Etiqueta: blog

  • La realización en el trabajo: Del mamut a chatGPT

    Los seres humanos buscamos, por una especie de ley innata, sentirnos realizados con lo que hacemos. Desde cazar un mamut y alimentar a la tribu hasta conseguir un ascenso en nuestro puesto soñado. Poseemos un poderoso sistema de recompensas que nos empuja a ir más allá, a contribuir, a encontrar propósito.

    Sin embargo, esa parte espiritual de sentido, acción y labor cumplida se ha trastocado con el tiempo. ¿Por qué ahora es tan importante definirnos por lo que conseguimos en nuestro tiempo libre? ¿Por qué la superación personal y prepararse maratones se ha puesto tan de moda? ¿Los trabajos actuales nos privan de esa realización y la buscamos fuera? ¿El trabajo sigue aportando los mismos alicientes pero ya no son suficientes?

    Cabe preguntarse cómo se sentiría un cazador al traer a su poblado una buena presa, la satisfacción que generaba al artesano entregar su obra finalizada tras semanas de minucioso trabajo. ¿Terminaban la semana deseando llegar al viernes para desconectar? ¿Pensaban a mitad de su jornada en la 10k nocturna que tenían que prepararse?

    Quizás si y la reflexión acabaría aquí, pero asumamos que no y continuemos 🙂

    Del mamut al supermercado, del taller a la cadena.

    La experiencia del trabajo ha cambiado radicalmente. En sociedades preindustriales el oficio era una extensión de la identidad, con una conexión entre el artesano y el producto, la caza y el valor para la tribu. Tenemos apellidos como «Herrero», «Guerrero», «Carretero», ¿hoy aceptaríamos llamarnos «María Project Manager García» o «Juan Técnico Contable Martínez»?

    La especialización extrema y producción en masa que trajo la revolución industrial despersonalizó la labor. El diseñador de calzado no pega la suela, el que la pega no cose, y el que cose ignora el origen del material.

    Hoy, el cazador vende la presa a una empresa que la filetea, otra empresa la envasa, otra la vende en bandejas en un supermercado y la cajera la pasa por el láser que suma el precio a la cuenta total, sin saber de donde viene lo que vende, sin ni siquiera mirar ni al producto ni al cliente, ¿quiere bolsa?

    ¿La fragmentación de la cadena ha diluido el sentido de la labor cumplida? ¿Nos deja con cierto vacío personal?

    La era digital, la prisa y el vacío de los domingos por la tarde.

    La modernidad ha acelerado esta desconexión. Aunque probablemente estemos viviendo en la mejor época en lo que a condiciones laborales, de libertad y derechos se refiere, es fácil pensar en que el atareado, magullado y cansado leñador se sentía más satisfecho al dejar el hacha que nosotros apagando el ordenador.

    ¿Por qué hay personas que viven para el fin de semana? Esperan que la semana laboral llegue a su fin, buscan la realización o el entretenimiento a partir del viernes por la tarde, pero el domingo una extraña sensación de desasosiego acecha, y el lunes el despertador recuerda que el ciclo debe continuar.

    ¿Se busca en el ocio lo que el trabajo ya no provee? ¿o nuestro sistema de recompensas se ha atrofiado tanto que el trabajo ya no es suficiente?

    El impacto de la IA.

    Y ahora entremos a la inteligencia artificial… Su impacto en la naturaleza del trabajo es profundo y ya lo estamos empezando a ver. Antes automatizaba tareas rutinarias, gestionaba gran cantidad de datos en un visto y no visto, pero ahora esta asumiendo funciones más complejas planteando lo siguiente: ¿nos empuja la IA hacia la irrelevancia?

    No quiero entrar en el problema del desempleo y cómo se subsidiará a los afectados. Aquí no importa el dinero, importa el significado.

    ¿Puede ser la IA una herramienta para eliminar el trabajo repetitivo y sin sentido que trajo la revolución industrial y volver a esa «artesanía»? En la mayoría de los trabajos hay tareas repetitivas y tediosas.

    Si eliminamos la dura preparación, la repetición y paciencia de afilar la lanza y las heridas y sudores vertidas en la persecución ¿sería igual de gratificante la caza?

