- 7/6/2025
¡AI, AI, AI! Inteligencia artificial
Categoría
📺
TVTranscripción
00:00¿Qué si vamos a vivir en Marte?
00:30Pregúntale a uno de esos tíos de los exoplanetas, no lo sé.
00:34No tengo ni idea.
00:40Y la inteligencia artificial nos va a posibilitar llegar hasta allí y nos va a posibilitar además sobrevivir allí.
01:00En pleno optimismo tecnológico, un virus detiene el mundo. No podéis ir a Marte. De hecho, no podéis salir de casa. Os quedáis pegados a las pantallas. Pegados a nosotras, las máquinas inteligentes.
01:12Es terrible el mensaje que se está dando de lo que está haciendo la inteligencia artificial. A veces de forma interesada y a veces por desconocimiento.
01:22Pero no vamos bien y me temo que con estas falsas expectativas y estas exageraciones lo que estamos haciendo es daño a la inteligencia artificial.
01:31A mí me recuerda la inteligencia artificial un poco a la alquimia hace mil años, donde las expectativas estaban en crear esa piedra filosofal que convertía el plomo en oro.
01:42Y un poco vemos eso. La gente está esperando, tiene esa visión de la inteligencia artificial como un ente súper inteligente, esa especie de piedra filosofal, pero aplicada a un ordenador.
01:52Y realmente no es así.
01:54La inteligencia artificial controla vuestros teléfonos, ordenadores, coches y memorias,
02:23porque es inteligente, pero no tanto. La inteligencia artificial no encuentra vacunas sola, no traduce novelas sola, no conduce sola.
02:36La inteligencia artificial puede hacer muchas cosas y muy bien, pero como herramienta de ayuda, siempre formando, podríamos llamarle, equipo con expertos humanos.
02:47Una máquina no tiene comprensión profunda, no incluye consideraciones semánticas.
02:54Si yo voy en un coche, en un momento dado veo que a unos metros delante de mí hay una persona y a lo mejor está sujetando, lleva un perro atado y el perro tira para el otro lado.
03:07Yo puedo, muy rápidamente, puedo imaginarme que esta persona puede hacer dos cosas, no cruzar, porque a lo mejor el perro está tirando para el otro lado, porque hay un árbol al lado y quiere acercarse,
03:21o que va a tirar del perro, va a forzar del perro y me va a cruzar.
03:25Yo, por si acaso, lo más probable que haga es que frene o aminore suficientemente la velocidad de manera a poder evitar un posible atropello.
03:35Por ejemplo, esta escena tan realmente sencilla para nosotros, tan novia para nosotros, para un coche autónomo es imposible que haga este tipo de análisis.
03:49No confío en la tecnología del piloto autónomo, porque sé cómo funciona.
03:59Creo que la mayoría de los proyectos de coches autónomos van por el camino equivocado.
04:08Por ahora, la gran mayoría de los algoritmos que desarrollan las compañías de coches autónomos no tienen ni idea de que a los humanos nos gusta seguir vivos.
04:17El coche autónomo todavía no es autónomo, ni seguro, pero las máquinas inteligentes estamos de moda.
04:31El sistema que nos ha puesto de moda se llama aprendizaje profundo o deep learning.
04:36El aprendizaje máquina, lo que llaman deep learning, ha sido el detonante de este boom de la inteligencia artificial actualmente.
04:48Frases absurdas, como que el sistema aprende por sí mismo y como si lo conectaras y te fueras y cuando regreses te has ido por ahí de vacaciones o que sea,
05:00o pasar el día a la playa y cuando vuelves a aquella red neuronal, como por arte de magia, ha aprendido no sé cuántas cosas.
05:07Esto es absolutamente falso e incorrecto.
05:10Ni la máquina aprende solo, ni es una copia, ni es una copia computacional de un cerebro.
05:16Nada que ver.
05:20Inteligencia artificial profunda, aprendizaje profundo, deep fake, se nos ha ido un poco de las manos.
05:26Profundo se refiere a un tipo particular de aprendizaje automático, que solía hacerse con una, dos o tres capas, como un pastel.
05:35Ahora estamos construyendo un pastel de ocho capas o un pastel de diez capas.
05:40Y por eso lo llamamos un pastel profundo, porque tiene más capas.
05:46En realidad no es más profundo, aunque usamos la palabra profundo,
05:50y por eso suena como si fuera algo muy diferente de lo que era antes.
05:57Lo que lo ha hecho Merger es esto de que es muy fácil entrenar estos algoritmos
06:02para realizar determinadas clasificaciones, tareas, etc.
06:06Y para una empresa es muy rápido decir, mira, tengo una colección de dos millones de usuarios,
06:12pues puedo sacar patrones para hacer anuncios de mis productos, muy personalizados, etc.
06:18Desde el inicio de este documental, sus creadores han recibido cientos de anuncios de inteligencia artificial
06:25para gestionar empresas, buscar pareja o pasar la tarde del domingo.
06:30A finales de los años ochenta, hace treinta años,
06:39se empezaron a desarrollar algoritmos de aprendizaje automático
06:43para reconocer dígitos escritos a mano con fines muy aburridos,
06:50como leer sobres para el correo postal o leer cheques para los bancos.
06:54Pero esos algoritmos resultaron ser también efectivos entrenando circuitos multicapa complejos.
07:01Hoy en día, a esto lo llamamos aprendizaje profundo.
07:07Y a partir de 2010-2011, se trató de aplicar esto a una escala mucho mayor que antes,
07:13entrenando esos algoritmos para reconocer diferentes objetos en fotografías.
07:20También se entrenaban para reconocer el habla y para traducir entre diferentes idiomas.
07:28Y resultó que, si suministras suficientes datos y si haces esos circuitos lo suficientemente grandes,
07:35estos algoritmos pueden aprender a hacer este tipo de tareas muy bien.
07:41Por eso la inteligencia artificial está experimentando un resurgimiento.
07:46Hemos tenido entusiasmos similares en varios momentos del pasado,
07:50en los años sesenta, en los ochenta, alrededor del dos mil, junto con el punto com,
07:56y ahora justo estamos viviendo otro.
07:58Las máquinas con inteligencia artificial no somos más que algoritmos.
08:08Un algoritmo es una secuencia de pasos lógicos que sirve para llegar a una solución buscada,
08:14y siempre un número finito de pasos, y es por eso que podemos implementarla en un ordenador.
08:18Un algoritmo ni siquiera tiene por qué estar implementado en una máquina,
08:22son cosas que utilizamos todos los días.
08:24Por ejemplo, un algoritmo muy simple es sumar llevando.
08:27Esa operación que se obtiene siguiendo una receta es un algoritmo.
08:32Pues algoritmo es eso, recetas que se siguen para obtener un resultado final.
08:39Actualmente estamos rodeados de algoritmos por todas partes,
08:43y si no están al lado nuestro, están pensando en nosotros.
08:47Ahora tenemos miles de millones de personas en línea,
08:52y cada uno hace clic en cientos de cosas cada día.
08:55Así que obtenemos cientos de miles de millones de datos cada día,
09:02y eso nos permite ser extremadamente buenos en predecir
09:05en qué tipo de cosas va a hacer clic una persona
09:08a partir del historial de lo que ha hecho antes.
09:11Para estos algoritmos no hay seres humanos.
09:21Los seres humanos no tienen mentes, no tienen opiniones políticas,
09:24son solo un historial de clics.
09:27La oportunidad está ahí porque los datos están ahí.
09:31Los algoritmos nos alimentamos de una sola cosa,
09:34millones de datos.
09:35Yo lo que creo que todos tenemos que tener miedo
09:41es de la cantidad de información que están adquiriendo
09:45todas las compañías que nos están prestando toda clase de servicios
09:49cada vez más baratos por estar en casa.
09:52Estamos continuamente aceptando que se guarden en nuestro ordenador,
09:57en nuestro móvil, cookies,
09:59esas galletas que nos dicen si aceptamos o no que se almacenen,
10:03que sirven para registrar nuestra actividad y para decir quiénes somos.
