¿Cómo aprendemos a trabajar con máquinas inteligentes?
-
0:01 - 0:03Son las 6:30 de la mañana,
-
0:04 - 0:08y Kristen está llevando
a su paciente de próstata al quirófano. -
0:10 - 0:12Es médico residente,
una cirujana en formación. -
0:12 - 0:14Su trabajo es aprender.
-
0:15 - 0:19Hoy, ella realmente espera hacer
una cirugía que preserve los nervios, -
0:19 - 0:23una disección extremadamente delicada
que puede preservar la función eréctil. -
0:24 - 0:27Sin embargo, eso dependerá del cirujano
asistente, pero todavía no está allí. -
0:28 - 0:30Ella y el equipo pusieron
al paciente debajo, -
0:30 - 0:34y ella dirige la incisión inicial de 20 cm
en la parte inferior del abdomen. -
0:35 - 0:39Una vez que lo tiene asegurado, dice
a la enfermera que llame al asistente. -
0:40 - 0:42Él llega, se viste,
-
0:42 - 0:48Y de ahí en adelante, cuatro manos
están mayormente en ese paciente. -
0:49 - 0:52Con él guiando,
pero Kristin liderando el camino. -
0:53 - 0:57Una vez está la próstata fuera
-
0:57 - 0:58—y, sí, él permitió que
Kristen preservara los nervios— -
0:58 - 0:59él se arranca el uniforme.
-
0:59 - 1:00Comienza a hacer el papeleo.
-
1:01 - 1:06Kristen cierra al paciente a las 8:15,
-
1:07 - 1:09con un residente junior
mirando por encima del hombro. -
1:09 - 1:12Y ella le permite llevar a cabo
la última línea de suturas. -
1:13 - 1:16Kristen se siente muy bien.
-
1:16 - 1:18El paciente va a estar bien,
-
1:18 - 1:21y no hay duda de que es
mejor cirujana que a las 6:30. -
1:22 - 1:25Este es un trabajo extremo.
-
1:25 - 1:29Pero Kristin aprende a hacer su trabajo
como lo hacemos la mayoría de nosotros: -
1:30 - 1:31observando a un experto un rato,
-
1:31 - 1:34Involucrarse en partes fáciles y
seguras del trabajo. -
1:34 - 1:37y progresando
hacia tareas más riesgosas y difíciles. -
1:37 - 1:40hasta que los guías
deciden que ella está preparada. -
1:40 - 1:43Toda mi vida me ha fascinado
este tipo de aprendizaje. -
1:43 - 1:47Parece elemental,
parte de lo que nos hace humanos. -
1:48 - 1:53Tiene diferentes nombres: aprendizaje,
entrenamiento, tutoría, capacitación. -
1:54 - 1:57En cirugía, se llama "ver uno,
hacer uno, enseñar uno". -
1:57 - 2:00Pero el proceso es el mismo,
y ha sido el camino principal -
2:00 - 2:03hacia las habilidades
en todo el mundo durante miles de años. -
2:04 - 2:09Ahora utilizamos la IA de manera
que bloquea ese camino. -
2:09 - 2:12Estamos sacrificando el aprendizaje
en nuestra búsqueda de productividad. -
2:13 - 2:16Encontré esto por primera vez
en cirugía mientras estaba en el MIT, -
2:16 - 2:19pero ahora tengo pruebas
de que está sucediendo en todo, -
2:19 - 2:22en industrias muy diferentes y
con diferentes tipos de IA. -
2:23 - 2:29Si no hacemos nada, millones nos daremos
de frente contra una pared de ladrillos -
2:29 - 2:31al intentar aprender a lidiar con la IA.
-
2:33 - 2:35Volvamos a la cirugía para ver cómo.
-
2:36 - 2:38Hago un avance rápido de seis meses.
-
2:38 - 2:43Son las 6:30 am otra vez, y Kristen
está llevando a otro paciente de próstata, -
2:43 - 2:46Pero esta vez
a la sala de operaciones robótica. -
2:48 - 2:49El asistente trae
-
2:49 - 2:52un robot de cuatro brazos y 500 kg
para el paciente. -
2:53 - 2:55Ambos se arrancan las batas,
-
2:55 - 2:58se dirigen a las consolas de control
a 3 o 4 me de distancia, -
2:59 - 3:03y Kristen solo mira.
-
3:04 - 3:07El robot permite al asistente realizar
todo el procedimiento solo, -
3:07 - 3:09así que básicamente lo hace.
-
3:10 - 3:12Él sabe que ella necesita práctica.
-
3:12 - 3:14Él quiere darle el control.
-
3:14 - 3:18Pero también sabe que ella sería
más lenta y cometería más errores -
3:18 - 3:19y su paciente es lo primero.
