La izquierda y el cambio tecnológico.

La izquierda y el cambio tecnológico.
La izquierda y el cambio tecnológico.

La izquierda y el cambio tecnológico.

En febrero de 1882, mientras paseaba meditando sobre el Fausto de Goethe, Nikola Tesla un serbo-croata excéntrico y visionario, que no duraba más que un par de semestres en las mejores escuelas técnicas de Europa, encontró una solución práctica para crear campos magnéticos rotatorios. La corriente alterna. Es decir, la producción y uso de la electricidad tal como la conocemos hoy.

Un invento que en su época fue famoso por su disputa con Edison y los shows electrocutando elefantes, en la llamada guerra de las corrientes, pero que hoy sabemos que inició la Segunda Revolución Industrial, que ha permitido todos los desarrollos tecnológicos posteriores y forma parte intrínseca de nuestro modo de vida.

En 1948, apenas sesenta años más tarde, encerrado durante cuatro semanas en un hotel de Chicago y solo con lápiz y papel, un ingeniero: William Shockley diseñó el transistor. Una novedad cuya trascendencia entonces no pasó de las revistas especializadas, y que sin embargo inició la Era Electrónica.

Ahora, otra vez, casi en silencio algo nuevo acaba de ocurrir. Algo con el potencial de cambiar nuestro mundo para siempre alterando todos los conceptos de la economía y la forma en la que los humanos encajamos en ella.

Su nombre suena a argot de video juego: Deep Learning. Podría traducirse como aprendizaje profundo, y en esencia se trata de dotar a los ordenadores de la capacidad de autoaprendizaje del mismo modo que actuamos los humanos.

Imaginemos que queremos programar un ordenador para reconocer una silla. Sería preciso introducir miles de instrucciones y aún así resultará un programa que detectará sillas que no lo son y viceversa.

¿Cómo aprendemos nosotros a detectar sillas? Nuestros padres señalan una y dicen “silla”, después de unos cuantos intentos con éxito creemos que lo tenemos claro y señalamos un objeto de cuatro patas y decimos “silla” y nuestros padres nos corrigen y dicen “mesa”. Es mediante este proceso de autoaprendizaje que nuestros cerebros se cablean para reconocer y distinguir sillas, mesas, etc.

Deep Learning, actúa de forma similar, y permite que las máquinas aprendan sin necesidad de instrucciones explicitas. Con una gran diferencia, las maquinas pueden acceder a millones de imágenes de sillas y mesas y repetir en segundos el proceso de aprendizaje.

Es la conjunción de la enorme capacidad de cálculo de los ordenadores y el acceso casi instantáneo a miles de millones de imágenes y fuentes de información, la que ha hecho posible Deep Learning.

En 2015, un grupo de ingenieros de Google decidieron crear AlphaGo, un sistema de Inteligencia Artificial basado en Deep Learning que en diez años fuera capaz de derrotar a un buen jugador de Go . El Go es un juego chino, una especie de super ajedrez, tan complejo que el número de combinaciones posibles es mayor que el de átomos en el Universo y que por lo tanto resulta imposible de programar de antemano.

En marzo pasado, decidieron poner a prueba AlphaGo, contra el mejor jugador del mundo de Go: el chino Lee Se-dol, con la esperanza de que al menos pudiera ganar una partida de una tanda de cinco. El resultado fue que AlphaGo derrotó al mejor jugador de Go del mundo en cuatro de las cinco partidas.

La victoria de AlphaGo señala claramente que se ha iniciado un desarrollo acelerado de la Inteligencia Artificial de modo que es posible que veamos en unos pocos años cambios que solo imaginábamos que tuvieran lugar en décadas.

Hasta ahora los ordenadores, los robots, se han limitado a reemplazar a los humanos en tareas rutinarias, primero solo manuales y después inteligentes, pero el gran cambio que representa la victoria de AlphaGo es que, por primera vez en la historia, en cualquier momento las máquinas podrán reemplazarnos también en tareas inteligentes y no rutinarias.

Andrew McAfee, un investigador del MIT, señalaba el pasado mes de mayo ante un comité del Congreso de EE.UU. “si el mejor diagnostico médico no es hoy el resultado de una máquina, lo será pronto”.

