Lo que genero con IA ¿me pertenece?

Lo que genero con IA ¿me pertenece?

Las obras «asistidas» por IA ya pueden protegerse mediante derechos de autor.

Los materiales generados exclusivamente por la IA siguen sin poder protegerse, ya que los tribunales han dictaminado que los derechos de autor sólo pueden concederse a obras creadas por seres humanos.

 

inteligencia artificial y justicia

La Oficina de Derechos de Autor de EE.UU. ha afirmado que la mayoría de las obras generadas por inteligencia artificial no son protegibles por derechos de autor, al tiempo que aclara que el material asistido por IA puede ser objeto de protección en determinados casos.

En una declaración de principios publicada el jueves, la oficina afirma que está «bien establecido» que los derechos de autor sólo pueden concederse a obras que sean «producto de la creatividad humana» y que los autores «excluyen a los no humanos». Aun así, una aplicación que contenga material generado por IA puede respaldar una reclamación de derechos de autor si un humano lo «seleccionó o dispuso» de una «forma lo suficientemente creativa como para que la obra resultante constituya una obra original de autoría».

Con el auge del mercado de la IA, la oficina sigue recibiendo solicitudes que nombran a la tecnología de IA como autora o coautora de obras. Han sido rechazadas, salvo una solicitud en la que se concedieron derechos de autor al cómic Zarya of the Dawn, creado con ayuda de IA. En ese caso, las imágenes generadas por IA quedaron excluidas de la protección.

En Estados Unidos, las leyes de derechos de autor no protegen las obras creadas únicamente por máquinas. La oficina está trabajando en la protección del material en cuya creación haya contribuido un ser humano.

Varios tribunales han dictaminado que los derechos de autor sólo pueden concederse a obras creadas por seres humanos. En su principal caso sobre la autoría de los derechos de autor, el Tribunal Supremo sostuvo que «no hay duda» de que la protección puede extenderse a las fotografías siempre que «sean representativas de concepciones intelectuales originales del autor». Los jueces se refirieron exclusivamente a tales autores como humanos, describiéndolos como una clase de «personas» y a los derechos de autor como el «derecho de un hombre a la producción de su propio genio o intelecto».

inteligencia artificial y la ley

Los tribunales federales de apelación han llegado a conclusiones similares. En un caso relacionado con un creador no humano de una obra que buscaba la protección de los derechos de autor, el Tribunal de Apelación del 9º Circuito de EE.UU. dictaminó que un libro que contiene palabras cuyo autor es un ser no-humano sólo puede registrarse si hay una «selección y ordenación humana de los resultados». Concluyó que debe haber «algún elemento de creatividad humana», ya que la legislación sobre derechos de autor sólo pretende proteger las obras creadas por seres humanos.

En otro caso, el 9º Circuito sugirió que una foto captada por un mono no es susceptible de protección por derechos de autor, ya que los animales no reúnen los requisitos para ser protegidos, aunque la demanda se resolvió por otros motivos.

En opinión de la oficina, los tribunales han utilizado un lenguaje que excluye a los no humanos al interpretar el poder del Congreso para proteger las obras. La guía de registro existente, dice, «ha exigido durante mucho tiempo que las obras sean producto de la autoría humana». Señala el compendio de prácticas de la Oficina, que establece que no se registrarán «las obras producidas por una máquina o un mero proceso mecánico que funcione de forma aleatoria o automática sin ninguna aportación creativa o intervención de un autor humano».

«Según la interpretación de la Oficina de las tecnologías de IA generativa disponibles en la actualidad, los usuarios no ejercen un control creativo definitivo sobre la forma en que estos sistemas interpretan las instrucciones y generan el material», reza la guía. «En su lugar, estas indicaciones funcionan más bien como instrucciones para un artista por encargo: identifican lo que el autor desea que se represente, pero la máquina determina cómo se implementan esas instrucciones en su producción».

Según la oficina, esto no quiere decir que las obras que contengan material generado por IA no puedan ser objeto de protección. Dijo que el factor determinante es la medida en que un ser humano tuvo «el control creativo sobre la expresión de la obra y formó realmente los elementos tradicionales de la autoría». Un artista, por ejemplo, podría modificar el material generado originalmente por la IA hasta tal punto que cumpla la norma de protección. En estos casos, sólo se concederán derechos de autor a los aspectos de autoría humana de la obra.

La abogada especializada en propiedad intelectual Jessica McDonald, de Neer McD, que tiene como cliente a Midjourney, un generador de arte basado en IA, señala que las orientaciones de la oficina se ajustan a los precedentes sobre esta cuestión.

justicia e IA

«Todavía se determina en gran medida caso por caso», dice McDonald. «Hay una gran variedad en cuanto al grado de participación del usuario en el proceso creativo y el uso de la tecnología de IA como herramienta frente a la interpretación y generación de los materiales».

Stephen Thaler, director ejecutivo de la empresa de redes neuronales Imagination Engines, ha liderado el impulso para la protección de las obras creadas por IA. En 2018, enumeró un sistema de IA, la Máquina de Creatividad, como el creador de una obra de arte llamada A Recent Entrance to Paradise, mientras se enumeraba a sí mismo como el propietario de los derechos de autor bajo la doctrina de trabajo por encargo. Demandó después de que la oficina denegara el registro basándose en que «el nexo entre la mente humana y la expresión creativa» es un elemento crucial de la protección.

Ryan Meyer, abogado especializado en propiedad intelectual de Dorsey & Whitney, afirma que «los solicitantes que utilicen la IA como parte de su proceso creativo deben ser conscientes de que su registro podría quedar restringido a las partes de la obra cuya autoría corresponda exclusivamente a un ser humano».

«Para los elementos de la obra creados con ayuda de la IA, el solicitante debe explicar cómo el autor humano, y no la IA, ejerció los elementos tradicionales de la autoría, como la expresión, la selección y la disposición», añade.

Entre abril y mayo, la oficina organizará sesiones públicas de escucha con artistas, desarrolladores de IA y abogados, entre otros. También tiene previsto publicar un anuncio de investigación en el que solicitará comentarios del público sobre una amplia gama de cuestiones derivadas del uso de la IA.

Traducido de: Winston Cho. AI-“Assisted” Works Are Now Open to Copyright Protection, Raising Questions for Hollywood. Artículo publicado en HollywoodReporter.com 16-03-2023. arhttps://www.hollywoodreporter.com/business/business-news/ai-assisted-works-open-to-copyright-protection-1235354692/

OpenAI presenta su último modelo de aprendizaje profundo: GPT-4

OpenAI presenta su último modelo de aprendizaje profundo: GPT-4

OpenAI lanza GPT4

OpenAI ha creado GPT-4, el último hito en su esfuerzo por expandir el aprendizaje profundo. GPT-4 es un modelo multimodal que acepta entradas de texto e imágenes y emite salidas de texto. Aunque es menos capaz que los humanos en muchos escenarios del mundo real, GPT-4 exhibe un rendimiento a nivel humano en varios puntos de referencia académicos y profesionales.

OpenAI pasó seis meses alineando GPT-4 iterativamente utilizando lecciones de su programa de pruebas contradictorias y de ChatGPT, lo que resultó en sus mejores resultados hasta la fecha en factualidad, capacidad de dirección y rechazo a salirse de los límites. En los últimos dos años, OpenAI reconstruyó toda su pila de aprendizaje profundo y, junto con Azure, codiseñó una supercomputadora desde cero para su carga de trabajo. Hace un año, entrenaron GPT-3.5 como una primera «ejecución de prueba» del sistema, lo que les permitió encontrar y solucionar algunos errores y mejorar sus fundamentos teóricos.

OpenAI ha lanzado la capacidad de entrada de texto de GPT-4 a través de ChatGPT y la API, aunque actualmente existe una lista de espera. Para preparar la capacidad de entrada de imágenes para una mayor disponibilidad, OpenAI está colaborando estrechamente con un solo socio para comenzar. Además, OpenAI ha abierto OpenAI Evals, su marco para la evaluación automatizada del rendimiento del modelo de IA, para permitir que cualquier persona informe las deficiencias en sus modelos y ayudar a guiar mejoras adicionales. A medida que OpenAI continúa enfocándose en un escalamiento confiable, su objetivo es perfeccionar su metodología para ayudarlos a predecir y prepararse para capacidades futuras cada vez con mayor anticipación, algo que consideran crítico para la seguridad.

GPT4 mano androide

Capacidades

Si bien en una conversación informal puede ser difícil distinguir entre los dos modelos, la diferencia se hace más evidente cuando se trata de tareas complejas. GPT-4 se muestra más confiable, creativo y capaz de manejar instrucciones mucho más matizadas que GPT-3.5.

Para entender las diferencias entre los modelos, OpenAI ha llevado a cabo una serie de pruebas en varios puntos de referencia, incluyendo la simulación de exámenes diseñados originalmente para humanos. Las pruebas se realizaron utilizando las pruebas más recientes disponibles públicamente, así como comprando ediciones de práctica de exámenes para el año 2022-2023. No se realizó ningún entrenamiento específico para estos exámenes. Aunque el modelo solo detectó una minoría de los problemas en los exámenes durante el entrenamiento, se considera que los resultados son representativos. OpenAI ha publicado un informe técnico para obtener más detalles sobre las pruebas realizadas.

OpenAI ha evaluado el rendimiento de GPT-4 en puntos de referencia tradicionales diseñados para modelos de aprendizaje automático, y los resultados han sido destacables. GPT-4 supera significativamente a los modelos de lenguaje grandes existentes, así como a la mayoría de los modelos de última generación (SOTA) que pueden incluir protocolos de capacitación adicionales o elaboración específica de referencia.

Muchos puntos de referencia de ML existentes están escritos en inglés, por lo que para evaluar la capacidad en otros idiomas, OpenAI ha traducido el punto de referencia de MMLU, un conjunto de 14,000 problemas de opción múltiple que abarcan 57 temas, a una variedad de idiomas mediante Azure Translate. En 24 de los 26 idiomas probados, GPT-4 supera el rendimiento en inglés de GPT-3.5 y otros LLM (Chinchilla, PaLM), incluso para idiomas de bajos recursos como letón, galés y swahili.

OpenAI también ha estado utilizando internamente GPT-4 con un gran impacto en funciones como soporte, ventas, moderación de contenido y programación. Además, están usando GPT-4 para ayudar a los humanos a evaluar los resultados de la IA, comenzando la segunda fase en su estrategia de alineación.

Entradas visuales

GPT-4 puede aceptar una indicación de texto e imágenes que, en paralelo a la configuración de solo texto, permite al usuario especificar cualquier tarea de visión o idioma. En concreto, genera salidas de texto (lenguaje natural, código, etc.) dadas las entradas que consisten en texto e imágenes intercaladas. En una variedad de dominios, incluidos documentos con texto y fotografías, diagramas o capturas de pantalla, GPT-4 exhibe capacidades similares a las de las entradas de solo texto. Además, se puede aumentar con técnicas de tiempo de prueba que se desarrollaron para modelos de lenguaje de solo texto, que incluyen sugerencias de pocas tomas y de cadena de pensamientos. Cabe destacar que las entradas de imágenes siguen siendo una vista previa de la investigación y no están disponibles públicamente.

 OpenAI ha previsualizado el rendimiento de GPT-4 al evaluarlo en un conjunto limitado de puntos de referencia de visión académica estándar. Aunque estos números no representan completamente el alcance de las capacidades del modelo, ya que constantemente descubren nuevas tareas que puede abordar. OpenAI tiene planes de publicar más análisis y números de evaluación, así como una investigación exhaustiva del efecto de las técnicas de tiempo de prueba en un futuro cercano.

Maniobrabilidad

En cuanto a la maniobrabilidad de ChatGPT, OpenAI ha estado trabajando en cada aspecto del plan descrito en su publicación sobre la definición del comportamiento de las IA, incluida la capacidad de dirección. En lugar de la personalidad clásica de ChatGPT con verbosidad, tono y estilo fijos, los desarrolladores (y pronto los usuarios de ChatGPT) ahora pueden prescribir el estilo y la tarea de su IA describiendo esas instrucciones en el mensaje del «sistema». Los mensajes del sistema permiten a los usuarios de API personalizar significativamente la experiencia de sus usuarios dentro de los límites. OpenAI continuará haciendo mejoras en esta área, en particular saben que los mensajes del sistema son la forma más fácil de «liberar» el modelo actual, es decir, la adherencia a los límites no es perfecta, pero alientan a los usuarios a probarlo y dar su opinión.

Limitaciones

Aunque GPT-4 tiene mayores capacidades que sus predecesores, todavía tiene limitaciones que deben ser consideradas. En particular, el modelo todavía no es completamente confiable y puede cometer errores de razonamiento y «alucinaciones» de hechos. Por lo tanto, es necesario tener precaución al usar los resultados del modelo, especialmente en contextos de alto riesgo, y utilizar protocolos precisos como revisión humana, puesta a tierra con contexto adicional o evitar usos de alto riesgo por completo según las necesidades de un caso de uso específico.

A pesar de las limitaciones, GPT-4 ha reducido significativamente las alucinaciones en comparación con los modelos anteriores, obteniendo un puntaje un 40% más alto que el último modelo GPT-3.5 en las evaluaciones internas de factualidad contradictoria de OpenAI. Además, la compañía ha mejorado en puntos de referencia externos como TruthfulQA, que prueba la capacidad del modelo para separar los hechos de las declaraciones incorrectas.

Sin embargo, el modelo base GPT-4 todavía tiene sesgos en sus resultados y puede cometer errores de razonamiento simples. Además, carece de conocimiento de los eventos que ocurrieron después de que la mayoría de sus datos fueron recolectados y no aprende de su experiencia. A veces también puede fallar en problemas difíciles y puede ser demasiado crédulo al aceptar declaraciones falsas obvias de un usuario.

OpenAI ha trabajado para mejorar estos problemas y su objetivo es hacer que los sistemas de IA sean razonables y reflejen una amplia franja de valores de los usuarios, permitiendo que los sistemas se personalicen dentro de límites amplios y obtener comentarios públicos sobre cuáles deberían ser esos límites.

En resumen, GPT-4 es un avance significativo en los modelos de lenguaje, pero todavía tiene limitaciones que deben ser consideradas cuidadosamente al utilizar los resultados del modelo en contextos de alto riesgo o críticos.

Riesgos y mitigaciones

OpenAI ha estado trabajando en iteraciones de GPT-4 para hacerlo más seguro y alineado desde el comienzo de la capacitación. Se han implementado una serie de esfuerzos para lograr esto, incluyendo la selección y el filtrado de los datos previos a la capacitación, las evaluaciones y la participación de expertos, las mejoras de seguridad del modelo y el monitoreo y la aplicación.

A pesar de los esfuerzos realizados, GPT-4 presenta riesgos similares a los modelos anteriores, como generar consejos dañinos, código con errores o información inexacta. Sin embargo, las capacidades adicionales de GPT-4 conducen a nuevas superficies de riesgo. Para entender mejor el alcance de estos riesgos, OpenAI ha contratado a más de 50 expertos de dominios como riesgos de alineación de IA, ciberseguridad, riesgo biológico, confianza y seguridad, y seguridad internacional para probar el modelo de manera adversaria.

