Los profesionales del derecho consumen varios tipos de información jurídica, dos de los cuales son los principales: el derecho y la jurisprudencia. La ley es una norma abstracta, es decir, no se ha aplicado a un caso concreto. La jurisprudencia, por su parte, es una norma concreta, hecha para resolver un caso sometido al Poder Judicial.
Aunque es relativamente fácil conocer las leyes, ya que se publican en repositorios oficiales, es mucho más complejo conocer la jurisprudencia. El repositorio legislativo más utilizado es el de la Meseta e ilustra bien cómo se organizan y consumen en Brasil las diversas formas de legislación federal. Por el contrario, Existen varios tribunales y cada uno se encarga de publicar su propia jurisprudencia .
En general, los tribunales tratan estos datos como documentos en lenguaje natural, con una capa adicional relativamente limitada de metadatos.
Así, existen pocos filtros para acceder a esta información, por ejemplo: la fecha de la sentencia, el nombre del juez, el órgano al que pertenece este juez, el nombre y cargo de cada parte en el proceso, etc. Sin embargo, no encontramos ningún repositorio público organizado en torno a la dimensión del resultado del juicio, ya sea favorable o desfavorable a su resultado.
Consideremos el siguiente caso de uso:
Es posible imaginar que un abogado de un banco realiza una investigación sobre la jurisprudencia en un determinado tribunal para evaluar las posibilidades de éxito de una nueva demanda.
Como la base de juicio del STF está indexada, puede, con cierta facilidad, encontrar casos concretos que trataron un determinado tema. Sin embargo, el abogado tiene mucha dificultad para encontrar, dentro de este tema, cuáles fueron los casos ganados por los bancos y en los que los mismos bancos fueron derrotados.
La utilidad de desarrollar una solución que comprenda cuáles son los casos favorables y desfavorables radica en posibilitar una consulta agregada también por esta dimensión, refiriéndose al resultado del juicio. Al fin y al cabo, la consulta profesional casi siempre tiene una vertiente interesada, de tal manera que conocer el desenlace del caso es una información muy importante para la vida práctica de los profesionales del derecho.
En las próximas semanas, publicaremos aquí el viaje de varios de los investigadores de DireitoTec, dedicados a mapear decenas de miles de sentencias STF. Esto permitirá crear una base para la formación en inteligencia artificial de tal manera que es posible clasificar automáticamente el resultado de una sentencia. ¿Qué dices? ¿Suena prometedor?
Este post es parte de una serie. Véase el Publicación siguiente .
Para tratar un tema tan complicado, me gustaría comenzar con una noción muy simple: una cadena es tan fuerte como su eslabón más débil. Por lo tanto, si está buscando construir (o unirse) a un laboratorio de ciencia de datos legales dentro de su universidad, debe investigar qué tan sólido es cada uno de los siguientes pasos:
- Usted tiene Investigaciones previas que ya han permitido comprender el contexto jurídico de un campo delimitado? En otras palabras, ¿ya dominas el área del negocio?
- Su búsqueda anterior se ha agotado o era limitado ¿Por la ausencia de datos? En otras palabras, ¿solo es posible alcanzar un nuevo nivel científico después de explorar este horizonte?
- Después de confirmar las limitaciones del paso anterior, ha formulado Problemas ¿De quién son las respuestas que se pueden obtener de los datos?
- Además de los problemas, ya has formulado Oportunidad ¿Comprobable con estos datos?
- Es posible obtener el datos ¿Exigido por su hipótesis? ¿Están estos datos disponibles, al menos de forma no estructurada?
- Si es necesario, tiene Condiciones de estructuración ¿Estos datos?
- Una vez que hayas estructurado los datos, podrás Seguir actualizando y Evolucionar en el modelado de los datos? En otras palabras, ¿qué tan desechable es su investigación?
- Además de ti, ya hay un equipo con Cultura de datos ¿Quién puede entender los desafíos de este tipo de investigación y está dispuesto a avanzar en esta dirección?
- Su equipo tiene un Rutina de trabajo y Gestión del conocimiento que permitan llevar a cabo en paralelo planes individuales relativamente sencillos (por ejemplo, algunos TCC), guiados por hitos que apoyen investigaciones más sofisticadas en el futuro (por ejemplo, una tesis doctoral)?
