¿Estás listo para volver a ser un tecnooptimista?

Hace veinte años, MIT Technology Review seleccionó 10 áreas emergentes de innovación que prometimos que cambiarían el mundo. Era una época de máximo optimismo tecnológico. Sí, el auge de las puntocom estaba en medio de la implosión; algunos expertos ya estaban preocupados por el final de la Ley de Moore. (Todavía lo son, aunque la industria sigue encontrando formas de hacer que las computadoras sean más poderosas). Pero en muchos sentidos fue un momento glorioso para la ciencia y la tecnología.

En febrero de 2001 se publicó un borrador de trabajo del genoma humano: un modelo genético que prometía revelar nuestros secretos biológicos más profundos. Hubo gran entusiasmo por los recientes avances en nanotecnología. Los primeros avances en computación cuántica y molecular presagiaron una nueva era de computación posterior a la Ley de Moore. Y luego estaba ese increíble motor de búsqueda con el nombre gracioso, ganando usuarios rápidamente y cambiando la forma en que navegaban por la web y accedían a la información. ¿Me siento afortunado?

Esta historia fue parte de nuestra edición de marzo de 2021

• Ver el resto del número
• Suscribir

Por lo tanto, vale la pena mirar hacia atrás en el TR10 inicial, como ahora llamamos a nuestra lista anual, para obtener pistas sobre cuánto progreso hemos logrado.

Primero, reconozcamos que fue una lista bien pensada. Rechazamos los exoesqueletos robóticos y la clonación humana, así como la nanofabricación molecular y la temida sustancia gris de los nano agoreros, todos temas candentes del día. En cambio, nos enfocamos en los avances fundamentales en tecnología de la información, materiales y biotecnología. La mayoría de las tecnologías aún son familiares: minería de datos, procesamiento de lenguaje natural, microfluidos, interfaces cerebro-máquina, biometría (como el reconocimiento facial) y diseño de robots.

Entonces, ¿qué tan bien cumplieron estas tecnologías los sueños que teníamos para ellas hace dos décadas? Aquí hay algunas lecciones de la lista de 2001.

REVISIÓN DE TECNOLOGÍA DEL MIT

Lección 1:

El progreso suele ser lento

Nuestra primera selección, Interfaces cerebro-máquina, comienza con una descripción del neurocientífico Miguel Nicolelis grabando las señales eléctricas del cerebro de una mona lechuza muy mona llamada Bella mientras piensa en cómo conseguir unas gotas de zumo de manzana. Avance rápidamente hasta fines del verano de 2020, cuando Elon Musk muestra las señales cerebrales de una cerdita muy linda llamada Gertrude, obteniendo exclamaciones de admiración de los admiradores que asistieron a la demostración de Neuralink, su nueva máquina cerebral.

Historia relacionada

Neuralink de Elon Musk es teatro de neurociencia El evento de implante cerebral transmitido en vivo por Elon Musk hizo promesas que serán difíciles de cumplir.

Se podría haber perdonado a un observador en el evento de Musk por preguntarse si realmente habían pasado 20 años desde el experimento de Nicolelis. Ambos hombres tenían visiones similares para conectar directamente el cerebro a los dispositivos informáticos a través de chips implantados. Como escribió nuestro editor de biomedicina, Antonio Regalado, en 2001, Nicolelis ve el esfuerzo como parte de la revolución inminente que eventualmente podría hacer que [las interfaces cerebrales] sean tan comunes como las Palm Pilots.

Esa afirmación se ha hecho realidad, pero solo gracias a la desaparición de Palm Pilots, no a la popularidad de las interfaces cerebro-máquina. A pesar de algunos experimentos humanos alentadores a lo largo de los años, tales interfaces siguen siendo una rareza científica y médica. Resulta que la neurociencia es muy difícil. Ha habido éxito en reducir la electrónica y hacer que los implantes sean inalámbricos, pero el progreso en la ciencia ha sido más lento, obstaculizando las visiones que Nicolelis y Musk esperaban realizar. (Una nota al pie de la lección uno: el éxito a menudo depende de si una serie de avances pueden unirse. Hacer que las interfaces cerebrales sean prácticas requiere avances tanto en la ciencia como en los dispositivos).

Lección 2:

A veces se necesita una crisis

Elegimos la microfluídica en 2001 debido a algunos avances notables en el movimiento de pequeñas cantidades de muestras biológicas en un pequeño dispositivo, el llamado laboratorio en un chip. Estos prometían pruebas de diagnóstico rápidas y la capacidad de automatizar experimentos de drogas y genómicos.

Desde entonces, la microfluídica ha encontrado usos valiosos en la investigación biológica. Los avances inteligentes continuaron, como las pruebas de diagnóstico en papel ultra baratas y fáciles de usar (Paper Diagnostics fue un TR10 en 2009). Pero el campo no ha cumplido su promesa de prueba de transformación . Simplemente no había una demanda abrumadora de la tecnología. Es justo decir que la microfluídica se convirtió en un remanso científico.

