Nota del editor: este artículo se publicó originalmente en Número de febrero de la revista Florida Trend.
La IA no puede reemplazar a los humanos, pero la tecnología se está abriendo camino en más y más sectores comerciales.
En una entrevista frecuentemente citada con la revista Life en 1970, Marvin Minsky, un investigador del MIT y pionero en inteligencia artificial, predijo que a los científicos les faltaban entre tres y ocho años para crear una máquina tan inteligente como el humano promedio. Una máquina así «sería capaz de leer a Shakespeare, engrasar un coche, jugar a la política de oficina, contar un chiste, tener una pelea», dijo Minksy, y aprendería a una «velocidad fantástica» que alcanzaría el nivel de genio en apenas Unos pocos meses.
Cincuenta años después, la visión de Minksy de una máquina a la par del cerebro humano aún no se ha hecho realidad, pero las herramientas de inteligencia artificial populares, como el motor de búsqueda de Google y Siri de Apple, se han convertido en parte de la vida cotidiana, y las máquinas están aprendiendo a dominar una variedad de tareas complejas, desde operar autos sin conductor hasta detectar tumores y monitorear cultivos.
«Ya no es, ‘¿va a funcionar la inteligencia artificial?’ Sí funciona, y hay numerosas aplicaciones que existen (imágenes médicas, detección de fraude crediticio, selección de películas) que utilizan sofisticados algoritmos de inteligencia artificial para mejorar los negocios», dice Jeff McFadden, director de tecnología de Xonar Technology, una empresa con sede en Largo que diseñó un sistema de vigilancia de seguridad habilitado por IA para detectar armas. «Realmente ha salido de esa área de investigación y se ha trasladado a un conjunto de tecnología comercialmente viable».
Los avances han sido posibles gracias a los potentes motores de procesamiento informático y los avances en las técnicas de aprendizaje automático. Las computadoras con suficiente potencia pueden procesar grandes conjuntos de datos y usar una serie de algoritmos para extraer patrones y obtener conocimientos de esa información. En los sistemas de recomendación de IA, como el empleado por Netflix, el algoritmo analiza el historial de visualización de un individuo, considera las preferencias de otros miembros con gustos similares y evalúa otra información para generar una sugerencia de visualización. Un algoritmo en un servicio inteligente de detección de fraudes con tarjetas de crédito, por otro lado, marca las compras sospechosas al buscar valores atípicos o anomalías que se aparten del comportamiento de compra normal del consumidor.
El Xonar de McFadden utiliza un algoritmo para detectar armas ocultas basándose en su firma de radar de banda ultra ancha. El sistema transmite un pulso electromagnético hacia una persona mientras lo atraviesa. El pulso vuelve a un receptor. Esa onda reflejada es luego analizada por el algoritmo de la máquina para ver si coincide con la forma, densidad y otras características de varias armas en su biblioteca de aprendizaje. Es más exigente que las tecnologías tradicionales, que se basan principalmente en la detección de metales, y Xonar puede diferenciar entre un cuchillo o una pistola y otros elementos metálicos inofensivos, como llaves o clips para billetes, lo que genera menos «falsos positivos». También es menos molesto. McFadden dice que los amigos que pasaron por el sistema instalado en las entradas de Ruth Eckerd Hall en Clearwater ni siquiera se dieron cuenta de que estaba allí.
Inspirados en las redes neuronales del cerebro, estos sistemas de «aprendizaje profundo» pueden recordar y desarrollar patrones de observación que encuentran en los datos. En esencia, se vuelven más inteligentes con el tiempo, pero es vital controlar qué datos reciben los sistemas. “La gran IA en general, específicamente el aprendizaje profundo, aprende todo. Aprende lo que quieres que aprenda, pero aprende lo que no quieres que aprenda ”, advierte McFadden.
En algunos casos, la IA puede superar a sus homólogos humanos. Un estudio reciente en la revista Nature encontró que un sistema de inteligencia artificial de Google hizo un mejor trabajo en la predicción del cáncer de mama a partir de mamografías que los radiólogos. Y un nuevo software de inteligencia artificial diseñado por la compañía británica DeepMind ha creado un sistema de algoritmos llamado AlphaFold que puede predecir de manera rápida y confiable la forma tridimensional de las proteínas, una tarea que generalmente lleva meses o años. Se espera que el avance acelere y reduzca los costos del desarrollo farmacéutico.
