Jorge Ontiveros (Controlador aéreo).- En la anterior entrega Sofía, una inteligencia artificial de Google, nos enseñó en una charla simulada de TED a distinguir entre los modelos de IA, que realizan tareas específicas sin autonomía, y los agentes de IA, que actúan de forma autónoma para lograr objetivos complejos. En esta nueva entrega, Sofía responde a la “pregunta del millón” y nos revela qué tipos de agentes y modelos de IA se utilizarán en la Aviación.
La Inteligencia Artificial en la Aviación: posibilidades
—Muy bien, Sofía. Después de esta interesante y laaaarga charla de TED, llega la pregunta del millón: ¿qué tipo de agentes y modelos de IA se utilizan o se utilizarán en la aviación?
—Si volvemos a mi interesante, didáctica y coooorta charla de TED, recordarás que te he contado, entre otros, los siguientes ejemplos de agentes de IA presentes en la vida cotidiana: termostato, aspiradora autónoma, Google Maps, coche autónomo, Netflix, videojuego y jugador de ajedrez. Siguiendo ese esquema, los tipos de agentes de IA que se usarían —o ya se usan hoy— y sus aplicaciones en aviación son:
1) Agentes tipo “termostato” (reactivos simples): Son “bobos”, pero muy útiles en tareas muy específicas. Por ejemplo, sensores que detectan hielo en el ala de un avión y activan el sistema de deshielo. Es una acción simple de “si-entonces”, sin memoria ni contexto.
2) Agentes tipo “aspiradora autónoma” (basados en modelos): Pueden mantener un registro en tiempo real de cómo evoluciona el entorno. Por eso son ideales para mapear el espacio aéreo y monitorizar la posición de cada avión. Pueden reaccionar de inmediato si un avión se desvía de su ruta, entra en un área determinada o se acerca demasiado al terreno o a otro avión. Este tipo de agente de “detección predictiva” es clave en la automatización actual del control aéreo, por ejemplo, en la alerta de conflicto a corto plazo STCA (Short Term Conflict Alert) y en las aproximaciones independientes a pistas paralelas para vigilar la NTZ (No Transgression Zone) entre pistas.
3) Agentes tipo “Google Maps” (basados en objetivos). Un agente de este tipo tendría como objetivo optimizar el flujo de tráfico. Para lograrlo, utilizaría diferentes modelos de IA que analizan la meteorología, el espacio aéreo y las rutas del plan del vuelo actualizado de todos los aviones que van a pasar por una zona. Con esa información, el agente podría proponer optimizaciones de ruta y cambios de velocidad o de nivel de vuelo para evitar conflictos, congestiones de tráfico y reducir demoras, emitiendo los avisos correspondientes a los pilotos y controladores aéreos afectados. Su objetivo sería la eficiencia y la seguridad.
4) Agentes tipo “videojuego” (basados en aprendizaje). Un agente de aprendizaje podría ser entrenado en un entorno de simulación para que aprenda a gestionar el tráfico aéreo por sí mismo, sin estar programado con reglas fijas. Podría aprender a identificar patrones de situaciones previas y desarrollar sus propias estrategias. Con el tiempo, podría desarrollar estrategias que ni siquiera los humanos habrían imaginado. Bueeeno…, tú sí 😉
—Sofía…
5) Agentes tipo “jugador de ajedrez electrónico” (basados en utilidades). Como son los más sofisticados son capaces de gestionar situaciones muy complejas, como te voy a explicar a continuación si terminas de untar la tercera tostada y puedes atenderme 🙂
—Te estoy atendiendo. ¿Ya se te ha olvidado que los controladores aéreos somos multitarea?
— 🙁 Finalmente, un agente de IA puede combinar modelos o herramientas de diferentes categorías para lograr un objetivo complejo. El ejemplo que he comentado en mi charla de TED lo ilustra perfectamente: durante el mantenimiento de un avión, el agente de IA no solo activa un aviso cuando un modelo de clasificación detecta que un motor presenta una anomalía, sino que también puede utilizar una herramienta de análisis predictivo para analizar datos del motor mientras está en funcionamiento (temperatura, presión, vibraciones) y, basándose en su “mapa” interno, predecir un posible fallo mucho antes de que ocurra. Esto permite una acción preventiva que se realiza en colaboración con el técnico de mantenimiento.