- ¿Alguna vez has documentado un Ciclo formativo mínimo para embarcar nuevos investigadores? ¿Existen alternativas más rentables a un ciclo de formación que depende de ti? Por ejemplo, ¿ya existe un curso de formación en ciencia de datos que se ofrezca regularmente y al que puedan acceder los posibles miembros del equipo?
- Además de sus subordinados, cuenta con personas con conocimientos de otras áreas que son capaces de Confirmar la viabilidad de su ambición?
- Es decir, con el objetivo de realizar investigación empírica en derecho (ciencias sociales aplicadas), se dispone de una La red para evolucionar en asociación con el conocimiento de soporte tecnológico (ciencias exactas)?
- ¿Estás abierto a aceptar y Guíe su planificación ¿A partir de este análisis de viabilidad, combinando proyectos de investigación inmediatamente viables y un horizonte de innovación a explorar?
- Los resultados de la investigación pueden ser incorporados en Productos que tienen valor para el mercado ? Ya tienes un plan para tener Acceso al mercado ?
Por supuesto, este no es un solo camino. Existen varios tipos de laboratorios, sobre todo cuando se trata del contexto universitario, en el que gran parte de los recursos de los laboratorios son demandas para actividades docentes o de investigación básica. Pero si está involucrado en la creación de un laboratorio que tiene un propósito legal y trabaja con datos, es posible que desee tomar ciertas precauciones. Después de todo, la tecnología no es su área principal.
En conclusión No es lo mismo construir un laboratorio que comprar equipos . Un laboratorio se construye en torno a problemas a resolver. Y no se trata de problemas pequeños, ya que requieren de la colaboración de diferentes ámbitos para ser superados. El ambiente de trabajo y la cultura de este grupo de personas son los cimientos del laboratorio. De hecho, es algo bastante intangible.
En un mundo en el que la infraestructura tecnológica ha comenzado a consumirse como servicio (cloud computing), contar con recursos físicos ya no es una ventaja competitiva absoluta. El verdadero reto es desarrollar un trabajo que concilie la investigación y la innovación con la urgencia y el pragmatismo que demanda el mercado.
Al fin y al cabo, en este ámbito, sin mercado, no hay investigación financiada. Y, sin dinero, las otras condiciones para crear y mantener un laboratorio de este tipo no estarán presentes. Mi recomendación es que no vayas de compras el primer día, porque primero tienes que responder a la lista de preguntas que aparece al principio del post.
PD: Mientras escribía el post, me enteré de que el CNJ, por Ordenanza 25/19, creó un laboratorio (llamado Inova PJe) y un Centro de Inteligencia Artificial. No creo que las reflexiones del post sean totalmente aplicables a los laboratorios institucionales. De hecho, veo al CNJ más como un órgano de decisión que operativo. La operación en sí se llevaría a cabo, por ejemplo, en un acuerdo con un laboratorio académico, cuyo funcionamiento describí en el post.
Para tratar un tema tan complicado, me gustaría comenzar con una noción muy simple: una cadena es tan fuerte como su eslabón más débil. Por lo tanto, si está buscando construir (o unirse) a un laboratorio de ciencia de datos legales dentro de su universidad, debe investigar qué tan sólido es cada uno de los siguientes pasos:
- Usted tiene Investigaciones previas que ya han permitido comprender el contexto jurídico de un campo delimitado? En otras palabras, ¿ya dominas el área del negocio?
- Su búsqueda anterior se ha agotado o era limitado ¿Por la ausencia de datos? En otras palabras, ¿solo es posible alcanzar un nuevo nivel científico después de explorar este horizonte?
- Después de confirmar las limitaciones del paso anterior, ha formulado Problemas ¿De quién son las respuestas que se pueden obtener de los datos?
- Además de los problemas, ya has formulado Oportunidad ¿Comprobable con estos datos?
- Es posible obtener el datos ¿Exigido por su hipótesis? ¿Están estos datos disponibles, al menos de forma no estructurada?
- Si es necesario, tiene Condiciones de estructuración ¿Estos datos?
- Una vez que hayas estructurado los datos, podrás Seguir actualizando y Evolucionar en el modelado de los datos? En otras palabras, ¿qué tan desechable es su investigación?