Una empresa IPSoft ha desarrollado un sistema denominado Amelie 2.0 con la capacidad de reemplazar a los humanos en tareas de Call Centers que ya está en pruebas en grandes bancos y aseguradoras. La diferencia, con los sistemas automáticos que conocemos, es que Amelie puede mantener una conversación, charlando de asuntos diferentes, mientras realiza tareas como la contratación de una póliza de seguro y hacerlo con más efectividad y menos errores que los humanos al tener acceso a más información.

Pero además ahora, gracias a las comunicaciones y los sistemas de navegación, las máquinas también pueden moverse entre nosotros y manipular el mundo físico como entes autónomos que no son ni humanos ni animales.

Es cierto que la evolución de las máquinas han acompañado el desarrollo de la humanidad y nos hemos adaptado y progresado. Sin embargo la combinación de capacidad de autoaprendizaje, movilidad e interacción con el mundo físico de las máquinas, convierten esta situación en diferente.

Cuando el transporte de larga distancia por carretera sea realizado por camiones sin conductor, que ya han efectuado varios viajes de prueba entre Amsterdam y varias ciudades alemanas en una caravana con camiones de los fabricantes más importantes, decenas de miles de trabajos desaparecerán, no solo de camioneros sino de servicios alrededor de las grandes rutas europeas.

¿Cuántos oficios y profesiones están en peligro de desaparición con la impresión en 3D, si le añadimos capacidad de autoaprendizaje a los ordenadores?

Los efectos de la tecnología ya son palpables en la divergencia entre el crecimiento de la productividad, medida en términos de PIB, y el estancamiento de los salarios para la media de la población, que por ejemplo en EE.UU. están en niveles de 1992.

España es un ejemplo vivo de la divergencia entre crecimiento del PIB y mejora de los salarios.

Además de la globalización, la explicación de este proceso está en la polarización creciente del mercado de trabajo, debido a la tecnología, que concentra la oferta de trabajo en tareas de baja cualificación y bajo salario y en pocos trabajadores de muy alta cualificación y salarios muy elevados.

Las tareas de cualificación media, que han sido el soporte fundamental de las clases medias asalariadas desde el final de la Segunda Guerra Mundial están desapareciendo o han desaparecido con la automatización y la globalización.

La precarización de las condiciones de trabajo, la falta de expectativas de progreso social y el temor a un futuro incierto de esta parte troncal de la sociedad probablemente explican, al menos en parte, el auge de partidos neonazi en Europa.

El World Economic Forum estimaba en 2016 que en 2020 se crearían 2 millones de puestos de trabajo y desaparecerían 7 millones. Es decir una destrucción neta de 5 millones.

La batalla real, soterrada, que se está produciendo en Europa es por mantener en los países del Norte, la mayor parte del número cada vez más reducido de puestos de trabajo de valor y menos amenazados por la automatización. La austeridad es el arma fundamental en esta guerra por el reparto del trabajo.

Pero por importantes que puedan ser los efectos económicos, y hay un debate en este sentido si se va más allá de la visión centrada en las economías desarrolladas, lo mas relevante de los nuevos descubrimientos en Inteligencia Artificial es que ponen en cuestión la posición central de los humanos en el planeta y nuestro propósito en la vida.

En un escenario donde las máquinas sean capaces de realizar la mayor parte de las tareas: ¿Tiene sentido mantener la idea de que realizar un trabajo sea la única manera de obtener ingresos?, y si no es así ¿Cuál es el significado del trabajo?.

Pueden parecer preguntas futuristas, pero a la vista de los hechos no lo son y probablemente la izquierda no les está prestando la atención que se merecen los cambios tecnológicos para darle sus propias respuestas en lugar de mantenerse anclada a una función del trabajo como propósito vital y mecanismo de redistribución de la riqueza, algo que pertenece ya al siglo pasado, o actuar como humanizadores de lo inevitable.

Quizás deba alinearse más con las ideas del profesor Roberto Mangabeira Unger: “Nadie debería realizar un trabajo que pueda ser realizado por una máquina” promoviendo, sin complejos, mecanismos de redistribución de la riqueza alternativos como la Renta Básica, recuperando la fe en el papel del Estado y con ella una mayor intervención de la sociedad en el ritmo y dirección del cambio tecnológico, un cambio que ha financiado y financia la sociedad a través de las ingentes sumas dedicadas a investigación básica de la que luego se aprovechan las grandes corporaciones.

El gran desafío de la izquierda es aprovechar el cambio tecnológico para imponer su propio proyecto al neoliberal en lugar de ofrecer el neoliberalismo con un descuento.

José Bembibre

Comparte: