Transcripción automática: puede contener errores en nombres, cifras o citas. Si ves algo importante, escríbenos.
Buenas tardes, amigas y amigos oyentes de Colectivo Burbuja. Os doy la bienvenida a un nuevo programa de radioactividad y economía directa. Hoy tenemos con nosotros Rafael Líñigue. Buenas tardes, Rafael. Hola, muy buenas tardes. Y tenemos también un viejo invitado de Colectivo Burbuja, aunque hace ya años que no participaba, que es Francisco Villatoro. Muy buenas tardes Francisco y gracias por venir. un saludo a todos los oyentes y un placer de estar aquí con vosotros de nuevo. Hoy, desde luego, aprovechando la presencia de estos dos invitados de excepción, especialmente que tenemos aquí a Francisco, que desde luego no tenemos todas las semanas la ocasión
de tenerle aquí, ni mucho menos ojalá fuera así, pero vamos a aprovechar y te vamos a, desde luego a exprimir un poquito, si nos permites, Francisco, sobre todo en temas de progreso tecnológico, vamos a hablar sobre todo de inteligencia artificial, vamos a hablar de ese anuncio que ha hecho IBM sobre la comercialización de un ordenador cuántico, y también vamos hablar de cuarta revolución industrial que está muy asociada, por supuesto, al progreso en estos campos. Se ha publicado hace muy poquito, concretamente el 7 de enero, el Nature se ha publicado un artículo que habla sobre la inteligencia artificial y que no se va a poder decidir, o sea que no se puede
saber a priori si un problema determinado va a poder ser resuelto por un sistema de inteligencia artificial, un sistema de aprendizaje automático o no, o sea esto ha salido publicado en la prensa generalista, vamos yo de hecho a la tuviera tiempo de revisar estas publicaciones pero muchas veces se acudó a ellas cuando lo veo en la prensa generalista y por eso lo hemos conocido, el se le ha dado en la prensa generalista que lo ha publicado que no ha sido toda ni mucho menos pues una importancia relativamente grande y a mí me gustaría saber Francisco que de verdad que quiere decir esto que se ha publicado y si tiene implicaciones a la hora del desarrollo de la
inteligencia artificial. Adelante, Francisco. Bueno lo primero que hay que aclarar es que se ha publicado en una revista del grupo Nature pero no en la revista Nature, en concreto en una revista que acaba de nacer este año en Nature Machine Intelligence, digamos que es la revista de inteligencia artificial del grupo Nature. Ah, muy bien, gracias por la puntualización. Esta revista, el primer número de este año, en ese primer número aparece este artículo, que es un artículo básicamente de carácter teórico. Hay una cuestión que fue muy importante digamos los orígenes, la prehistoria de la informática, que fue el tema de la axiomatización de la matemática. Es decir, si podemos construir toda la matemática utilizando una serie de verdades
primitivas, que se llaman axiomas, como los axiomas de la geometría euclidia euclides, y una serie de operaciones sobre esos axiomas, una serie de operaciones lógicas que se llaman métodos de demostración. Entonces, a principios del siglo XX se descubrió que existen problemas matemáticos que son indecidibles. Es decir, que dado un sistema de axiomas y un conjunto de reglas, hay verdades en ese sistema de axiomas y su contrario, lo contrario de esa verdad, que son independientes de ese sistema de acciones. Y yo puedo construir un nuevo sistema de acciones añadiendo esa verdad o añadiendo el contrario de la verdad, como se llama mentira, y construir
dos nuevas matemáticas. Entonces en ese momento había un problema que era muy interesante, que se llamaba la hipótesis del continuo. Y es un problema que ya introdujo Cantor, uno de los creadores de la teoría de conjuntos a finales del siglo XIX, que era el problema de saber si en los números reales, números como pi, como riesgo hará de dos, y los números racionales, es decir, los conscientes dos enteros, un tercio, siete quintos, catorce novenos, pues si entre los racionales y los reales hay otros números intermedios. El primer el continuo, la hipótesis del continuo de Cantor era que no había, entre los racionales y el siguiente conjunto más grande son los reales,
pero se podían construir teorías matemáticas que negaban este axioma del continuo que tuvieran un número infinito de diferentes tipos de números intermedios. Bien, lo que demostraron dos investigadores, Gedel y Cohen más tarde, es que este problema, la hipótesis del continuo, es indecidable. Es decir, que es tan válido como verdad, como mentira y que yo puedo añadírselo a la teoría de conjuntos tanto como verdad o como mentira generando dos variantes de la teoría de conjuntos. La normal habitual es añadirlo como verdad. Bien pues utilizando ese tipo de técnica es una técnica que digamos es complicada porque es de meta matemática ¿no? de la matemática que estudia la matemática
que es una técnica que se llama el forzado el forcin y que permite demostrar este tipo de resultados de indecedibilidad sobre sistemas de conjuntos, en especial sobre cuando yo tengo infinitos conjuntos y tengo una función que tengo que evaluar sobre esos infinitos conjuntos. Resulta que yo puedo construir un problema de aprendizaje, que es dado un conjunto de datos, una información determinada sobre ese problema, decidir si en un cierto conjunto, cuál es el conjunto que da el valor máximo de una función. Yo quiero saber, dada una cierta función, que esto es como muy abstracto, ¿eh? Dada una función abstracta, en general existirá un valor aplicado a todos los conjuntos, habrá un valor máximo de esa función o habrá
varios conjuntos que tienen ese valor máximo, pero asumamos que existe ese valor máximo, ¿no? Entonces, el problema es decidir si con cierta cantidad de datos se puede aprender a resolver este problema, a saber cuándo la función es máxima o no, y es lo que se ha demostrado es que este problema, que es un problema muy teórico, muy formal, es indecisible, es decir, es independiente de la axiomática de teoría de conjuntos estándar, la de Zarmelo, Frenkel y este sistema de axiomas que es un resultado como muy, muy matemático, pero que nos dice que existen problemas de aprendizaje en los que yo no puedo decidir si existe solución o no existe solución.