    Las frases «la IA aumentará las capacidades de cada trabajador», «la IA destruirá puestos de trabajo, pero generará muchos más», ¿son ciertas o es otra trampa?

    Más allá de la máquina, el propósito humano.

    Imagina que cada una de las tareas que haces actualmente en tu trabajo las hiciera una máquina. Piensa en las más sencillas de automatizar y luego ve pasando a las que necesitan algo de espontaneidad, trato personal, opinión crítica.

    En este futuro conservas el trabajo, pero es testimonial, todo lo hace una IA o dos. Eres un desempleado que va a un sitio a comprobar que una máquina hace bien el trabajo que antes hacías tu. La mayoría de las personas están igual o se emplean en trabajos manuales que no renta automatizar. El resto tiene una paga porque nadie sabe qué hacer con ellos.

    El dinero no es problema. Te levantas por la mañana y las tostadas están hechas. Un algoritmo enciende la televisión antes de que te de tiempo a coger el mando, sintonizando tu canal favorito. Miras tu móvil en busca de inspiración y todas las historias se parecen, sin chispa, escritas con IA. Tu pareja busca un destino para el verano «Recomiéndame los sitios más sorprendentes para visitar en junio», los destinos no sorprenden.

    Sitúate en ese escenario, visualízate en él y pregúntate: ¿Qué estas haciendo? ¿Sigues pudiendo aportar valor? y si no es así ¿dónde podrías dar lo que eres? ¿dónde podrías experimentar la sonrisa del cazador volviendo al poblado? y la pregunta final… ¿Necesitarías prepararte un ironman?


    Nota: Éste articulo fue escrito con ayuda de una IA para clarificarme, hacerme preguntas más agudas y auto-explorar la idea que tenía en la cabeza. Cuando le pregunté cuándo sería mejor publicarlo en linkedin me respondió: «Para publicar un articulo en linkedIn, yo me inclinaría por un martes o miércoles a media mañana (9:00 – 11:00 AM CEST). Es un buen equilibrio para captar tanto a los profesionales en su día a día como a los curiosos en una pausa». Hoy es sábado.

  • Los 3 tipos de inteligencia artificial en el Rey León 🦁🤖

    Los 3 tipos de inteligencia artificial en el Rey León 🦁🤖

    El Rey León nos cuenta la historia de Simba, un joven león que está destinado a ser rey. Todos conocemos la historia o hemos visto la película alguna vez. Pues bien, cuando alguien de mi entorno me pregunta cómo aprenden las máquinas intento usar esta película para explicarlo.

    ¿Y qué tiene que ver el rey león con la inteligencia artificial? Pues, en mi cabeza, mucho y en este post os lo cuento.

    Antes de nada, “Inteligencia artificial” es un término un poco vago y más marketiniano que real. Cuando decimos inteligencia artificial nos referimos, entre otras cosas, al aprendizaje automático. Un conjunto de técnicas que nos permiten hacer que un programa aprenda lo que hacer sólo en base a datos, sin que nadie le diga específicamente cómo hacerlo, es decir, en base a la experiencia.

    Actualmente hay tres maneras de que las máquinas aprendan, tres tipos de aprendizaje bien diferenciados. El primero de ellos se llama aprendizaje supervisado y … ahora volvemos a Simba!

    Aprendizaje supervisado

    Simba nace, es pequeñito y necesita de la supervisión de su padre. Él le da lecciones para que Simba se convierta en un gran rey y este sería un buen ejemplo de aprendizaje supervisado.

    En este tipo de aprendizaje se tienen unas variables de entrada (datos que el algoritmo observa) y una variable objetivo (datos que tiene que calcular). A base de muchos ejemplos y sobretodo de prueba y error (e iterar un montón de veces), logramos que el programa aprenda lo que hacer.

    En el caso de un algoritmo las variables de entrada podrían ser texto, imágenes, audio; y la variable objetivo podría ser el mismo texto pero en otro idioma, detectar objetos en la imagen introducida o saber qué canción se está reproduciendo en el caso de audio.