Los hallazgos de estos expertos se incorporaron a las mitigaciones y mejoras del modelo, como la recopilación de datos adicionales para mejorar la capacidad de GPT-4 para rechazar solicitudes sobre cómo sintetizar sustancias químicas peligrosas. OpenAI también ha incorporado una señal de recompensa de seguridad adicional durante el entrenamiento de RLHF para reducir los resultados nocivos al entrenar al modelo para que rechace las solicitudes de dicho contenido. La recompensa es proporcionada por un clasificador de tiro cero GPT-4 que juzga los límites de seguridad y el estilo de finalización en las indicaciones relacionadas con la seguridad.

Para evitar que el modelo rechace solicitudes válidas, OpenAI ha recopilado un conjunto de datos diverso de varias fuentes y aplicado la señal de recompensa de seguridad (con un valor positivo o negativo) en ambas categorías permitidas y no permitidas. Estas medidas han mejorado significativamente muchas de las propiedades de seguridad de GPT-4 en comparación con GPT-3.5. La tendencia del modelo a responder a solicitudes de contenido no permitido se ha reducido en un 82 % en comparación con GPT-3.5, y GPT-4 responde a solicitudes confidenciales de acuerdo con las políticas de OpenAI con un 29 % más de frecuencia.

OpenAI ha implementado intervenciones a nivel de modelo para aumentar la seguridad y la alineación en GPT-4. Sin embargo, aunque estas intervenciones han mejorado la capacidad del modelo para evitar un mal comportamiento, todavía es posible provocarlo, y existen «jailbreaks» para generar contenido que viola las pautas de uso establecidas por OpenAI. A medida que aumenta el «riesgo por token» de los sistemas de IA, será fundamental lograr niveles extremadamente altos de confiabilidad en estas intervenciones. Por ahora, es importante complementar estas limitaciones con técnicas de seguridad en tiempo de implementación, como la supervisión de abusos.

OpenAI reconoce que GPT-4 y sus sucesores tienen el potencial de tener un gran impacto en la sociedad, tanto positivo como negativo. Para abordar este problema, OpenAI ha estado colaborando con investigadores externos para mejorar la comprensión y evaluación de los impactos potenciales y crear evaluaciones de capacidades peligrosas que puedan surgir en sistemas futuros. OpenAI ha anunciado que pronto compartirá más reflexiones sobre los posibles impactos sociales y económicos de GPT-4 y otros sistemas de IA.

Proceso de entrenamiento

GPT-4, que se entrenó utilizando datos disponibles públicamente y datos bajo licencia, incluyendo un corpus de datos a escala web con soluciones correctas e incorrectas a problemas matemáticos, razonamientos débiles y fuertes, afirmaciones autocontradictorias y consistentes, representando una gran variedad de ideologías e ideas. Aunque el modelo base puede responder a preguntas de diversas formas, OpenAI ha utilizado el aprendizaje de refuerzo con retroalimentación humana para ajustar su comportamiento y alinearlo con la intención del usuario dentro de las medidas de seguridad.

Escalado predecible

El proyecto GPT-4 ha tenido un gran enfoque en construir una pila de aprendizaje profundo que escala de manera predecible, con el objetivo de realizar ajustes extensos específicos del modelo en ejecuciones de entrenamiento muy grandes como GPT-4. Para verificar la escalabilidad, OpenAI ha desarrollado infraestructura y optimización que tienen un comportamiento predecible en múltiples escalas. Además, están desarrollando una metodología para predecir métricas más interpretables, como la tasa de aprobación en un subconjunto del conjunto de datos de HumanEval.

Sin embargo, algunas capacidades del modelo aún son difíciles de predecir. Por ejemplo, el Premio de escalamiento inverso fue una competencia para encontrar una métrica que empeora a medida que aumenta el cálculo del modelo, y la negligencia retrospectiva fue uno de los ganadores. OpenAI cree que predecir con precisión las futuras capacidades de aprendizaje automático es importante para la seguridad y está ampliando sus esfuerzos para desarrollar métodos que brinden a la sociedad una mejor orientación sobre qué esperar de los sistemas futuros.