-
3:20 - 3:25Así Kristin no tiene esperanza de
acercarse a los nervios en esta operación. -
3:25 - 3:30Tendrá suerte si opera más de 15 minutos
durante un procedimiento de cuatro horas. -
3:30 - 3:33Y ella sabe que cuando ella resbala,
-
3:33 - 3:36él tocará una pantalla táctil,
y ella estará mirando otra vez, -
3:37 - 3:40sintiéndome como un niño
en la esquina con un gorro de burro. -
3:41 - 3:44Como todos los estudios de robots y
trabajos que he realizado -
3:44 - 3:47en los últimos 8 años, lo comencé
con una gran pregunta abierta: -
3:47 - 3:50¿Cómo aprendemos a trabajar
con máquinas inteligentes? -
3:51 - 3:54Para averiguarlo, pasé 2.5 años
-
3:54 - 3:57observando a docenas
de residentes y cirujanos. -
3:57 - 4:00Haciendo cirugía tradicional
y robótica, entrevistándolos -
4:00 - 4:03y saliendo con los residentes
mientras intentaban aprender. -
4:04 - 4:08Cubrí 18 de los mejores hospitales
universitarios de EE. UU. -
4:08 - 4:09Y la historia era la misma.
-
4:10 - 4:13La mayoría de los residentes
estaban en la situación de Kristen. -
4:13 - 4:15Llegaron a "ver uno" mucho,
-
4:16 - 4:18pero el "hacer uno"
apenas estaba disponible. -
4:18 - 4:21Así que no pudieron luchar,
y no estaban aprendiendo. -
4:21 - 4:25Esta era importante para los cirujanos,
pero quería saber lo extendido estaba: -
4:25 - 4:29¿Dónde más se usaba la AI
bloqueando el aprendizaje en el trabajo? -
4:30 - 4:34Para averiguarlo, conecté
con grupo de jóvenes investigadores -
4:34 - 4:38un pequeño pero creciente que hecho
estudios sobre el trabajo con AI -
4:38 - 4:41en entornos muy diversos como
empresas de nueva creación, de vigilancia, -
4:41 - 4:44de banca de inversión y
educación en línea. -
4:44 - 4:49Como yo, pasaron al menos un año y
muchos cientos de horas observando, -
4:50 - 4:53entrevistando y, a menudo, trabajando
con las personas que estudiaron, -
4:54 - 4:57compartimos datos, y busqué patrones.
-
4:58 - 5:03No importa la industria, el trabajo,
la IA, la historia era la misma. -
5:04 - 5:08Las organizaciones se esforzaban cada vez
más para obtener resultados de AI, -
5:08 - 5:11relegando a los aprendices
del trabajo experto que solían hacer. -
5:12 - 5:15Los gerentes de empresas
subcontraban a sus clientes. -
5:15 - 5:18Los policías tenían que aprender
-
5:18 - 5:21a lidiar con pronósticos de delitos
sin apoyo de expertos. -
5:21 - 5:25Los banqueros jóvenes estaban siendo
eliminados de un análisis complejo, -
5:25 - 5:28y los profesores tenían que
montar cursos en línea sin ayuda. -
5:29 - 5:32Y el efecto de todo esto fue
el mismo que en la cirugía. -
5:32 - 5:35Aprender en el trabajo era
cada vez más difícil. -
5:37 - 5:38Esto no puede seguir así.
-
5:40 - 5:44McKinsey estima que entre
500 y 1000 millones de nosotros -
5:44 - 5:48tendremos que adaptarnos a la IA
en nuestro trabajo diario para el 2030. -
5:48 - 5:51Y estamos asumiendo
que el aprendizaje en el trabajo -
5:51 - 5:54será posible ahí para nosotros
si lo intentamos. -
5:54 - 5:58La última encuesta de Accenture mostró que
la mayoría de los trabajadores aprendieron -
5:58 - 6:01habilidades clave en el trabajo,
no en entrenamiento formal. -
6:01 - 6:05Así que mientras hablamos mucho
sobre su posible impacto futuro, -
6:05 - 6:09el aspecto de la IA que puede
importar más en este momento -
6:09 - 6:12es que lo manejamos de una manera
que bloquea el aprendizaje en el trabajo -
6:12 - 6:14justo cuando más lo necesitamos.
-
6:15 - 6:22En todos nuestros sitios, una pequeña
minoría encontró una manera de aprender. -
6:24 - 6:27Lo hicieron rompiendo
y doblegando las reglas. -
6:27 - 6:32Los métodos aprobados no funcionaban,
por lo que rompieron las reglas -
6:32 - 6:34para obtener prácticas
de verdad con expertos. -
6:34 - 6:39En mi entorno, los residentes
se involucraron en cirugía robótica -
6:39 - 6:43en la escuela de medicina
a expensas de su educación generalista. -
6:44 - 6:50Y pasaron cientos de horas extra
con simuladores y grabaciones de cirugía, -
6:50 - 6:53cuando se suponía que
iban a aprender en el quirófano. -
6:53 - 6:57Y tal vez lo más importante,
encontraron formas de luchar -
6:57 - 7:01en procedimientos en vivo
con supervisión limitada de expertos. -
7:02 - 7:06A todo esto lo llamo "aprendizaje
en la sombra", porque dobla las reglas -
7:06 - 7:09y el alumno lo hace
fuera de la luz pública. -
7:10 - 7:14Y todos hacen la vista gorda
porque obtiene resultados. -
7:14 - 7:17Recuerda, estos son
los alumnos estrella del grupo. -
7:18 - 7:21Obviamente, esto no está bien,
y no es sostenible. -
7:21 - 7:24Nadie debería correr el riesgo
de ser despedido -
7:24 - 7:27por aprender las habilidades necesarias
para hacer su trabajo. -
7:27 - 7:29Pero necesitamos
aprender de estas personas. -
7:30 - 7:32Tomaron serios riesgos para aprender.