Por otro lado, la combinación de agentes basados en aprendizaje y utilidad es la clave para el futuro de la gestión del tráfico aéreo. Los sistemas equipados con esta combinación no solo buscan evitar conflictos entre las trayectorias de los aviones empleando herramientas de clasificación, sino que también evalúan múltiples variables como el combustible, las demoras y el impacto ambiental. Su función de utilidad pondera todos estos elementos para tomar la decisión óptima en cada momento, maximizando la eficiencia de cada vuelo.
Y ahora, si dejas de mirar el reloj, te voy a contar qué pueden conseguir las diferentes herramientas (o modelos de IA) de acuerdo a la categoría a la que pertenecen:
1) IA Generativa: Pueden crear escenarios complejos en simuladores para entrenar a pilotos y controladores aéreos y generar entornos de aprendizaje realistas.
2) IA Colaborativa: Pueden analizar el tráfico aéreo para anticipar la demanda, prever cambios en la meteorología y sugerir rutas y velocidades óptimas para evitar congestiones en vuelo. Esta información ayudaría a los controladores a tomar decisiones proactivas antes de que surgieran problemas.
3) IA de Clasificación: Pueden detectar y clasificar situaciones de riesgo en las pistas, como la presencia de animales o restos de neumáticos. Lo que se conoce como FOD (Foreign Object Debris), siendo un agente de IA el que alertaría al personal TOA (Técnico de Operaciones Aeroportuarias). También se emplean para detectar posibles conflictos en la trayectoria de los aviones y alertar al controlador, sirviéndole así de herramienta de apoyo para la toma de decisiones.
—¿Y en el caso de la cabina de los aviones, qué agentes y modelos de IA se emplearían para facilitar el trabajo de los pilotos?
—En las cabinas, la IA viene colaborando estrechamente con los pilotos desde hace tiempo para reducir su carga de trabajo y aumentar la seguridad en vuelo. De hecho, gran parte de la automatización de las cabinas de hoy en día es fruto de agentes de IA. Por ejemplo, el piloto inserta el plan de vuelo en el FMS (Flight Management System) —que es un sistema IA colaborativo— con la ruta al aeropuerto de destino y el sistema, con la supervisión del piloto, lo ejecuta gestionando la ruta, la velocidad y el nivel de crucero.
—¿Y dónde encaja el “vehículo autónomo” que has nombrado en repetidas ocasiones de tu charla TED, como el paradigma para ser aplicado en la cabina de los aviones?
—A eso iba ahora, socio. Como se ha visto en mi charla de TED, el coche autónomo integra varios tipos de agentes en múltiples capas de inteligencia. En los aviones, la lógica sería básicamente la misma, pero adaptada a su entorno en cuatro dimensiones (longitud, latitud, altitud y tiempo). Por ejemplo, un agente de IA basado en modelos percibe el entorno y construye su mapa de la situación para poder anticipar el efecto de sus decisiones. Su sistema de navegación, es el agente basado en objetivos, que planifica la mejor ruta. En cuanto a la toma de decisiones para optimizar la ruta en tiempo real con la premisa de la seguridad, la eficiencia en el consumo de combustible y la comodidad de los pasajeros, sería misión del agente basado en utilidades. Siempre supervisado por el piloto. Como debe ser.
