TEMA 4.4 | Cuarta Revolución Industrial

La visión de las revoluciones industriales de Jeremy Rifkin

Siglo XIX: motor de vapor, locomotora e infraestructuras ferroviarias = inicio Primera Revolución Industrial del carbón.
La Segunda Revolución Industrial en el siglo XX fue definida por el motor de combustión interna y las infraestructuras de transporte, la era del petróleo.
Fin de era combustibles fósiles por cambio climático y reducción de suministro. Dos procesos resultantes.
  • Uso cada vez más eficiente de los combustibles restantes
  • Sustitución de los combustibles convencionales por tecnologías “limpias”.

Pilares de la Tercera Revolución Industrial

  1. Energías renovables
  1. Nuevas tecnologías permiten convertir edificios existentes y diseñar nuevos edificios sostenibles.
  1. Nuevas baterías y materiales permiten almacenamiento de energía renovable sin intermitencias.
  1. Red de comunicación inteligente para dirigir flujos energéticos en tiempo real
Infraestructura necesaria para la Tercera Revolución Industrial en transporte. Estaciones de recarga de vehículos eléctricos son cruciales para la transición a la Tercera Revolución Industrial.

En la teoría es todo más fácil

Transición ecológica enfrenta modelos de negocio arraigados y estructuras difíciles de cambiar.
Renunciar al petróleo es difícil debido a su versatilidad y a los desafíos de electrificar algunas actividades. Las políticas públicas en línea con la ciencia climática encuentran resistencias por aspectos estructurales, miedo al desempleo y reticencias de núcleos industriales.
Transición hacia nuevas formas de transporte sigue siendo difícil debido a la dependencia actual de combustibles fósiles en industrias como la aviación y el transporte marítimo.
Cuarta Revolución Industrial: revolución económica y social con máquinas y sistemas interconectados.
Industria 4.0: tecnología revolucionaria en cadenas de valor globales. Crea fábricas inteligentes que combinan sistemas virtuales y físicos para personalizar productos y mejorar el conocimiento automático del entorno.
Tecnologías como robótica, IA, blockchain, big data, IoT, impresión 3D, vehículos autónomos, nanotecnología, biotecnología y computación cuántica son parte del ecosistema tecnológico actual.
Para Schwab (2016) la cuarta revolución industrial es diferente de la tercera por:
  • La velocidad: evoluciona de forma exponencial
  • La cuarta revolución industrial cambia no solo los procesos, sino nuestra subjetividad, dando lugar a un futuro posthumano donde lo biológico y lo digital se funden en un continuo. El transhumanismo es la ideología-filosofía de esta revolución.
  • Transformación sistémica con impacto en países, industrias y sociedad.
La transformación digital tiene gran potencial, pero debe ser analizada críticamente y con propósito.
El World Economic Forum formuló una serie de dilemas éticos derivados del desarrollo de las nuevas tecnologías en una batería de preguntas.
Las tecnologías de automatización como el aprendizaje automático y la robótica están cambiando la vida industrial y cotidiana y podrían llevar a la pérdida de millones de puestos de trabajo en países desarrollados. El Foro Económico Mundial está investigando soluciones.
Robots transformarán trabajos, no los eliminarán por completo.
Grandes empresas de Detroit y Silicon Valley generan ingresos similares pero la última tiene 10 veces menos empleados. El uso de inteligencia artificial reduce la dependencia de la fuerza laboral humana y las ganancias irían a menos personas. Se ha propuesto que los robots se clasifiquen como "personas electrónicas" y se les cobre impuestos. Se plantean preguntas sobre la distribución de la riqueza creada por las máquinas y si los robots deberían pagar impuestos.
Salud: La OMS afirma que 1 de cada 4 personas sufre trastornos de conducta por nuevas tecnologías
Discriminación: Inteligencia artificial puede replicar sesgos culturales y prejuicios, ya que la comprensión predeterminada de la realidad es influenciada por nuestra historia personal y cultura. Esto puede replicarse en los sistemas de IA. Podemos encontrar dos casos:
  1. La IA puede reflejar sesgos culturales y sociales recopilando y procesando datos masivos indiscriminadamente.
  1. La selección y modelado de datos en la inteligencia artificial pueden estar sesgados como resultado de los sesgos culturales y personales de los programadores.
Seguridad: La inteligencia artificial mejora la capacidad de los robots para reconocer y tomar decisiones en el entorno, pero también puede ser programada para actuar de manera perversa. El problema radica en los usos y prácticas de estas tecnologías, y no en la tecnología en sí misma. Además, hay que tener cuidado de no sobrevalorar las capacidades de la inteligencia artificial.
  • La máquina aporta los medios, los humanos los objetivos, los fines, a veces, discutibles
Privacidad de datos: Google busca garantizar la privacidad de los datos obtenidos por su IA después de los escándalos de Facebook.
Nueva pobreza: La tecnología afecta el concepto de pobreza y la falta de conocimientos tecnológicos crea la brecha digital.
  • Nuevas tecnologías pueden reducir la pobreza y aumentar la productividad.
  • Tecnologías digitales pueden reducir pobreza y aumentar productividad, pero no garantiza crecimiento, empleo o servicios adecuados.
Derechos de los robots: Las entidades artificiales están siendo consideradas desde un punto de vista moral y político, y se ha discutido la posibilidad de que sean consideradas "personas electrónicas". Esta reflexión ha llevado a un enfoque teórico sobre las propiedades y relaciones de las entidades artificiales.
Singularidad: La singularidad tecnológica sugiere que una IA o robot podría auto-mejorarse y desencadenar una "explosión de inteligencia". La creación de inteligencia superaría al control y capacidad intelectual humana.