    En el caso de Simba las variables de entrada serían todo lo que le rodea, lo que ve, lo que escucha, lo que siente; y la variable objetivo sería convertirse en un buen rey. Con todo lo que está observando y sintiendo, ¿qué tiene que hacer para parecerse a su padre?

    Cuando Simba se desvía de su camino para convertirse en un buen rey, su padre le corrige!

    Simba, después de la traición de Scar a Mufasa, se queda sin su padre… Se queda sin ese supervisor que le ayudaba a aprender a ser un buen rey y huye. Huye de todo lo que conoce y solo, en el desierto, deshidratado… se encuentra con Timón y Pumba.

    Aprendizaje NO supervisado

    Ahora, para aprender, solo tiene a Timón y Pumba, y estos no son buenos supervisores que digamos. Su lema en la vida es Hakuna Matata, vive y deja vivir.

    Al principio dudaba de que Simba simplemente no sustituyese a Mufasa por Timón y Pumba como supervisores pero en serio… ellos no le supervisan.

    Simba crece y va aprendiendo sin supervisión, no tiene ningún objetivo, simplemente observa su entorno y trata de interpretarlo como buenamente puede. 

    En la escena de las estrellas se ilustra muy bien lo que quiero decir. Simba, Timón y Pumba están tumbados mirando las estrellas y empiezan a interpretar lo que son, cada uno de forma distinta.

    Timón dice que son luciérnagas que se han quedado pegadas en la cúpula celeste. Pumba cree que son bolas de gas en eterna combustión a millones de kilómetros de distancia (muy accurate para un jabalí) y Simba opina que son grandes reyes del pasado.

    Aunque los tres interpretan las estrellas de una manera, lo cierto es que los tres pueden distinguir cuando una estrella está más cerca que otra en el cielo, cuando una es más brillante que otra, grupos de estrellas, constelaciones, etc.

    ¿En la vida real esto en que traduce? podemos poner el ejemplo de Youtube. 

    Cuando el famoso algoritmo de Youtube observa que estás mirando un cierto video, para él eres una estrella, un punto. Un punto junto a millones de puntos más y dependiendo de lo cerca que estés de los otros puntos pueden mostrarte anuncios personalizados o recomendarte contenido que quizás te interese, ¿por qué? porque a las “estrellas” de tu alrededor también les ha gustado.

    Aprendizaje reforzado

    En esta etapa aparece Nala, la amiga de la infancia de Simba, y le devuelve la inquietud por ser rey, por recuperar lo que era suyo y por supuesto, también está el amor, reproducirse y esas cosas. 

    Nala cree que Simba quiere luchar por el trono de su padre y a él le da un poco igual. Nala le sermonea, discuten y lo deja tirado (castigo) aquí Simba ya sospecha que si quiere seguir retozando con Nala (recompensa) tiene que recuperar el trono.

    Empezamos a ver lo que caracteriza al aprendizaje reforzado: el castigo y la recompensa. ¡La escena de Rafiki golpeandole la cabeza escenifica muy bien este tipo de aprendizaje!

    En este momento Simba no tiene un objetivo, simplemente sabe que no quiere que le golpeen y ni le den sermones (castigos), que quiere ser respetado y volver a ver a su familia (recompensas).

    No hay un objetivo claro pero parece que va a tener que volver a casa. No tiene a nadie que lo supervise, simplemente tiene incentivos, castigos y recompensas.

    Viene la batalla contra Scar y, en medio de la batalla, tenemos otro ejemplo de aprendizaje reforzado. Simba se compadece de Scar (acción) y Scar lo golpea desprevenido (castigo), Simba vuelve a la pelea pero esta vez sin dejarse engañar (acción) y vence a Scar (recompensa).

    En la vida real los ejemplos más característicos del aprendizaje por refuerzo son basados en juegos. AlphaGo es una IA que venció al mejor jugador del mundo de Go, AlphaStar lo mismo pero en el videojuego StarCraft, y así con muchos ejemplos más.

    Conclusión

    Después de años de reinado de Scar donde la sequía y el hambre abundaba, la pelicula termina con Simba coronado y con los guionistas haciendo que vuelva a llover, que se llenen los rios, crezcan las plantas y la vida vuelva al reino; muy oportuno.