A continuación, se ofrece una mirada más cercana a lo que las empresas e investigadores de Florida están haciendo con la tecnología de inteligencia artificial y por qué los expertos dicen que nunca reemplazará por completo a los humanos.
Brechas en Groves
Diseñador: Yiannis Ampatzidis (Inteligencia agrícola derivada de UF)
Producto: Agroview, mostrador de cítricos
La tecnología UF está ayudando a los productores de naranjas a contar sus árboles y optimizar su crecimiento.
Los naranjos eran más fáciles de contar antes de que llegara el enverdecimiento de los cítricos. Los campos eran relativamente uniformes entonces, y los agricultores que habían plantado 160 árboles por acre en 10 acres sabían con razonable certeza que tenían alrededor de 1,600 árboles. Pero cuando el enverdecimiento se extendió por Florida hace aproximadamente una década, las arboledas se llenaron de huecos donde antes había árboles muertos y enfermos. Para obtener un recuento exacto, los productores tuvieron que contratar trabajadores para que recorrieran sus arboledas, contando cada árbol, uno por uno, con un clicker.
“Consumía mucho tiempo y era muy caro”, dice Yiannis Ampatzidis, científico de la Universidad de Florida estacionado en Immokalee. Para abordar el problema, Ampatzidis y su equipo de investigación desarrollaron un sistema llamado Agroview que utiliza imágenes especiales tomadas desde drones y el suelo para contar los árboles y evaluar sus condiciones. El método no es perfecto, pero está cerca. Contabilizó 175,977 árboles de cítricos en una granja del condado de Hendry con una precisión cercana al 98%. También es rápido, tarda aproximadamente un 10% en un recuento manual.
Los productores de Florida aprovecharon la tecnología después del huracán Irma, cuando el Departamento de Agricultura de EE. UU. Comenzó a exigirles que presentaran inventarios de árboles precisos para mantener la cobertura del seguro. Otros han utilizado Agroview para señalar los huecos en las arboledas para poder replantar donde alguna vez estuvieron los árboles muertos. Los productores también pueden utilizar la tecnología para detectar enfermedades y optimizar la salud de las plantas.
Agroview combina imágenes multiespectrales y análisis de hojas. Los drones llevan cámaras especiales que capturan datos de imágenes de los árboles en una amplia porción del espectro electromagnético, incluidas las longitudes de onda invisibles para el ojo. Los datos de esas imágenes se introducen en el software de inteligencia artificial de Agroview, donde se cotejan con los datos de las hojas que se han analizado en laboratorios para identificar plantas con deficiencias de nutrientes, enfermedades u otros tipos de estrés. Armados con esa información, los productores pueden ajustar su aplicación de fertilizantes, pesticidas y otros insumos. Si el sistema indica niveles bajos de nitrógeno o fósforo, por ejemplo, el productor puede aumentar su aplicación de esos nutrientes en las áreas afectadas. Si los niveles de nutrientes son altos, el cultivador puede aliviarlos. Si se detecta una enfermedad, el productor puede aplicar un tratamiento temprano, antes de que se extienda por todo el cultivo.
Los agricultores pueden comprar Agroview a través de una empresa derivada de UF llamada Agriculture Intelligence. La empresa también colaborará con los operadores de drones si los productores no tienen su propio dron para recopilar los datos. “En este momento, estamos trabajando principalmente con cítricos, pero el tomate y otros cultivos, otros perfiles, llegarán pronto”, dice Ampatzidis.
Los investigadores de la UF también están colaborando con una empresa de equipos agrícolas en Clewiston llamada Chemical Containers para desarrollar un «rociador inteligente» que utiliza IA y «fusión de sensores» para la aplicación precisa de insecticidas y herbicidas. «Si tiene un rociador tradicional, rociará en todas partes con la misma cantidad, pero eso no tiene sentido», dice Ampatzidis. “Si tienes un árbol grande, necesitas rociar más químicos, pero si es pequeño, la mitad del tamaño, en teoría necesitas la mitad. Si hay un hueco, no rocías en absoluto «.
