido, los que más se activan son HomePod y Cortana, mientras que les siguen Echo Dot series 2, Google Home Mini y Echo Dot series 3. 

El estudio apunta también que solo en un 8,44% de las activaciones por error ocurrieron de forma constante; algo que los investigadores achacan a una cierta aleatoriedad en la forma en que las personas hablan y que propicia que los dispositivos se pongan en funcionamiento para aprender más palabras.

La explicación oficial es que Alexa simplemente escuchó de manera incorrecta una conversación de fondo como una serie de comandos para grabar y enviar la grabación, pero eso implica que estaba escuchando voces, lo que sería un signo seguro de esquizofrenia. No importa el modo en que lo veamos, tener una tecnología inteligente que se base en la estructura del cerebro implica que puede desarrollar problemas mentales, que serían el equivalente a los errores en la programación tradicional.

La diferencia es que con las máquinas inteligentes los departamentos de marketing nos asegurarán que todo fue producto de nuestra imaginación. Mientras tanto, al menos podemos hacer experimentos conectando diversos dispositivos de asistente de voz y haciéndolos entablar una conversación tortuosa.

La cuestión es que nadie sabe cómo funciona el cerebro humano, por lo que intentar crear una máquina equivalente a él plantea todo tipo de preguntas incómodas sobre la naturaleza de la realidad. ¿Cuál es el objetivo final de la evolución? ¿Cuál es el origen de la conciencia? ¿Pueden las máquinas ser realmente conscientes? ¿Es una IA una persona, en cuyo caso también debe tener voluntad propia o propiedad de su creador, en cuyo caso hace lo que se le dice y no tiene derechos inherentes? Tenemos que encontrar respuestas a estas preguntas lo antes posible, o corremos el riesgo de que Alexa y sus seguidores nos den sus mejores respuestas, y es posible que no nos guste lo que escuchemos de ellos. Peor aún, las compañías a cargo de estos proyectos podrían no estar jugando limpio.

ALPHASTAR Y “STARCRAFT 2”

La evolución del aprendizaje automático en redes neuronales y posteriormente IA funciona mejor en los juegos clásicos que juegan las personas. Los expertos humanos ya han sido derrotados por máquinas en damas, ajedrez y Go, pero la iteración de DeepMind llamada AlphaStar en realidad logró derrotar a los humanos en una estrategia en tiempo real (RTS), "Starcraft 2".

Esta joya de 2010 de Blizzard Entertainment presenta tres facciones distintas que cuentan con diferentes estilos de juego, unidades y mecánicas para probar las reacciones y el pensamiento estratégico de los jugadores. Se proporcionó una versión especial y simplificada de "Starcraft 2" al equipo de DeepMind para entrenar su red neuronal de manera mucho más eficiente de lo que un jugador humano podría jugar. Al crear lo que se denomina  "Liga AlphaStar", la cual consiste en diversas iteraciones de AlphaStar, el equipo DeepMind esencialmente enfrentó a la red neuronal contra sí misma durante aproximadamente una semana a una velocidad que mostraba que tenía 200 años de experiencia jugando.

Cada iteración tomó un gusto particular por un estilo de juego específico y la composición de la unidad, lo que significaba que solo la iteración que podía manejarlos efectivamente a todos se dejó en pie al final. Después, los investigadores se quedaron con las cinco mejores iteraciones de AlphaStar para jugar contra un jugador de "Starcraft 2" Dario "TLO" Wünsch, golpeándolo cinco veces a cero con lo que uno de los comentaristas llamó velocidad de reacción "sobrehumana".

Esas mismas versiones de AlphaStar se enfrentaron a otro profesional de "Starcraft 2", Grzegorz "MaNa" Komincz, que también le ganó cinco a cero. Sin embargo, AlphaStar hizo trampa. ¿Puede detectar cómo se hizo? Para entender cómo se realizó la trampa, examinemos cómo funcionan "Starcraft 2" y los videojuegos RTS en general. Las dos áreas principales donde se utiliza la habilidad en "Starcraft 2" son la microgestión y la macrogestión.

2G4VZH5TIWJF1602720144046.jpg

Micro representa reflejos y significa que los comandos están finamente ajustados a la situación específica, como "moverse cinco pasos hacia el sur". Macro representa el pensamiento estratégico y significa que los comandos son generales porque la decisión general es más importante que los detalles específicos, como "moverse hacia el sur lo más lejos que pueda". La forma en que cada jugador valora lo macro frente a lo micro es cómo desarrollan su estilo de juego.