Evaluaciones OpenAI

Simultáneamente, OpenAI ha lanzado su marco de software denominado OpenAI Evals, el cual permite crear y ejecutar puntos de referencia para evaluar modelos, como GPT-4, mientras se inspecciona su rendimiento muestra por muestra. Este marco de software ha sido utilizado por OpenAI para guiar el desarrollo de sus propios modelos, y los usuarios también pueden aplicarlo para realizar un seguimiento del rendimiento en todas las versiones del modelo y evolucionar las integraciones de productos. Por ejemplo, Stripe ha utilizado Evals para complementar sus evaluaciones humanas y medir la precisión de su herramienta de documentación impulsada por GPT.

 OpenAI Evals es de código abierto y admite la escritura de nuevas clases para implementar una lógica de evaluación personalizada. A pesar de ello, OpenAI ha incluido plantillas útiles internamente para muchos puntos de referencia, incluyendo una plantilla para «evaluaciones calificadas por modelos», que utiliza GPT-4 para verificar su propio trabajo.

 OpenAI espera que Evals se convierta en un vehículo para compartir puntos de referencia de crowdsourcing que representen un conjunto máximo de modos de falla y tareas difíciles. Para promover esto, OpenAI ha creado una evaluación de acertijos lógicos que contiene diez indicaciones en las que falla GPT-4. Además, Evals es compatible con la implementación de puntos de referencia existentes, y OpenAI ha incluido varios cuadernos que implementan puntos de referencia académicos y algunas variaciones de integración de pequeños subconjuntos de CoQA como ejemplo.

 OpenAI invita a todos a usar Evals para probar sus modelos y enviar los ejemplos más interesantes. La compañía cree que Evals será una parte integral del proceso para usar y construir sobre sus modelos y agradece las contribuciones directas, las preguntas y los comentarios.

Traducido y extractado de: GPT-4 Technical report. OpenAI (2023). Documento original en:

https://cdn.openai.com/papers/gpt-4.pdf

Innovar a la velocidad del cambio

Innovar a la velocidad del cambio

Accelerated

El ritmo del cambio se está acelerando. El éxito repetible en un mundo de hiperincertidumbre requiere un ciclo constante de innovación, con un proceso confiable para transformar nuevas ideas en resultados valiosos.

Si eres un ejecutivo de negocios, líder de equipo o fundador de una empresa emergente, probablemente te estés preguntando: “¿Cómo creamos y hacemos crecer el valor en un entorno de incertidumbre constante? ¿Cómo lo hacemos a velocidades cada vez mayores? Este libro te ayudará a responder estas preguntas y te preparará mejor para adaptarse y actuar en lo que venga a continuación.

Prosperar en medio de un cambio acelerado requiere transformar rápidamente nuevas ideas en resultados impactantes. Requiere abandonar el ritmo habitual, lento y constante del pasado. Requiere innovar a la velocidad del cambio.

Basado en años de experiencia trabajando con empresas como Microsoft, Apple, IBM, Nike, Harley-Davidson, Royal Caribbean, HSBC, Pepsi, Target y más, además de cientos de entrevistas con fundadores, inversores e innovadores líderes en todo el mundo. Accelerated es un manual para navegar la incertidumbre y una guía de inicio rápido para acelerar la innovación.

Explora el panorama cambiante de la disrupción. Refina tus conjuntos de herramientas de innovación. Descubre tácticas para desarrollar constructores, creadores y aceleradores de ideas que puedan adaptarse, crecer y aprovechar oportunidades sin explotar.

Ya seas un innovador corporativo o un emprendedor nuevo, aprende lo que se necesita para explorar, participar y experimentar su camino a través del cambio acelerado de hoy.

 

Accelerated. A Guide to Innovation at the Speed of Change

Brian Ardinger es el fundador de Inside Outside, una comunidad para emprendedores, innovadores y cualquier persona interesada en acelerar nuevas ideas. Brian publica un podcast semanal, un boletín informativo y una serie de eventos anuales, mientras se desempeña como Director de Innovación en Nelnet.

