¿Es la victoria de AlphaGo un salto fundamental para la IA, o es simplemente un testimonio de la supremacía que las computadoras tienen sobre los humanos en los juegos?

Ninguno.

La victoria de AlphaGo es significativa porque demuestra una vez más la competencia cada vez mayor de las máquinas automatizadas inteligentes.

Es simplemente otro ladrillo sustancial en el enorme muro creciente de evidencia que marca el aumento exponencial de las máquinas automáticas inteligentes. Esta tendencia a largo plazo ha estado ocurriendo durante las últimas 5 décadas. La tecnología tiene, es y continuará duplicando su capacidad cada 5 a 10 años sin límite o fin a la vista.

Los seres humanos, en contraste, son en general estáticos a regresivos y requieren cada vez más inversiones en educación para una carrera laboral cada vez más decreciente. Los trabajadores humanos tienen costos monotónicamente crecientes con rendimientos económicos decrecientes debido a carreras laborales más cortas

El trabajador humano promedio de baja a mediana capacidad se reemplaza para siempre por la máquina automatizada inteligente que deja a la gran mayoría de los trabajadores desempleados de por vida a mediano y largo plazo.

Del mismo modo que el agricultor no puede tirar de un arado, así como el hombre no puede dejar atrás un automóvil, en el futuro a mediano y largo plazo, la gran mayoría de los hombres no podrán superar las máquinas automáticas inteligentes.

El auge de las máquinas automáticas inteligentes se trata de equipar robots cada vez más baratos, cada vez más capaces, con entradas, procesamiento y salidas para realizar un trabajo más rápido, más largo y más barato que sus competidores, el trabajador humano.

Varias medidas provisionales bien intencionadas, como aumentar el salario mínimo, no afectarán sustancialmente esta inevitable tendencia mundial imparable.

“En teoría no hay diferencia entre teoría y práctica. En la práctica sí la hay”. Yogi Berra

Aumentar el salario mínimo destruye empleos, disminuye la movilidad social y aumenta la inequidad de riqueza.

Una forma de ingreso básico limitado es lo que se requiere para mitigar estos efectos económicos negativos mientras se mantiene constante el mínimo.

Aumentar el salario mínimo aumenta la tasa a la que máquinas automáticas inteligentes cada vez más baratas reemplazan a los trabajadores humanos cada vez más caros.

Las empresas SIEMPRE eligen inversiones de capital fijo con costos controlados sobre los costos no controlados de trabajadores humanos cada vez más caros.

Las máquinas automáticas inteligentes continúan compitiendo en el lugar de trabajo con trabajadores humanos en mayor medida. Con el tiempo, las máquinas automatizadas inteligentes se vuelven más baratas, más eficientes y más robustas. Las máquinas automáticas inteligentes no corren el riesgo de sufrir lesiones humanas, no requieren seguro médico, trabajan sin quejas, trabajan sin distracciones, no requieren salarios, no requieren aumentos salariales, son cada vez más baratos cada año y completan el trabajo de manera confiable con errores mínimos. Cualquier número de estos factores representa una razón económica convincente para reemplazar a los trabajadores humanos existentes con máquinas inteligentes automatizadas.

Lo que está sucediendo es que las máquinas automáticas inteligentes están reemplazando a suficientes trabajadores humanos para crear un exceso creciente de trabajo humano que deprime permanentemente los salarios. Esto ha estado ocurriendo durante décadas y solo está creciendo en alcance. El auge de las máquinas automáticas inteligentes es imparable, ya que se trata de un fenómeno global. La economía general sigue creciendo constantemente a pesar del hecho de que se emplean menos trabajadores humanos simplemente porque las máquinas automáticas inteligentes continúan creando un número cada vez mayor de bienes y servicios. Este es un cambio de paradigma ya que el crecimiento económico requiere menos trabajadores humanos en lugar de simplemente porque las máquinas automáticas inteligentes son más eficientes económicamente que los trabajadores humanos.

