Ya sean atletas en un campo deportivo o celebridades en la jungla, nada llama más nuestra atención que el drama de competir por un solo premio. Y cuando se trata de la evolución de la inteligencia artificial (IA), algunos de los momentos más cautivadores también se han entregado en finales emocionantes.

En 1997, la computadora de ajedrez Deep Blue de IBM se enfrentó al gran maestro y actual campeón mundial Garry Kasparov, después de haber perdido ante él el año anterior.

Pero esta vez, la IA ganó. El popular juego chino Go fue el siguiente, en 2016, y nuevamente hubo un suspiro colectivo cuando la IA de Google salió victoriosa. Estas competencias ilustran con elegancia lo que hace única a la IA:podemos programarla para que haga cosas que no podemos hacer nosotros mismos, como vencer a un campeón mundial.

Pero, ¿y si este marco oscurece algo vital:que la inteligencia humana y la artificial no son lo mismo? La IA puede procesar rápidamente grandes cantidades de datos y capacitarse para ejecutar tareas específicas; la inteligencia humana es significativamente más creativa y adaptativa.

La pregunta más interesante no es quién ganará, sino ¿qué pueden lograr las personas y la IA juntas? La combinación de ambas formas de inteligencia puede proporcionar un mejor resultado que el que cualquiera puede lograr por sí solo.

Esto se llama inteligencia colaborativa. Y esta es la premisa de la nueva Plataforma de Ciencia del Futuro de Inteligencia Colaborativa (CINTEL) de 12 millones de dólares australianos de CSIRO, que estamos liderando.

Jaque mate mates

Si bien el ajedrez se ha utilizado para ilustrar la competencia entre humanos e IA, también proporciona un ejemplo de inteligencia colaborativa. Deep Blue de IBM venció al campeón mundial, pero no dejó obsoletos a los humanos. Los ajedrecistas humanos que colaboran con la IA han demostrado ser superiores tanto a los mejores sistemas de IA como a los jugadores humanos.

Y aunque ese ajedrez de "estilo libre" requiere tanto una excelente habilidad humana como tecnología de IA, los mejores resultados no se obtienen simplemente combinando la mejor IA con el mejor gran maestro. El proceso a través del cual colaboran es crucial.

Entonces, para muchos problemas, particularmente aquellos que involucran contextos complejos, variables y difíciles de definir, es probable que obtengamos mejores resultados si diseñamos sistemas de IA explícitamente para trabajar con socios humanos y brindamos a los humanos las habilidades para interpretar los sistemas de IA.

Un ejemplo simple de cómo las máquinas y las personas ya están trabajando juntas se encuentra en las características de seguridad de los automóviles modernos. La tecnología de asistencia para mantenerse en el carril utiliza cámaras para monitorear las marcas de los carriles y ajustará la dirección si el automóvil parece estar saliendo de su carril.

Sin embargo, si detecta que el conductor se aleja activamente, desistirá para que el humano permanezca a cargo (y la IA continúe ayudando en el nuevo carril). Esto combina las fortalezas de una computadora, como la concentración ilimitada, con las del ser humano, como saber cómo responder a eventos impredecibles.

Existe la posibilidad de aplicar enfoques similares a una variedad de otros problemas desafiantes. En entornos de ciberseguridad, los humanos y las computadoras podrían trabajar juntos para identificar cuáles de las muchas amenazas de los ciberdelincuentes son las más urgentes.

De manera similar, en la ciencia de la biodiversidad, la inteligencia colaborativa se puede utilizar para dar sentido a cantidades masivas de especímenes alojados en colecciones biológicas.

Sembrando los cimientos

Sabemos lo suficiente sobre la inteligencia colaborativa para decir que tiene un gran potencial, pero es un nuevo campo de investigación y hay más preguntas que respuestas.

Through CSIRO's CINTEL program we will explore how people and machines work and learn together, and how this way of collaborating can improve human work. Specifically, we will address four foundations of collaborative intelligence:

1. collaborative workflows and processes . Collaborative intelligence requires rethinking workflow and processes, to ensure humans and machines complement each other. We'll also explore how it might help people develop new skills that might be useful across areas of the workforce
2. situation awareness and understanding intent . Working towards the same goals and ensuring humans understand the current progress of a task
3. trust . Collaborative intelligence systems will not work without people trusting the machines. We must understand what trust means in different contexts, and how to establish and maintain trust
4. communication . The better the communication between humans and the machine, the better the collaboration. How do we ensure both understand each other?

Robots reimagined

One of our projects will involve working with the CSIRO-based robotics and autonomous systems team to develop richer human-robot collaboration. Collaborative intelligence will enable humans and robots to respond to changes in real time and make decisions together.

For example, robots are often used to explore environments that might be dangerous for humans, such as in rescue missions. In June, robots were sent to help in search and rescue operations, after a 12-storey condo building collapsed in Surfside, Florida.

Often, these missions are ill-defined, and humans must use their own knowledge and skills (such as reasoning, intuition, adaptation and experience) to identify what the robots should be doing. While developing a true human-robot team may initially be difficult, it's likely to be more effective in the long term for complex missions.