Y entonces esto nos habla de que el aprendizaje es un problema de punto de vista matemático tan complicado como puede llegar a ser un problema matemático. Entonces hay cosas que formalmente nunca podremos llegar a aprender, es decir, nunca podrá haber un algoritmo de inteligencia artificial capaz de resolver ciertos problemas. Pero yo te digo, esto tenemos que cogerlo muy, entre comillas, porque estamos hablando de problemas que se aplican sobre conjuntos, asumiendo infinitos conjuntos. Y eso es una cosa completamente alejada de la realidad y en todo el mundo que nos rodea, todo es finito y todas las propiedades que podamos asumir o todos los agrupamientos que
podamos asumir a los objetos de la realidad siempre nos van a dar un número finito de conjuntos. Porque este resultado es un resultado matemático, interesante, que nos habla de los límites de la matemática, de los límites del aprendizaje automático, de la inteligencia artificial, pero de manera muy, muy formal y con poco interés del punto de vista práctico. Entonces, sobre de cara a, bueno, hasta dónde puede llegar el desarrollo de la inteligencia artificial, tú no consideras que esto sea importante, entonces. Exactamente. Igual que en la teoría de conjunto, los teoremas de indecibilidad, por ejemplo, de la hipótesis del continuo, pues son ahora mismo irrelevantes, es decir, prácticamente
para, yo diría, que el 99% pongamos por poner un número. De los matemáticos consideran que la hipótesis del continuo es válida y que debe de ser asumida, y sobre una pequeña, un pequeño grupúsculo de matemáticos se dedican a estudiar esa matemática complicada que no la usa. Con este problema va a pasar lo mismo. En el tercer artificial, este es un problema muy técnico, muy formal y en principio sin ningún interés práctico, Este problema, sobre un número finito de conjuntos, es perfectamente resoluble, es perfectamente decidible, y no hay mayor dificultad. Entonces, esto es un tema interesante, porque es llamativo, es curioso, pero a los que son los
avances de la interés artificial y hasta dónde va a poder llegar en potencia de cómputo y de ese camino que está marcado de la inteligencia artificial hacia la conciencia, hacia emular la conciencia humana en una máquina, este tipo de resultado no afecta absolutamente nada. Luego hablaremos más de este tema y de lo que podemos esperar de la inteligencia artificial en las próximas décadas, pero vamos a dar paso antes a Rafael, que recomentarnos algo y a la oportunidad de plantearte alguna otra cuestión. Adelante, Rafa. Bueno, sí, esto, a mí, esta cuestión la veo muy, o sea, muy, los límites muy teóricas, muy teóricas principales, y que además limitativas, porque hemos llegado aquí en el
autoprendizaje, como he entendido yo, tropezamos con estas barreras del mundo de la lógica, el mundo pictual de la lógica, no somos capaces de concretarlo. Pero la inteligencia artificial en realidad, hasta ahora lo que está aportando y lo que pretende el mercado y el desarrollo que tenemos sobre lo que lo implantamos en el gran explosión de cálculo computacional que últimamente se ha dado de grandes equipos con muchísima memoria, rapidísimas redes de comunicaciones, almacenamiento en nube, para poder, esta inteligencia artificial, poderla distribuir o utilizarla globalmente. Esta inteligencia artificial que vemos comercialmente de la que hablamos genéricamente, ¿qué está
haciendo últimamente a qué se ha llegado con ella que verdaderamente sea significativo y que supere lo que deberíamos estar acostumbrados a reconocer como inteligencia artificial, que es el tema de predicción, el tema de robotización, el tema de división, digamos, artificial o reconocimiento que ya no tenemos en cualquier móvil, pero hacia dónde tiende la inteligencia artificial y qué cerca estamos del límite, que ya sería digamos un poco filosófico, de que una máquina pueda realmente llegar o no a tomar conciencia y qué límites hay y si esto es factible. La verdad que esa pregunta es muy difícil de contestar ahora mismo. Ha habido grandes avances en los últimos años, sobre todo en una cosa que
llaman deep learning, en el aprendizaje profundo. El deep learning es básicamente aprender utilizando redes de neuronas artificiales. Las redes de neuronas artificiales originalmente se llamaban sistemas conectivos o conexionales o pasados en conexiones. Más tarde se llamaron redes de neuronas artificiales y han pasado por épocas que popularizaban un enorme interés en la comunidad y épocas de vacas flacas en las que parecía que estaban olvidadas, ¿no? Y ahora estamos en una época en la que se está renaciendo bastante este campo, sobre todo por la potencia de cómputo. Hoy en día podemos construir redes de neuronas artificiales con miles de millones de neuronas. Son muchas neuronas y formadas por capas,
divididas en diferentes capas, capas capaces de interpretar imágenes, yo qué sé, de 4.096 por 4.096, es decir, estamos hablando de 16 megapíxeles, 16 millones de neuronas por capa, por lo menos la primera capa de entrada y alguna de las capas internas. Entonces estamos hablando de muchísimos potencias de cómputo y eso nos permite resolver utilizando ideas fundamentalmente hace 30, 40 años, pero también nuevas ideas, por ejemplo simplificar mucho la manera en la que la neurona, una neurona básicamente funciona emulando una neurona de nuestro cefano, de nuestro cerebro, ¿no? Una neurona tiene, recibe señales por una serie de conexiones, una serie de dendritas y tiene un axón por el que genera un impulso nervioso cuando las
señales que recibe superan un cierto umbral y por esa acción genera un impulso nervioso que transmite a otra serie de neuronas. Este mecanismo de recopilar información, se llama agregar información y de generar una señal a partir, digamos, promedio comprensiva de esa información agregada para conectar con siguientes neuronas, es cómo funciona la neurona. Pues esto se ha simplificado muchísimo y hoy en día se trabaja con funciones de todo o nada, con función máximo, tener un valor si se supera al máximo o si no lo supera, es decir, funciones realmente muy muy sencillas y pero claro, como son funciones muy sencillas y con algoritmos de aprendizaje en los que yo, por ejemplo, me cuesta mucho trabajo que aprendan toda la
todas las neuronas, pues yo cojo regiones de las neuronas y digo pues que ahora van a aprender aleatoriamente un 10% de las neuronas y en la siguiente fase de aprendizaje aprende otro 10%. Y este tipo de ideas, varias ideas que han surgido en los últimos 20 años han posibilitado que las redes de neuronas artificiales, lo que llaman ahora aprendizaje profundo, sean extremadamente poderosas. Ya tenemos redes de neuronas, por ejemplo, las de Alfa, hay una compañía que se llama DeepMind, que es de la matriz de Google, que se llama Alphabet, y DeepMind tiene, generó una red de neuronas, no recuerdo, pero millones, como 60 millones, a los 7 neuronas, no recuerdo las cifras actas, que fue capaz de aprender a jugar a la jedrez sola,