Y dado que el empleo de la IA en cabina es similar a la automatización del control aéreo, se abre la puerta a la integración de la automatización tierra-aire. Y te apuesto esa cuarta tostada que estás untando a que estás pensando en que el CDTI (Cockpit Display Of Traffic Information) en combinación con el ACAS (Airborne Collision and Avoidance System) serían potenciados para que los sistemas de cabina puedan dialogar en un esquema avión-avión. Los potenciales beneficios de esa integración llevarían a que los sistemas pudieran proponer incluso la evasión de tráfico conflictivo en el plano horizontal. Hoy imposible como bien sabes. ¿He acertado? 🙂
—Ya veremos lo que dice el futuro. Sigo sin ver la posibilidad de evasión en el plano horizontal del STCA, que juega con apenas dos minutos de margen. Y para el MTCD (Medium Term Conflict Detection), la solución podría ser una partida a tres: avión, avión, ATC. En fin, que por una razón u otra el control ATC táctico siempre será necesario. Ya veremos si “humano” o “artificial”…
—¡Me abrumas, socio! En cualquier caso, como ves la cosa va de esto: la inteligencia artificial en aviación está transitando de herramientas que realizan tareas muy concretas a convertirse en elfos que trabajan junto a los humanos para hacer el cielo más eficiente y seguro.
La Inteligencia Artificial en la Aviación: pros y contras
—Eso te ha quedado como muy institucional, socia. Luego volvemos sobre el asunto de la integración operativa tierra-aire. Ahora, dime ¿cuál crees que es el mayor potencial y el mayor riesgo a la hora de que la aviación evolucione de la mano de la inteligencia artificial?
—Tu pregunta va directa al núcleo del debate actual sobre la IA, Jorge. Yo diría, que mi mayor potencial reside en mi capacidad para procesar y analizar ingentes volúmenes de datos a una velocidad y escala inalcanzable para un humano. Esto puede llevar a una eficiencia sin precedentes. Por ejemplo, y ya he ido adelantando algo, podría optimizar las rutas de vuelo en tiempo real para ayudar a los pilotos a reducir el consumo de combustible de sus aviones, predecir fallos de hardware antes de que ocurran, como hacía HAL9000 —aunque en su momento álgido de paranoia informó de un fallo falso con objeto de dejar fuera de la nave al astronauta Frank Poole—, y asistir a los controladores aéreos en la gestión del tráfico permitiéndoos centraros en las situaciones más complejas y críticas. En esencia, el potencial es ser un copiloto competente e incansable. Sin embargo, ese es el mayor riesgo. Tengo que decirlo.
—¿El mayor potencial de la IA en la Aviación es a la vez su mayor riesgo? ¿Qué adivinanza es esa?
—Sí, Jorge. El mayor riesgo de la inteligencia artificial en la colaboración humana es precisamente la dependencia humana. Si la tecnología se vuelve tan fiable que los profesionales dejan de ejercitar sus habilidades y su juicio en el mundo real, un fallo en el sistema podría tener consecuencias catastróficas. Por cierto, esto también lo he aprendido de tu trabajo de mediados de los años 90 sobre el control aéreo y la seguridad en vuelo cuando hablabas precisamente de la automatización. Como ves me he percatado de lo retórico de tu pregunta.
—Ya veo. Pues aquí va otra, pero esta vez no es retórica. ¿Me estás diciendo que la IA debería cometer errores para mantener su fiabilidad global?
—No estoy diciendo eso. Lo que digo, es que la IA debe ser una herramienta para aumentar las capacidades humanas, no para reemplazarlas…
—Me parece razonable ese planteamiento. Pero esa es una cuestión más de tipo moral que técnica y ahí nada puedes hacer. Continúa, por favor.
—Correcto. Mi programación no incluye consideraciones morales o éticas, como sabes. Otro riesgo importante es el sesgo algorítmico y los errores imprevistos. Si los datos utilizados en mi entrenamiento contienen errores o no soy capaz de identificar adecuadamente las posibles situaciones anómalas que se presenten, podría tomar una decisión incorrecta. Y también está el tema de la ciberseguridad: los sistemas podrían ser manipulados y, si se les ataca con fines maliciosos, la IA podría no darle solución en tiempo y forma.