- Además de ti, ya hay un equipo con Cultura de datos ¿Quién puede entender los desafíos de este tipo de investigación y está dispuesto a avanzar en esta dirección?
- Su equipo tiene un Rutina de trabajo y Gestión del conocimiento que permitan llevar a cabo en paralelo planes individuales relativamente sencillos (por ejemplo, algunos TCC), guiados por hitos que apoyen investigaciones más sofisticadas en el futuro (por ejemplo, una tesis doctoral)?
- ¿Alguna vez has documentado un Ciclo formativo mínimo para embarcar nuevos investigadores? ¿Existen alternativas más rentables a un ciclo de formación que depende de ti? Por ejemplo, ¿ya existe un curso de formación en ciencia de datos que se ofrezca regularmente y al que puedan acceder los posibles miembros del equipo?
- Además de sus subordinados, cuenta con personas con conocimientos de otras áreas que son capaces de Confirmar la viabilidad de su ambición?
- Es decir, con el objetivo de realizar investigación empírica en derecho (ciencias sociales aplicadas), se dispone de una La red para evolucionar en asociación con el conocimiento de soporte tecnológico (ciencias exactas)?
- ¿Estás abierto a aceptar y Guíe su planificación ¿A partir de este análisis de viabilidad, combinando proyectos de investigación inmediatamente viables y un horizonte de innovación a explorar?
- Los resultados de la investigación pueden ser incorporados en Productos que tienen valor para el mercado ? Ya tienes un plan para tener Acceso al mercado ?
Por supuesto, este no es un solo camino. Existen varios tipos de laboratorios, sobre todo cuando se trata del contexto universitario, en el que gran parte de los recursos de los laboratorios son demandas para actividades docentes o de investigación básica. Pero si está involucrado en la creación de un laboratorio que tiene un propósito legal y trabaja con datos, es posible que desee tomar ciertas precauciones. Después de todo, la tecnología no es su área principal.
En conclusión No es lo mismo construir un laboratorio que comprar equipos . Un laboratorio se construye en torno a problemas a resolver. Y no se trata de problemas pequeños, ya que requieren de la colaboración de diferentes ámbitos para ser superados. El ambiente de trabajo y la cultura de este grupo de personas son los cimientos del laboratorio. De hecho, es algo bastante intangible.
En un mundo en el que la infraestructura tecnológica ha comenzado a consumirse como servicio (cloud computing), contar con recursos físicos ya no es una ventaja competitiva absoluta. El verdadero reto es desarrollar un trabajo que concilie la investigación y la innovación con la urgencia y el pragmatismo que demanda el mercado.
Al fin y al cabo, en este ámbito, sin mercado, no hay investigación financiada. Y, sin dinero, las otras condiciones para crear y mantener un laboratorio de este tipo no estarán presentes. Mi recomendación es que no vayas de compras el primer día, porque primero tienes que responder a la lista de preguntas que aparece al principio del post.
PD: Mientras escribía el post, me enteré de que el CNJ, por Ordenanza 25/19, creó un laboratorio (llamado Inova PJe) y un Centro de Inteligencia Artificial. No creo que las reflexiones del post sean totalmente aplicables a los laboratorios institucionales. De hecho, veo al CNJ más como un órgano de decisión que operativo. La operación en sí se llevaría a cabo, por ejemplo, en un acuerdo con un laboratorio académico, cuyo funcionamiento describí en el post.
He intentado todo tipo de organizaciones para ser un asesor productivo y así tener un buen grupo de investigación. No es una tarea fácil, pero, como profesor, es algo a lo que tienes que enfrentarte de frente. De lo contrario, se le exigirá repetidamente, proporcionando siempre la misma información, con cada semestre que pasa, a diferentes asesores.
La organización basada en herramientas es esencial en la preparación de las reuniones de orientación. Si se hace esto, el asesor se vuelve ágil en proporcionar las fuentes para que el asesorado pueda leerlas antes de este encuentro personal. Y el asesorado tendrá una reunión más productiva, que es exactamente lo que todos quieren. De esta manera es posible avanzar en la investigación más rápidamente.
Banco de proyectos
En mi opinión, para la fase inicial de la investigación, es fundamental mantener un banco de proyectos que pueda actualizarse fácilmente y compartirse con los asesores. Si bien en el pasado he intentado automatizar esta parte del flujo de trabajo con una base de datos (que incluye un enlace de consulta y filtros disponibles públicamente), ya no parece una buena idea.