jugando con psico misma. Solo sabe, tiene una imagen del tablero y solo tiene unas reglas que le dicen qué jugadas son válidas y cuáles son inválidas, ¿no? Cuál está permitido y que no está permitido. Entonces ya empieza a jugar contra sí misma. Es decir, yo cojo una versión que supone que solo conoce las reglas, que empieza a jugar aleatoriamente y voy generando como partida de ruido y esa partida de ruido voy aprendiendo si gano o no gano contra otra versión mía. Entonces la versión ganadora aprende un poquito, mejora algunos sus conexiones entre sus neuronas y ahora vuelvo a cambiar. De blancas a negras voy alternando una versión que formaba mejorando, va aprendiendo
más la red y eso en en pocas horas la máquina aprende sola a jugar la gedred y es capaz de ganar al mejor programa de juego de agendres del mundo que es un programa que vence a todos los campeones del mundo sin ningún problema o sea los programas actuales de gedred están completamente estratosféricos en elos en la puntuación en agendres del orden de 3.300 y pico cuando los humanos lo que más tienen son cerca de 2.800 no es decir y sin embargo una máquina sin prácticamente saber nada, sin haber visto jugar nunca a un humano, aprendiendo a jugar ella sola contra sí misma, eso sí, miles de millones de partidas, pero bueno, ella puede hacerlo, porque la potencia de cómputo de este tipo de redes de neuronas artificiales es muy poderosa,
pues nos permite resolver un programa de ese tipo, ¿no? Este tipo de redes también me permiten, por ejemplo, fabricar caras artificiales. Hay un software de Google que es capaz de dado dos imágenes, dos caras, coge los rasgos generales de una de las caras y la postura y el tipo de mirada y el tipo de postura de movimiento del labio, etcétera, de la otra cara y las combina generando una nueva cara. La nueva cara tiene las rasgos posturales de una de las fotos y los rasgos físicos de la otra y entonces te aparece una cara que no tiene nada que ver completamente novedosa de una persona que nunca ha existido y es una cara que tiene una de calidad fotorealista, es prácticamente avista, es imposible distinguir si es generada por ordenador o
no. Y así estamos resolviendo muchos problemas concretos. Ahora mismo tenemos potencia de cómputo suficiente para resolver problemas que hace 20 años parecían imposibles y que ahora los podemos resolver, pero siempre son problemas de propósito específico. Si tú has esta red que ha aprendido a jugar sola al ajedrez, ahora le enseñas a jugar a las damas, probablemente pierda, desaprenda su conocimiento de la gedrez, parte de ese conocimiento de la gedrez y pierda su capacidad de vencer a otra máquina que no ha aprendido a damas y si en lugar de damas es un problema más complicado. Si tú has esta máquina que ha aprendido a generar nuevas caras, nuevas caras
de personas, combinando esta información postural y de rasgos de tipo de color de piel, rajos de ojos, pelo, etcétera, la haces aprender a distinguir fotos de perros y gatos, desaprende, pierde el conocimiento que tenía para generar caras. Entonces lo que se cree es que eso es debido a que estas máquinas están en el borde del número de neuronas y que conforme el número de neuronas vaya creciendo pues una de estas máquinas será capaz de resolver varios de estos problemas y eso será pues dentro de 5 años o algo así. ¿Cómo va a evolucionar esto? Claro, en nuestro encéfalo tenemos del orden de 80.000 millones de neuronas, en lo que es el cerebro,
el neocórtex, tenemos muchas menos, nos recuerdo que eran unos 20.000 millones de neuronas. Gran parte de nuestras neuronas están en el cerebelo, que es el que controla los movimientos automáticos, todo lo que hacemos sin darnos cuenta, no mover las manos, mover los pies cuando andamos, controlar por los órganos internos, etcétera. Entonces, aumentando solamente el número de renornadas nos acercaremos a una máquina consciente, no se sabe. Hay gente que opina que sí, hay gente que opina que no. Pero ahora mismo, ya os digo, los grandes éxitos en interés artificial, sobre todo, están en aprendizaje profundo. Y en aprendizaje profundo, estamos aprendiendo a resolver
problemas muy, muy concretos, en un dominio muy concreto, con un conjunto de reglas muy bien definidos. Y cuando a esa renora oral que es muy buena, mucho mejor que un humano, ¿eh? Recibiendo un problema, ¿no? Por ejemplo, saber que vas a comprar en Amazon, la próxima vez que compres en Amazon, o saber qué serie de televisión te va a gustar más de la oferta de Netflix. Entonces, tipo de cosas, ahora las están haciendo redes de neuronas artificiales. Pero si a esa máquina la enseñas otra tarea, pierde lo que sabía de la tarea anterior. Un humano es mucho más versátil y puede aprender muchas tareas diferentes. Cuando habrá una máquina capaz de aprender miles de
tareas y ser mejor en cada una de esas tareas que un humano no lo sabemos. ¿Será esa manguera consciente? Tampoco lo sabemos. Muy interesante, ahora profundizaremos un poquito más en ello y Rafael no sé si quieres preguntarle algo más antes de pasar al tema de los ordenadores cuánticos. Sí, hay una pregunta muy fácil, muy sencilla. Bueno, muy fácil, muy corta, mejor dicho. ¿Qué se prioriza? ¿Es resultado o el método en la inteligencia artificial? Ahora mismo el resultado, es decir, ahora mismo se está uno de los grandes descubrimientos de los últimos años, es que cuanto más sencilla sea la red neuronal, mejor va a aprender, porque hubo un tiempo en que se buscó la idea, que es una idea, sobre todo que priorizó
el gobierno americano, los proyectos DARPA y también IBM y algunas empresas de generar una neurona muy perfecta, una neurona que imitara también a las neuronas humanas que casi podríamos quitarte una neurona de tu cerebro y la parte del neocortes, la parte exterior, y sustituirla por un circuito eléctrico y se comportaría igual. El problema es que ese objetivo complica muchísimo el poner muchas neuronas, porque cada neurona es muy costosa, ¿no? Y lo que se ha observado es que ahora mismo neuronas extremadamente sencillas, si el número es suficiente 20 grandes, son muy poderosas, mucho más poderosas que de una neurona muy complicada, ¿no? Entonces ahora mismo se está prionizando fundamentalmente
métodos muy sencillos y eso que aprendan con Big Data, con infinidad de imágenes. Hoy en día, si tú quieres que una red neuronal aprenda a distinguir coches, marcas de coches o matrículas de coches de movimiento, solo buscando en Google, puedes encontrar decenas de millones de imágenes de coches con matrículas. Y entonces es relativamente fácil darle a esta red neuronal para sobrendizaje millones de datos. Y, por lo tanto, la red aprende muy bien a distinguir ese problema y a resolver ese problema. Muy bien, pues, si queréis, pasamos al siguiente tema. El tema de este anuncio de IBM de que comercializa el primer ordenador cuántico, aunque no se sabe muy bien en qué
condiciones, evidentemente nadie va a poder ir a un almacén como este que como el corte inglés y comprar uno como es lógico sino que es algo totalmente distinto y también bueno pues está por ver exactamente el tanto precios como condiciones de utilidad como cuántas unidades se van a fabricar que tampoco no se sabe absolutamente nada de estos detalles eso sí lo que sí sabemos es que poco a poco van saliendo noticias a este respecto, y a mí me gustaría que nos comentaras, Francisco, que en qué situación se encuentra ahora, en qué situación se encuentra ahora mismo la computación cuántica, qué aplicaciones tiene ahora mismo y también cómo se ve el futuro. Adelante.
