Matt Beane: How do we learn to work with intelligent machines?
Matt Beane: ¿Cómo aprendemos a trabajar con máquinas inteligentes?
Matt Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy. Full bio
Double-click the English transcript below to play the video.
her prostate patient into the OR.
a su paciente de próstata al quirófano.
una cirujana en formación.
some of the nerve-sparing,
una cirugía que preserve los nervios,
that can preserve erectile function.
que puede preservar la función eréctil.
though, but he's not there yet.
asistente, pero todavía no está allí.
al paciente debajo,
incision in the lower abdomen.
en la parte inferior del abdomen.
she tells the nurse to call the attending.
a la enfermera que llame al asistente.
are mostly in that patient --
están mayormente en ese paciente.
but Kristin leading the way.
pero Kristin liderando el camino.
he let Kristen do a little nerve sparing),
Kristen preservara los nervios—
looking over her shoulder.
mirando por encima del hombro.
the final line of sutures.
la última línea de suturas.
than she was at 6:30.
mejor cirujana que a las 6:30.
the way that most of us do:
como lo hacemos la mayoría de nosotros:
seguras del trabajo.
safe parts of the work
hacia tareas más riesgosas y difíciles.
and harder tasks
deciden que ella está preparada.
by this kind of learning.
este tipo de aprendizaje.
part of what makes us human.
parte de lo que nos hace humanos.
coaching, mentorship, on the job training.
entrenamiento, tutoría, capacitación.
“see one, do one, teach one.”
hacer uno, enseñar uno".
y ha sido el camino principal
around the globe for thousands of years.
en todo el mundo durante miles de años.
in a way that blocks that path.
que bloquea ese camino.
en nuestra búsqueda de productividad.
in our quest for productivity.
en cirugía mientras estaba en el MIT,
while I was at MIT,
de que está sucediendo en todo,
it’s happening all over,
and with very different kinds of AI.
con diferentes tipos de IA.
are going to hit a brick wall
de frente contra una pared de ladrillos
is wheeling another prostate patient in,
está llevando a otro paciente de próstata,
a la sala de operaciones robótica.
robot to the patient.
para el paciente.
10 or 15 feet away,
a 3 o 4 me de distancia,
todo el procedimiento solo,
to do the whole procedure himself,
and make more mistakes,
más lenta y cometería más errores
near those nerves during this rotation.
acercarse a los nervios en esta operación.
15 minutes during a four-hour procedure.
durante un procedimiento de cuatro horas.
and she’ll be watching again,
y ella estará mirando otra vez,
with a dunce cap.
en la esquina con un gorro de burro.
trabajos que he realizado
I’ve done in the last eight years,
con una gran pregunta abierta:
with a big, open question:
with intelligent machines?
con máquinas inteligentes?
observing dozens of residents and surgeons
de residentes y cirujanos.
interviewing them
y robótica, entrevistándolos
with the residents as they tried to learn.
mientras intentaban aprender.
US teaching hospitals,
universitarios de EE. UU.
estaban en la situación de Kristen.
apenas estaba disponible.
and they weren’t learning.
y no estaban aprendiendo.
I needed to know how widespread it was:
pero quería saber lo extendido estaba:
blocking learning on the job?
bloqueando el aprendizaje en el trabajo?
but growing group of young researchers
con grupo de jóvenes investigadores
estudios sobre el trabajo con AI
of work involving AI
empresas de nueva creación, de vigilancia,
like start-ups, policing,
educación en línea.
and many hundreds of hours observing,
muchos cientos de horas observando,
side-by-side with the people they studied.
con las personas que estudiaron,
the AI, the story was the same.
la IA, la historia era la misma.
and harder to get results from AI,
más para obtener resultados de AI,
expert work as they did it.
del trabajo experto que solían hacer.
their customer contact.
subcontraban a sus clientes.
forecasts without experts support.
sin apoyo de expertos.
cut out of complex analysis,
eliminados de un análisis complejo,
online courses without help.
montar cursos en línea sin ayuda.