Hoy mi opción es gestionar personalmente el banco de proyectos y solo enviar a cada nuevo guiando un bloque de 10 a 20 proyectos relacionados con la temática de su interés. Después de leer 20 buenos proyectos, es muy probable que el aconsejado regrese, para una segunda reunión, con un proyecto de la misma calidad.
Esta es mi primera conclusión: para que el alumno escriba un buen proyecto, necesita leer varios otros.
Sin leer decenas de proyectos, el alumno no interioriza lo que necesita. Se queda sin referencias, porque su propio proyecto es prácticamente el único que leerá en su vida. El esfuerzo en esta parte realmente vale la pena, sin importar si supervisas un trabajo de graduación o revisas un proyecto de tesis. Así que, si eres profesor, te sugiero que guardes este banco de la selección de todos los proyectos que lees. Lleva trabajo y tiempo, pero el retorno está garantizado.
Hay varias opciones para ayudar a mantener este banco. Puedes usar Airtable para crear una base de datos de documentos y compartir el enlace con tu aprendiz. Si necesitas inspiración, echa un vistazo a esto plantilla . Aunque la plantilla es de un catálogo de libros, solo tienes que adaptarla para que se convierta en un catálogo de proyectos. Si desea alguna opción, consulte la Zenkit , que es prácticamente un clon de Airtable. Eso es todo lo que necesitas.
Biblioteca de referencia
Es nostálgico pensar que alguien puede desarrollar cualquier investigación con solo visitar la biblioteca para hacer copias de libros en papel. De hecho, todos comenzamos la búsqueda en Internet. Esto también nos lleva a un problema común, consistente en el desafío de mantener una colección electrónica de libros y artículos listos para su consulta y citación.
Si, por un lado, es cierto que un estudiante de pregrado no necesita toda esta sofisticación para terminar un trabajo final, es muy probable que un investigador profesional tenga, sea cual sea, su forma de organizar una biblioteca digital.
Evaluemos algunos escenarios. La persona tiene una carpeta llena de archivos pdf en su computadora. Ciertamente funciona, a pesar de las limitaciones obvias. Una variación popular es la carpeta compartida en Dropbox. Pero estas opciones son solo formas de almacenar archivos. Lo que exige un investigador profesional -y uno que es moderno- va más allá de eso. Al fin y al cabo, es necesario gestionar las citas de forma integrada con su editor de texto o, al menos, generar la bibliografía con un solo clic.
Creo que hay opciones bastante consistentes en el mercado para este tipo de tareas. El más popular (y que tiene un plan premium de pago asequible) es el Mendeley . En el pasado, creo que el Endnote Alguna vez fue una opción seria, pero es aún más cara. Prefiero la alternativa al código abierto, llamada Zotero . Para mí es la solución definitiva.
Esta es mi segunda conclusión: para que las guías puedan proporcionar referencias rápidamente, su biblioteca de referencias debe estar organizada.
Conclusión
Para el asesor, vale la pena invertir en la organización de una base de proyectos, ya que esto ahorra trabajo y aumenta la calidad del proyecto a preparar por el asesorado. Una vez preparado el proyecto, vale la pena invertir en la organización de una biblioteca de referencia para ayudar a mejorar el texto.
Juntas, estas herramientas evitan que cada proceso de orientación se convierta en la reinvención de la rueda. Y ciertamente no necesitamos eso.
He intentado todo tipo de organizaciones para ser un asesor productivo y así tener un buen grupo de investigación. No es una tarea fácil, pero, como profesor, es algo a lo que tienes que enfrentarte de frente. De lo contrario, se le exigirá repetidamente, proporcionando siempre la misma información, con cada semestre que pasa, a diferentes asesores.
La organización basada en herramientas es esencial en la preparación de las reuniones de orientación. Si se hace esto, el asesor se vuelve ágil en proporcionar las fuentes para que el asesorado pueda leerlas antes de este encuentro personal. Y el asesorado tendrá una reunión más productiva, que es exactamente lo que todos quieren. De esta manera es posible avanzar en la investigación más rápidamente.
Banco de proyectos
En mi opinión, para la fase inicial de la investigación, es fundamental mantener un banco de proyectos que pueda actualizarse fácilmente y compartirse con los asesores. Si bien en el pasado he intentado automatizar esta parte del flujo de trabajo con una base de datos (que incluye un enlace de consulta y filtros disponibles públicamente), ya no parece una buena idea.
Hoy mi opción es gestionar personalmente el banco de proyectos y solo enviar a cada nuevo guiando un bloque de 10 a 20 proyectos relacionados con la temática de su interés. Después de leer 20 buenos proyectos, es muy probable que el aconsejado regrese, para una segunda reunión, con un proyecto de la misma calidad.
Esta es mi primera conclusión: para que el alumno escriba un buen proyecto, necesita leer varios otros.
Sin leer decenas de proyectos, el alumno no interioriza lo que necesita. Se queda sin referencias, porque su propio proyecto es prácticamente el único que leerá en su vida. El esfuerzo en esta parte realmente vale la pena, sin importar si supervisas un trabajo de graduación o revisas un proyecto de tesis. Así que, si eres profesor, te sugiero que guardes este banco de la selección de todos los proyectos que lees. Lleva trabajo y tiempo, pero el retorno está garantizado.
Hay varias opciones para ayudar a mantener este banco. Puedes usar Airtable para crear una base de datos de documentos y compartir el enlace con tu aprendiz. Si necesitas inspiración, echa un vistazo a esto plantilla . Aunque la plantilla es de un catálogo de libros, solo tienes que adaptarla para que se convierta en un catálogo de proyectos. Si desea alguna opción, consulte la Zenkit , que es prácticamente un clon de Airtable. Eso es todo lo que necesitas.
Biblioteca de referencia
Es nostálgico pensar que alguien puede desarrollar cualquier investigación con solo visitar la biblioteca para hacer copias de libros en papel. De hecho, todos comenzamos la búsqueda en Internet. Esto también nos lleva a un problema común, consistente en el desafío de mantener una colección electrónica de libros y artículos listos para su consulta y citación.
Si, por un lado, es cierto que un estudiante de pregrado no necesita toda esta sofisticación para terminar un trabajo final, es muy probable que un investigador profesional tenga, sea cual sea, su forma de organizar una biblioteca digital.
Evaluemos algunos escenarios. La persona tiene una carpeta llena de archivos pdf en su computadora. Ciertamente funciona, a pesar de las limitaciones obvias. Una variación popular es la carpeta compartida en Dropbox. Pero estas opciones son solo formas de almacenar archivos. Lo que exige un investigador profesional -y uno que es moderno- va más allá de eso. Al fin y al cabo, es necesario gestionar las citas de forma integrada con su editor de texto o, al menos, generar la bibliografía con un solo clic.
Creo que hay opciones bastante consistentes en el mercado para este tipo de tareas. El más popular (y que tiene un plan premium de pago asequible) es el Mendeley . En el pasado, creo que el Endnote Alguna vez fue una opción seria, pero es aún más cara. Prefiero la alternativa al código abierto, llamada Zotero . Para mí es la solución definitiva.
Esta es mi segunda conclusión: para que las guías puedan proporcionar referencias rápidamente, su biblioteca de referencias debe estar organizada.
Conclusión
Para el asesor, vale la pena invertir en la organización de una base de proyectos, ya que esto ahorra trabajo y aumenta la calidad del proyecto a preparar por el asesorado. Una vez preparado el proyecto, vale la pena invertir en la organización de una biblioteca de referencia para ayudar a mejorar el texto.
Juntas, estas herramientas evitan que cada proceso de orientación se convierta en la reinvención de la rueda. Y ciertamente no necesitamos eso.
El presidente de los Estados Unidos, Donald Trump, firmó recientemente (11/02/19) un " ORDEN EJECUTIVA para, en estas palabras, "mantener el liderazgo" del país en el campo de la inteligencia artificial. Si bien es innegable que EE.UU. juega un papel muy importante en este ámbito, no es tan sencillo posicionarse como líder. De hecho, la propia preocupación por mantener una supuesta ventaja demuestra que hay al menos una amenaza seria en esta carrera por la IA, en la que China ha estado destacando mucho.