Sí, fijaros, tenemos un problema con la computación cuántica importante, que es saber si un ordenador cuántico de verdad es cuántico. Claro, cuando un ordenador cuántico es pequeñito, tiene pocos qubits, digamos pocas unidades de proceso y de memoria, yo puedo simularlo con un ordenador clásico y, entonces, comprobar si lo que da el ordenador cuántico los resultados para un cierto problema de ese ordenador cuántico coinciden exactamente con los resultados que da el simulador clásico de ese ordenador cuántico. Lo que pasa es que conforme el número de qubits va creciendo, El ordenador clásico que tiene que simular al ordenador cuántico tiene que ser un supercomputador y ha llegado un momento en que
ya incluso ni siquiera un supercomputador puede simular a ese ordenador cuántico. Entonces, ha habido una iniciativa muy interesante de IBM, muy, muy interesante. Y es decir, bueno, pues en lugar de hacer una verificación rigurosa de si un ordenador es cuántico o no lo es, lo ofrezco gratis como un servicio en la nube, su uso. Cualquier persona del mundo puede programar, ahora mismo esta tarde, mañana, eso sí, tiene que aprender a hacerlo, un ordenador cuántico. Pasta con que se conecte a un servicio en la nube de IBM, que es completamente gratuito, que ahí escriba un programa en un lenguaje cuántico en concreto, que es el lenguaje cuántico que utiliza IBM.
Hay un lenguaje gráfico, de una especie como de pentagrama para un ordenador de cuántico de 5 qubics. Y hay un lenguaje, digamos, textual parecido a una especie de C, pero cuántico, para un ordenador cuántico de 16 qubits, 16 bit cuánticos. Entonces, la idea de IVMS es, cientos de miles de personas escriben cientos de miles de programas y comprueban que la máquina funciona, es que la máquina funciona. No tengo que hacer un estudio riguroso, formal, y demostrar que la máquina funciona. Basta con la experiencia colectiva de toda la gente que lo está usando. Entonces una idea que IBM ofreció en marzo de 2017, fijaros hace poquito, muy poquito tiempo, y ofreció dos ordenadores de cinco qubits, uno
que se encuentra en Tenerife en las islas Canarias y que se llama QX4 y otro que está en York town qx2 y más adelante ibm ofreció esto fue un éxito y hubo decenas de miles de investigadores de estudiantes de informática de aficionados que usaron esta máquina porque con 5 cubics es relativamente fácil hacer pequeños programitas y entonces decidió ofrecer el servicio ampliado de 16 qubits desde finales de 2017 y también ha sido muy, muy utilizado en 2018. Hay dos máquinas con 16 qubits. Y como en marzo del año 2018, IBM decidió que había que sacar dinero de esto. Entonces decidió ofrecer un ordenador cuántico de 20 qubits, pero previo pago para empresas. Una empresa
puede contratar, el usar, el ejecutar, su software cuántico. Son software muy muy sencillos, ¿eh? Estamos hablando de, a ver, ¿qué nos entendamos? Cosas como multiplicar 3 por 5, ¿vale? Y que nos de 15, ¿vale? Que son cosas extremadamente sencillas, pero son a nivel cuántico. Yo puedo teletransportar un Qubit. Que, bueno, pues sea muy bonito de palabra, pero es una operación cuántica más o menos concreta. Yo puedo hacer, o sea, son operaciones cuánticas muy muy sencillitas, ¿no? y ofrece ese ordenador de 20 qubits para empresas, esta manera de que paguen por utilizar el servicio en la nube, que con 16 qubits es gratis. Y lo que han descubierto es que ahí bastantes empresas
dispuestas a pagar, a pagar por usar un ordenador de 20 qubits en lugar de uno de 16 qubits. Y lo que han decidido ahora, acaban de anunciar hace unos días, es que esa máquina de 20 qubits, pues la van a poner la venta, van a poner este tipo de máquina, ahora mismo tienen un par de ellas, van a poner la venta, todavía no saben qué precio va a tener porque tienen un par de ellas, no tienen más. No es que hayan fabricado, no tengan una línea industrial de fabricación de máquinas cuánticas de 20 QB, no es que tienen un par. Entonces lo que pasa es que se comprometen hacia alguien, se la quiere comprar, ellos le fabrican uno y te la dan, todavía no tienen ni precio ni nada. Entonces lo han anunciado como un anuncio diciendo,
Fíjate lo avanzado, que estamos en IBM, que ya hasta vendemos nuestros ordenadores cuánticos. Pero esta máquina ahora mismo se puede utilizarla de 20 qubits por un servicio en la nube que es por pago. Pero que en cualquier caso tu Rafael o cualquiera de nuestros oyentes que tenga un mínimo de formación informática en un fin de semana con un buen tutorial puede aprender a programar estas máquinas de 16 qubits y hacer pues una pequeña transformada de furia de 4 qubits o hacer un pequeño tratamiento de aplicar una máscara de 3x3 a una imagen con qubits en lugar de con bits o hacer cositas muy sencillitas es que 16 qubits es nada de nada. Imaginaros una imagen, un icono de
4x4 con cuatro píxeles y cuatro píxeles de lado y de altura, solo 16 píxeles y donde los píxeles son o blancos o negros o con un color grisáceo, pero en realidad cuando yo veo la imagen lo veo, o blanco lo veo negro. O sea, fijaros, lo que tenemos es una cosa extremadamente pequeña, ¿no? Con la máquina de 20 cubics podríamos llegar a una imagen de 4 por 5. Son imágenes muy, muy pequeñas, son máquinas muy, muy pequeñas, pero esto es un avance en el sentido de que ya IBM se está comprometiendo a que en un futuro, dentro de una serie de años, vender a ordenadores cuánticos con mucho más cubics y que sí serán útiles. Verificar que un ordenador cuántico de 20 cubics realmente funciona bien requiere varios años de investigación si se
quiere hacer de manera rigurosa, pero si tú lo ofreces a través de un servicio y unas miles de personas lo usan y sus programas se portan como se espera que se tienen que portar, pues entonces porque hay simuladores y para 20 cubics tenemos simuladores
que a nivel cuántico una corriente da vueltas y da vueltas en un sentido del giro, digamos, girando como el sentido de la aguja del reloj o el sentido contra la aguja del reloj y el sistema puede estar en un estado cuántico. Esto tiene que estar enfriado muy cerca del cero absoluto de temperaturas. Los ordenados de DVM funcionan del orden de un Kelvin, del orden de un grado sobre el cero absoluto de temperaturas. Y entonces tú puedes superponer esa corriente de tal forma de que fluya tanto en el sentido de la aguja del reloj común en el sentido contrario, de manera simultánea, de manera superpuesta. Y eso te permite operar con Qubits. Google también tiene un ordenador.