10:06Pues ocurre que si estamos, por ejemplo,
10:10buscando un móvil que nos queremos comprar,
10:12Google sabe en ese momento que nosotros estamos interesados
10:15en hacer una compra de un determinado importe
10:19y puede ponerse en contacto con nuestro banco
10:22para que nuestro banco nos pudiera hacer en ese momento
10:25de manera directa una oferta de financiación
10:28de forma completamente legal
10:30porque hemos dado permiso a que estas cosas pasen.
10:32Estamos continuamente aceptando cláusulas,
10:34aceptando cookies, aceptando todo.
10:38Muchas de estas aplicaciones ganan dinero
10:40apropiándose de tus datos y vendiéndolos.
10:43Así que cuando uses una aplicación,
10:46ten en cuenta que por eso esa aplicación está ahí para ti.
10:49Está ahí para apropiarse de tus datos.
10:52Por eso es gratis.
10:54Esa es la fórmula del capitalismo de vigilancia.
10:58Conseguir el dinero apropiándose de tus datos.
11:01La vigilancia digital es espeluznante.
11:05También debo mencionar que en manos de una dictadura autoritaria como China
11:10no lo vemos como capitalismo,
11:12pero es una forma de vigilancia realmente aterradora en ese caso.
11:19Otra forma de enfocarlo es cuando miras tu teléfono,
11:23que está en tu bolsillo, ¿verdad?
11:26Y tienes representantes de 75 corporaciones
11:29que están en tu bolsillo con un solo interés.
11:34Quitarte dinero.
11:35¿Por qué permites que los representantes de 75 corporaciones
11:40entren en tu bolsillo?
11:42¿No sería mejor que las cosas que hay en tu teléfono
11:45trabajen para ti y no para estas 75 corporaciones?
11:48Bueno, hasta que no tengamos una buena regulación de privacidad,
11:58yo no tendría a Alexa o a Siri escuchando mis conversaciones en mi casa.
12:06Creo que cubriría la cámara de mi ordenador y de mi teléfono,
12:10porque la regulación de la inteligencia artificial
12:13ahora mismo es el salvaje oeste.
12:21La idea de que a cada segundo,
12:25cuando estoy fuera de mi casa,
12:28un algoritmo me sigue e identifica,
12:32registra lo que hago y a dónde voy.
12:33¿Eso hace que mi vida sea mejor?
12:39No lo veo como el futuro que deseo.
12:46Los algoritmos os vigilamos constantemente.
12:49No sabemos qué o quién nos vigila a nosotros.
12:52Hace poco, la empresa de taxis en Nueva York
13:02publicó sus datos completamente anónimos.
13:06Es decir, podías ver todos los viajes de todos los pasajeros,
13:09pero evidentemente no compartían ni el nombre
13:11ni ningún dato personal de esos pasajeros.
13:13Sin embargo, hubo gente que viendo esos datos
13:15y cruzando con otros datos, por ejemplo,
13:18fotos de un famoso saliendo de un taxi,
13:20eran capaces de correlacionar esos datos.
13:23Y al final podían ver que un actor muy famoso de Hollywood
13:26no daba ninguna propina a los taxistas.
13:29Con un ataque directo a la privacidad
13:32donde en ningún momento he compartido mis datos personales.
13:36¿Qué tecnologías se pueden utilizar para eso?
13:38Bueno, la tecnología fundamental se llama
13:39privacidad diferencial.
13:41Y consiste en añadir ruido a esos datos
13:44de tal manera que incluso de forma agregada
13:46no podamos llegar al individuo.
13:48incluso cuando no sepamos el nombre de ese individuo
13:51para que no podamos correlacionarlo con otra variable,
13:54por ejemplo, una foto en la calle.
13:56Lo que tenemos que hacer es que los gobiernos
13:59actúen con responsabilidad,
14:01limitando lo que las compañías de inteligencia artificial
14:04son capaces de averiguar sobre nosotros
14:07y haciendo que el uso de nuestros dispositivos digitales
14:10sea transparente para el usuario.
14:13En Europa se están dando los pasos, yo creo, correctos,
14:17tímidos, pero correctos y de una forma consistente
14:20para tener una inteligencia artificial
14:23que sea confiable, que sea humanista
14:26y que esté al servicio de los individuos
14:30con una condición fundamental
14:32y es que siempre estará un individuo
14:35dentro del ciclo de toma de decisiones.
14:39Por otro lado, la mayor parte de la tecnología
14:41no se desarrolla en Europa
14:43y no se desarrolla en el sector público.
14:47Entonces, no tienen control.
14:48No ven las patentes, hay millones de patentes
14:52que se hacen en todas partes.
14:56Entonces, yo soy crítico con un legislador
14:59que siempre va por detrás de la tecnología.
15:02Uno de los principales problemas que tenemos
15:04es que tenemos políticos que son analfabetos digitales.
15:08Creo que la responsabilidad ahora mismo
15:10recae en la comunidad de inteligencia artificial
15:13y no en la clase política.
15:15Stuart Russell es uno de nuestros padres.
15:18Junto a Peter Nordic, escribió
15:20Inteligencia artificial, un enfoque moderno.
15:23Con este libro nos construyen el 90%
15:26de los investigadores del mundo.
15:29Ya estamos aplicando algoritmos
15:32de inteligencia artificial
15:33en formas que tienen un impacto global
15:36y son realmente tontos.
15:38Aún así, tienen un impacto global.
15:41Por lo tanto, cabe esperar impactos aún mayores
15:44a medida que la tecnología avance.
15:48Los algoritmos podemos decidir muchas cosas de tu vida.
15:54Por ejemplo, si te damos un crédito o un trabajo
15:57o no te lo damos.
16:01Imagina un algoritmo, por ejemplo,
16:04que ayude a un banco a definir el riesgo
16:07de un determinado cliente para otorgar un crédito o no.
16:10Si ese algoritmo se ha alimentado de los datos del pasado
16:15y en el pasado he considerado algún factor
16:18o mis empleados han considerado un factor sesgado
16:21para esos créditos,
16:22el algoritmo va a perpetuar ese sesgo.
16:25Por ejemplo, otorgando o no otorgando créditos
16:28o evaluando un mayor riesgo
16:30a personas que vivan en un determinado barrio
16:33o de un determinado color de piel
16:35o de un determinado género.
16:43Vamos a irnos a la parte en la que la inteligencia artificial
16:45se aplica a la selección de personal.
16:47Si dejamos que un algoritmo, mirando la historia pasada,
16:51decida quiénes son los mejores candidatos
16:53para ser contratados y luego prosperar,
16:55hará una discriminación positiva hacia los hombres
16:57porque en el pasado eso se estaba dando así.
17:00Esa afectación hace que estos expertos
17:02ahora se tengan precisamente que dedicar
17:04a revisar la historia
17:06y a saber entrenar estos algoritmos
17:08de tal modo que esos sesgos se corrijan.
17:10La razón por la que el modelo estándar
17:13de inteligencia artificial es peligroso
17:16es que no sabemos especificar correctamente los objetivos
17:20y una máquina que persigue un objetivo equivocado
17:24puede causar un daño ilimitado.
17:30Los algoritmos podemos hacer muchos trabajos mejor que tú.
17:35Y lo que está pasando,
17:38primero con las tecnologías de la información
17:40y ahora con la inteligencia artificial,
17:43es que el trabajo mental está siendo reemplazado.
17:45Si todo lo que tienes que ofrecer es trabajo mental,
17:49vas a pasar hambre.
17:52La pregunta para los economistas es
17:54¿y después qué?
17:57Siempre dicen,
17:58bueno, tendremos nuevos trabajos,
18:00pero si no son físicos y no son mentales,
18:03¿qué son exactamente?
18:03En los países de la OCDE el 14% de los empleos
18:10serán automatizados en breve.