    ¡Sé que hay cosas en esta explicación cogidas con pinzas, pero creo que es una forma divertida de explicar lo que hacemos sin palabras raras ni tanta pomposidad!

  • Radioactividad, marketing e inteligencia artificial

    Radioactividad, marketing e inteligencia artificial

    A partir de la década de 1910, el radio era más que una panacea médica. Agregar radio a cualquier cosa de alguna manera lo hacía mejor. El elemento químico se utilizó en productos para el hogar, lápices labiales, chocolate (en Alemania), tónicos y relojes.

    El radio se convirtió rápidamente en una verdadera fuerza de marketing. Los productos que no tenían nada que ver con el radio llevaban el nombre del metal para agregar atractivo.

    Ha pasado más de un siglo desde entonces y desde hace algunos años asistimos a un fenómeno muy parecido al del radio, la inteligencia artificial.

    A diferencia del radio, la inteligencia artificial no produce enfermedades cuando se utiliza mal. Pero salvo por este detalle, su estado actual se parece mucho al del radio en los inicios del siglo XX.

    La IA se ha convertido en una de las principales tendencias dentro del mundo tecnológico. Se han invertido en este campo miles de millones y debido a ello han surgido infinidad de nuevas empresas alrededor del mundo para crear aplicaciones utilizando IA.

    Se ha dado tanto bombo a la IA que cualquier empresa que no anuncie que usa IA en sus procesos parece cavernaria y dedicada al arte rupestre. Pero, ¿qué sucede cuando se da más énfasis a la herramienta que al producto, al medio que al fin?

    La industria de la IA está rota. Obviamente hay claros ejemplos de uso excelentes de esta tecnología, pero cada vez es más difícil diferenciarlos de los que solo giran en el bombo publicitario.

    Algunos de estos ejemplos son de sobra conocidos. Facebook y Google han utilizado IA durante años para mostrar los anuncios óptimos aprovechando los datos que extraen de cada usuario. Spotify y Netflix la usan para recomendar contenido a cada cliente según sus preferencias. En el ámbito médico cada vez hay más avances para la ayuda al diagnóstico, etc, etc, etc.

    Hay cientos de ejemplos más y, como se puede ver, la IA puede ofrecer un valor real cuando se aplica correctamente, sin embargo, estamos empezando a ver un escenario en que prácticamente todas las empresas están integrando IA solo por el hecho de decir que la utilizan y obtener así ventaja competitiva. ¡Hasta anuncian cepillos de dientes con IA!

    Con tanto dinero en juego, tanto en financiación privada como en ayudas públicas, la industria ha perdido el rumbo. Aprovecharse de la imagen hollywoodiense que tiene el cliente de la IA sólo genera expectativas y expectativas que al final no se cumplen.

    En esto hemos participado todos los que nos dedicamos a esto. De manera bien o mal intencionada se ha conseguido un hype que no se corresponde con la realidad y ahora es trabajo de todos desmitificarla.

    La IA llegó para quedarse y, como el radio, depende de dónde y cómo se utilice puede ser muy beneficioso o muy perjudicial. Guardando las distancias, por supuesto, de momento la IA no ha matado a nadie por ponerla en un cepillo de dientes.

  • ¿Desaparecerán los científicos de datos?

    ¿Desaparecerán los científicos de datos?

    Durante la aparición de la hoja de cálculo, los especialistas en Excel eran muy codiciados. Cualquiera que tuviera esos conocimientos podía trabajar en cualquier industria y eso llamó a muchas personas a formarse y a dedicarse completamente a ello. Hoy en día, el dominio de dicho paquete de Microsoft Office se da por supuesto.

    A medida que los avances en IA progresan, la accesibilidad a la ciencia de datos se ha democratizado cada vez más. Por lo que cabe preguntarse, ¿desaparecerán los científicos de datos?

    El campo de los datos

    La ciencia de datos tiene la curiosa distinción de ser uno de los pocos campos de estudio que deja a quien se dedica a ella sin un dominio específico. 

    Los estudiantes de derecho se convierten en abogados, los de medicina en médicos y los de magisterio en maestros. Un estudiante de ciencia de datos debe convertirse, por lo tanto, en científico de datos. Pero ¿científico de datos de qué?