Google tiene un ordenador que dice que es el que más Qubits tiene, que es el orden de 72 Qubits. Hay otras empresas privadas que también tienen ordenadores cuánticos. Pero, por ejemplo, el ordenador cuántico de Google de 72 Qubits no sabemos si es cuántico o no. Verificar que un ordenador cuántico de 72 Qubits realmente es cuántico no se puede hacer ni con el mayor supercomputador del mundo que ronda los 60 qub de incapacidad de simulación. Entonces, esas máquinas son supuestamente cuánticas. No está todavía completamente demostrado que sean completamente cuánticas. Pero para 20 qub, que es lo que ofrece IBM de manera, bueno, va a ofrecer de manera comercial si hay interés.
Obviamente, esto es un anuncio en una feria de informática en el SES 2019, que es una feria en las vegas de electrónica de consumo y bueno, si hay interés, pues IBM fabricará esos ordenadores y se los dará a las empresas interesadas. Por ejemplo, Google, como tiene su propio ordenador, puede estar interesado en tener una copia física de los ordenadores de IBM. Por ejemplo, Amazon, por ejemplo, hay muchas empresas, pequeñas empresas que están trabajando en esta línea y que podrían estar interesadas en comprar esa máquina. Pero ninguno de los aquí presentes y ninguno de los oyentes necesita un ordenador cuántico de 20 qub, absolutamente para nada, porque es una cosa absolutamente inútil.
Ahora hablaremos de cómo está el futuro, pero supongo que antes querrás comentar tu algo, Rafa. Sí, bueno, quisiera ya para mí un poco, yo creo que lo entiendo, empiezo a entenderlo, lo que es la computación cuántica, el concepto, pero si pudiera explicar, O sea, te voy a leer lo que es la diferencia entre computación digital y computación cuántica, ¿no? En la computación digital un bit puede tener dos valores, 0 y 1 y en la computación cuántica, perdón, la partícula puede estar en una superposición coherente y puede ser 0, 1 o 0 y 1 a la vez, que esto es la madre del cordero de esta diferencia, ¿no? Pero esto es difícil de entender, que puede tener este estado de cero y una a la vez,
pero que a la vez esa indefinición o definición de estado de que una superposición coherente en la que nos permite aprovechar eso para aplicarlo al cálculo y que no suena lo que acaba de decir. Tuve un ordenador de 72 copies, una capacidad de cálculo tremenda, o de 20, como este que ha fabricado IBM. ¿Cuál es la diferencia y cómo se aplica en los problemas que pretendemos resolver a través de la computación? Esa diferencia tan difícil de comprender de que puede tener 0, 1 o 0, 1 a la vez. Sí, es difícil explicarlo. Es difícil porque son cuestiones de cierta sutileza cuántica. La cuántica tiene ciertas sutilezas que a veces son contraintuitivas y son difíciles de entender.
Lo que tú has explicado, Rafael, ha sido, más que la computación cuántica, la computación probabilística. Es una gran diferencia con la computación cuántica. En un bit clásico, un bit clásico tiene dos valores, 0 y 1, ¿no? Imaginaros una imagen, una fotografía en blanco y negro. En blanco y negro, de verdad, monocroma, donde cada pixel es o blanco o negro. Ahora nos podemos imaginar una cierta probabilidad. Es decir, cada pixel tiene un nivel de gris. En lugar de ser 0 o 1, es un cierto nivel de gris. Y ese nivel de gris es la probabilidad entre 0 y 1 de que el pixel, cuando yo lo vea, me dé un 1, me dé un 0. Yo tendría una imagen en tonos de gris,
pero que cuando yo la mido, una persona la mira, ve una cierta imagen solo un monocroma. Almaceno la imagen en tonos de gris, pero cuando la veo, cuando la mido, cuando la observo, lo que veo es una imagen monocroma, solo en blanco y negro. Pero esa imagen que yo veo un monocromo depende de la probabilidad, es decir, del nivel de gris de cada píxel. Si un píxel tiene un nivel de gris, imaginemos entre 0 y 256. 256 es el blanco, es el 1, y 0 es el negro, es el 0, ¿no? Y tengo un valor de 16. Pues eso significa que con una cierta probabilidad de 16 partidos 256, pues ese valor va a ser 0 en negro o va a ser, con la probabilidad restante, va a ser blanco, ¿no?
Entonces, eso me permite resolver muchos problemas, la computación clásica probabilística, porque esa imagen en tonos de gris, si está adecuadamente construida, refleja ciertas cosas de la realidad. Por ejemplo, pues nuestra propia incertidumbre, cuando tú ves a una persona y la ves y dices, es alta o es baja, ¿no? ¿Qué es alto? ¿Cuánto mide? ¿Cuánto es alto? Pues depende del entorno. Si está entre personas de 1,90, pues es alto el que tiene 2,20, pero si está entre personas de 1,40, es alto el que tiene 1,50. Pues ese tipo de cosas se pueden plantear como algoritmos, como programas de ordenador, que utilizan ese tipo de información, ese tipo de imágenes en gris para resolver ciertos problemas, pero
siempre el resultado final es monocromo, blanco o negro. Bien, con la computación cuántica tenemos un grado de libertad adicional. Resulta que cada pixel es un bit cuántico, significa no que tiene dos posibles valores, 0 y 1, sino que tiene una flecha que apunta en todas las direcciones del espacio. Es como la superficie de la Tierra, que tiene dos coordenadas, la latitud y la longitud. Entonces, tengo una flecha desde el centro de la Tierra hasta un punto de la superficie. Y entonces, no tengo un valor 0 o 1, sino que tengo esa flecha y mis operaciones, cuántico alcancen es mover esa flecha. Entonces, fijaros, si yo elijo un eje, por ejemplo,
el eje que va desde Málaga hasta Nueva Zelanda, que revesa el origen, el centro de la Tierra, yo puedo proyectar la flecha, el punto ese de la superficie de la tierra, lo puedo proyectar sobre ese eje y digo, por ejemplo, Málaga corresponde al 1 y no Hacelanda corresponde al 0. Entonces, yo proyecto con una cierta probabilidad, transformo el bit cuántico en un bit probabilístico. Yo era mido, yo tengo o Málaga o un Hacelanda, es decir, o blanco o negro, es decir, os tengo un bit convencional. La ventaja de la información cuántica es que como es una flecha que está en el espacio, la flecha puede estar apuntando hacia arriba o hacia abajo, respecto a Málaga, o hacia el este, o hacia el este, respecto
a Málaga, y eso me puede dar el equivalente a probabilidades negativas, porque el ordenor cuántico funciona con lo que se llaman amplitudes de probabilidad. La superposición coherente es de amplitudes de probabilidad y las probabilidades son el cuadrado de las amplitudes de probabilidad. ¿Qué significa esto? Que en la práctica yo puedo hacer lo que en mecánica cuántica llamamos interferencia destructiva. Puede ser interferencia constructiva, pero lo interesante es la destructiva. La interferencia destructiva, destructiva, se comporta como probabilidades negativas. Entonces imagínate que yo tengo 8 qubits, 8 bits probabilísticos en un estado, un registro.