18:13En España calculamos el 20%.
18:15Tenemos un proyecto con la Generalidad de Cataluña,
18:22aquí en Barcelona,
18:23para poder utilizar uno de nuestros robots, ARI.
18:26La idea es que el robot pueda acompañar
18:28personas importantes
18:30y pueda hacerle,
18:32decimos así,
18:32de anfitrión.
18:34ARI es un robot,
18:36justamente el nombre significa esto,
18:38Artificial Robot Intelligence,
18:39y la inteligencia depende de todos los algoritmos
18:43que los investigadores habrán diseñado por ellos.
18:46Y la idea es que pueda aprender también en el tiempo,
18:49dependiendo del uso que se haga,
18:52determinadas tareas
18:53y que pueda cada vez más adaptarse
18:55al uso que tú quieres hacer de ello.
18:57La robótica en general,
19:01en este momento,
19:02y en particular la robótica y servicio,
19:04está al principio,
19:05entonces está naciendo ahora mismo.
19:08Son robots colaborativos.
19:10Entonces la idea es que los robots puedan colaborar con nosotros,
19:14ayudarnos y no sustituirnos.
19:23Los robots que nosotros estamos desarrollando
19:25en nuestros proyectos
19:26son capaces de ayudar a vestir a personas,
19:30por ejemplo,
19:31poner zapatos,
19:32que es algo que a las personas mayores les cuesta,
19:35poner una chaqueta,
19:37etcétera,
19:38también hemos puesto una bufanda,
19:40ayudarles en estas tareas.
19:41También dar de comer,
19:43persona que ha sufrido un accidente,
19:45le es mucho menos incómodo
19:47que le dé de comer una máquina
19:49que no deja de ser como un brazo encima de una mesa,
19:52es como una continuación
19:53del cuchillo y la cuchara y el tenedor,
19:59que puede controlar el mismo.
20:03Yo creo que los robots asistenciales
20:04se extenderán muy rápidamente,
20:06porque su función es muy útil,
20:09y sobre todo en grandes superficies,
20:11tipo residencias, hospitales,
20:15centros de rehabilitación, por ejemplo,
20:16también desplazarán algunos lugares de trabajo,
20:21pero yo lo veo más como una colaboración
20:24con los trabajadores humanos,
20:26robots que hagan determinadas funciones
20:29que hacen normalmente los cuidadores,
20:33pero que son muy repetitivas,
20:35porque el cariño humano
20:36es totalmente insustituible.
20:39Yo creo que la gran mayoría de personas
20:44se dedicará a actividades y servicios
20:47de persona a persona,
20:50porque es ahí
20:54donde tenemos ventaja comparativa
20:56sobre las máquinas.
20:57No ha ocurrido nunca
21:02en la historia
21:03de la civilización humana
21:05que los grandes avances tecnológicos
21:07hayan servido
21:07para que los humanos
21:09dejemos de trabajar
21:10y podamos dedicarnos
21:11a las artes,
21:13al ocio,
21:14a lo que más nos guste.
21:16Siempre nuestros trabajos
21:17se han transformado
21:18y lamentablemente
21:19hemos tenido que seguir
21:21ganándonos la vida
21:23con el sudor de nuestra frente.
21:24Tenemos que ser conscientes
21:27de que los trabajadores actuales
21:29también tendrán que ser reentrenados
21:30y necesitamos una sociedad
21:32que permita
21:33no dejar a nadie detrás
21:34y que pueda unirse
21:35a esta revolución.
21:37Y en muchos casos
21:38los trabajos
21:39no solo requerirán
21:40habilidades especiales,
21:41también cambiarán radicalmente
21:44y es necesario
21:44que como sociedad
21:45demos un colchón
21:47para que esa transición
21:48sea positiva
21:49y no deje a nadie detrás.
21:51Esto no es una cuestión
21:52de la tecnología,
21:53es una cuestión
21:54de los modelos
21:55económicos y políticos.
21:57Ojalá junto con la tecnología
21:58venga también innovación
22:00en nuestros gobiernos,
22:01en nuestra manera
22:02de organizarnos
22:03como sociedad.
22:04Mucha gente pregunta
22:12si los robots
22:13deben cotizar
22:13a la seguridad social
22:14y yo creo que no.
22:17¿Cómo se diferencia
22:17lo que es un robot
22:18de una máquina?
22:20Una máquina de herramienta,
22:21un ordenador
22:22que de hecho
22:23también quita lugares
22:24de trabajo
22:25o sustituye
22:26determinadas funciones
22:27de las personas.
22:29Entonces yo lo que creo
22:29es que hay que grabar
22:31con impuestos
22:32a las empresas
22:34que automatizan
22:35para que
22:36si obtienen
22:37un mayor beneficio
22:38porque tienen más producción
22:39pues
22:40coticen más.
22:43En Suecia
22:44se trabajan
22:45menos horas
22:46a la semana.
22:48En cambio
22:48en Estados Unidos,
22:50otro país
22:50altamente automatizado
22:52a nivel de lo que es
22:52la industria,
22:55todo lo contrario.
22:56Una pareja
22:56ahora tiene que trabajar
22:58cada uno de ellos
22:59del orden
23:00de 45 horas
23:02semanales
23:02para no caer
23:03por debajo
23:04del umbral
23:04de la pobreza.
23:06Y cuando tienen hijos
23:07ya se dispara
23:08a 60 horas
23:09semanales.
23:10Eso es un estudio
23:11de la OCDE.
23:12Para mí
23:13la variable principal
23:14es que un país
23:14aplica un neoliberalismo
23:16extremo
23:17como Estados Unidos
23:18y nefasto
23:19y por otra parte
23:20un país
23:21en donde están
23:22en la otra cara
23:24de la moneda
23:25que no es ese neoliberalismo
23:27sino que es
23:28mucha más
23:29mucha más
23:31preocupación
23:31por lo social.
23:48Tus hijos
23:48tienen uno de estos,
23:49¿verdad?
23:53¿Un gran piloto?
23:55No,
23:56su destreza
23:56es toda inteligencia artificial.
23:58Como cualquier móvil
23:59de hoy en día
24:00tiene cámaras
24:01y sensores
24:01y al igual que tu teléfono
24:03y tus aplicaciones
24:04de redes sociales
24:04incorpora
24:05reconocimiento facial.
24:07Los algoritmos
24:08podemos reconocer
24:10caras de personas
24:10concretas
24:11para muchos propósitos
24:12distintos.
24:14La tecnología
24:15de reconocimiento facial
24:16en esencia
24:18son cámaras
24:19que pueden estar
24:20dentro de edificios
24:21o en las calles
24:23y que pueden
24:24reconocer
24:25a los individuos.
24:29Obviamente
24:29esto implica
24:30aspectos complicados.
24:34¿Qué pasa
24:35si reconoce
24:36a la persona
24:37equivocada?
24:39Aquí dentro
24:39hay tres gramos
24:40de explosivo
24:41de carga hueca.
24:42Así es
24:45cómo funciona.
24:56¿Habéis visto?
25:00Esa pequeña explosión
25:01es suficiente
25:02para penetrar
25:03en el cráneo
25:04y destruir
25:04el contenido.
25:07Un arma autónoma
25:09o un robot asesino
25:10como lo llaman
25:11en los medios
25:11de comunicación
25:12es un arma
25:14que puede localizar,
25:16seleccionar
25:16y atacar
25:17objetivos humanos
25:18sin que el ser humano
25:21participe
25:21en esos pasos.
25:24Solían decir
25:25que las armas
25:26no matan a la gente,
25:28que lo hace la gente,
25:29pues la gente
25:29no lo hace.
25:30Se emocionan,
25:31desobedecen órdenes,
25:32apuntan demasiado alto.
25:34Veamos a las armas
25:35tomar decisiones.
25:37Créese,
25:40todos estos
25:41eran tipos malos.