Inteligencia artificial: Definiciones

La IA permite a las máquinas actuar con recursos lógicos y procesamiento de datos como los humanos.
Los agentes informáticos son entidades que razonan y se distinguen de los programas convencionales por su capacidad para controlarse autónomamente, percibir su entorno, adaptarse y alcanzar objetivos. Un agente racional actúa con la intención de alcanzar el mejor resultado o el mejor resultado esperado en situaciones de incertidumbre.

Inteligencia artificial: Ejemplos básicos

Planificación autónoma: El programa NASA Agente Remoto planificaba operaciones de una nave espacial de manera autónoma a partir de objetivos generales y supervisaba su ejecución.
Juegos. Deep Blue de IBM derrotó a Garry Kasparov en una partida de ajedrez, lo que incrementó el valor de las acciones de IBM en muchos millones de dólares.
Diagnosis: Programas de diagnóstico médico pueden igualar la habilidad de médicos expertos en áreas específicas mediante el análisis probabilista.
La minería de datos solo descubre correlaciones y patrones estadísticos, según Latorre y Erik Larson en El mito de la inteligencia artificial.

¿Qué puede considerarse IA?

El cerebro evoluciona para mejorar la supervivencia. La inteligencia es útil para adaptarse al entorno. Podemos simular artificialmente su funcionamiento si comprendemos el cerebro humano.
  • Las neuronas procesan información constantemente. Entrada de señales, procesamiento y transmisión a otras neuronas. El cerebro se enfoca en la manipulación de información.
  • El procesamiento de información implica una red compleja de neuronas. La meta es crear una red neuronal artificial.
  • La red neuronal artificial aprende al fijar sus conexiones. El entrenamiento supervisado es necesario para esto.
  • En 2012, el equipo de Google usó 16,000 procesadores para crear una red neuronal con mil millones de conexiones. Al alimentarla con imágenes de videos de YouTube, la red neuronal creó una imagen de un gato y aprendió el concepto de gato por sí misma, sin intervención humana.
Conducción artificial: reducción de accidentes
Medicina artificial: bases de datos, + conocimiento y precisión
Empresarios artificiales: mejoran decisiones financieras y modelos económicos
Justicia artificial: los jueces deben ser imparciales y seguir la ley sin prejuicios o influencias externas.
Política artificial: IA asesora y gestiona organizaciones.

Big Data

Big Data: recopilación masiva de datos. Revoluciona la toma de decisiones.
El análisis de comportamientos masivos beneficia a todos en línea. Redes sociales mejoran predicciones sociales y tendencias emergentes.
Big Data alimenta Inteligencia Artificial. Google Photos reconoce caras gracias a procesar fotos masivas de usuarios.

La nube

Cloud computing permite acceso bajo demanda a recursos compartidos de computación a través de la red.
  • Software como servicio (Saas): aplicaciones alojadas en la nube, acceso a través de navegador.
  • Plataforma como servicio (Paas): Usuario despliega aplicaciones propias en la nube del proveedor. Mantienen control de la aplicación, no de la infraestructura.
  • Infraestructura como servicio (Iaas): Proveedor ofrece recursos de procesamiento, almacenamiento y comunicaciones al usuario.

Amenazas

  • Abuso y mal uso de la nube
  • Interfaces y APIs inseguras
  • Infiltrados malvados
  • Temas de la compartición de tecnologías
  • Pérdida o fuga de datos
  • Secuestro de cuenta o servicio

Apache Hadoop

Librería software libre para procesamiento distribuido en conjuntos de computadoras. Escalable y maneja grandes volúmenes de datos. Está formado por:
  • Hadoop Distributed File System (HDFS): almacenamiento de datos
  • MapReduce: procesamiento de datos

Big data en tiempo real

Hadoop es estable para análisis de grandes volúmenes de datos, pero para cálculo en streaming se utilizan soluciones como Spark o Storm.
Apache Storm: sistema distribuido en tiempo real, código abierto, procesa grandes volúmenes de datos en analítica, compatible con múltiples lenguajes.
Apache Spark: plataforma código abierto, procesamiento datos tiempo real, lenguajes: Scala, Python, R, Java. Mayor velocidad que Hadoop MapReduce.

Blockchain

Blockchain: intercambio fiable, seguridad y acceso eficiente a registros digitales. Contratos incrustados en código digital, bases de datos transparentes y compartidas. Registros digitales y firmas para identificar, validar y almacenar acuerdos, procesos, tareas y pagos. Eliminación de intermediarios como abogados y banqueros. Libre negociación e interacción entre individuos, organizaciones, máquinas y algoritmos con poca fricción.
Tecnología base de criptomonedas: registro eficiente y verificable de transacciones.

Criptomonedas

Bitcoin: Primera criptomoneda creada por "Satoshi Nakamoto" en 2009. Se basa en una red descentralizada de nodos que registran todas las transacciones. Los mineros resuelven retos matemáticos y reciben Bitcoins como incentivo. La red utiliza la tecnología de la cadena de bloques o Blockchain, donde los bloques enlazados y asegurados con criptografía registran datos de transacciones y son resistentes a la modificación. El libro de contabilidad público y abierto garantiza la integridad de los datos.
Pros y contras:
  • Volatilidad
  • Sistema descentralizado, peer-to-peer, sin intermediarios financieros.
  • Valor refugio contra la inflación de las monedas fiduciarias por los bancos centrales.
  • Alto consumo energético de los superordenadores en la resolución de problemas matemáticos.
Internet de las Cosas (IoT): Conexión de objetos para acceder a información. Aplicaciones en industria, comercio y vida cotidiana. Uso de sensores y Big Data. Desafíos de seguridad y privacidad. Ejemplos: wearables, móviles, realidad aumentada.
© 2024 Notion Lovers.Made with ❤️ by Notion Lovers