Las acciones populares, como aumentar el salario mínimo, son erróneas y erróneas. Como esto solo acelera las pérdidas de trabajo, las máquinas automáticas inteligentes se vuelven más baratas cada año, mientras que los humanos se vuelven más caros. Es el costoso trabajador humano el primero en ser reemplazado por máquinas inteligentes automatizadas.

Los beneficios generados por los bienes y servicios creados por las máquinas automáticas inteligentes van a una porción cada vez más estrecha de la sociedad, a los accionistas de la compañía que usan las máquinas automáticas inteligentes, ya que no se pagan salarios a estas máquinas automáticas inteligentes. Esto provoca una mayor desigualdad en la riqueza, ya que solo una pequeña fracción de la sociedad posee un patrimonio sustancial en estas empresas de la nueva era. A largo plazo, las máquinas automáticas inteligentes producirán la gran mayoría de los bienes y servicios requeridos. La forma en que la sociedad maneja la distribución de la riqueza durante la transición será problemática.

A corto y mediano plazo, la mano de obra automática automatizada inteligente posiblemente deba ser gravada en mayor medida ya que las máquinas automáticas inteligentes, no la mano de obra humana, están creando bienes, servicios y riqueza económica. Los propietarios de estas máquinas automáticas inteligentes capturan enormes cantidades de riqueza simplemente porque emplean a muy pocos humanos, evitando así la gran mayoría de los impuestos indirectos a los trabajadores humanos. Cada máquina automatizada inteligente es esencialmente un trabajador libre de impuestos. Los trabajadores humanos tienen costos de vacaciones, costos de seguro médico, aumento de los costos salariales, costos de la seguridad social, costo del seguro de desempleo, etc., y generalmente están limitados a una semana laboral corta de 40 +/- horas. Las máquinas automáticas inteligentes no tienen ninguno de estos pasivos económicos que funcionan con puños o aumentos salariales 24 × 7.

Estamos en una nueva era de automatización, el uso de máquinas automáticas inteligentes que son cada vez más capaces y más baratas cada año que pasa. Sí, esta vez es diferente a pesar de las afirmaciones en contrario, simplemente porque las máquinas automáticas inteligentes ahora son económicamente superiores a los trabajadores humanos en muchos campos. Además, la tasa de adaptación a las nuevas oportunidades de empleo por parte de estas máquinas es mayor que nunca, ya que las máquinas, no los humanos, demostrarán ser los que aprenden más rápido.

En el lado positivo, uno debe darse cuenta de que los humanos no están destinados a una vida de trabajo, ya que el concepto de trabajar para ganarse la vida es puramente una construcción humana artificial que al final desaparecerá por completo. La transición de una redistribución de la riqueza será una perra absoluta ya que el aumento de la máquina automatizada inteligente da como resultado una concentración cada vez mayor de riqueza para una minoría cada vez menor. Estamos presenciando el comienzo de esto hoy. El sistema tributario se ajustará para mantener el incentivo de reemplazar a todos los trabajadores humanos con máquinas automáticas inteligentes mientras se proporciona un ingreso básico a las masas cada vez mayores que están desempleadas o empleadas con un salario cada vez menor.

Al final, no importa si la mayoría de las personas reconocen este camino económico inevitable porque los incentivos económicos subyacentes lo han predeterminado. No se trata de si sino solo de cuándo. Quizás, una vez más, si no todos los humanos se sienten aliviados de la carga artificial del trabajo, descubriremos cuál es el destino final de la raza humana.

Este breve video da una idea del futuro económico inmediato.

En mi opinión, la victoria de AlphaGo contra el principal Go Go Lee Sedol es un gran salto fundamental para la IA (así como para la humanidad). El programa de aprendizaje profundo se basa en diferentes versiones de redes neuronales convolucionales, pero estas fueron diseñadas y combinadas de manera ultra inteligente por el equipo de DeepMind (después de casi medio siglo de prueba y error por decenas de miles de ingenieros de software (AI) en todo el mundo).