El covid-19 acabó con eso. Las pruebas convencionales se basan en procedimientos de varios pasos realizados en un laboratorio analítico; esto es caro y lento. De repente, hay un apetito por una solución de laboratorio en un chip rápida y barata. Los investigadores tardaron unos meses en desempolvar la tecnología, pero ahora diagnóstico de covid-19 mediante microfluidos están apareciendo Estas técnicas, incluida una que utiliza la edición de genes CRISPR, prometen hacer que las pruebas de covid sean mucho más accesibles y ampliamente utilizadas.

Lección 3:

Tener cuidado con lo que deseas

En 2001, Joseph Atick, uno de los pioneros de la biometría, vio el reconocimiento facial como una forma de que las personas interactúen con sus dispositivos y computadoras de manera más segura y sencilla. Le daría a los teléfonos celulares y asistentes digitales personales que eran cada vez más populares una forma de reconocer a sus dueños, deletreando el fin de los PIN y las contraseñas. Parte de esa visión finalmente se hizo realidad con aplicaciones como FaceID de Apple. Pero el reconocimiento facial también dio un giro que Atick ahora dice que me sorprende.

Historia relacionada

Podcast: el reconocimiento facial se está utilizando silenciosamente para controlar el acceso a la vivienda y los servicios sociales

En este episodio, analizamos el debate sobre cómo y si los fondos públicos deben usarse para implementar el reconocimiento facial en comunidades vulnerables.

En 2001, los algoritmos de reconocimiento facial eran limitados. Requerían instrucciones de humanos, en forma matemática, sobre cómo identificar las características distintivas de una cara. Y cada rostro en la base de datos de rostros para ser reconocido tuvo que ser laboriosamente escaneado en el software.

Luego vino el boom de las redes sociales. Mientras que en los primeros días, dice Atick, habría estado encantado con 100.000 imágenes en bases de datos de reconocimiento facial, de repente los algoritmos de aprendizaje automático podrían entrenarse en miles de millones de rostros, extraídos de Facebook, LinkedIn y otros sitios. Ahora había cientos de estos algoritmos, y se entrenaron solos, simplemente ingiriendo y comparando imágenes, sin necesidad de ayuda humana experta.

Pero ese notable avance vino con una compensación: nadie entiende realmente el razonamiento que usan las máquinas. Y ese es un problema ahora que se confía cada vez más en el reconocimiento facial para tareas delicadas como la identificación de sospechosos de delitos. No imaginé un mundo en el que estas máquinas tomaran el control y tomaran decisiones por nosotros, dice Atick.

Lección 4:

La trayectoria del progreso importa

Hola de nuevo, Sidney P. Manyclicks. Tenemos recomendaciones para usted. Los clientes que compraron esto también compraron...

Los motores de recomendación descritos en este, la apertura de nuestro artículo de 2001 sobre minería de datos, parecían impresionantes en ese momento. Otro uso potencial de la minería de datos alrededor de 2001 también sonaba emocionante: bibliotecas de videos con capacidad de búsqueda por computadora. Hoy, todo parece absolutamente mundano.

Gracias al poder computacional cada vez mayor, el tamaño explosivo de las bases de datos y los avances estrechamente relacionados en inteligencia artificial, la minería de datos (el término ahora a menudo es intercambiable con AI) gobierna el mundo de los negocios. Es el alma de las grandes empresas tecnológicas, desde Google y su subsidiaria YouTube hasta Amazon y Facebook. Impulsa la publicidad y, sí, las ventas de todo, desde zapatos hasta seguros, utilizando motores de recomendación personalizados.

¿Estas tecnologías han hecho que nuestras vidas no solo sean más convenientes, sino mejores en formas que nos preocupan?

Sin embargo, estos grandes éxitos enmascaran un fracaso subyacente que se hizo particularmente evidente durante la pandemia. No hemos explotado el poder de los grandes datos en las áreas más importantes.

En casi cada paso, desde los primeros signos del virus hasta las pruebas y la hospitalización y la implementación de vacunas, hemos perdido muchas oportunidades de recopilar datos y extraerlos para obtener información crítica. Podríamos haber aprendido mucho más sobre cómo se propaga el virus, cómo evoluciona, cómo tratarlo y cómo asignar recursos, lo que podría salvar innumerables vidas. No parecíamos tener idea de cómo recolectar el datos que necesitábamos .

Entonces, en general, las 10 tecnologías que elegimos en 2001 siguen siendo relevantes; ninguno ha sido desamparado; y algunos han sido éxitos notables, que incluso cambiaron el mundo. Pero la verdadera prueba del progreso es más difícil: ¿Estas tecnologías han hecho que nuestras vidas no solo sean más convenientes, sino mejores en formas que nos preocupan? ¿Cómo medimos ese progreso?

