Laurence Moroney es uno del mundo Voces líderes en inteligencia artificial y el aprendizaje automático, que actualmente sirve como defensor de IA líder en Google.
Con una carrera que abarca los principales avances en la informática, Laurence ha ayudado a dar forma a la forma en que se aplica la IA en todas las industrias, desde la atención médica hasta la sostenibilidad. Como orador y educador de confianza, simplifica tecnologías complejas para que sean accesibles e impactantes para el público global.
En esta entrevista exclusiva con la Agencia de Continentes de Champions, Laurence comparte ideas de su trabajo en Google, explora el papel de AI en la resolución de los mayores desafíos de la sociedad y explica por qué el desarrollo inclusivo es clave para desbloquear el verdadero potencial de la inteligencia artificial.
P: En su experiencia en Google, ¿cómo ha elevado las operaciones comerciales de inteligencia artificial y ha reformado la experiencia de los empleados?
Laurence Moroney: Creo que, bastante similar a lo que estaba diciendo, es permitir que las personas que ya están hábiles se vuelven más eficientes y ascienden esa cadena de valor, lo que nos permite contribuir mucho mejor al negocio, al tiempo que potencialmente nos brinda una experiencia mucho mejor en el trabajo.
Quiero decir, hoy en día es bastante común hablar sobre cosas como el equilibrio entre el trabajo y la vida: hace 20 años no lo fue. Y hoy en día, debido a los mejores procesos de negocios, debido a que tal vez la inteligencia artificial comienza a llegar a la empresa e impulsando esas eficiencias, el personal valioso y el valioso personal pueden ser tratados mejor de lo que eran.
Entonces, ya sabes, esa es una de las cosas que me ha enseñado. Y luego, la segunda cosa, creo que me ha enseñado fue un escenario realmente interesante.
En Google, somos famosos por las ventajas que obtenemos, y una de esas ventajas es la comida gratis. Ahora, si eres una gran empresa y estás dando comida gratis a los empleados, estarás bajo la lupa para el desperdicio de alimentos.
Por lo tanto, fue una decisión tomada en una etapa muy temprana de que el aprendizaje automático se usaría allí para tratar de averiguar cómo podemos ser mucho más eficientes y productivos y reducir los desechos en los alimentos que servimos.
Y eso se ha convertido en parte de eso. Entonces, el algoritmo es como decir, bueno, si hay una noche de barbacoa, probablemente habrá más personas aparecer, ya sabes, y cosas así.
Como resultado, el desperdicio de alimentos que hemos tenido, no puedo hablar en toda la compañía, pero lo sé en el café en la oficina que he trabajado, que se encuentra en Kirkland en Washington, el porcentaje es como, ya sabes, menos de 0.1% de desperdicio, si recuerdo esta estadística correcta.
Y eso ha sido impulsado por el hecho de que la inteligencia artificial y el aprendizaje automático se han aplicado a esa tarea relativamente mundana pero muy importante.
Y, ya sabes, si ese es el tipo de cosas que se pueden hacer para ese tipo de tarea, ¿qué podemos hacer para otras tareas más grandes e importantes?
P: Al considerar los desafíos más urgentes de la sociedad, particularmente en la atención médica y la sostenibilidad, ¿dónde ve que la AI tiene el mayor impacto hoy?
Laurence Moroney: Gran pregunta. Entonces, comenzaré con la atención médica.
Creo que cuando las personas piensan en la IA y la atención médica, generalmente piensan en la AI que hace la atención médica en sí misma. Esa puede no ser la mejor manera de pensar en ello. Quiero decir, todavía es útil allí, pero permítanme hablar primero, volviendo al tema del que estaba hablando anteriormente, sobre la eficiencia de conducción.
Los sistemas de salud, particularmente en el Reino Unido, tienes la suerte de tener un servicio nacional de salud. Es un organismo administrado por el gobierno, es financiado por contribuyentes.
Como tiene una población que envejece, y a medida que se necesitan mayores necesidades de atención médica, es suicidio político aumentar los impuestos para pagar eso. Entonces el gobierno está en un poco de vínculo.
Una de las cosas que quieren hacer es impulsar la eficiencia. Una vez hablé con el gerente de un departamento de A&E en el Reino Unido, y ella compartió cuántos desechos efectivos tienen que hacer para estar preparados para lo peor.
Entonces, el sábado por la noche y el viernes por la noche son las noches en las que la mayoría de las personas entran en A&E, debido a las peleas posteriores a la barra y cosas así.