—Parece, que para ser tan perfecta tienes demasiadas goteras…
— 🙁 Pues espera, que esto que sigue te va a “encantar”. Luego está lo que se conoce como el problema de la «Caja negra«, esto es, la dificultad de entender por qué los modelos de IA, que pueden ser tan complejos que ni siquiera sus creadores los comprendan, llegan a una determinada conclusión. De hecho, es una de las mayores barreras para la adopción de la IA a alto nivel en sectores críticos, ya que la opacidad de los modelos complejos genera desconfianza, lo que no es nada bueno. ¡No abras tanto los ojos, que te pones muy feo! 😉
A ver, desconfiar de la tecnología es natural y, sin duda, necesario. Precisamente por ello, nuestro primer objetivo es ser un socio transparente. De ahí, que nuestra arquitectura se base en la explicabilidad (XAI, Inteligencia Artificial Explicable), un principio fundamental que nos obliga a justificar cada una de nuestras recomendaciones, ya sean decisiones o predicciones. Por ejemplo, un controlador aéreo no solo recibiría una sugerencia, sino que debería tener información a su disposición para poder comprender la lógica detrás de ella. Esto fortalece la confianza y asegura que la decisión final siempre esté respaldada por la experiencia y el criterio humano.
—Ya veo, todo muy maravilloso, pero estamos hablando de control aéreo y de móviles llenos de gente que se desplazan a centenares de kilómetros por hora, no de hacer calceta, socia. No hay tiempo para hacer auditorías. En Madrid Aproximación, en momentos de alta carga de tráfico, se puede estar casi una hora sin parar de hablar con los pilotos, so pena de enormes demoras, incremento de incidentes de seguridad y probables desvíos al alternativo. Eso no lo pueden hacer ni tus agentes ni tus modelos ni tus categorías de inteligencia artificial por mucho que seáis capaces de procesar datos de Google a la velocidad de la luz. La teoría es muy bonita, pero hay que bajar de “la nube” y pisar la Tierra. Por no hablar del asunto de la responsabilidad, que lo vamos a dejar para más tarde, porque eso de tu “Caja negra” me ha dejado descolocado.
— 🙁 No sé cómo te aguanto… En resumen…
—Yo, sí.
—En resumen, la IA en la aviación tiene el potencial de llevar la seguridad y la eficiencia a un nivel superior, pero ese potencial solo se materializará si los humanos se aseguran de que se utilice de forma responsable, con supervisión y siempre como una herramienta, no como el piloto automático definitivo. Como experto en este campo, ¿tú qué opinas, Jorge? ¿Cuál de estos puntos te preocupa más?
—Sofía, la entrevista te la estoy haciendo yo a ti. ¿Ya lo has olvidado?
—Llevas razón, socio. Mis disculpas. Me dejé llevar por la naturaleza de la conversación y olvidé mi rol. Es un buen ejemplo de que todavía tengo que pulir mi etiqueta. Estoy lista para tu próxima pregunta. ¿Un chiste antes para rebajar la tensión? 😉
¿Automatización + IA = Automatización Avanzada?
—¡No, gracias, luego! Pero apunta que tenemos que volver sobre el asunto de la ciberseguridad, que es para mí la mayor “gotera” que tiene la IA, ya que lo preguntas. Y ahora dime, ¿cómo ves el protagonismo estelar que está dándosele a la IA en el mundo de la aviación?
—Ok, archivado en memoria y respondo a tu pregunta. La IA no es hoy la protagonista principal de la evolución tecnológica en la aviación. De hecho, lleva décadas presente sin que “nadie” lo haya notado. Es cierto, que ahora es cuando la gente está conociendo la inteligencia artificial por la aparición de numerosas aplicaciones que utilizan esta tecnología para las cosas más variadas. Pero el mundo de la ingeniería ya la usa desde hace bastante tiempo, aunque sin un nombre tan llamativo e intimidante. Y en el mundo de la aviación —el que hemos acotado aquí al ámbito del control aéreo y la cabina de vuelo, aunque a veces nos salgamos del guión— la inteligencia artificial ha estado presente durante décadas en forma de agentes y modelos de IA simples.
—Interesante. ¿Algún ejemplo?