-
7:33 - 7:37Entendieron que debían proteger
la lucha y el desafío en su trabajo -
7:37 - 7:40para poder esforzarse
y enfrentar problemas difíciles -
7:40 - 7:42justo al borde de su capacidad.
-
7:42 - 7:45También se aseguraron de que
hubiera un experto cerca -
7:45 - 7:48que ofreciera consejos y apoyo
contra la catástrofe. -
7:49 - 7:52Construyamos esta combinación
de lucha y apoyo experto -
7:53 - 7:55en cada implementación de AI.
-
7:56 - 8:00Aquí hay un claro ejemplo de que
podría obtener de esto en el suelo. -
8:00 - 8:01Antes de los robots,
-
8:01 - 8:06si uno era un neutralizador de bombas,
lidiaba con un IED caminando hacia él. -
8:06 - 8:09Un oficial subalterno estaba
a cientos de metros de distancia, -
8:10 - 8:13Así que solo podía ver y ayudar
si decidía que era seguro -
8:13 - 8:14y los guiaba en la actuación.
-
8:15 - 8:19Ahora se sienta uno al lado del otro
en un camión a prueba de bombas. -
8:19 - 8:21Ambos ven el video.
-
8:21 - 8:25Ellos controlan un robot distante,
y uno guía el trabajo en voz alta. -
8:25 - 8:28Los alumnos aprenden mejor
que antes que existieran robots. -
8:29 - 8:33Podemos escalar esto a
cirugías, empresas nuevas, vigilancia, -
8:33 - 8:35banca de inversión,
educación en línea, etc. -
8:35 - 8:39La buena noticia es que tenemos
nuevas herramientas para hacerlo. -
8:39 - 8:44Internet y la nube significan que no es
siempre necesario un experto por aprendiz, -
8:44 - 8:47no tienen que estar físicamente
uno cerca del otro -
8:47 - 8:49incluso siendo de la misma organización.
-
8:49 - 8:52Y podemos construir AI para ayudar a:
-
8:53 - 8:58entrenar a aprendices y
entrenar a expertos como expertos. -
8:58 - 9:01Y para conectar esos dos grupos
de manera inteligente. -
9:03 - 9:06Hay gente trabajando
en sistemas como este, -
9:06 - 9:09pero se han centrado principalmente
en la formación formal. -
9:09 - 9:12Y la crisis más profunda está
en el aprendizaje en el trabajo. -
9:12 - 9:14Debemos hacerlo mejor.
-
9:14 - 9:17Los problemas de hoy exigen
que lo hagamos mejor. -
9:17 - 9:22para crear un trabajo que aproveche
al máximo las increíbles capacidades de AI -
9:23 - 9:26mientras mejoramos
nuestras habilidades al hacerlo. -
9:26 - 9:29Ese es el tipo de futuro que soñé de niño.
-
9:29 - 9:32Y el momento de crearlo es ahora.
-
9:32 - 9:34Gracias.
-
9:34 - 9:37(Aplausos)
- Title:
- ¿Cómo aprendemos a trabajar con máquinas inteligentes?
- Speaker:
- Matt Beane
- Description:
-
El camino hacia la habilidad en todo el mundo ha sido el mismo durante miles de años: entrenar con un experto y asumir tareas pequeñas y fáciles antes de avanzar hacia tareas más riesgosas y difíciles. Pero ahora mismo, estamos manejando la inteligencia artificial (IA) de una manera que bloquea ese camino, y sacrifica el aprendizaje en nuestra búsqueda de productividad, dice el etnógrafo organizador Matt Beane. ¿Qué se puede hacer? Beane comparte una visión que convierte la historia actual en una mentoría distribuida y mejorada por máquinas que aprovecha al máximo las increíbles capacidades de AI mientras que al mismo tiempo mejora nuestras habilidades.
- Video Language:
- English
- Team:
- closed TED
- Project:
- TEDTalks
- Duration:
- 09:50
Lidia Cámara de la Fuente approved Spanish subtitles for How do we learn to work with intelligent machines? | ||
Lidia Cámara de la Fuente accepted Spanish subtitles for How do we learn to work with intelligent machines? | ||
Lidia Cámara de la Fuente edited Spanish subtitles for How do we learn to work with intelligent machines? | ||
Marlén Scholand Cámara edited Spanish subtitles for How do we learn to work with intelligent machines? | ||
Marlén Scholand Cámara edited Spanish subtitles for How do we learn to work with intelligent machines? | ||
Marlén Scholand Cámara edited Spanish subtitles for How do we learn to work with intelligent machines? | ||
Marlén Scholand Cámara edited Spanish subtitles for How do we learn to work with intelligent machines? | ||
Marlén Scholand Cámara edited Spanish subtitles for How do we learn to work with intelligent machines? |