Un registro en un ordenador es un conjunto de bits. Si son bit probabilísticos, si yo opero sobre esos 2 bits y altero esos dos bits, esos dos bits probabilísticos, no puedo tocar, no se ven alterados el resto de las probabilidades, porque las sumas de probabilidades tienen que conservarse. Pero en cuántica, no. En mecánica cuántica, si yo tengo un, si fuera capaz de construir un registro de bit cuánticos de 8 bit cuánticos, que está en una simultánea en una superposición de 2 elevado a 8, 256 posibles estados, todo de manera simultánea, si yo altero localmente, yo altero dos de esos qubits y cambio sus amplitudes de probabilidad, podría hacer que actuarán como esa, digamos,
interferencia destructiva, como probabilidades negativas. Y si actuarán como probabilidades negativas, no se conservaría la probabilidad. Es decir, tocando solamente dos qubits, yo afecto a los ocho. Afecto a los valores de los ocho, Porque puedo generar el equivalente a problemas negativas que han de ser compensadas con pequeños cambios en el resto de los qubits. Es decir, en computación cuántica mis operaciones tienen efectos no locales. En computación clásica yo altero un bit o dos o lo que sea. En computación clásica probabilística lo mismo. Altero, si yo toco dos bits probabilísticos no afecto nada más al resto del registro. Pero en cuántica eso no se puede hacer.
En cuántica hay ciertas operaciones, obviamente, que lo hacen como en clásico, pero hay operaciones que lo hacen de manera novedosa, alterando todos los Qubits de manera simultánea. Entonces, claro, eso te da un efecto muy poderoso. Porque si tú aplicas una operación a dos Qubits y los alteras, si tienes 8, en realidad has alterado las 256 posibilidades, has alterado las amplitudes de probabilidad de cada una de esas 256 probabilidades. que tener en cuenta que, si están equidistribuidas estas probabilidades, son números muy pequeños de uno partido 256. Imagínate que fueran 100 qubits. Serían números de uno partido dos elevado a 100. Son números tan pequeños que ningún ordenador es capaz de representarlos.
Pero en cualquier caso, la ventaja cuántica es que las operaciones son no locales debido a esta, digamos, interferencia destructiva, a estas probabilidades negativas y cuando yo afecto, dentro de un registro de muchos cubíes en superposición, se afecto a unos poquillos, en realidad estoy afectando a todos. Con operaciones que a nivel clásico afectarían a una o dos posibilidades y si yo quiero armarse, afectar a todas ellas, tendría sistemáticamente que ir recorriéndolas todas en cuántica, haciéndolo de manera adecuada, yo logro afectar a todas las posibilidades de manera simultánea. Esto tiene su ventaja, pero recordar que lo que estamos haciendo una cosa muy complicada.
Entonces, construir un buen algoritmo que alterando localmente ciertas probabilidades, acabe alterando todas las posibles probabilidades y haga que la respuesta correcta a lo que yo quiero resolver aparezca como más probable que las respuestas incorrectas. Pues eso requiere un trabajo, requiere un esfuerzo, no es trivial y ya os digo, en la mayoría de los casos no conduce a ningún tipo de ventaja respecto a un ordenador clásico. solo se conocen unos pocos problemas en los que el ordenador cuántico es más eficiente, más efectivo que el ordenador clásico, pero en la mayoría de los problemas el algoritmo cuántico tiene el mismo nivel de eficiencia, el mismo
coste en operaciones que un ordenador clásico. ¿Y tú estimas que va a cambiar algo? ¿Realmente la computación cuántica en un plazo previsible? Claro, la computación cuántica ¿para qué sirve? Bueno, la computación cuántica fue originalmente propuesta para simular sistemas cuánticos. Un gran físico se llama Richard Feynman, que su hijo trabajaba para una empresa informática que estaba desarrollando el que iba a ser el ordenador paralelo más grande del mundo a principios de los 80. Y entonces se llamaba De Conecho y Machín, la máquina conectiva. Y era un ordenador que iba a tener un millón de procesadores, al final no llegó a tanto, llegó como a 64 mil, eran muy sencillitos.
Entonces este chaval ya era hombre, ya tenía su edad, pero decidió que podía estar bien para su empresa que su padre, un genio premio Nobel de la física, programara un problema difícil en esa nueva máquina. Richard Feynman estudió el lenguaje de formación de esta máquina y decidió resolver un problema relativamente sencillo, calcular la masa de un protón, utilizando la teoría que en aquel momento, la teoría cuántica que en el momento parecía que era la teoría correcta, que hoy en día seguimos creyendo que la tenía correcta. Hoy en día todavía no sabemos calcular la masa de un protón utilizando esta teoría, pero podemos hacerlo con errores del orden del 10%. Y entonces Richard Femme empezó a hacer los cálculos y se dio cuenta
de que un millón de procesadores no servía para nada, que ese problema era extremadamente más complicado de lo que requería y requería una barbaridad tremenda de procesadores clásicos. Entonces dijo, ah, lo que pasa es que necesito que los procesadores sean cuánticos. Necesito un ordenador cuántico para resolver problemas cuánticos. Y ese es realmente el nicho de aplicación de la computación cuántica. Los ordenadores cuánticos van a servir para resolver problemas cuánticos. Y vosotros me diréis, yo no tengo ningún problema cuántico. Sí, es posible que vosotros no tengáis ningún problema cuántico que resolverlo, que vosotros nunca usaréis un ordenador cuántico.
Pero hay personas que sí tienen permacuánticos. Por ejemplo, los farmacólogos. Farmacólogos quieren desarrollar fármacos para curar enfermedades y quieren saber cómo ese fármaco interacciona con enzimas, con proteínas, con sustancias químicas que se encuentran en la célula. Hoy en día no lo sabemos. Hoy en día los ensayos de los fármacos son tacotosos. Cuetan miles de millones de dólares ensayar un fármaco porque hay que probar propiedad de error. porque no podemos simularlo por ordenador, no sabemos, porque es un problema muy complicado, porque es un problema cuántico, porque la interacción íntima del fármaco con el sitio activo de la proteína es...