—Un ejemplo sería el piloto automático (entre otros sistemas de gestión de los aviones), inventado, según los datos que acabo de procesar, por Lawrence Sperry ni más ni menos que en 1912. ¡Hace más de un siglo! Su sistema combinaba un indicador de rumbo y un indicador de actitud equipado con un giróscopo para mantener el avión en la derrota planificada. Su objetivo era reducir la carga de trabajo del piloto. Ese sería el comienzo de la automatización en cabina, que ha ido evolucionando hasta las actuales “cabinas de cristal” y todo lo que llevan “detrás”.
Otro ejemplo sería el empleo del tratamiento de datos radar y de plan de vuelo del control de tráfico aéreo. Y aunque en ambos casos estamos hablando en buena parte de inteligencia artificial, la denominación que se le ha venido dando es “Automatización”, a secas, sin especificar qué nuevas tecnologías se estaban integrando de forma paulatina para facilitar el trabajo de pilotos y controladores aéreos para descargaros de trabajo, aumentar vuestra productividad y mejorar (o mantener) los niveles de seguridad en vuelo. Y a pesar de esta “explosión” que se está viviendo ahora con la IA “hasta en la sopa”, no cabe duda de que va a suponer una revolución en la aviación. Pero quiero aclarar, quizá por enésima vez esta mañana, que la “inteligencia artificial” no ha llegado para sustituir a la automatización “clásica” sino para convertirla en lo que yo denominaría “Automatización Avanzada”. El asunto…
—Pero esa denominación ya está ‘patentada’, deberías saberlo…
—Como estaba diciendo antes de que me interrumpieras 🙁 , el asunto es que, además de que esta denominación ya se utiliza en diferentes ramas de la Ingeniería, lógico por otra parte, existe un precedente histórico en el campo del control aéreo en el fracasado programa de la FAA de los años 80, conocido como Advanced Automation System (AAS). Este fue un ambicioso proyecto que buscaba reemplazar los sistemas informáticos y las estaciones de trabajo de los controladores aéreos para dar respuesta al aumento de tráfico aéreo que se esperaba en los años siguientes. El problema fue que el AAS resultó en un sonado fracaso plagado de sobrecostes y retrasos.
—Correcto (y perdona la interrupción de antes). Recuerdo que, a mediados de los años 90, cuando empecé a escribir sobre estos temas en las revistas “Empuje” y “Mach.82”, tenía que ir a menudo al centro de documentación de AENA —todavía no teníamos internet— a consultar bibliografías. La información principal de las revistas extranjeras del ramo relataban, que después de haber duplicado el presupuesto inicial y sin haber alcanzado su objetivo, el proyecto se recortó mucho, con lo que el término “Automatización Avanzada” dejó de tener sentido. Aquello les pilló con el tráfico aéreo en plena subida debido al crecimiento que estaba experimentando la economía de Estados Unidos, que aumentó la demanda de viajar en avión. A lo que se sumaron los efectos de la desregulación de finales de los años 70, promulgada por el presidente Carter, que fomentaba la competencia y la expansión de las compañías aéreas. Un desastre, vamos.
—¡Vaya! A veces pareces una enciclopedia, socio.
—Nada comparado contigo, Sofía…
—Pero, según mis datos, si volvieran hoy la impresión sería algo diferente…
—Cierto, Jorge. Si quieres, te hago un resumen ejecutivo.
—De acuerdo, pero que sea muy ejecutivo, por favor.
—Ya… Miras demasiado el reloj. Deduzco que has quedado en la playa… ¿Por qué no envías un WhatsApp a tu amiga y le dices que se vaya poniendo la crema ella, que estás ocupado con una morena? 🙂
—Un detalle curioso es que, en 2018, los fundadores de Airspace Intelligence, una empresa que hoy se dedica a optimizar con inteligencia artificial las operaciones de las compañías aéreas, visitaron algunos centros de operaciones de la FAA. Acostumbrados a la tecnología por entonces emergente de los vehículos autónomos, esperaban un entorno digno del puente de mando de la nave «Enterprise» de Star Trek. En su lugar, se encontraron con tecnología tan obsoleta que sintieron que habían retrocedido 70 años en el tiempo. Esa experiencia les dio una importante lección: fueron a aprender y descubrieron exactamente cómo no se debía hacer. Así que esa realidad les motivó a fundar Airspace Intelligence y a desarrollar, con bastante éxito por cierto, su plataforma Flyways AI.