    El mundo de los datos es tan amplio que, para aquellos que quieran dedicarse a esto, es un arma de doble filo. Por un lado, puedes trabajar en cualquier industria en la que se generen y capturen datos. Por otro lado, la aplicabilidad general de estas herramientas significa que rara vez los científicos de datos somos del todo conscientes del dominio de dichas industrias.

    Un poco de historia y de experiencia

    Este problema era insignificante durante el auge de la ciencia de datos, las empresas impulsaron este campo sin entender del todo qué era y cómo podría integrarse plenamente en su negocio.

    Como aún no había suficientes científicos de datos, dichas empresas tenían que contratar los servicios de unas pocas consultoras que sí que habían sido capaces de detectar y contratar ese talento. 

    Los que hemos trabajado en consultoría sabemos de sobra la gran variedad de dominios de los diferentes clientes. Esos cambios de sector cada pocos meses son apasionantes porque te permiten conocer nuevos campos de investigación, pero el problema es que rara vez puedes profundizar.

    Ahora el tema está más evolucionado, la mayoría de esos antiguos clientes se han esforzado por alcanzar una madurez en la materia, sin delegar sus valiosos datos a terceros, creando sus propios equipos. 

    En mi última empresa, por poner un ejemplo, ya no sólo me servía ir con mi cajita de herramientas de Python y R para solucionar un determinado problema. También tuve que empaparme de todo el conocimiento del sector, rodeándome siempre de expertos en la materia, para diseñar toda la estrategia de extracción de valor de los datos entendiendo de una manera profunda el negocio y sus procesos. 

    Respondiendo a la pregunta

    El mercado está revelando que lo importante no es sólo que sepas de procesado, extracción o algoritmos; lo importante es utilizar esas herramientas junto con un profundo conocimiento del dominio en el que se aplican. Cuanto más profundo ese conocimiento, más valor podrás aportar.

    También hay que añadir que está creciendo la popularidad de herramientas que permiten extraer valor a los datos y entrenar algoritmos con un mínimo conocimiento de programación y estadística (como autoML, Data Robot, Rapid Miner, etc.). Quizás esto sea un indicador clave para responder a la pregunta de si la profesión «científico de datos» desaparecerá.

    En el futuro habrá que preguntarse qué es más sencillo, ¿enseñar a alguien que conoce un negocio profundamente ciencia de datos?¿o enseñar a un científico de datos profundamente un negocio?

  • La advertencia de Hans

    La advertencia de Hans

    A principios del siglo XX, un caballo alemán era la sensación de Europa. No por su fuerza, velocidad, tamaño o color … era famoso por su inteligencia.

    El inteligente Hans, como se le conocía, era capaz de resolver todo tipo de operaciones que antes estaban limitadas a los humanos. Podía sumar y restar números, decir la hora y leer un calendario, incluso deletrear palabras y frases, todo ello resuelto a golpe de pezuña. 

    “Si el octavo día del mes cae en martes, ¿cuál es la fecha del viernes siguiente?”. “A” era un golpe; “B”, dos; 2+3, cinco. Era un fenómeno internacional que demostraba que se podía enseñar a los animales a razonar tan bien como a los humanos, ¿o no?. El tema generaba tanto interés que se formó una comisión para investigarlo profundamente.

    Los investigadores descubrieron, después de varias y exhaustivas pruebas, que el caballo había aprendido a dar la respuesta correcta observando los cambios en la postura, respiración y las expresiones faciales de su dueño. Los cambios eran casi imperceptibles, muy sutiles, pero el caballo los captaba e interpretaba que tenía que dejar de golpear el suelo.

    ¿Se puede decir entonces que el caballo no era inteligente? Bueno… sí y no, el pobre Hans simplemente daba la respuesta correcta en base a otras variables.

    Esta historia es una advertencia para los que desarrollamos “inteligencia artificial”. Tenemos que comprender cómo nuestro modelo está dando los resultados y qué variables considera importantes. Si nos centramos únicamente en los resultados, nunca sabremos si es “inteligente” o ha encontrado otra forma de ganarse el azucarillo.