Más que una promesa: años de presupuesto
Para llevar a cabo esta misión se nombró un Comité vinculado al Consejo Nacional de Ciencia y Tecnología (NSTC, por sus siglas en inglés), de tal manera que se espera una amplia coordinación del gobierno federal estadounidense, incluyendo a todas sus agencias. Se anima a los directores de estas agencias, a partir de ahora, a priorizar las inversiones en IA, haciendo que sus propuestas presupuestarias contemplen inversiones en la zona y, especialmente, durante los próximos años.
Es decir, hay una preocupación por aportar fondos para la iniciativa y el programa reconoce que el desarrollo de la IA es algo que, además de dinero, también consume mucho tiempo. Y esto convive con un sentido de urgencia, ya que la ley establece un plazo de 90 días para que cada organismo indique cómo piensa comprometer su presupuesto anual para alcanzar los objetivos marcados por la norma.
Principios y objetivos estratégicos
El acto de Trump se guía por cinco principios: promoción de la ciencia, competitividad económica y seguridad nacional; reducir las barreras a los experimentos de IA con el fin de ampliar su uso; educar a los ciudadanos para enfrentar la revolución económica provocada por la tecnología; garantía de las libertades civiles y de la intimidad; así como mantener la posición estratégica de EE.UU. en el mercado mundial de IA.
Parece un buen resumen de todo lo que promete esta tecnología en cuanto a avances y también riesgos derivados de ella. Así, al mismo tiempo que Trump refuerza la importancia estratégica de ser protagonista en la exportación de IA, delimita que este activo debe ser protegido para que no caiga en manos de adversarios comerciales y, especialmente, enemigos. Trump también está comprometido a mantener la empleabilidad de los ciudadanos estadounidenses, en vista de la anunciada extinción [en mi opinión, prematuramente] de varias profesiones.
Los principios enumerados deben estar encaminados, en el ámbito del gobierno federal, a alcanzar seis objetivos estratégicos: convertir la investigación en IA en innovación aplicada a la práctica; aumentar el suministro de datos y ampliar el acceso a computadoras especializadas; preservar la seguridad y la privacidad, incluso ante la expansión de los usos de la IA; reducir la vulnerabilidad de los sistemas a ataques maliciosos; garantizar que los empleados públicos y privados puedan utilizar las nuevas tecnologías; y, finalmente, mantener el liderazgo de Estados Unidos en la zona.
El cronograma y los plazos
Además de establecer competencias, principios y objetivos estratégicos, la "orden ejecutiva" crea un cronograma para que se logren. El primer paso es la mejora en el suministro de datos por parte del gobierno federal, que se reconoce como un cuello de botella para el desarrollo de la IA.
Se prevé una convocatoria pública para, en un plazo de 90 días, identificar las demandas de la sociedad civil y la academia en relación a qué servicios se deben priorizar. Dentro de los 120 días posteriores a la publicación de la ley, con el apoyo del Ministerio de Planificación (OMB), el Comité Federal de Inteligencia Artificial (Comité Selecto) debe actualizar los lineamientos para la implementación de repositorios de datos y software, con el objetivo de mejorar la recuperación y el uso de la información.
Además de estas predicciones, la "orden ejecutiva" crea una serie de hitos urgentes para que el ciclo sea exitoso, comenzando con las demandas de los científicos de datos y cerrando con el cumplimiento de las mismas. Es decir, se trata de una planificación guiada por el uso y propósito que la sociedad quiere dar a los datos. El gobierno estadounidense no dice qué se debe hacer, llamándose solo el deber de organizar los datos, para que no haya filtraciones o violaciones de la privacidad.
Mi opinión: Carrera contra China
En mi opinión, la nueva ley de Trump es muy correcta y revela el verdadero choque de dos poderes. China es el líder en la recopilación de información (incluso cuestionable) y está avanzando rápidamente con su capacidad de procesamiento. Estados Unidos, por otro lado, puede incluso ser visto como un líder en la investigación de IA, pero depende de más datos para seguir luchando. Por lo tanto, la ley reorganiza las bases de la estructura de datos públicos estadounidense. Al fin y al cabo, sin datos es imposible avanzar en la ciencia de datos.
Aparentemente, cuando se trata de IA, a juzgar por los plazos e hitos descritos en el estándar estadounidense, el tiempo también es dinero. De hecho, mucho dinero. Prueba de ello es que EEUU está rehaciendo los cimientos, y no una mera renovación del techo.