El aprendizaje profundo AlphaGo combina de manera inteligente diferentes tipos de redes neuronales para la selección de movimientos y la evaluación de posición con Monte Carlo Tree Search (MCTS). En la base, utiliza redes neuronales convolucionales que usan una imagen de 19 × 19 de la posición del tablero con 48 planos de características como entrada (17328 entradas). En mi blog se puede encontrar información más detallada sobre cómo las diferentes versiones de AlphaGo para redes neuronales han sido entrenadas y funcionan: Parte 2: AlphaGo bajo una lupa (La combinación histórica de aprendizaje profundo AlphaGo vs. Lee Sedol) REVISADO

Las redes neuronales de AlphaGo se entrenaron sobre la base de 130,000 juegos de aficionados (hasta el nivel máximo de 1–2p prof), pero después de un aprendizaje profundo, el programa de IA por primera vez fue capaz de derrotar a un top (9p) Go prof en un no juego de handicap. Un punto notable es que AlphaGo aprendió a jugar al menos 2–3 piedras más fuertes que el nivel máximo de los jugadores aficionados de los juegos en los que originalmente entrenó AlphaGo.

Ninguno de los jugadores de los juegos de aficionados de los que AlphaGo aprendió normalmente tendría una oportunidad razonable contra Lee Sedol (9p). Simplemente serían borrados del Tablero. Sin embargo, AlphaGo logró derrotar a Lee Sedol cuatro veces y mostró un juego muy profundo, maravilloso y equilibrado en sus juegos, al menos comparable al del mejor Go Prof del mundo durante los últimos quince años.

Digamos que quieres convertirte en el mejor marinero del mundo. Comienzas a entrenar con varios miles de niños y principiantes maduros que navegan durante un par de años como máximo. Luego, después de un entrenamiento duro y prolongado en varias circunstancias climáticas adversas, de repente eres capaz de derrotar al campeón mundial de vela y demostrar que navegas mejor que lo mejor de lo mejor. Qué significa eso? Que en algún lugar de tu trayectoria de aprendizaje pudiste ponerte al día y mejorar increíblemente rápido y eficiente sin toda la experiencia de navegación completa y las extensas horas que normalmente se requieren para convertirte en un marinero experto, y mucho menos significativamente mejor que lo mejor de lo mejor.

En mi opinión, la coincidencia histórica del siglo XXI entre AlphaGo y Lee Sedol muestra y demuestra por primera vez que la IA puede aumentar y trascender el material de aprendizaje básico original sustancialmente a través del autoaprendizaje utilizando (y combinando) técnicas de IA y algoritmos de una manera inteligente y excelente que nunca antes se había hecho.

Lo que en todo el mundo ha sido considerado como el gran desafío más sobresaliente para la inteligencia artificial, es decir, dominar el juego Go mediante programas informáticos, probablemente se ha convertido en un capítulo cerrado con este partido. Un capítulo de búsqueda durante más de medio siglo, inventando nuevos algoritmos, traduciendo los principios go en conceptos manejables para computadoras y el desarrollo de programas que mejoran cada vez con un solo objetivo: jugar sin discapacidad contra los humanos sin ser completamente arrastrados por el Go- tablero.

Las abrumadoras victorias de AlphaGo son y serán vistas internacionalmente como un momento histórico para (y un avance importante en la historia de) la inteligencia artificial. Además del enorme aumento en el interés global por jugar Go, con los éxitos justificados de AlphaGo y el logro impresionante de jugar Go excelente en el nivel de rendimiento superior (9p), la atención mundial en la aplicación de algoritmos de IA similares a los problemas más complejos en una amplia gama de los campos de investigación, crecerá exponencialmente en los próximos años.