¿Qué te hace feliz?

La forma común de medir el progreso económico es midiendo el producto interno bruto (PIB). Fue formulado en la década de 1930 en los EE. UU. para ayudarnos a comprender qué tan bien se estaba recuperando la economía de la Gran Depresión. Y aunque uno de sus arquitectos principales, Simon Kuznets, advirtió que el PIB no debe confundirse con una medida del bienestar del país y la prosperidad de su gente, generaciones de economistas y políticos han hecho precisamente eso, examinando las cifras del PIB en busca de pistas. a la salud de la economía e incluso al ritmo del progreso tecnológico.

Los economistas pueden extraer lo que llaman productividad total de los factores (PTF) a partir de las estadísticas del PIB; es básicamente una medida de cuánto contribuye la innovación al crecimiento. En teoría, los nuevos inventos deberían aumentar la productividad y hacer que la economía crezca más rápido. Sin embargo, el panorama no ha sido muy bueno en las últimas dos décadas. Desde mediados de la década de 2000, poco después de nuestra primera lista TR10, el crecimiento de la TFP ha sido lento y decepcionante, especialmente dada la avalancha de nuevas tecnologías provenientes de lugares como Silicon Valley.

Algunos economistas piensan que la explicación puede ser que nuestras innovaciones no son tan trascendentales como pensamos. Pero también es posible que el PIB, que fue diseñado para medir la producción industrial de mediados del siglo XX, no tenga en cuenta los beneficios económicos de los productos digitales, especialmente cuando son de uso gratuito, como los motores de búsqueda y las redes sociales.

El economista de Stanford Erik Brynjolfsson y sus colegas han creó una nueva medida para tratar de capturar la contribución de estos bienes digitales. Llamado PIB-B (la B es de beneficios), se calcula utilizando encuestas en línea para preguntar a las personas cuánto valoran varios servicios digitales. ¿Cuánto habría que pagar, por ejemplo, para vivir un mes sin Facebook?

Los cálculos sugieren que los consumidores estadounidenses han ganado unos 225.000 millones de dólares en valor no contabilizado solo con Facebook desde 2004. Wikipedia añadió 42.000 millones de dólares. No está claro si el PIB-B podría explicar por completo la aparente desaceleración de la productividad, pero proporciona evidencia de que muchos economistas y legisladores pueden haber subestimado la revolución digital. Y eso, dice Brynjolfsson, tiene implicaciones importantes sobre cuánto debemos invertir en infraestructura digital y priorizar ciertas áreas de innovación.

GDP-B es uno de un conjunto más grande de esfuerzos para encontrar estadísticas que reflejen con mayor precisión los cambios que nos interesan. La idea no es tirar el PIB, sino complementarlo con otras métricas que reflejen de manera más amplia lo que podríamos llamar progreso.

Otra medida de este tipo es la Índice de Progreso Social , que fue creado por un par de economistas, Scott Stern del MIT y Michael Porter de Harvard. Recopila datos de 163 países sobre factores que incluyen la calidad ambiental, el acceso a la atención médica y la educación, las muertes por accidentes de tránsito y la delincuencia. Si bien los países más ricos, como era de esperar, tienden a obtener mejores resultados en este índice, Stern dice que la idea es observar dónde el progreso social difiere del PIB per cápita. Eso muestra cómo algunos países, incluso los pobres, son mejores que otros para convertir el crecimiento económico en cambios sociales valiosos.

Encuesta de 13 países muestra brecha generacional

'Imaginándose cuando termine la pandemia de covid-19... ¿a qué debería priorizar más su país?'

FUENTE: IPSOS/IMPERATIVO DE PROGRESO SOCIAL

EE. UU., con uno de los niveles de PIB per cápita más altos del mundo, ocupa el puesto 28 en el índice y es uno de los cuatro países cuyos puntajes han disminuido desde 2014. Noruega, que es igualmente rica, ocupó el primer lugar en 2020 (ver gráfico debajo). Algunos países más pobres también obtienen mejores resultados.

Muy a menudo, las decisiones sobre innovación y tecnología tienen que ver con su impacto económico, dice Stern. No hay nada de malo en eso. Pero, ¿estamos dirigiendo las recompensas económicas a áreas que impulsarán el progreso social?

Una idea similar se esconde detrás de otra alternativa al PIB, desarrollada por Diane Coyle y sus colegas del Instituto Bennett para Políticas Públicas en Cambridge, Reino Unido. Su medida de lo que llaman la economia de la riqueza se basa en lo que definen como los activos de una sociedad, incluido su capital humano (la salud y las habilidades de su gente), el capital natural (sus recursos y la salud del medio ambiente) y el capital social (confianza y cohesión social).