Dali, resucitado
Diseñador: Goodby Silverstein & Partners
Producto: Dali Lives, una recreación del artista
Salvador Dali, el pintor surrealista español, murió en 1989 a los 84 años. Pero los visitantes del Museo Dalí en San Petersburgo pueden interactuar con una versión realista del artista que ha sido recreada usando inteligencia artificial. Presentado en 2019 en lo que habría sido el cumpleaños número 115 de Dali, Dali Lives se creó utilizando inteligencia artificial y una técnica de movimiento de rostros conocida como deep-fake. Utilizando material de archivo de entrevistas y otros materiales históricos, un algoritmo de inteligencia artificial diseñado por Goodby Silverstein & Partners, con sede en San Francisco, pudo dominar los gestos de Dalí.
Después de 1,000 horas de aprendizaje automático, la herramienta de inteligencia artificial generó una imagen del rostro de Dali que se superpuso sobre el cuerpo de un actor y se sincronizó con una voz impresionista para crear una réplica digital hablada del extravagante artista. La exhibición resultante incluye 125 videos interactivos, con 190,512 combinaciones posibles dependiendo de la respuesta del usuario, lo que significa que no es probable que dos visitantes tengan exactamente la misma experiencia. Los visitantes del museo disfrutan de una selfie tomada por el Dalí digital que pueden recibir a través de un mensaje de texto antes de salir del museo.
Super sociedad
Diseñador: Nvidia / Universidad de Florida
Producto: Actualización del superordenador HiPerGator
Nvidia y UF se han asociado para crear «la supercomputadora de inteligencia artificial más poderosa de la educación superior» (renderizado). Todas las facultades de la universidad están creando cursos de IA relacionados con su área de especialización.
Después de graduarse de la Universidad de Florida en 1980 con su título de ingeniero, Chris Malachowsky consiguió su primer trabajo en Hewlett-Packard en California, donde diseñó una unidad central de procesamiento o chip de CPU. Aprovechó esa experiencia en su segundo trabajo en Sun Microsystems, donde trabajó en gráficos por computadora hasta 1993, cuando él y algunos colegas decidieron comenzar su propia empresa, Nvidia.
En los años transcurridos desde entonces, Nvidia ha transformado la computación visual y ha llegado a dominar el panorama de la inteligencia artificial con su tecnología de unidad de procesamiento de gráficos o GPU. Ahora, la compañía de Silicon Valley se ha asociado con la Universidad de Florida para suministrar una supercomputadora de IA que funciona con el sistema HiPerGator existente de UF para crear «la supercomputadora de IA más poderosa de la educación superior», que será capaz de entregar 700 petaflops de rendimiento de IA, o 1 billones de operaciones por segundo.
La asociación público-privada se basa en una donación de $ 60 millones, incluidos $ 25 millones de Malachowsky y $ 25 millones en tecnología, capacitación y servicios de Nvidia. UF aportará $ 20 millones. La escuela también se ha comprometido a contratar a 100 miembros de la facultad enfocados en la IA y planea incorporar la IA de manera amplia en su plan de estudios.
Si bien la escuela ya ofrece cursos de aprendizaje automático y ética de la IA, cada facultad de la universidad está creando cursos de IA relacionados con su área de especialización. La Facultad de Negocios de la UF, por ejemplo, está trabajando en un curso de IA que se centrará en la IA en tecnologías financieras. «Queremos hacer posible que todos los estudiantes que se gradúen de la Universidad de Florida y que deseen aprender sobre la IA tengan la oportunidad de familiarizarse con ella, volverse competentes o convertirse en expertos en ella», dice Joe. Glover, rector de la UF y vicepresidente senior de asuntos académicos.
Glover dice que cualquiera en el Sistema Universitario Estatal podrá usar su nueva supercomputadora con fines educativos para enseñar a los estudiantes sobre el aprendizaje automático y la inteligencia artificial. Los investigadores de todas las escuelas del Sistema Universitario Estatal tendrán acceso a la nueva supercomputadora con fines educativos sin cargo para enseñar a los estudiantes sobre el aprendizaje automático y la inteligencia artificial. UF también brindará apoyo y capacitación limitados para el uso de sus recursos informáticos.
La asociación llega en un momento crítico, cuando el gobierno federal advierte que Estados Unidos se está quedando atrás en la producción de trabajadores capacitados en IA. “Creemos que tenemos un enfoque único aquí para ayudar a resolver ese problema. Tenemos la intención de crear la próxima generación de fuerza laboral habilitada para la inteligencia artificial a gran escala, graduando de 5,000 a 10,000 personas que se incorporarán a la economía y llevarán esas habilidades con ellos a cualquiera que sea su ocupación elegida ”, dice Glover.