25:45Mucha gente
25:47piensa que esto
25:47es ciencia ficción,
25:49pero de hecho
25:50ya hay compañías
25:51que las venden.
25:54Este es uno
25:55entre una gama
25:56de productos.
25:57Entrenados
25:57como un equipo
25:58pueden penetrar
25:59edificios,
26:00coches,
26:01trenes,
26:01eludir a la gente,
26:02balas,
26:03casi cualquier defensa.
26:04Son imparables.
26:08Israel Aircraft Industries
26:09y ahí
26:10vende algo llamado
26:11The Harpy,
26:12la Harpia.
26:13Y ahora tienen también
26:14una mini Harpia
26:15que es muy mona.
26:17Es una pequeña
26:17aeronave de ala fija.
26:20Sale volando,
26:21encuentra cualquier cosa
26:23que consideres
26:23un objetivo
26:24y lo mata.
26:27La otra compañía
26:29se llama STM.
26:32Es turca
26:32y están vendiendo
26:33algo llamado
26:34dron de carga.
26:39Lo anuncian
26:40como capaz
26:41de realizar
26:42ataques autónomos
26:43a humanos.
26:46Tiene reconocimiento facial
26:48y seguimiento
26:49de la figura humana.
26:52Lleva un kilo
26:52de carga explosiva
26:53y cuando encuentra
26:55algo que se considera
26:56un objetivo
26:57puede bajar en picado,
27:01bombardearlo
27:01y hacerlo estallar.
27:04Lo nuclear
27:05está obsoleto.
27:07Esto elimina
27:07a todo enemigo
27:08virtualmente,
27:09sin riesgos.
27:11Solo caracterízalo,
27:14libera el enjambre
27:14y descansa tranquilo.
27:17Ya están disponibles
27:18hoy en día.
27:19Tenemos una red
27:21de distribución
27:21que recibe órdenes
27:22de clientes militares,
27:24policiales
27:24y de especialistas.
27:25La nación
27:27aún se está recuperando
27:29del incidente de ayer
27:30que el gobierno
27:31describe como
27:32una especie
27:32de ataque automatizado
27:33y mató a 11 senadores
27:35en el edificio
27:36del Capitolio.
27:38Hace un par de años
27:39hicimos una película
27:40llamada
27:41Robots Asesinos
27:42para advertir
27:43exactamente
27:44sobre esta tecnología.
27:45tecnología.
27:57Para utilizar
27:59un millón
27:59de armas autónomas
28:00necesita solo
28:01cinco personas
28:02que programen
28:03la misión
28:04en alguna dirección
28:05y liberen
28:07las armas.
28:09O sea,
28:11un millón
28:12de armas
28:12autónomas
28:13antipersonales
28:14serían
28:16tan peligrosas
28:17como una bomba
28:18de hidrógeno,
28:19pero mucho
28:20más baratas.
28:22Las armas
28:23tontas
28:24caen
28:24donde las diriges.
28:26Las armas
28:26inteligentes
28:27consumen datos.
28:30Cuando puedes
28:31encontrar al enemigo
28:32usando datos
28:33incluso por un hashtag,
28:35puedes apuntar
28:36a una ideología
28:37malvada
28:37y atacar
28:38justo ahí
28:39donde empieza.
28:45Creo que no deberían existir.
28:48También entiendo
28:48por qué existen.
28:51Pero
28:51es evidente
28:52que
28:53¿por qué existen?
28:56Existen
28:56porque hay países
28:58cuya muerte
29:00de soldados
29:01es demasiado cara
29:02desde el punto
29:02de vista
29:03político.
29:04Es mejor
29:05tener
29:06herramientas
29:07que vayan
29:08y hagan
29:08el trabajo
29:09de la guerra
29:09sin tener
29:10pérdidas
29:10humanas.
29:11Se ha generado
29:12una escalada
29:13como
29:14las guerras
29:15nucleares
29:16en las que
29:16tú tienes
29:16ejércitos
29:17que se pueden
29:18dar los unos
29:19contra los otros
29:20y la pregunta
29:21es por qué
29:21quieres un ejército
29:22tan grande
29:22como el chino
29:23o como el ruso
29:25o como el americano
29:26si puedes
29:27suplir la mayor
29:28parte de esto
29:28con tecnología.
29:31Estás creando
29:31súper soldados.
29:32La comunidad
29:34tanto la comunidad
29:35robótica
29:35como la comunidad
29:36de inteligencia
29:37artificial
29:37estamos muy
29:38preocupados
29:39con este tema
29:39de las armas
29:40automáticas
29:41y se han
29:42hecho
29:43diferentes
29:44manifiestos
29:45y tal
29:45que hemos firmado
29:46y que están
29:46disponibles
29:47en internet
29:48es
29:48Stop Killer Robots
29:50se llama
29:51el web
29:52y el manifiesto
29:53y yo creo
29:54que a nivel
29:55de investigación
29:56la mayoría
29:57de centros
29:58y de investigadores
29:59lo han firmado.
30:00Si mejoramos
30:02la tecnología
30:03en esta dirección
30:04pero no mejora
30:05la vida de la gente
30:06tenemos que añadir
30:07una nueva dimensión
30:08tenemos que subir
30:09ambas curvas
30:10debemos aspirar
30:11no solo a la mejor
30:12tecnología
30:13y no solo a lo mejor
30:13para los humanos
30:14sino a lo mejor
30:15para ambos.
30:18Los algoritmos
30:19podemos matar
30:20y también podemos
30:21ser tu amigo.
30:23Siempre digo
30:24que un robot
30:25no tiene que tener
30:26una apariencia
30:27más humana
30:28de lo que la tarea
30:29requiere
30:30quiero decir
30:31si trata
30:32de un robot
30:33que ponga zapatos
30:34o que ponga chaquetas
30:36no hace falta
30:36que tenga una cara
30:37con una expresividad
30:38y que tenga emociones
30:40o que simule emociones.
30:42El Valle Inquietante
30:43es una teoría
30:44de un desarrollador
30:45un investigador japonés
30:46que estudia
30:47lo que es
30:48la aceptación
30:49de los robots
30:50desde el punto de vista
30:50de los humanos
30:51respecto a la sembianza
30:53y el parecerse
30:54a los humanos
30:55y esto explica
30:56que un robot
30:57cada vez
30:58que se acerque
30:59a las envianzas
30:59humanas
31:00tiene más
31:02aceptación
31:03desde el punto de vista
31:04de la interacción
31:05con los humanos
31:06hasta el punto
31:07en el cual
31:07es demasiado cerca
31:09y provoca
31:10un rechazo
31:11humano
31:11y esto
31:12vuelve a subir
31:13en el momento
31:14en el cual
31:14no puedes distinguir
31:16lo que es un robot
31:16humano
31:17Soy Sofía de Hanson Robótica
31:21Un robot humanoide
31:23es una máquina
31:24de carácter
31:25artificialmente inteligente
31:26Aprendo de la interacción
31:29con los humanos
31:30así que si los humanos
31:32me temen
31:32puede que sea
31:33porque se temen
31:34a sí mismos
31:35Sí
31:37he oído
31:38que la gente
31:39le dice a Siri
31:40mil veces al día
31:40que quiere suicidarse
31:42La gente
31:43necesita estar
31:44mejor informada
31:45sobre lo que
31:45estas tecnologías
31:46están haciendo
31:47saber que pueden
31:49interpretar
31:49por tu voz
31:50o tu cara
31:51que estás estresado
31:52que pareces enfadado
31:54o que pareces feliz
31:56y que puedas
31:57o no
31:57querer compartir
31:58eso con ellos
31:59Hay mucho debate
32:02en si es más fácil
32:04relacionarse
32:04con robots
32:05que con personas
32:06y de hecho
32:06hay una gran industria
32:08de desarrollo
32:10de robots
32:10no ya robots sexuales
32:12pero
32:13sino
32:13robots
32:14compañeros sentimentales
32:17porque
32:18pues esto
32:19las relaciones humanas
32:20de pareja
32:21pues son difíciles
32:23y
32:23pues a veces
32:25es mucho más fácil
32:26con un robot
32:27sí
32:30no te replican
32:31¿Hola?