podremos resolver. Desarrollo de nuevos materiales. En muchos materiales cuánticos, pero tan pequeños, que actúen utilizando pocos electrones, ahora utilizan flujos de unos miles de electrones. Cuando trabajen con poquitos electrones, eso requiere computación cuántica. Solo podremos simular esos sistemas, diseñarlos, optimizarlos usando ordenadores cuánticos que los simulen. Es decir, los ordenadores cuánticos tienen un nicho muy concreto que es estudiar, resolver problemas cuánticos donde el ordenador clásico no puede trabajar y probablemente los ordenadores cuánticos acaben en la segunda mitad del siglo XXI siendo muy comunes en todos los centros de supercomputación que haya en todos los países. En Marga tenemos el Barcelona Super
Computer Center, pues seguramente Barcelona dentro de 40 años habrá ordenadores cuánticos y los investigadores españoles podremos usar esos ordenadores cuánticos en Barcelona, pero nadie va a tener un ordeno cuántico en su casa. Lo que sí podemos tener son algunos algoritmos muy sencillitos, algunos chips cuánticos muy sencillitos, habrá una futura internet cuántica para información cifrada porque los protocolos de cifrado de información que llaman criptografía cuántica, yo puedo saber si me han espiado o no, por eso altera ciertas probabilidades en los números cuánticos e introduce ciertas probabilidades negativas que yo puedo detectar. Yo no puedo evitar que me espíen, pero sí puedo saber siempre
con absoluta seguridad si he sido espiado o no he sido espiado. Y eso es una cosa que para bancos, para muchas transacciones con tarjetas, es posible que muchos de nosotros en nuestro móvil tengamos un pequeño procesador cuántico dentro de 30 o 40 años, cuando se hacía baratos, ¿no? Cuando haya una internet cuántica, vía satélite, con fibras ópticas especiales, etcétera. Eso acabará ocurriendo. Pero será transparente. O sea, tú no sabrás que tu móvil, teléfono móvil, tiene un procesador cuántico o, incluso si lo sabes, te importará poco. No es como ahora los quantum LEDs, ¿no? Los quantum dot LEDs. Ahora están de moda las pantallas de televisión que los
píxeles son puntos cuánticos, ¿no? Vale, pues eso está muy bien para la publicidad, pero la mayor parte de la gente dice, pues yo lo ve. la pantalla de cuando no es cuántico. Habrá algún tipo de dispositivo cuántico, muchos teléfono móviles, muchos ordenadores, pero realmente usar un ordenador cuántico nadie lo va a usar, salvo el que realmente tenga que resolver el problema cuántico, que son muchos problemas, porque la cuántica es lo que fundamenta toda la realidad que conocemos. El futuro de la computación cuántica es muy prometedor, hace 20 años parecía imposible que tuviéramos un ordenador cuántico de 72 qubits hecho por Google, que parece que es una garantía de que funciona
y bueno, eso parecía como mucho más lejano. Lo mismo en el año 2050, Google o IBM tienen ordenadores cuánticos de decenas de miles de qubits, que parece poco. Decenas de miles de qubits en ordenado clásico sería un procesador de 1970. Una cosa que ahora nos parece irrisoria, pero con procesadores de ese tipo es cómo se llegó a la luna, el hombre fue a la luna, pues el equivalente en ordeno cuántico permitiría resolver muchísimos problemas de, sobre todo eso, en química, en física cuántica, en farmacología, con implicaciones biomédicas muy relevantes para nuestra asociado. Bien, pues no sé, sí que me gustaría estos últimos minutos dedicarlos a como veis
el futuro de esta cuarta revolución industrial cuyos datos, los que analizamos más o menos a fondo los datos económicos decimos que tampoco se reflejan todavía en las cifras de productividad. Entonces, después de ver los numerosísimos artículos que hablan de desaparición de cientos de millones de empleos por la irrupción de los sistemas basados en inteligencia artificial, automatización de procesos, etcétera, pues claro, lo que cabe preguntarse, lo que no se pregunta es ¿para cuándo? ¿Realmente va a suceder? ¿Qué pensáis? Si te parece, Rafael, escuchamos unos minutitos a Francisco y luego ya te doy pasatilla para cerrar el programa. Adelante,
Francisco. Yo soy optimista. Yo he de confesar que soy optimista. Igual que la llegada del coche del automóvil hizo que los que usaban caballos y movían mercancías y correos y todo utilizando caballos pues y hoy en día esas personas perdieron su puesto de trabajos y bueno tuvieron que reciclarse a otros puestos de trabajos. Pero tú crees que va a pasar, ¿no? O sea, seguro, o sea, con toda seguridad la industrialización, o sea, uno de los temas en robótica industrial más interesantes, pues no sé si lo sabéis o no sé si se comenta mucho el tema, es que en las naves industriales en las que tú pones robots, hasta hace poco solo podía haber robots. Es decir,
no podía entrar un humano, de hecho ha habido varios accidentes de trabajadores que han entrado sin saberlo y de repente pues un robot que está pintando yo que sé un coche, pues de repente le pega un porro y así lo mata. Porque los robots no están capacitados para interaccionar con humanos. Sin embargo, ahora ha habido una gran revolución en los temas de robótica, pues hay la posibilidad de generar sensores de fuerzas tan precisos y de aceleraciones que son capaces de detectar la presencia de un humano de piel suave y son capaces de ante la presencia de un humano detectarla y evitar causar daño con lo que los humanos se van a integrar en los próximos
años en las fábricas robotizadas. Las fábricas robotizadas hasta ahora lo que hacían era echar a los humanos. Son los que daban con los humanos que eran de alto know-how, de alto stand-in a nivel técnico, que pues me reparan las máquinas o hacen ciertas labores muy concretas que la máquina es difícil que haga, pero dentro de unos años se integrarán los humanos con los robots y la fábrica que esté robotizada no solo tendrá robots, también tendrá humanos. ¿Y para qué servirán esos humanos? Pues seguramente para dar ese toque, esa marca personal, esa marca artística, ya no le pediremos a un coche que venga con todo, a un automóvil que venga con todas las funciones y con todos los extras. Además le pediremos que esté firmado con
nuestro nombre o que tenga una pequeña obra de arte. Chorraitas, que ahora mismo es inconcebible que en una cadena industrial se pueda ofrecer ese producto, pero que acabará siendo ofrecido porque podrá integrarse al artista dentro de la cadena de montaje de los automóviles. Y así con muchas otras labores. O sea, la revolución está ahí, es decir, estamos yendo un proceso en el que muchos puestos de trabajos van a ser innecesarios, pero también es verdad que van a aparecer nuevos puestos de trabajo, ¿no? Que ahora mismo, por ejemplo, el tema de la ética. ¿Quién se planteaba en inteligencia artificial los programas éticos? ¿No? Nadie se lo planteaba, pero ahora tenemos
coches, automóviles, autónomos que se van a mover solo por la carretera. Y ese coche tiene que decidir si atropella a un niño o atropella a un anciano y que o si mata al conductor en lugar de matar a cuatro personas que estén en la calle, esas decisiones la va a tener que tomar el coche en tiempo real, entonces esas decisiones requieren a gente de humanidades, de letras, a filósofos, a gente de psicólogos, asociólogos, personas que no tenían trabajo en el campo de la alta tecnología, van a encontrar trabajo en ese campo. Es decir, la cuarta represión industrial va a cambiar de puesto de trabajo a mucha gente que va a perder su puesto de trabajo convencional
en el que llevaba una serie de años trabajando porque va a ser sustituido por un robot, por un sistema de inteligencia artificial, pero al mismo tiempo van a surgir nuevos puestos de trabajo que ahora mismo son inconcebibles y que van a involucrar a esa gente reciclada en lo que vamos a aprovechar de los humanos, lo que les hace humanos y de las máquinas, lo que las máquinas hacen bien. En las fábricas habrá una interacción natural, se espera en los próximos años, estamos hablando de quizás 15, 20 años, de máquinas y humanos, los humanos aportando entre comillas la humanidad y las máquinas aportando lo que las máquinas saben hacer bien. Ciertas labores muy humanas, va a ser muy, muy difícil que
máquina llegue a hacerla fácilmente, porque nuestro entorno de vida está hecho para humanos. Entonces lograr que una máquina abra tu puerta, se sienta en tu silla, te traiga la máquina del café, tiene que pintar la ventana por la parte de fuera, bueno pues que abra la ventana y se recuelgue y se asegure con un armés, es muy difícil lograr una máquina. Entonces hay ciertas cosas para la que el humano es más adecuado, porque nuestro mundo está hecho para humanos, pero hay ciertas cosas para que la máquina es más eficiente, lo hace mejor. Entonces, va a haber un movimiento, mi opinión, yo soy optimista, repito, movimiento de puestos de trabajo de mucha gente en esta línea.