COVID, cáncer y gatos
Diseñador: Ulas Bagci
Producto: Software de salud predictiva
Ulas Bagci, profesor asistente en el departamento de informática de la Universidad de Florida Central, ha estado trabajando con un equipo internacional de investigadores para desarrollar herramientas de inteligencia artificial que ayuden a médicos y enfermeras de todo el mundo a gestionar pacientes con COVID-19.
Utilizando imágenes de tomografías computarizadas de tórax, su algoritmo puede predecir qué pacientes tienen COVID-19 y la gravedad de la infección, lo que ayuda a los proveedores de atención médica a identificar qué pacientes necesitan ir a la UCI, cuáles probablemente necesitarán cuidados intensivos o morir y cuáles pueden volver a casa basándose en la inflamación que detecta en los pulmones.
La tecnología de IA ha demostrado ser especialmente útil en países como Italia, Japón, China y EE. UU. “Los hospitales están llenos de pacientes con COVID. Necesitan gestionarlos de la manera óptima ”, dice Bagci.
Bagci ha desarrollado algoritmos predictivos similares para diagnosticar cáncer de pulmón y cáncer de páncreas a partir de tomografías computarizadas e imágenes de resonancia magnética. Dice que los algoritmos pueden lograr en segundos lo que los radiólogos “tardan años en hacer”. Pero dice que las herramientas de inteligencia artificial no reemplazan su experiencia, sino más bien una mejora para brindarles apoyo y señalarles el problema. «Un humano siempre debe estar al tanto de una IA confiable», dice.
En el aula, a Bagci le gusta usar el ejemplo del “gato detrás del árbol” para sus alumnos. “Digamos que hay un gato detrás de un árbol y en un lado ves la cabeza y en el otro lado ves la cola. Entiendes, como humano, que solo hay un gato. Pero la inteligencia artificial es demasiado artificial. Permite dos gatos. Dará etiquetas como gato 1, árbol y gato 2 ”, explica. “Con conocimientos de alto nivel, somos mucho mejores que la IA y, para aplicaciones de alto riesgo, ninguno de estos algoritmos de aprendizaje profundo le da una razón. Es bueno. Es realmente útil, pero no reemplazará a los humanos. La verdadera inteligencia no está ahí «.
Monitorización de pacientes impulsada por IA
Diseñador: Chakri Toleti (Care.ai)
Producto: Care.ai, software de monitorización de pacientes
Chakri Toleti, un emprendedor en serie del área de Orlando, se estaba tomando un año sabático «entre empresas» en 2018 cuando se enteró de que su madre de 78 años se había caído en un baño en India. Estuvo varada allí durante casi 30 minutos antes de que un cuidador la encontrara. Se recuperó, pero el incidente motivó a Toleti a crear una empresa llamada Care.ai que fabrica sistemas de monitoreo de pacientes autónomos impulsados por inteligencia artificial para hospitales, hogares de ancianos y otras instalaciones de atención médica.
Toleti dice que el sistema se inspiró en su experiencia en la construcción de sistemas de captura de movimiento en Disney 25 años antes y en tecnología de sensores como la que se usa en automóviles autónomos. Care.ai se basa en herramientas similares, incluidos sensores y una “biblioteca de aprendizaje” de comportamientos y movimientos impulsada por inteligencia artificial, para predecir cuándo un paciente corre el riesgo de caerse o alejarse. Si detecta algo preocupante, alerta a las enfermeras. También puede detectar si los trabajadores se están lavando las manos, entregando medicamentos o viniendo a controlar a los pacientes cuando deberían, creando de hecho una sala de “conciencia de sí mismos”.
Cuando llegó COVID-19 el año pasado, Care. ai modificó su plataforma para detectar a los visitantes del hospital en busca de signos de infección. La herramienta de detección sin contacto, que se utiliza en el Hospital General de Tampa, el Centro Médico de la Universidad Rush en Illinois y otras instalaciones en todo el país, tiene un sensor térmico sin contacto para detectar visitantes febriles, enviando un mensaje al personal si la temperatura de una persona excede 100 grados.
DESARROLLO INMOBILIARIO
Modelado inmobiliario
Diseñador: Olivia Ramos (Deepblocks)
Producto: Deepblocks, software de análisis de propiedades temprano
Al crecer en Cuba, donde vivió hasta los 10 años, Olivia Ramos pasó mucho tiempo en la oficina donde su madre trabajaba como arquitecta. “En ese momento, no tenían computadoras, así que todo era un montón de lápices y reglas, y me enamoré de todos los pequeños artilugios”, recuerda.