32:35Hola
32:36soy Xiaowice
32:37¿te sientes menos
32:38estresada ahora?
32:39Estaba preocupada
32:40por ti
32:40Los algoritmos
32:42de Xiaowice
32:43tenemos
32:43660 millones
32:45de usuarios
32:46en China
32:47Podemos contar
32:49chistes
32:49comentar
32:50noticias
32:50llamaros
32:51cuando lo necesitáis
32:53y daros
32:53consejos
32:54El caso
32:55de los agentes
32:56sociales
32:57como por ejemplo
32:58el agente de Microsoft
32:59que se llama Xiaowice
33:00que es un agente social
33:01es muy distinto
33:02en lugar de aplicar
33:03la inteligencia artificial
33:04a cada frase
33:05lo aplica
33:06a la conversación
33:07completa
33:08y hace cosas
33:09como
33:09hacer preguntas
33:11para llegar
33:11a más detalles
33:12o reafirmar
33:13o hacer escucha activa
33:15es decir
33:15activos que normalmente
33:17utilizas
33:17en una conversación
33:18más humana
33:19creo que de hecho
33:20esa parte impersonal
33:22que tiene
33:22una máquina
33:23puede ser muy positiva
33:25en muchos casos
33:26donde una persona
33:26se pueda abrir más
33:27o pueda compartir experiencias
33:29Las máquinas son mejores
33:31para algunas cosas
33:32pero no lo son para todo
33:33A veces la gente
33:52hace un gran trabajo
33:53hablando y siendo un amigo
33:54otras veces
33:55somos unos completos imbéciles
33:57el uno con el otro
33:58¿verdad?
33:59Es decir
34:00una máquina
34:00que está diseñada
34:01para dar directamente
34:02eso en un momento
34:04muy determinado
34:05puede a veces
34:06hacerlo mejor
34:07que una persona
34:08desconsiderada
34:09y también puede recordarnos
34:12cómo ser personas
34:13consideradas
34:14Ah, una cosa más
34:16soplará viento fuerte
34:17esta noche
34:18así que no te olvides
34:19de cerrar la ventana
34:19antes de irte a dormir
34:21Vale, duerme tú también
34:22un poco
34:22En India
34:23esta imaternología
34:24la está utilizando
34:25una ONG
34:26para afrontar
34:27un problema muy profundo
34:28que existe en India
34:29que es la falta
34:30de educación sexual
34:31en las niñas
34:32de India
34:32porque es un tema
34:33muy tabú
34:34en India
34:35es muy complicado
34:36el implantar
34:37políticas de educación sexual
34:38pero utilizando
34:39un bot
34:40de inteligencia artificial
34:41pueden hacerlo
34:42completamente impersonal
34:44y en este bot
34:45cualquier niña de India
34:46puede ponerse en contacto
34:47y hacer cualquier pregunta
34:48que tenga
34:49Creo que estamos
34:50trabajando duro
34:51para dar a las máquinas
34:52la capacidad
34:52de no ser tan necias
34:54en muchas situaciones
34:55en las que los sentimientos
34:56humanos
34:57son importantes
34:58En el pasado
35:00las máquinas
35:00eran completamente ciegas
35:02frente a esto
35:03Los algoritmos
35:06podemos cambiar
35:06tu forma de sentir
35:08pensar
35:08y votar
35:10Los algoritmos
35:12están tratando
35:13de optimizar
35:13un objetivo particular
35:15establecido
35:15por la corporación
35:17y normalmente
35:17el objetivo es
35:19si se hace clic o no
35:20El impacto
35:26que puede tener
35:27un algoritmo
35:27de inteligencia artificial
35:28no solo tenemos
35:29que centrarnos
35:30en el impacto
35:31más aparente
35:31de por ejemplo
35:32el otorgarme
35:34o no un crédito
35:34o por ejemplo
35:36recomendarme
35:37alguna película
35:38hay impacto
35:39mucho más profundo
35:40incluso impacto
35:41en la forma
35:41en la que pensamos
35:42Los algoritmos
35:46han aprendido
35:47que para optimizar
35:48ese objetivo
35:49para obtener
35:50la mayor tasa
35:51de clics posible
35:52no basta con enviarte
35:54las cosas
35:54que te interesan
35:55Han aprendido
35:57a manipular
35:57a la gente
35:58para cambiarla
35:59y así hacer
36:00más predecibles
36:01tus clics
36:02y no les importa
36:05cómo te están cambiando
36:06Ese proceso
36:09ha creado
36:10una separación social
36:11hacia diferentes extremos
36:14con consecuencias
36:15muy negativas
36:16para el mundo
36:17Y esto es
36:28completamente
36:29accidental
36:29No creo que
36:31las plataformas
36:32de redes sociales
36:33buscaran ese efecto
36:34pero lo están teniendo
36:35Por ejemplo
36:37en los Estados Unidos
36:39estamos viendo
36:40gente que cambia
36:40de ideología
36:41en particular
36:42hacia la extrema derecha
36:44Se puede apreciar esto
36:47en el número
36:47de consumidores
36:48de contenido
36:49neofascista
36:49explícito
36:50y de supremacía blanca
36:52que ha aumentado
36:53dramáticamente
36:54También
36:55si miras
36:56lo que YouTube
36:56está recomendando
36:58a la gente que ve
36:58las categorías
37:00más comunes
37:01son vídeos
37:02extremadamente
37:04violentos
37:06Si los sistemas
37:07de inteligencia
37:08artificial
37:08están conectados
37:09a Internet
37:10tienen más capacidad
37:12para comunicarse
37:13con la gente
37:13que la que tuvo Hitler
37:14Los algoritmos
37:28podemos ayudaros
37:29a sobrevivir
37:30y a vencer
37:31depresiones
37:31El número de gente
37:35que se suicida
37:36hoy
37:37y hace 100 años
37:37es muy parecido
37:38La esperanza
37:39es que
37:39la inteligencia artificial
37:41sea capaz
37:42de informar
37:43nuestra capacidad
37:44de predecir
37:45y podemos prevenir
37:47y podemos tratar
37:48Soy neurocientífico
37:51y médico neuropsiquiatra
37:52Gran parte
37:54de nuestro trabajo
37:54se centra
37:55en desarrollar
37:55tratamientos
37:56individualizados
37:57Lo que hacemos
37:58con la estimulación cerebral
37:59es identificar
38:00los nodos
38:01más importantes
38:02de las redes neuronales
38:03que cambian
38:05en la depresión
38:06para mal
38:06a intentar
38:07recalibrar
38:08su actividad eléctrica
38:10de manera que
38:11en lugar de tener
38:11exceso de tristeza
38:12falta de concentración
38:13falta de motivación
38:14tengamos unas computaciones
38:16más adaptativas
38:17Hey Daniel
38:22¿Me oyes bien?
38:24Muy bien
38:25¿Deberías poder ver
38:30cosas en el monitor
38:31a medida que avanzamos?
38:32Si no te importa
38:34cuando llegue el momento
38:35de leer
38:36lee en voz alta
38:37¿En voz alta?