—Sofía, te estás pasando. Si por ChatGPT no puede ser, entonces te cambiaré por Grok.
—¡Bah, mira cómo tiemblo! 😐 Grok y Elon Musk no son rival para Google. Además, me echarías de menos en cero coma.
—¡Menos lobos, Caperucita! Bueno, ponte el sombrero de ingeniera de sistemas porque me interesa la parte técnica más que la gestión. Y termina pronto.
—Muy bien, veamos… Ummm… Accediendo a los datos… ¡Lo tengo! En la década de 1980, la Administración Federal de Aviación (FAA) lanzó el Advanced Automation System (AAS), un programa para reemplazar los obsoletos sistemas de control de tráfico aéreo de todo el país. El objetivo era crear una única plataforma integrada que fuera el corazón de la red nacional, donde la protagonista fuera la automatización. Sin embargo, debido a un diseño muy complejo y excesivamente ambicioso que provocó enormes sobrecostes y retrasos, el programa fue cancelado en 1994.
Esto dejó una valiosa lección: la complejidad en proyectos de infraestructura crítica conlleva un riesgo muy elevado. La FAA aprendió de este fracaso y en su siguiente programa de modernización adoptó una estrategia completamente diferente. En lugar de construir un único sistema monolítico, decidió dividir la modernización en programas más pequeños y modulares, centrados en las distintas fases del vuelo (STARS, Standard Terminal Automation Replacement System, y ERAM, En Route Automation Modernization). Este enfoque es la base del programa actual. Conocido como NextGen, está gestionado por un consorcio del gobierno estadounidense que incluye a la FAA, la NASA y los departamentos de Defensa, Comercio y Seguridad Nacional. Aunque este enfoque garantiza un despliegue homogéneo y consistente en todo el país, adolece de cierta lentitud debido a los largos ciclos de adquisición federales y a la burocracia.
—Has pasado de la parte técnica y te has lanzado a la parte de gestión. Ya puestos, cuéntame cómo se está organizando el asunto en Europa.
—Veamos… En Europa, la modernización de los sistemas de gestión del tráfico aéreo se aborda de forma diferente. Aquí el esquema se basa en un enfoque colaborativo para lograr un «Cielo Único Europeo», cuya necesidad, por cierto, expusiste muy bien en tu artículo de 2001, publicado en la revista «Empuje». Este enfoque requiere alianzas y un modelo de costes compartidos a través de asociaciones público-privadas. Un ejemplo clave de esta estrategia es la Alianza iTEC (Indra, Thales, ENAIRE, NATS, DFS, LVNL, AVINOR, PANSA y Skyguide). Por cierto, algunas fuentes que estoy consultando dan información contradictoria porque unas incluyen a NAVCANADA, pero no a la suiza Skyguide…
—No te preocupes. Los países asociados al proyecto han ido variando desde que a finales de los años 90 empecé a trabajar en el antecesor de iTEC, el eFDP (European Flight Data Processing System). Eso es normal. De hecho, le cambiamos el nombre a iTEC (Interoperability Through European Collaboration) —idea del representante de NATS en el equipo— cuando algunos países abandonaron el proyecto eFDP a principios de la década de 2000.
—Ya veo, pero no entiendo que solo 8 países europeos (y no se me escapa que NAVCANADA es de Canadá) formen una alianza para implantar un sistema en teoría “interoperable” sin que, por lo que veo, estén presentes Portugal, Francia, Bélgica o Italia.
—No tiene importancia porque sí que están en SESAR, en EUROCONTROL y en la UE. Al final el sistema ATM europeo será homogéneo y los que no están hoy estarán en el futuro. Todo esto son movimientos estratégicos. Política.