En mi opinión, es fundamental solo en las relaciones públicas para la IA. Atraerá a la gente y despertará el apetito general por las aplicaciones del siglo XXI, autos autónomos, drones más pequeños (tanta ingeniería …) que están surgiendo. DeepMind al menos representa una mejora modesta en lo que se puede lograr. Pero desafortunadamente, como un buque insignia para el progreso humano (hacia la IA que generalmente coincide con los humanos), AlphaGo puede aparecer siglos por delante (bajo la metáfora de la nave fallida) en tecnología donde realmente puede estar. Los temas de las luchas de la IA contra la flexibilidad y la creatividad humana estuvieron fuertemente presentes en los dos partidos hasta el momento (así como la eficiencia dominante de nuestras herramientas contra nosotros en tareas estrechas como la fabricación). Al menos, si llevo el sombrero de un científico (conservador para predecir sin evidencia) y un jugador de Go más comprensivo e informado sobre la definición de Go de “vencer a los humanos en Go”, entonces las coincidencias parecen encajar sin problemas con la historia de juego AI.

Google Deep Mind parece bastante fundamental: es capaz de tratar casi cualquier cosa como un juego, y luego aprender las reglas por sí mismo y mejorar. AlphaGo fue solo un ejemplo de alto perfil de eso.

Cuando considera cuántas cosas pueden tratarse como un juego, los usos potenciales de Google Deep Mind son asombrosos. Creo que estamos viendo un futuro a corto plazo en el que la mayoría de las grandes corporaciones toman sus decisiones estratégicas más importantes utilizando IA.

La razón por la que no estoy prediciendo la dominación masiva del mundo es porque estas poderosas IA son tan valiosas en términos de puro potencial de ganancias, que sería una locura para las grandes corporaciones permitir que los ciudadanos promedio tengan acceso a ellas.

Las IA de los consumidores serán mucho más débiles, capaces de mantener conversaciones rudimentarias, tener relaciones sexuales, limpiar la casa, etc. Pero si bien todos estamos ansiosos por la próxima actualización, algunos CEOs recibirán instrucciones de una entidad que es mucho más inteligente que cualquiera que haya vivido, que tenga acceso instantáneo a la suma del conocimiento humano y que recién esté comenzando a comprender que las personas que lo controlan no son iguales.

Muestra que los problemas de búsqueda combinatoria son cada vez más manejables que en el pasado. No se explotan nuevos cambios dramáticos de paradigma (porque no ha habido ninguno), las técnicas son muy antiguas, aunque más refinadas, y se benefician silenciosamente de mejoras en el hardware de órdenes de magnitud. Hubo una gran cantidad de actividad en torno a la creación de máquinas de juego al comienzo de la IA, pero en una década la emoción se había desvanecido. La comunidad de IA llegó a un consenso general sobre la limitación del juego como un medio para resolver los problemas más generales de la IA (de crear agentes inteligentes con múltiples problemas y dominios). Es solo una pieza del rompecabezas más grande en el mejor de los casos.

Creo que no es tan impresionante como creía la comunidad de inteligencia artificial. Lo que creo que sucedió realmente es que el gran volumen de juegos de auto-juego mostró que el espacio de ‘forma’ del juego final para juegos realistas es mucho menor que el número teórico de posibles estados finales del tablero, y de manera similar que no hay muchos caminos útiles que conduce desde estados iniciales razonables a esos estados finales.

Esto reduce en gran medida la dimensionalidad del problema y probablemente lo hizo mucho más fácil de aprender.

Todavía proporciona valor, ya que mostró el poder de combinar la búsqueda con redes neuronales para la toma de decisiones. También hay ciertos dominios (planificación de movimiento robótico para armas, por ejemplo) donde esta será una técnica extremadamente valiosa. También puede resultar valioso en muchos otros dominios, pero probablemente no tan fácil o tan poderosamente como cabría esperar.