El presidente de los Estados Unidos, Donald Trump, firmó recientemente (11/02/19) un " ORDEN EJECUTIVA para, en estas palabras, "mantener el liderazgo" del país en el campo de la inteligencia artificial. Si bien es innegable que EE.UU. juega un papel muy importante en este ámbito, no es tan sencillo posicionarse como líder. De hecho, la propia preocupación por mantener una supuesta ventaja demuestra que hay al menos una amenaza seria en esta carrera por la IA, en la que China ha estado destacando mucho.
Más que una promesa: años de presupuesto
Para llevar a cabo esta misión se nombró un Comité vinculado al Consejo Nacional de Ciencia y Tecnología (NSTC, por sus siglas en inglés), de tal manera que se espera una amplia coordinación del gobierno federal estadounidense, incluyendo a todas sus agencias. Se anima a los directores de estas agencias, a partir de ahora, a priorizar las inversiones en IA, haciendo que sus propuestas presupuestarias contemplen inversiones en la zona y, especialmente, durante los próximos años.
Es decir, hay una preocupación por aportar fondos para la iniciativa y el programa reconoce que el desarrollo de la IA es algo que, además de dinero, también consume mucho tiempo. Y esto convive con un sentido de urgencia, ya que la ley establece un plazo de 90 días para que cada organismo indique cómo piensa comprometer su presupuesto anual para alcanzar los objetivos marcados por la norma.
Principios y objetivos estratégicos
El acto de Trump se guía por cinco principios: promoción de la ciencia, competitividad económica y seguridad nacional; reducir las barreras a los experimentos de IA con el fin de ampliar su uso; educar a los ciudadanos para enfrentar la revolución económica provocada por la tecnología; garantía de las libertades civiles y de la intimidad; así como mantener la posición estratégica de EE.UU. en el mercado mundial de IA.
Parece un buen resumen de todo lo que promete esta tecnología en cuanto a avances y también riesgos derivados de ella. Así, al mismo tiempo que Trump refuerza la importancia estratégica de ser protagonista en la exportación de IA, delimita que este activo debe ser protegido para que no caiga en manos de adversarios comerciales y, especialmente, enemigos. Trump también está comprometido a mantener la empleabilidad de los ciudadanos estadounidenses, en vista de la anunciada extinción [en mi opinión, prematuramente] de varias profesiones.
Los principios enumerados deben estar encaminados, en el ámbito del gobierno federal, a alcanzar seis objetivos estratégicos: convertir la investigación en IA en innovación aplicada a la práctica; aumentar el suministro de datos y ampliar el acceso a computadoras especializadas; preservar la seguridad y la privacidad, incluso ante la expansión de los usos de la IA; reducir la vulnerabilidad de los sistemas a ataques maliciosos; garantizar que los empleados públicos y privados puedan utilizar las nuevas tecnologías; y, finalmente, mantener el liderazgo de Estados Unidos en la zona.
El cronograma y los plazos
Además de establecer competencias, principios y objetivos estratégicos, la "orden ejecutiva" crea un cronograma para que se logren. El primer paso es la mejora en el suministro de datos por parte del gobierno federal, que se reconoce como un cuello de botella para el desarrollo de la IA.
Se prevé una convocatoria pública para, en un plazo de 90 días, identificar las demandas de la sociedad civil y la academia en relación a qué servicios se deben priorizar. Dentro de los 120 días posteriores a la publicación de la ley, con el apoyo del Ministerio de Planificación (OMB), el Comité Federal de Inteligencia Artificial (Comité Selecto) debe actualizar los lineamientos para la implementación de repositorios de datos y software, con el objetivo de mejorar la recuperación y el uso de la información.
Además de estas predicciones, la "orden ejecutiva" crea una serie de hitos urgentes para que el ciclo sea exitoso, comenzando con las demandas de los científicos de datos y cerrando con el cumplimiento de las mismas. Es decir, se trata de una planificación guiada por el uso y propósito que la sociedad quiere dar a los datos. El gobierno estadounidense no dice qué se debe hacer, llamándose solo el deber de organizar los datos, para que no haya filtraciones o violaciones de la privacidad.