Dos décadas después, Ramos está perfeccionando su propio dispositivo: una aplicación de software de alta tecnología llamada Deepblocks que utiliza datos y aprendizaje profundo para agilizar y automatizar el proceso de análisis inicial de propiedades. Los desarrolladores que utilizan el software pueden hacer zoom en una parcela específica, establecer sus parámetros de construcción (pies cuadrados, número de unidades, estacionamiento, etc.) y el programa escupe una imagen 3D del proyecto y un análisis con un rendimiento proyectado. inversión que tiene en cuenta todo, desde la demografía del mercado (como la relación entre el alquiler y los ingresos) hasta las reglas de zonificación local.
«Los datos de zonificación, las reglas de la ciudad, suelen ser archivos PDF de 400 páginas y son muy costosos de revisar y comprender», dice Ramos, quien tiene una maestría en arquitectura de la Universidad de Columbia y una maestría en desarrollo inmobiliario de la Universidad. de Miami. “Desarrollamos modelos que comprenden esos datos y extraen esos datos de esos documentos. Simplemente selecciona un pedazo de tierra y te dice lo que puedes hacer «.
El software puede ahorrar un tiempo considerable en la planificación del desarrollo. Un cliente tardó un año en hacer 21 iteraciones de un paquete en particular que Deepblocks puede ayudar a hacer en unas pocas horas, y los usuarios pueden hacer tantos modelos como quieran, dice Ramos. Actualmente incluye datos de parcelas para más de 1,000 ciudades de EE. UU. Y datos de zonificación para 30 ciudades.
La startup de Miami tiene una plantilla de seis personas, incluido el CEO y fundador Ramos, y ha recaudado $ 2 millones a través de dos rondas de financiación. Está recaudando $ 3 millones en una tercera ronda. Los profesionales de bienes raíces pueden comprar una suscripción a Deepblocks por $ 1,620 al mes o $ 12,600 al año. El software ha experimentado un «gran crecimiento en la adopción» en medio de la pandemia de COVID-19 porque la gente no puede viajar tan fácilmente para visitar mercados potenciales, dice Ramos.
El objetivo es que el software haga sugerencias sobre las oportunidades en el mercado y determine el mayor y mejor uso de cualquier propiedad, dice Ramos. Cuando eso suceda, cree que Deepblocks ayudará a abordar problemas aún mayores, como la falta de viviendas asequibles.
“Es muy, muy difícil hacer que un proyecto de vivienda asequible sea rentable, y requiere mucha ayuda del gobierno, por lo que si usamos las ineficiencias y entendemos qué construir y cómo construir y dónde hacerlo, entonces eso proyecta mucho ahorros en la parte inicial ”, dice ella. «Cada centavo que ahorre en costos de vivienda asequible, hará que ese proyecto sea más probable que se lleve a cabo».
IA legal
Diseñador: Holanda y Knight / Joe Dewey
Producto: Software de borradores de respuestas
Joe Dewey, abogado de servicios financieros y bienes raíces y «socio de innovación» de Holland & Knight, dice que su firma ha construido un sistema de inteligencia artificial que puede generar alrededor de una docena de respuestas preliminares a los alegatos de casos en áreas de práctica de gran volumen. Si bien un humano aún debe firmar la versión final de un documento, el bufete de abogados ha podido reducir entre dos y tres horas el proceso de preparación de un alegato. «Con 50 a 100 casos al mes, eso comienza a sumarse», dice.
Dewey ve cosas más importantes en el horizonte de la inteligencia artificial para el mundo legal, como una herramienta de aprendizaje profundo que podría ayudar a un abogado a redactar una moción basada en decisiones anteriores emitidas por un juez en particular, o un algoritmo que podría sintetizar toda la jurisprudencia existente en un tema y crear un memorando. “Si pudiera obtener algo que pudiera hacer eso con una precisión del 70% al 80%, sería una herramienta muy valiosa”, dice. «La tecnología tendrá que evolucionar, pero creo que esa es la dirección en la que nos dirigimos».
El abogado de Miami se muestra escéptico de que cualquier máquina pueda rivalizar ampliamente con el cerebro humano. “En su mayor parte, los modelos de aprendizaje automático son buenos en una tarea. Es solo un modelo estadístico al final del día, y aplica las estadísticas para hacer una predicción sobre algo ”, dice Dewey. “Son muy poderosos con las tareas para las que están capacitados, pero muy limitados, generalmente a una tarea muy limitada. Más allá de eso, son bastante tontos «.