  • Hola mundo!

    Hola mundo!

    Ya que esta página la abro con el afán por compartir mis conocimientos y mis pensamientos sobre la inteligencia artificial y como para desarrollar inteligencia artificial se necesitan por ahora humanos que sepan programar… quería comenzar con la historia de mi primer “Hola mundo” y de cómo comencé a programar. 

    Hace tiempo me impresionaba cómo los programadores podían aprender nuevos lenguajes sin ni siquiera pestañear. Veía a mis compañeros de universidad más capaces como un políglota pasar del inglés al francés y al portugués, me asombraba.

    Creía que eran aliens, personas que siempre me habían parecido de otro mundo, pensaba que tenían un talento natural y que yo jamás podría conseguir algo similar. Hasta que empecé a programar. Hasta que empecé a comprender.

    Cuando te das cuenta de que nadie nace sabiendo programar, también caes en la cuenta de que nadie tiene ese don de nacimiento. Al fin y al cabo, todo se reduce a cómo aprendes y si tu estilo de aprendizaje es efectivo o no.

    También se trata de comprender los fundamentos, pero a tu manera!.

    Una vez aprendes a programar en un lenguaje, prácticamente puedes pasarte de uno a otro lenguaje con facilidad. La sintaxis es diferente, la estructura también, pero los fundamentos se conservan. Al igual que los signos de puntuación en la estructura de las frases, el uso de sustantivos, pronombres y verbos se utiliza en todas las lenguas. En los lenguajes de programación un ejemplo podrían ser las listas, las sentencias if/else, los bucles, los tipos de datos, etc.

    💡 Recuerda: La lógica y los fundamentos de programación se aplican a todos los lenguajes.

    Por tanto, una vez que entiendas cómo utilizar todos los conceptos y estés familiarizado con su funcionamiento solo te tendrá que preocupar la sintaxis, la estructura y las convenciones que rodean cada uno de ellos.

    Mi primer hola mundo

    La historia de mi primer “Hola mundo” es algo triste. En un lugar de Valencia de cuyo nombre no quiero acordarme se dijo lo siguiente: tu primer programa tiene que sacar por pantalla “Hola mundo”.

    Aunque eso está genial y te ayuda a ver algo cuando le das al enter, ¿Cuándo se convirtió “Hola mundo” en la primera aplicación más significativa de un nuevo lenguaje de programación?¿Por qué no desarrollar algo un poco más complicado pero más desafiante y motivador?

    Después del primer “hola mundo” la profesora, clase tras clase, nos enseñaba la teoría de ese lenguaje en concreto (en mi caso C) y tras cada clase teórica debíamos hacer unas cuantas líneas de código reproduciendo lo que ella nos había enseñado. 

    No me compila. Te falta un punto y coma. No me compila. No has cerrado llaves.

    Cualquier alumno del mundo y su profesor de informática.

    Programar, en muchos sentidos, es como escribir. El problema que tiene la gente con la escritura es que hay veces que se obsesiona tanto con la perfección que no consigue plasmar  muchas palabras o ideas en la página.

    Mi primer “hola mundo” fué un fracaso y no lo recuerdo muy bien. Pero sí recuerdo bien el día que nos propusieron hacer un programa de temática libre y un compañero y yo optamos por hacer un juego de “hundir la flota”.

    El primer jugador escribía las casillas en las que estarían sus barcos, posteriormente el segundo jugador haría lo mismo sin que el primero le viese. Y por turnos se jugaba para intentar adivinar dónde había puesto el enemigo los barcos. Si fallabas el programa exclamaba “AGUA!!”💦 y si acertabas “BOOM!!”💥.

    Hacer esa estupidez de juego me enseñó más fundamentos de programación que todos los suspensos anteriores.

    No entiendo por qué el mundo está obsesionado con escribir un código perfecto desde el principio. Claro, escribir un código más limpio y eficiente es definitivamente algo por lo que esforzarse, pero a veces es una trampa.

    ¿Cómo aprender a programar?

    Si quieres aprender un lenguaje de programación busca una idea motivadora, comprende los fundamentos y pelea hasta que salga. Si es suficientemente motivadora, no bajarás los brazos.