Es un proyecto enormemente ambicioso que intenta crear un par de medidas clave para cada activo. Esos números, dice Coyle, están destinados a informar mejores decisiones sobre tecnología e innovación, incluidas las decisiones sobre las prioridades de inversión del gobierno. Ella dice que el enfoque te permite preguntar: ¿Qué está haciendo la tecnología por las personas?

El valor de estas diversas alternativas al PIB es que brindan una imagen más amplia de cómo nuestras vidas están cambiando como resultado de la tecnología. Si hubieran estado vigentes hace 20 años, podrían haber arrojado luz sobre las crisis que tardamos en ver, como el aumento de la desigualdad de ingresos y el rápido deterioro de nuestro clima. Si hace 20 años fue una época de máximo optimismo tecnológico, podría habernos llevado a preguntar: ¿Optimismo sobre qué?

esperanza nacida de nuevo

Hace aproximadamente una década, la narrativa tecnooptimista comenzó a desmoronarse.

En 2011 Tyler Cowen, economista de la Universidad George Mason en Virginia, escribió El gran estancamiento , argumentando que las tecnologías que parecían tan impresionantes en ese momento, especialmente las redes sociales y las aplicaciones para teléfonos inteligentes, estaban haciendo poco para estimular el crecimiento económico y mejorar la vida de las personas. El auge y la caída del crecimiento estadounidense, un éxito de ventas de 2016 de Robert Gordon, otro destacado economista, tenía más de 700 páginas y detallaba las razones de la desaceleración de la PTF después de 2004. El auge temporal de Internet, declaró, había terminado.

Los libros ayudaron a iniciar una era de tecnopesimismo, al menos entre los economistas. Y en los últimos años, problemas como la desinformación en las redes sociales, los medios de vida precarios de los trabajadores de la economía informal y los usos más espeluznantes de la minería de datos han alimentado una perspectiva pesimista más amplia, una sensación de que las grandes tecnologías no solo no están mejorando la sociedad. pero lo está empeorando.

En estos días, sin embargo, Cowen está volviendo al campo optimista. Pide más investigación para explicar el progreso y cómo crearlo, pero dice que es una historia más positiva que hace unos años. El aparente éxito de las vacunas contra la covid basadas en el ARN mensajero lo tiene emocionado. También lo hacen los avances en el uso de la IA para predecir plegamiento de proteínas , la poderosa herramienta de edición de genes CRISPR, nuevos tipos de baterías para vehículos eléctricos y avances en energía solar.

¿Qué está haciendo la tecnología por las personas?

Diana Coyle

Un auge anticipado en la financiación tanto de los gobiernos como de las empresas podría amplificar el impacto de estas nuevas tecnologías. El presidente Joe Biden se ha comprometido cientos de miles de millones en gastos de infraestructura, incluidos más de $ 300 mil millones durante los próximos cuatro años para I + D. La UE tiene su propio proyecto de ley de estímulo masivo. Y hay señales de una nueva ronda de inversiones de capital de riesgo, especialmente dirigidas a la tecnología verde.

Si los tecnooptimistas tienen razón, nuestras 10 tecnologías innovadoras para 2021 podrían tener un futuro brillante. La ciencia detrás de las vacunas de ARNm podría abrir una nueva era de la medicina en la que manipulamos nuestro sistema inmunológico para transformar el tratamiento del cáncer, entre otras cosas. Baterías de metal de litio finalmente podría hacer que los autos eléctricos fueran apetecibles para millones de consumidores. Hidrógeno verde podría ayudar a reemplazar los combustibles fósiles. Los avances que hizo GPT-3 posible podría conducir a computadoras alfabetizadas como el próximo gran paso en inteligencia artificial.

Aún así, el destino de las tecnologías en la lista de 2001 nos dice que el progreso no ocurrirá solo por los avances en sí mismos. Necesitaremos una nueva infraestructura para el hidrógeno verde y los coches eléctricos; nueva urgencia para la ciencia del ARNm; y un nuevo pensamiento en torno a la IA y las oportunidades que presenta para resolver problemas sociales. En resumen, necesitamos voluntad política.

Pero la lección más importante de la lista de 2001 es la más simple: el hecho de que estos avances alcancen su potencial depende de cómo elijamos usarlos. Y tal vez esa sea la mayor razón para renovar el optimismo, porque al desarrollar nuevas formas de medir el progreso, como lo están haciendo economistas como Coyle, también podemos crear nuevas aspiraciones para estas nuevas y brillantes tecnologías. Si podemos ver más allá del crecimiento económico convencional y comenzar a medir cómo las innovaciones mejoran la vida de tantas personas como sea posible, tenemos muchas más posibilidades de crear un mundo mejor.

2021

10 tecnologías innovadoras

esconder