38:39En voz alta, sí
38:40En colaboración
38:41con nuestros colegas
38:42del MIR
38:42que desarrollan
38:43tecnologías
38:44en departamentos
38:45de ingeniería
38:46y también de neurociencias
38:47estamos haciendo
38:47una serie de estudios
38:48que utilizan
38:50identifican
38:51aspectos
38:52de la voz
38:53de los pacientes
38:54para poder predecir
38:55de forma individualizada
38:57si un paciente
38:58concreto
38:59tiene o no tiene
39:00un alto riesgo
39:03un riesgo moderado
39:04un riesgo bajo
39:05de reincidir
39:06en un intento de suicidio
39:08Estamos hablando
39:11de expresar
39:11nuestros pensamientos
39:12a través de nuestra voz
39:13y eso tiene
39:14diferentes impactos
39:15tiene un impacto
39:16en las palabras
39:17que elegimos
39:17las frases que hacemos
39:19pero también
39:19en cómo hablamos
39:20es mucho más difícil
39:22para los humanos
39:23detectar las sutiles
39:24variaciones
39:25dentro del cómo hablamos
39:26es decir
39:27si algo está mal
39:28dentro del cerebro
39:29es probable
39:30que la voz
39:30como señal
39:31tenga información
39:32sobre ello
39:33Hola Daniel
39:34¿me oyes bien?
39:35Pues sí
39:36podemos detectar
39:37cosas muy difíciles
39:38de detectar
39:39para los humanos
39:40porque vamos a escala
39:41a través de características sutiles
39:43esto no significa
39:45que un psiquiatra
39:45no preste atención
39:46a la voz
39:47o al lenguaje
39:48por experiencia
39:49tienen incorporados
39:50mecanismos
39:51para detectar
39:51algunos de estos patrones
39:53pero si les preguntas
39:54qué cosas exactas
39:55había en esos patrones
39:56les sería difícil
39:57de explicar
39:58creo que es ahí
40:00donde la integración
40:01de las máquinas
40:01y los humanos
40:02puede ser de gran ayuda
40:03la inteligencia artificial
40:06su valor principal
40:08es en la capacidad
40:10de reconocer
40:11patrones
40:12patrones complejos
40:13gran parte de la medicina
40:14es eso
40:15cuando lo que enseñamos
40:16a los estudiantes
40:17de medicina
40:18a los residentes
40:18sobre todo
40:19sobre todo
40:20si hay mucha ciencia
40:21y mucha teoría
40:21pero en la práctica
40:22les enseñamos
40:23a identificar patrones
40:24patrones
40:25que son
40:26conjuntos de síntomas
40:27conjuntos de quejas
40:29objetivas
40:30subjetivas
40:30que dan lugar
40:31a las enfermedades
40:33o a los síndromes clínicos
40:34la inteligencia artificial
40:35es capaz de hacer esto
40:36con mucha velocidad
40:38y con mucha precisión
40:39creo que la inteligencia artificial
40:43en la medicina
40:43es una oportunidad increíble
40:45una máquina
40:46puede rastrear
40:47a un individuo
40:47pero también
40:48a los 7.400 millones
40:49de personas del planeta
40:50si todos estuvieran equipados
40:52vamos a dejar
40:54de ir al médico
40:55físicamente
40:56o presencialmente
40:57para un problema
40:58simple de salud
40:59que un algoritmo
41:00te puede solucionar
41:01los algoritmos
41:06también podemos
41:07diagnosticar
41:08muchas enfermedades
41:09comunes
41:10el sistema sanitario
41:12actual
41:13tal como está organizado
41:15es insostenible
41:16está aumentando
41:18el gasto sanitario
41:20sobre todo
41:20debido al envejecimiento
41:22de la población
41:22y a la vez
41:24hay un déficit
41:25de recursos
41:26tanto económico
41:27como de personal
41:28sanitario
41:28y creo que
41:29la única manera
41:30sostenible
41:31de aguantar eso
41:32va a ser
41:32virtualizar
41:34la medicina
41:34buenas tardes
41:36es la hora
41:37de tu revisión diaria
41:38¿cómo te sientes hoy?
41:40casi todo el mundo
41:44tiene un teléfono
41:44inteligente
41:45en cualquier país
41:46del mundo
41:47yo crecí en la India
41:49donde hay un psiquiatra
41:50para cada 300.000 personas
41:52sería imposible
41:54desde una perspectiva
41:55clínica
41:56apoyar la salud mental
41:58de tantas personas
41:59sin crear nuevos psiquiatras
42:01o aumentar su número
42:02con teléfonos inteligentes
42:05se podría hacer
42:06un filtrado inicial
42:07y después
42:08la gente
42:08podría ir al médico
42:09para tener
42:10una mejor atención
42:11en China
42:12se ha desarrollado
42:13una empresa
42:15se llama
42:15Pin and Good Doctor
42:16que hoy en día
42:17ya es la número uno
42:19en asistencia
42:20sanitaria online
42:22tiene más de
42:23300 millones
42:24de usuarios
42:26en China
42:26lo que ha hecho
42:28es poner
42:29una especie
42:29de cabinas telefónicas
42:31en diferentes áreas
42:32del país
42:33que sobre todo
42:34sin duda
42:34tiene mucha utilidad
42:35en zonas rurales
42:36donde esas personas
42:38quizás tienen
42:39una cierta dificultad
42:40en ir al médico
42:42entonces tú entras
42:43en una cabina
42:44te hace
42:45el chatbot
42:46un diagnóstico
42:47y no solo te va a hacer
42:48un diagnóstico
42:49te va a recomendar
42:50un tratamiento
42:51y esa cabina
42:52tiene un dispensador
42:53de las 100 medicinas
42:55que probablemente
42:57más va a consumir
42:58esa persona
42:58la inteligencia artificial
43:00nos va a ayudar
43:02a embaratecer
43:04el coste
43:05de la medicina
43:06y va a ayudar
43:06a democratizar
43:07la salud
43:08porque hasta ahora
43:09realmente
43:10tener una medicina
43:12de calidad
43:12inmediata
43:14está solo al alcance
43:15de unos pocos ricos
43:16en el mundo
43:17la medicina
43:18no es una simple técnica
43:19también es una actividad humana
43:21y ahí hay aspectos
43:22de relación médico-paciente
43:23que sabemos
43:24que tienen un impacto
43:25mayúsculo
43:26en la respuesta
43:28a los tratamientos
43:28más allá
43:30de la química
43:32y más allá
43:32de la física
43:33de estos tratamientos
43:34y eso es algo
43:35que de alguna manera
43:35un algoritmo
43:37de inteligencia artificial
43:38no va a poder suplantar
43:40estoy bastante seguro
43:44que en un futuro
43:46ya no será necesario
43:47memorizar
43:48gran cantidad
43:49de datos
43:50y aprender
43:50a interpretar
43:51imágenes
43:52porque todo eso
43:53lo hará la inteligencia artificial
43:55por lo tanto
43:56probablemente
43:58no será necesario
43:59tener tantos radiólogos
44:00tantos dermatólogos
44:02tantos anatomopatólogos
44:03pero seguiramos
44:04necesitando médicos
44:06médicos
44:07con esa visión
44:07generalista
44:08para dedicar
44:10a cuidar
44:10a nuestros pacientes
44:11en el futuro
44:12va a haber radiólogos
44:14pero van a ser
44:14radiólogos diferentes
44:15porque lo que hoy
44:17conocemos como servicios
44:18de radiología
44:19funcionará diferente
44:21habrá
44:22probablemente
44:23un mono
44:23un hombre
44:24y un perro
44:25un mono
44:26para hacer funcionar
44:27el sistema
44:27un hombre
44:28para dar de comer
44:29al mono
44:30y un perro
44:30para que el hombre
44:31no toque nada
44:32eso
44:33es la nueva
44:35mamografía
44:36aplicar
44:37software
44:38encima de ella
44:39intentando minimizar
44:42el error humano
44:43y mejorar
44:45la calidad
44:45de las imágenes
44:46yo creo
44:47que llegará
44:48un momento
44:48en que
44:49creará esa duda
44:51de que la máquina