Pues, Rafael, ya te doy la palabra para cerrar el programa, adelante. Sí, bueno, lo que... A no ser que quieras plantear alguna cuestión a Francisco, por supuesto. Bueno, la contestación mía puede ser una cuestión en sí, yo entiendo lo que él dice en plan positivo de que realmente parte de este desarrollo se va a ir por el camino que él dice, pero claro esto lleva a una serie de otras preguntas, y la necesidad de humana cuando aparezca el ¿Cuáles van a hacer? Evidentemente, porque hay las tres básicas, las 3C, comida, cobijo y cariño, las que yo resumo de alguna forma. Y después, bueno, entiendo que esto va a ser un tema que todo va a orientarse hacia una rentabilidad por
escala, la robotización, la producción de fábrica y la superproducción, precisamente porque la máquina lo hace muy bien y si esto sería otro tema, tenemos la suficiente energía en materia prima, podemos seguir transformando materiales y objetos en cosas que nos den un servicio que verdaderamente necesitemos y entiendo que esto se va a hacer entre un entorno en el que quién ¿Quién va a tener el poder? ¿Quién va a recibir la rentabilidad de todo esto? Y esto, bueno, a su vez. Bueno, las dos cosas creo que van a ir unidas. Aparte de que muchas de estas aplicaciones no las hemos referido, evidentemente, pero cualquier avance industrial técnico siempre ha ido precedido por sus aplicaciones militares.
entiendo que, aparte de que se hagan las transacciones bancarias secretas y se hagan muy rápidas, se hagan muy fiables y se hagan, entiendo, por ejemplo, lo que la computación cuántica o el sistema de encristación se va a aplicar y, además, manifestando que va a tener la supremacía, que primero llegue y mejor lo haga a comunicaciones militares, comunicaciones con satélites, interfecciones, comunicaciones, precisamente de esa robotización y todas esas señales que van a gobernar todas esas máquinas y poder defenderlas. Entiendo que va a haber un mundo muy complejo en un primer mundo, que entiendo que va a subir desde las luchas que tenemos hoy día entre las grandes potencias, que intentan mantener la supremacía de una
Rusia, de una China, de uno de Estados Unidos y entiendo que bajo ese paraguas de poder y de supertecnología y de supremacía estaremos los humanos que vivamos en esos países disfrutando y sirviendo a una sociedad en la cual tendremos que desarrollar lo que se nos ocurra, que sea rentable que nos sirva para los hombres, pero creo que tendremos que poner en una ética qué es verdaderamente las necesidades que tenemos los humanos y cómo tenemos que comportarnos y hasta qué punto lo que tú has dicho antes de la decisión del coche de si atropella o salva al conductor. Bueno, esto ya lo ha resuelto alguna marca que no voy a decir diciendo que salva al conductor que para eso paga el coche. Entonces, evidentemente
aquí la decisión y del objetivo y del resultado, el programador va a ser asesorado por un gabinete legal y le va a decir la indemnización machica va a ser esta o el que te paga va a ser este y este es el que tenemos que servir. Esto por desgracia ha sido y será así ¿no? Porque bueno en ello va a ligar una de los distintos principales que tenemos que es de la supervivencia y entiendo que todo está por escribir y todo va a ser una mezcla de avances, de poder, de supremacía, de adaptación y de una cierta estadística que tiene que cumplirse en que realmente lleguemos a acertar en el camino que vamos a tomar con todas estas herramientas y estas potentes máquinas que pueden calcular
y decirnos, y orientarnos, y mover toda la maquinaria económica y energética y mundial hacia donde vamos ahí, porque, verdaderamente, vamos a montar en ello. Entonces, bueno, lo considero como el siguiente reto de la humanidad, que, verdaderamente, lo veo bastante, bastante difuso, aunque entiendo que el optimismo y la ética que debe predominar debería llevarlo a una mejoría. Muy bien, pues muchísimas gracias por tu participación, Rafael, como siempre. Muchas gracias a vosotros y muchas gracias a Parco por acompañarnos en este programa. Francisco, no sé si quieres comentar algo más antes de acabar. No, solamente eso, que en este tipo de cuestiones siempre
no puede ser un poco más optimista, un poquito menos pesimista. Acordaros de que a finales del siglo XIX, la revolución industrial, el gran parte de los trabajadores empezaban a trabajar siendo niños. Había niños en todas las empresas de 10 años, de 12 años. Eso desapareció al principio del siglo XX y hoy en día nos resulta absolutamente desagradable ver trabajar a un niño de 10 años y hacemos todo lo posible en nuestra sociedad, pero siga habiendo muchos lugares del mundo en el que siga ocurriendo, pero pretendemos que no ocurra nunca más. Bueno pues puede que dentro de 20 o 30 años sea desagradable que una persona empieza a trabajar con menos de 40 años y que tenga que seguir formándote y educándote durante
20, 30 años, mucho más que ahora, ¿no? Es decir, nuestra sociedad va a cambiar mucho y está cambiando a ritmo muy agiantado, pero yo soy de la opinión de que, desde el punto de vista humano, va a cambiar para mejor. Muy bien, pues muchas gracias Francisco, si nos puedes dar alguna referencia para seguirte. Bueno, yo tengo un blog en la ciencia de la Mula Francis, en la url es francis.naucasconk.es buscando la ciencia de la mola francis es fácil y después en la universidad es fácil de localizarme y la universidad de Málaga que en búsqueda francisco Villatoro encuentran mis páginas web y información sobre mí y bueno yo doy muchas charlas por muchos
lugares y soy fácil de localizar. Pues gracias otra vez y gracias también a toda la gente que nos escucháis a los compañeros Marta Longuilfón Martínez y nos despedimos por hoy con nuestra página web, colectivoburbuja.org. Hasta el próximo día, ¡hasta luego!