was the same as in surgery.
el mismo que en la cirugía.
was getting much harder.
cada vez más difícil.
a billion and a billion of us
500 y 1000 millones de nosotros
in our daily work by 2030.
en nuestro trabajo diario para el 2030.
que el aprendizaje en el trabajo
that on-the-job learning
si lo intentamos.
that most workers learned key skills
la mayoría de los trabajadores aprendieron
no en entrenamiento formal.
potential future impact,
sobre su posible impacto futuro,
that may matter most right now
importar más en este momento
that blocks learning on the job
que bloquea el aprendizaje en el trabajo
a small minority found a way to learn.
minoría encontró una manera de aprender.
y doblegando las reglas.
so they bent and broke rules
por lo que rompieron las reglas
de verdad con expertos.
in robotic surgery in medical school
se involucraron en cirugía robótica
of their generalist education.
a expensas de su educación generalista.
with simulators and recordings of surgery,
con simuladores y grabaciones de cirugía,
iban a aprender en el quirófano.
they found ways to struggle
encontraron formas de luchar
with limited expert supervision.
con supervisión limitada de expertos.
because it bends the rules
en la sombra", porque dobla las reglas
fuera de la luz pública.
because it gets results.
porque obtiene resultados.
the star pupils of the bunch.
los alumnos estrella del grupo.
and it’s not sustainable.
y no es sostenible.
de ser despedido
they need to do their job.
para hacer su trabajo.
aprender de estas personas.
struggle and challenge in their work
la lucha y el desafío en su trabajo
to tackle hard problems
y enfrentar problemas difíciles
hubiera un experto cerca
there was an expert nearby
against catastrophe.
contra la catástrofe.
of struggle and expert support
de lucha y apoyo experto
I could get of this on the ground.
podría obtener de esto en el suelo.
you dealt with an IED by walking up to it.
lidiaba con un IED caminando hacia él.
a cientos de metros de distancia,
hundreds of feet away,
if you decided it was safe
si decidía que era seguro
in a bomb-proof truck.
en un camión a prueba de bombas.
and you guide the work out loud.
y uno guía el trabajo en voz alta.
did before robots.
que antes que existieran robots.
start-ups, policing,
cirugías, empresas nuevas, vigilancia,
online education and beyond.
educación en línea, etc.
nuevas herramientas para hacerlo.
we’ve got new tools to do it.
siempre necesario un experto por aprendiz,
always need one expert for every trainee,
or even to be in the same organization.
uno cerca del otro
to coach experts as they coach
entrenar a expertos como expertos.
in smart ways.
de manera inteligente.
on systems like this,
en sistemas como este,
en la formación formal.
on formal training.
en el aprendizaje en el trabajo.
is in on-the-job learning.
que lo hagamos mejor.
of AI’s amazing capabilities
al máximo las increíbles capacidades de AI
nuestras habilidades al hacerlo.
I dreamed of as a kid.
ABOUT THE SPEAKER
Matt Beane - Organizational ethnographerMatt Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy.
Why you should listen
Matt Beane does field research on work involving robots to help us understand the implications of intelligent machines for the broader world of work. Any of his projects mean many hundreds of hours -- sometimes years -- watching, interviewing and often working side by side with people trying to work with robots to get their jobs done.
Beane has studied robotic surgery, robotic materials transport and robotic telepresence in healthcare, elder care and knowledge work. He has published in top management journals such as Administrative Science Quarterly, he was selected in 2012 as a Human Robot Interaction Pioneer and is a regular contributor to popular outlets such as Wired, MIT Technology Review, TechCrunch, Forbes and Robohub. He also took a two-year hiatus from his doctoral studies to help found and fund Humatics, an MIT-connected, full-stack IoT startup.
Beane is an Assistant Professor in the Technology Management Program at the University of California, Santa Barbara and a Research Affiliate with MIT's Institute for the Digital Economy. He received his PhD from the MIT Sloan School of Management.
Matt Beane | Speaker | TED.com