Mi opinión: Carrera contra China
En mi opinión, la nueva ley de Trump es muy correcta y revela el verdadero choque de dos poderes. China es el líder en la recopilación de información (incluso cuestionable) y está avanzando rápidamente con su capacidad de procesamiento. Estados Unidos, por otro lado, puede incluso ser visto como un líder en la investigación de IA, pero depende de más datos para seguir luchando. Por lo tanto, la ley reorganiza las bases de la estructura de datos públicos estadounidense. Al fin y al cabo, sin datos es imposible avanzar en la ciencia de datos.
Aparentemente, cuando se trata de IA, a juzgar por los plazos e hitos descritos en el estándar estadounidense, el tiempo también es dinero. De hecho, mucho dinero. Prueba de ello es que EEUU está rehaciendo los cimientos, y no una mera renovación del techo.
Trabajar ya es bastante duro. Imagínate ser responsable... y trabajo. Pero es una rutina en la que tenemos que invertir para que nuestro trabajo sea, al menos, más visto por los compañeros. Y esto también es importante para la mejora del trabajo en equipo. En este post doy algunos consejos sobre cómo es posible organizar esta rutina con algunas herramientas de productividad.
Uso de Slack como escritorio remoto
El siguiente video muestra una rutina simplificada de rendición de cuentas. Capturé el teléfono con Jibble a la izquierda y el equipo respectivo en Slack. Básicamente, lo que muestra el video es un usuario (en este caso yo 🙂) navegando dentro de la aplicación Jibble en el iPhone y seleccionando: Entrada/Salida → Entrada → Confirmar Entrada.
Como es intuitivo, para que la integración funcione, el administrador debe haber creado las cuentas tanto en Jibble como en Slack. Luego, el administrador debe invitar al equipo, por correo electrónico, a formar parte de cada uno de los sistemas. Por último, integrará los servicios, invitando al bot Jibble a habitar el espacio de trabajo de Slack. Pero en realidad esto solo le interesa al administrador.
Desde el punto de vista del usuario, solo recibirá invitaciones, registrará sus contraseñas y, si lo desea, también instalará las aplicaciones en las plataformas de su elección. Aquí estamos demostrando Jibble en el teléfono y Slack en la computadora y la rutina capturada es la que registrará mi check-in.
Dado que el equipo de Jibble se incorpora a través de Slack, todos recibirán una notificación en su canal de que estoy trabajando actualmente. Fíjate en la notificación que aparece en la esquina inferior derecha de la pantalla, al final de la línea de tiempo del canal. Cuando hayas terminado, todo lo que tengo que hacer es: Entrar/Salir → Salir → Confirmar Salida.
Más allá del control del tiempo: lo que se hizo efectivamente
Esta simple interacción generará suficiente información para saber quién trabajó, durante cuánto tiempo y con qué frecuencia. Pero el sistema te permite saber mucho más sobre el trabajo. Tomemos, por ejemplo, otro equipo que tengo en Jibble, conectado a otro espacio de trabajo en Slack. Este otro equipo ya tiene una cultura establecida de rendición de cuentas con más detalle.
Allí se habilitó un campo llamado "Nota/Tarea opcional", en el que el usuario informa lo que pretende hacer al iniciar su turno de trabajo. Asimismo, al finalizar la compra, aparecerá el mismo campo y el usuario tendrá la posibilidad de comentar si ha cumplido o no con lo que pretendía realizar.
Para los usuarios experimentados, simplemente informe lo que logró lograr al finalizar la compra, y el primer registro es prescindible. Por otro lado, la experiencia muestra que los usuarios menos diligentes simplemente pueden no recordar pagar, dejando un vacío en el sistema. Por eso es importante acostumbrarse a publicar también lo que se pretende hacer al iniciar el turno de trabajo.
No es el tema de esta publicación, pero Jibble tiene una serie de configuraciones adicionales que esperamos que el usuario descubra al usar la aplicación. La primera característica que notará el usuario es que siempre programo un pago automático cada cuatro horas. El efecto práctico es que el usuario "olvidado" siempre será marcado por el "autopago" y no tendrá la oportunidad de registrar lo que logró lograr. Naturalmente, este es un punto negativo y que se registrará para futuras evaluaciones. 😇
PD: ¿Te ha gustado? ¿Quieres saber más? Véase el Ayuda a hacer Jibble sobre el check-in sin tener que instalar la aplicación.