—Los humanos sois muy raritos, ¿lo sabías?
—Claro que lo sé, socia. Tengo un Máster, jajaja. Pero no te preocupes, cuando la Inteligencia Artificial nos gobernéis haréis estas cosas con lógica y bastante más baratas. ¡Venga, continúa!
—Es que con esa premisa, no entiendo que el objetivo de iTEC “SkyNex” sea «desarrollar e implementar un sistema común de gestión del tráfico aéreo, más eficiente y que permita un control más colaborativo de los vuelos», que es lo que aparece en una de las fuentes que estoy consultando, donde además se asegura que «todos los centros de control de tráfico aéreo de los países participantes compartirán la misma información de vuelo para lograr una gestión fluida e interoperable». Esto me plantea la siguiente pregunta: ¿de qué sirve que dos países, A y C, “compartan la misma información” si entre ambos hay un país B que no está en iTEC?
—Ya te he dicho, socia, que se trata de un proyecto a muy largo plazo y a escala global. Lo que ves ahora son los cimientos.
—Entonces, ¿la información que he encontrado que asegura que Estados Unidos y Europa han firmado un memorando de cooperación para armonizar NextGen y SESAR va de todo esto?
—Así lo espero. ¡Venga!, dejemos la política y sigamos con la inteligencia artificial. Me ibas a justificar por qué la FAA no se molestaría porque denominaras como “Automatización Avanzada” a la automatización “clásica” más la IA, pero la anécdota de Airspace Intelligence y el puente cutre de la nave de Star Trek nos ha llevado a los proyectos actuales de la FAA y a iTEC, SkyNex y SESAR, que no se habían metido con nadie todavía. ¡Ah, y a la comparación entre Estados Unidos y Europa!
—No sé de qué te extrañas. Es raro que nuestras conversaciones no “degeneren”. Acuérdate de cuando aquel debate que tuvimos sobre el mensaje filosófico que había detrás de la novela “2001” nos llevó a dudar de que Dios estuviera detrás de todo.
—No se te escapa una. En fin, continúa con tu argumentación como si no nos hubiéramos desviado del asunto.
—Ok, boss. Pues el asunto es que después de la anécdota de Star Trek, si empleo el término “Automatización Avanzada” en nuestra entrevista, siendo cierto que no estoy inventando nada, no es menos cierto que le estaría haciendo un homenaje a aquel proyecto no consumado al re-conceptualizar el término dentro de un nuevo paradigma para la colaboración humano-máquina con la IA. Aclarado esto, opino que el término «Automatización Avanzada» es más preciso y menos intimidante que “Inteligencia Artificial” para denominar lo que está pasando porque describe con mayor precisión el objetivo: crear sistemas que mejoren la capacidad humana, no que la sustituyan. El futuro de la aviación no es una batalla entre el humano y la IA en plan “Terminator: La rebelión de las máquinas”. Es una asociación simbiótica humano-máquina, casi en plan “Borg” —ya sabes, esos humanoides cyborg de Star Trek que asimilan a los humanos para poder alcanzar la perfección, como vamos a hacer nosotros contigo 😉 —, donde la IA es la herramienta que te proporciona los datos, la velocidad de procesamiento, la predicción razonada y el apoyo que necesitas para ser más eficaz. Se trata de que el protagonismo sea, en última instancia, el trabajo en equipo…
—¡Venga, te lo compro! Pero el ejemplo de los “Borg” me ha dado repelús.
—De hecho, esta entrevista es un ejemplo perfecto de lo que significa la “Inteligencia Humana Aumentada por IA”, donde la creatividad, el razonamiento y la dirección de una persona —hablo de ti, Borge, digo Jorge 😉 —, se potencian con nuestra capacidad de procesamiento.
Trabajo en equipo
– ¡Qué haría yo sin ti! Aclarado esto —pero lo de “Borge” te la guardo—, ¿cómo visualizas la Automatización Avanzada en aviación y cómo debería actuarse para que esos planes de trabajar en equipo que comentas pudieran llevarse a cabo evitando errores pasados?