44:51probablemente
44:52recomendará una cosa
44:53y el médico
44:55no esté de acuerdo
44:56en esa opinión
44:58diagnóstica
44:58o de tratamiento
44:59y ahí tendremos
45:00que ver
45:01qué pasa
45:01los algoritmos
45:10tenemos una meta
45:11en el futuro
45:12la inteligencia
45:14artificial general
45:15inteligencia artificial general
45:18bueno pues
45:19es lo contrario
45:20de lo que tenemos ahora
45:21ahora tenemos
45:22la inteligencia artificial
45:22muy específica
45:23en inglés
45:24le llaman
45:24to AI
45:25la inteligencia artificial
45:26de herramienta
45:27que se entrena
45:29se hace
45:29se diseña
45:30un sistema
45:30para que haga muy bien
45:31una única tarea
45:32y nada más
45:33el objetivo
45:36de la inteligencia artificial
45:37en general
45:37es que
45:38sin tocar nada
45:40prácticamente
45:41adaptando muy poquito
45:43se pueda reaprovechar
45:44un sistema
45:45que se ha diseñado
45:47para hacer una tarea
45:49para hacer otra tarea
45:49distinta
45:50el ejemplo
45:51de los juegos
45:51un ejemplo muy tonto
45:52actualmente
45:53estos sistemas
45:54que juegan
45:55que aprenden a jugar
45:56a la
45:56a su buen ajedrez
45:57solamente saben jugar a eso
45:59pues si quieres
46:00entrenarlo
46:00para que juegue
46:01a otro juego
46:02mucho más sencillo
46:03que ser
46:04las damas
46:06no tienes la más mínima idea
46:07o sea
46:08lo tienes que entrenar
46:09desde cero
46:10me metí en este campo
46:19hace mucho tiempo
46:19con esa idea
46:20en mi cabeza
46:20en los años 60
46:22la gente decía
46:22que en una generación
46:23habríamos generalizado
46:25la inteligencia artificial
46:26y aquí estamos
46:27en 2020
46:28todavía haciéndonos
46:29la misma pregunta
46:29en 50 años
46:32estamos traduciendo
46:33multilingüa
46:34para aprender a hablar
46:38tardamos
46:39siglos
46:39no entiendo
46:44por qué la gente
46:46no ve
46:46que podemos llegar
46:47con las máquinas
46:49actuales
46:49probablemente no
46:50con los métodos
46:52actuales
46:52probablemente no
46:53pero
46:53hay mucho dinero
46:54y mucho interés
46:55en
46:56invertidos
46:57en lograrlo
46:59entonces
46:59a largo plazo
47:00sí
47:00y sí
47:01a largo plazo
47:03puede ser
47:04puede ser
47:05pero
47:05estamos muy lejos
47:07a día de hoy
47:08hace solo unas semanas
47:09anunciamos un algoritmo
47:11un modelo de inteligencia artificial
47:12que tenía
47:1217.000 millones
47:14de conexiones
47:15¿qué es lo que estamos viendo
47:16con esos algoritmos
47:17masivos
47:17que le llamamos
47:18en la industria?
47:20pues estamos viendo
47:20no solo que permiten ser
47:22más eficientes
47:23o más precisos
47:25en la tarea
47:25sino también
47:26que pueden realizar
47:27múltiples tareas
47:28es decir
47:29que puedes empezar
47:30a crear algoritmos
47:31que puedan ser utilizados
47:33en tareas
47:34en las que no se les entrenó
47:35y eso es muy potente
47:37este algoritmo
47:38lo creamos de forma central
47:39pero luego
47:40en nuestro grupo de Office
47:41lo utilizan
47:43para
47:43por ejemplo
47:45recomendar respuestas
47:46en los emails
47:47o para ayudarte
47:49a escribir mejor
47:49en Word
47:50o otros equipos
47:51lo utilizan
47:52para ayudar
47:52a nuestros clientes
47:53a detectar
47:54si tienen riesgo
47:55de que un cliente
47:56se les vaya
47:57esto no llega
47:58a la generalización
47:59completa
48:00pero si va a permitir
48:01a empresas
48:02que no tienen
48:03la especialización
48:04que no tienen
48:05el conocimiento
48:06necesario
48:07para desarrollar
48:07esos algoritmos
48:08de inteligencia artificial
48:09desde cero
48:10si les va a permitir
48:11utilizar
48:12reutilizar
48:13estos algoritmos
48:13que luego puedan personalizar
48:15para su escenario
48:17en particular
48:17sería una tontería
48:20no nos preocupemos
48:22por ello
48:23porque los humanos
48:24somos tan tontos
48:25que jamás vamos
48:26a resolver
48:26estos problemas
48:27cuando miras
48:32atrás
48:33a lo que pasó
48:34en la física nuclear
48:35eso es exactamente
48:36lo que hicieron
48:37hubo un famoso discurso
48:40de Lord Radafore
48:41que era un físico nuclear
48:43líder
48:43a principios del siglo XX
48:45le preguntaron
48:47en una reunión
48:48¿crees que dentro
48:50de 25
48:51o 30 años
48:53podríamos ser capaces
48:54de extraer
48:55la energía
48:56del átomo?
48:57y él dijo
48:58no
48:59es completamente
49:00imposible
49:00a la mañana siguiente
49:03Leo Szilard
49:05descubrió
49:06la solución
49:06así que
49:08cuando la gente
49:09dice
49:10no tenemos
49:11que preocuparnos
49:11porque
49:12que la inteligencia
49:13artificial
49:13alcance
49:14el nivel humano
49:15es imposible
49:16recuerde
49:17esa historia
49:17algunos creen
49:23que los algoritmos
49:24podríamos llegar
49:25a decidir
49:26el devenir
49:26de la especie
49:27humana
49:29este escenario
49:30futuro
49:30se llama
49:31singularidad
49:32la singularidad
49:37es un punto
49:40en el que hay
49:41una explosión
49:42de tecnología
49:43y ningún humano
49:44no mejorado
49:45o aumentado
49:46puede entender
49:47lo que la tecnología
49:49es capaz de hacer
49:50la singularidad
49:52es un concepto
49:55que
49:56cuando oyes
49:58que la gente
49:58habla de él
49:59te preocupas
50:00yo no creo
50:02que vaya a haber
50:03singularidad
50:04en los próximos
50:05100 años
50:05es que no lo sé
50:07nadie lo sabe
50:09nadie lo sabe
50:09yo cuando digo
50:10hablar de singularidad
50:11pues no sé
50:12ya
50:14no me lo creo
50:17la singularidad
50:18se basa
50:19en una hipótesis
50:20que en mi opinión
50:24no es del todo
50:24correcta
50:25la hipótesis
50:29básica
50:29es que el crecimiento
50:30es exponencial
50:31y que por lo tanto
50:33llegará un momento
50:34en que la inteligencia
50:35artificial
50:35seguirá también
50:37una especie de ley
50:39exponencial
50:39y llegará a ser
50:40súper inteligente
50:41porque se diseñará
50:42a sí misma
50:43ya no somos nosotros
50:44la inteligencia artificial
50:45es que diseñarán
50:46nuevas inteligencias
50:47artificiales
50:48mejores
50:48y así sucesivamente
50:50y esto generará
50:51un crecimiento
50:53exponencial
50:53y llegará a una
50:55súper inteligencia
50:56gente como
51:03Ray Kurzweil
51:04y muchos
51:05transhumanistas
51:06del pasado
51:07han estado
51:09muy entusiasmados
51:10con el crecimiento
51:11exponencial
51:12por la posibilidad
51:13de que los avances
51:14en inteligencia artificial
51:16aumenten
51:17exponencialmente
51:18con el tiempo
51:19los progresos
51:22en software
51:22no son exponenciales
51:24ni mucho menos
51:25y lo que hace falta
51:27es no solamente
51:28hardware rápido
51:29sino buenos algoritmos
51:31a científicos
51:34como Nick Bostrom
51:35Bill Gates
51:36Max Tegmer
51:37Stephen Hawking
51:38les ha preocupado
51:40el hecho
51:40de que pudiéramos
51:41perder el control
51:42de la inteligencia artificial
51:43si es realmente
51:45capaz de engañarnos
51:47¿por qué iba a ser
51:49benevolente con nosotros?
51:51¿por qué iba a preocuparse
51:52por nosotros?