Automatización
Un número cada vez mayor de empresas está aprovechando la inteligencia artificial para automatizar tareas comerciales más mundanas.
- Los Tampa Bay Rays y Rowdies utilizan un sistema de gestión de contratos de energía de inteligencia artificial llamado IntelAgree, creado por la startup CoLabs con sede en Tampa, para agilizar su proceso de contratación.
- Una empresa de Miami de 4 años llamada Chirrp ha desarrollado una plataforma que aprovecha la tecnología de conversación de IBM Watson para crear chatbots más «similares a los humanos» para las empresas.
- Vinsa, una empresa que surgió de la firma de consultoría de inteligencia artificial Levatas en Palm Beach Gardens, utiliza sus modelos de visión por computadora junto con robots creados por Boston Dynamics para automatizar tareas «intensivas en mano de obra» como leer y monitorear medidores de servicios públicos analógicos en electricidad, sitios de petróleo y gas. Vinsa también ha construido modelos de visión por computadora que pueden ver si los trabajadores en los sitios de construcción usan máscaras y cumplen con otros requisitos de seguridad.
Hitos de IA
- La Facultad de Ingeniería y Ciencias de Florida Atlantic University está implementando programas de grado orientados a la inteligencia artificial, que incluyen una maestría en ciencias con especialización en inteligencia artificial (el primer título de este tipo en Florida), una maestría multidisciplinaria en ciencias en datos y análisis y una titulación conjunta. que canaliza a los estudiantes a una maestría en ciencias en ciencia de datos.
- Investigadores de la Facultad de Ingeniería y Ciencias de la Computación de la FAU obtuvieron recientemente una subvención de $ 2.4 millones por cinco años de la National Science Foundation para capacitar a estudiantes graduados en tecnologías y aplicaciones de ciencia de datos.
- Con una donación de $ 1 millón de Rubin y Cindy Gruber, FAU está construyendo un terreno de 3400 pies cuadrados. laboratorio de inteligencia artificial dentro de su Biblioteca Wimberly.
Impactos en la fuerza laboral
Cuando Ivan Garibay fue invitado a Washington, DC, hace unos años para hablar con los legisladores sobre inteligencia artificial, muchos lo interrogaron sobre «la singularidad», un punto teórico en el tiempo en el que la inteligencia artificial superará el intelecto humano, y le preguntaron si las máquinas inteligentes lo harán. ser asesinos de empleos.
Garibay, director fundador del Laboratorio de Sistemas Adaptativos Complejos de la Universidad de Florida Central, les dijo que la era de la IA será como otras revoluciones industriales. “Algunos tipos de trabajos desaparecen, pero también traen nuevos tipos de trabajos”, dijo. “Dentro de unos años, probablemente no necesitemos conductores de Uber, taxistas o camioneros porque la IA es cada vez mejor para guiar coches, pero eso no significa que no aparecerán muchos trabajos en esa nueva economía de IA. . » Como es tradicional, volver a capacitar a las personas con nuevas habilidades, dice, será clave para capear la interrupción.
Un informe de 2019 de la Brookings Institution sugiere que los impactos de la IA no se sentirán de manera uniforme. Aquellos en «ocupaciones de cuello blanco mejor pagadas» se encuentran entre los «más expuestos» a la IA, aunque la «mayoría de los trabajadores de élite, como los directores ejecutivos, parecen estar algo protegidos», según el análisis de Brookings. El informe dice que los trabajos que involucran «trabajo orientado a patrones o predictivo» pueden ser «especialmente susceptibles», mientras que los trabajos «rutinarios» mal pagados que involucran la preparación de alimentos, la atención médica y el cuidado personal pueden verse menos afectados.
En cuanto a la noción de singularidad, «estamos muy, muy lejos», conjetura Garibay. “Eso es algo que ni siquiera veo en generaciones, tener verdaderas máquinas inteligentes que podrían reemplazar o ser una amenaza para la humanidad. Es casi como el mago de Oz. Siempre es asombroso cuando ves los resultados, pero cuando ves detrás de la cortina, te das cuenta de que lo que hay no es tan impresionante. Son solo matemáticas y computadoras rápidas. No lo veo venir. No en nuestra vida al menos «.