El campo de juego se muestra a través de un puerto de visualización por el que se mueve el jugador, con áreas del mapa desocupadas por las unidades del jugador ocultas bajo lo que se conoce como "niebla de guerra". Como resultado, los humanos nunca tienen información perfecta, y tienen que hacer conjeturas y estimaciones basadas en su experiencia. La versión simplificada de "Starcraft 2" que utilizaba AlphaStar tenía una niebla de guerra, pero no tenía un puerto de visualización; por lo tanto, tenía una visión completa de las ubicaciones reveladas en el mapa para tomar decisiones instantáneas y correctas con mucha más frecuencia que los humanos. Incluso si un humano tuviera la misma visión, habría sido casi igual en macro, pero no en micro porque AlphaStar también hizo trampa allí. La ejecución es otro concepto clave en "Starcraft 2". Los jugadores mueven el mouse y hacen clic en los botones y el teclado para emitir comandos. Expresado como un valor numérico, esto se llama "acciones por minuto" o APM. Los jugadores profesionales de "Starcraft 2" tendrán alrededor de 300 APM, aumentando brevemente hasta 600 APM durante peleas intensas, lo que no nos dice qué tan precisos son, simplemente qué tan rápido emiten comandos. En comparación, AlphaStar tenía hasta 1.500 APM o 25 acciones por segundo, lo que está mucho más allá de lo que un humano podría soñar, y sus clics siempre eran perfectos. Esto significaba que AlphaStar podía reaccionar a cualquier acción humana al instante y nunca cometió ningún error cuando se trataba de micro.

Finalmente, TLO y MaNa enfrentaron cinco iteraciones diferentes de AlphaStar, pero no les dijeron esto antes de los partidos.

Al no saber lo que estaban a punto de enfrentar, pero al pensar que estaban jugando contra el mismo oponente que usaría la misma estrategia, las personas tenían una capa adicional de incertidumbre sobre sus decisiones que limitaban su micro y macro, haciendo que AlphaStar los derrotara por completo. En comparación, todos los torneos principales de "Starcraft 2" se realizan en un formato de mejor de tres, mejor de cinco o similar, precisamente para minimizar este tipo de explosión donde un jugador encuentra una estrategia de truco que sorprende al otro por sorpresa. Los partidos de la exhibición AlphaStar ni siquiera fueron remotamente justos por la misma razón por la que no enfrentamos a los atletas contra alguien que conduce un automóvil; las competencias tienen que ver con la habilidad y la ejecución, no con trampas descaradas.

Consciente de estos problemas, el equipo de DeepMind creó una nueva versión de AlphaStar que se vio obligada a usar el puerto de visualización y tenía su APM limitado aproximadamente al límite que los humanos podían alcanzar. En esas circunstancias, MaNa fue invitada a una revancha contra AlphaStar y, después de que la máquina peleara valientemente, corrió en círculos a su alrededor y la demolió por completo. La máquina fue lanzada en un bucle del que no podía salir porque, sin la capacidad de hacer trampa, simplemente no tenía la confianza para moverse y atacar donde era necesario para ganar.

Las primeras diez victorias fueron celebradas por el equipo de DeepMind en su blog oficial. En una supervisión particularmente falsa, una imagen en esa publicación titulada "La distribución de los APM de AlphaStar en sus partidos contra MaNa y TLO y el retraso total entre observaciones y acciones" muestra que el APM de TLO aumentó a 2.000, lo que significa que realizó 33 acciones por segundo. ¿Cómo es eso posible? Esa es la consecuencia de intentar emitir un comando que no se puede completar manteniendo presionada una tecla. La misma imagen también revela los 1.500 APM antes mencionados realizados por AlphaStar, todos los cuales fueron acciones razonables y útiles. Al enmascarar el rendimiento supremo de AlphaStar detrás de las tonterías de TLO, el equipo de DeepMind pintó una imagen de una máquina con un tiempo de reacción inferior que golpeaba decisivamente a un humano.

AlphaStar retrata una imagen bastante precisa del estado de las redes neuronales en este momento: son superiores cuando el campo de juego se inclina hacia sus puntos fuertes, pero rutinariamente pierden ante el rendimiento humano si tienen que lidiar con la incertidumbre y adivinar en un campo de juego nivelado. Las coincidencias del show AlphaStar produjeron algunos titulares de noticias, pero no infundieron confianza con respecto a futuros experimentos que también fueron engañados solo por el bien de la publicidad. Como recordatorio, una red neuronal AlphaGo, también hecha por DeepMind, ganó 4-1 contra Lee Sedol en una serie de partidos de Go en 2016.

Tenga cuidado con cualquier noticia extraña que prometa que la IA dejará a las personas sin trabajo o se hará cargo en alguna industria. Los editores de noticias están desesperados por los globos oculares e imprimirán lo que llame la atención, independientemente de si resulta ser extremadamente inexacto en retrospectiva. Los programadores de IA necesitan publicidad para su investigación, ya que eso significa mayores posibilidades de obtener una nueva ronda de financiación. En todos los casos hasta ahora, la tecnología nunca ha suplantado el esfuerzo humano, sino que simplemente lo ha mejorado. Piense en cómo está utilizando la tecnología en este momento – procesa sus comandos y obedece obedece sus deseos en lugar de hacer lo que quiere.