Tienen que suscribirse en exceso a la cantidad de médicos que están disponibles. Tienen que tener médicos adicionales de guardia en caso de que haya un aumento. Un montón de equipos médicos expira, por lo que siempre tienen que tener suficiente a mano para el peor de los casos. Pero entonces, algo de eso expira y se desperdicia.
Aquí hay un ejemplo de dónde, al impulsar la eficiencia, usar IA y el aprendizaje automático para poder predecir mejor en función de los datos históricos, podrían ahorrar algo de ese dinero y ahorrar parte de ese desperdicio, al tiempo que alcanzan el nivel de servicio que necesitan para poder alcanzar para brindar una atención adecuada a las personas.
No quiero sugerir de ninguna manera cortar la atención adecuada para las personas, pero quiero sugerir que tal vez aquí hay una forma en que los desechos se pueden cortar.
Pero, por supuesto, también se puede usar en atención médica.
Hay un proyecto que siempre me gusta compartir llamado retinopatía diabética. La retinopatía diabética es la principal causa de ceguera del mundo. Pero también se puede curar o prevenir mediante la detección temprana.
El problema es que, en muchos países, no hay suficientes médicos para hacer ese examen temprano.
Entonces, en Google trabajamos juntos, contratamos a un grupo de médicos, y trabajamos con algunas personas en la India, donde obtuvimos, creo, alrededor de 30,000 escaneos de retina. A partir de eso, tuvimos la etiqueta de los médicos que los escaneos de retina no eran de ninguna retinopatía diabética hasta una retinopatía diabética grave.
Luego capacitamos un sistema de visión por computadora en eso. Y lo que el sistema de visión por computadora pudo hacer fue replicar cómo los médicos habían calificado esto, solo de manera más eficiente que un médico humano.
Entonces, ahora hay una forma en que los médicos humanos existentes podrían aumentar y hacerse más eficientes mediante el uso de un sistema como este.
No quiero sugerir de ninguna manera reemplazar al médico, porque el humano aún necesita estar al tanto, pero ahora, dado que hay una escasez de médicos, ¿qué pasa si un médico puede hacerse más eficiente al poder diagnosticar a 30 personas en un día en lugar de 10 personas en un día?
Entonces, esa escasez de médicos, y el daño causado por esa escasez de médicos, se puede aliviar.
Por lo tanto, creo que cosas como esa son donde el aprendizaje de IA y la máquina puede ser enormemente útil en la atención médica, tanto en el lado de la administración para ayudarlo a ser más eficiente y reducir costos, así como hacer que los médicos sean más eficientes en algunas áreas, como donde la visión por computadora es posible para ayudar con el diagnóstico.
P: Has hablado de querer “agregar cada voz” a la IA. ¿Cómo puede expandirse quién contribuye al desarrollo de IA desbloquear nuevas oportunidades y avances?
Laurence Moroney: Buena pregunta. Creo que es más que solo de diversidad.
A veces, como industria, decimos: “Oh, necesitamos más personas de este género, esta raza, o este origen nacional, o esta orientación sexual”, y cuando decimos diversidad, lo decimos en serio. Pero creo que es mucho más que eso, aunque, por supuesto, es muy importante.
Lo que realmente estoy conduciendo aquí es que, dadas las oportunidades de masa que vienen con esta capacidad de escalar su poder con la IA de la que he estado hablando, más personas involucradas en el bucle, más humanos en el bucle, brindando su experiencia para proporcionar más oportunidades y proporcionar más y mejor ideación de la que tenemos hoy, es el tipo de cosas que pueden suceder cosas emocionantes.
Al igual que el ejemplo que di anteriormente a mi amigo con discapacidades, probablemente no estaría tradicionalmente en un trabajo alrededor de la IA. Ahora está consultando para ayudar a las empresas a construir sistemas basados en IA para personas con discapacidades.
Así que creo que las posibilidades que han sido abiertas por esto, el multiplicador de fuerza que viene con esto, es como: si salimos de los límites tradicionales de los ingenieros de software, que están capacitados en ciencias de la computación que están construyendo las cosas buenas, y abiertos eso es cuando algunas de las oportunidades de las que estoy hablando, estos campos verdes, se descubren.
Y luego, una vez que han sido descubiertos, podemos comenzar a implementarlos.
Esta entrevista exclusiva con Laurence Moroney fue realizado por Mark Matthews.