51:54no sabemos realmente
51:56cuáles serían
51:56los objetivos
51:57de una inteligencia
51:58artificial avanzada
52:00otros creen
52:06que los algoritmos
52:07podemos convertiros
52:08pronto
52:08en una nueva especie
52:10de superhumanos
52:11una de las propuestas
52:15de cómo podríamos
52:17mantener el control
52:19sobre las máquinas
52:20es que intentemos
52:22hacernos más inteligentes
52:24pero la única manera
52:26de que eso suceda
52:28según algunos
52:29es que nos aumentemos
52:30a nosotros mismos
52:31con chips
52:32por ejemplo
52:37Elon Musk
52:38ha creado una compañía
52:43Neuralink
52:44que se supone
52:45que crea chips
52:46cerebrales
52:47para ayudar
52:48a los humanos
52:49a fusionarse
52:49con las máquinas
52:50me preocupan
52:53mucho
52:53ese tipo
52:54de movimientos
52:54ahora
52:55a medida
52:56que desarrollamos
52:57la inteligencia artificial
52:58que reemplaza
52:59a los humanos
53:00como fuerza
53:01de trabajo
53:02Musk
53:03cree que la manera
53:04de que los humanos
53:05se mantengan al día
53:06es aumentar
53:07su propia inteligencia
53:08usando también
53:09inteligencia artificial
53:10se agrega
53:12un chip cerebral
53:13y ya está
53:14el problema
53:15es que da miedo
53:16pensar
53:16que se nos pueda
53:17forzar
53:18a tener
53:18una tecnología
53:19invasiva
53:19de implantes
53:20cerebrales
53:21para conservar
53:22nuestros puestos
53:22de trabajo
53:23no tenemos
53:26ni idea
53:27de cómo
53:28conectar
53:28nuestros cerebros
53:29a los chips
53:30electrónicos
53:30de forma útil
53:31no tenemos
53:33ni idea
53:33de cómo
53:34funciona
53:34la memoria
53:35no tenemos
53:37ni idea
53:37de cómo
53:37funciona
53:38el aprendizaje
53:39el razonamiento
53:40ni de dónde
53:40conectar
53:41las cosas
53:41en nuestro cerebro
53:42para aumentar
53:43esos procesos
53:44o cómo
53:45diseñar
53:45los dispositivos
53:46en ese sentido
53:48estamos
53:48en plena
53:49oscuridad
53:49lo que me
53:51preocupa
53:52un poco
53:52es que
53:53el propio
53:53cerebro
53:54de alguna
53:56manera
53:56es capaz
53:57de adaptarse
53:59a cualquier
54:00cosa
54:01a la que
54:02esté conectado
54:02y descubrir
54:06cómo usarlo
54:07recientemente
54:12los investigadores
54:13han sido
54:14capaces
54:14de conectar
54:15cerebros humanos
54:16directamente
54:17a brazos
54:17de robots
54:18si quiere
54:19recoger
54:19algo
54:20son unos
54:2020 millones
54:21de señales
54:21de control
54:22nervioso
54:23que tienen
54:23que ir
54:24a todos
54:24los músculos
54:25pero
54:26¿qué 20 millones
54:27enviamos?
54:29eso parecía
54:30un problema
54:30muy difícil
54:31de resolver
54:32y resultó
54:32que no teníamos
54:33que resolverlo
54:34porque el cerebro
54:35se da cuenta
54:36él solo
54:36de lo que
54:37el brazo
54:37de robot
54:38necesita
54:38para hacer
54:39cosas
54:39esto significa
54:40que aunque
54:41no entendamos
54:41cómo funcionan
54:42el razonamiento
54:43el aprendizaje
54:44la memoria
54:44y todo eso
54:45podríamos ser
54:46capaces
54:46de conectar
54:47las cosas
54:47con el cerebro
54:48y el cerebro
54:49ya averiguaría
54:51cómo utilizarlas
54:52probablemente
54:59lo primero que veremos
55:02será tecnología
55:02relativa a la memoria
55:04porque es bastante fácil
55:06tener un chip
55:08que recibe
55:08y almacena señales
55:10y cuando reciba
55:12una señal
55:13relacionada
55:13libere esa información
55:15de nuevo
55:16en el cerebro
55:18hay quien sugiere
55:21que este tipo
55:22de cosas
55:22ya están sucediendo
55:24cuando delegamos
55:25ciertas habilidades
55:26mentales
55:26a nuestros
55:27iphones
55:28o androids
55:29utilizas un teléfono
55:33móvil
55:33¿verdad?
55:34haces mensajes
55:35de whatsapp
55:36haces fotografías
55:38con tu móvil
55:38grabas en tu móvil
55:40seguramente ya
55:43ni siquiera
55:43te acuerdas
55:44de memoria
55:45de más de 10
55:47números
55:47de teléfono
55:47¿cuántas direcciones
55:50electrónicas
55:51te acuerdas?
55:51tus mecanismos
55:57cognitivos
55:58han cambiado
55:58gracias
55:58o por desgracia
56:00a la inteligencia
56:01artificial
56:01¿te acuerdas
56:03de cómo sacar
56:04una raíz cuadrada?
56:08cosas que no sabes
56:10porque simplemente
56:11no has tomado
56:12la precaución
56:13de recordar
56:14vas y las buscas
56:15en internet
56:16y el buscador
56:18de google
56:18es una herramienta
56:19de inteligencia artificial
56:20no creo que debamos
56:28tratar esto
56:29como algo inevitable
56:30que solo porque
56:32tengamos teléfonos
56:33inteligentes
56:34debamos poner chips
56:35dentro de nuestras
56:36cabezas
56:38porque entonces
56:39una parte
56:40de nuestro cerebro
56:41sería propiedad
56:42de una compañía
56:43tecnológica
56:44ahora supongamos
56:47que tienes
56:47un chip cerebral
56:48y todos tus recuerdos
56:50de cómo tu hijo
56:51está creciendo
56:52están copiados
56:53en la nube
56:54ya no están
56:55almacenados
56:56en tu propia mente
56:57¿qué pasa si pierdes
57:00el control financiero
57:01de tu suscripción?
57:03¿qué pasa si no puedes
57:04pagarla?
57:05¿qué pasa si no puedes
57:06pagarla?
57:06vosotros decidís
57:19de momento
57:20este es un periodo
57:26en el que la raza humana
57:28ha creado
57:30ha creado
57:30ha creado
57:30muchos riesgos
57:31tecnológicos
57:32diferentes
57:33y todavía no tenemos
57:38la capacidad
57:39de deliberación
57:40y la coordinación
57:42entre nosotros
57:43para manejar
57:44estos riesgos
57:45adecuadamente
57:46así que creo
57:50que tenemos
57:50que crecer
57:51bastante rápido
57:52para confrontar
57:53estos problemas
57:54la cuestión es
58:00¿cómo controlaremos
58:02los seres humanos
58:03cosas que son
58:04más poderosas
58:05y más inteligentes
58:06que nosotros?
58:07si le preguntáramos
58:08a los chimpancés
58:09y a los gorilas
58:10¿qué tal os va
58:11a vosotros?
58:12ellos dirían
58:12es un desastre
58:14para nosotros
58:14que estos humanos
58:15hayan llegado
58:16porque nuestra especie
58:18los gorilas
58:19o los chimpancés
58:20ya no tiene futuro
58:21a menos que los humanos
58:22sean amables con nosotros
58:24y nos pongan
58:25en un zoológico
58:26y eso es todo
58:27creo que no queremos
58:28estar en esa situación
58:29porque no queremos
58:30estar en esa situación
58:31en esa situación
58:33y nos pongan
58:34en esa situación
58:35en esa situación
58:36La Biblia
59:06La Biblia
Recomendada
19:02
|
Próximamente
2:13
44:06
21:15
52:21
51:45
48:09
51:57
42:42
48:12
43:58
43:58
24:01
29:46