Durante más de 25 años, Brian ha estado ayudando a empresarios y empresas a navegar y competir en un mundo de cambios y disrupciones.

Ha liderado esfuerzos entre nuevas empresas y corporaciones para involucrar las últimas tendencias, herramientas y tácticas para acelerar la innovación, lanzar nuevas ideas y crear mejores productos.

Mercados emergentes

Mercados emergentes

mercados emergentes

Cuestionando las teorías vigentes sobre oferta y demanda, Michael Callon plantea un modelo rigurosamente investigado pero contraintuitivo de cómo se produce la actividad cotidiana del mercado.

Si estás convencido de que sabes lo que es un mercado, piénsalo de nuevo. En su tan esperado estudio, el sociólogo e ingeniero francés Michel Callon nos lleva al corazón de los mercados, a los procesos desconocidos que permiten que las innovaciones se conviertan en productos y servicios robustos. 

Markets in the Making comienza con la observación de que las transacciones comerciales estables son más enigmáticas, más elusivas y más complicadas que lo descrito previamente por la teoría económica.

Las personas que diseñan productos o lanzan nuevas empresas pronto descubren las dificultades inherentes de conectar a las personas con las cosas. 

El modelo de Callon se basa en la noción de “singularización”, la premisa de que los bienes y servicios deben adaptarse y ser adaptados al medio local de cada individuo en cuya vida entran.

Persona por persona, cosa por cosa, Callon demuestra que para que las transacciones económicas ordinarias surjan en masa, se deben hacer conexiones singulares.

La piedra angular de una influyente carrera de investigación a la vanguardia de los estudios de ciencia y tecnología, Markets in the Making integra coherentemente la perspectiva empírica de la ingeniería de productos con los valores de las ciencias sociales.

Después de volver a describir magistralmente cómo se crean los mercados, Callon culmina con un sólido argumento empírico de por qué los mercados pueden y deben aprovecharse para promover el cambio social. La suya es una teoría de los mercados que sirve a la crítica social.

Inglés | 512 páginas | Zone Books. Serie Near Futures | ISBN 194213057

 

Michel Callon (nacido en 1945) es un sociólogo e ingeniero francés. Desde 1967 es profesor de sociología en la Escuela Nacional Superior de Minería de París) y miembro investigador del Centro de Sociología de la Innovación. Es un autor que influye en el campo de estudios de ciencia, tecnología y sociedad y uno de los principales autores de la Teoría del Actor-Red (ANT de sus siglas en inglés Actor Network Theory) junto con Bruno Latour.

Su principal contribución teórica fue haber elaborado junto con Bruno Latour y John Law la existente e innovadora teoría del actor-red, que consiste en el establecimiento gradual de una red en la que los actores humanos y no humanos asumen identidades de acuerdo a su estrategia interacción. Las cualidades y las identidades de los actores se definen a través de negociaciones entre los actores humanos y no humanos que tanto se ven como variables en el análisis de la actividad científica . Los conceptos que ha acuñado o redefinido son muchos, incluyendo «actor-red», «traducción», «performatividad», «foro híbrido», «principio de simetría generalizada» y la «democracia técnica».

Además de esto sus contribuciones y trabajos han tenido un efecto en muchos campos disciplinarios y abarcan un amplio espectro de cuestiones relativas a la interrelación entre la ciencia, la tecnología y la sociedad: STS, la política de la investigación, la Cienciometría, la Sociología económica y la democracia técnica, antropología de la ciencia y la sociedad, socioeconomía de la innovación, antropología de los mercados y la sociología de la medicina y salud.

Desde finales de la década de 1990, Michel Callon ha liderado el movimiento de aplicar enfoques, acercamientos e iniciativas con ANT para estudiar la vida económica (dígase más específicamente los mercados económicos). Este trabajo interroga la interrelación entre la economía y las ciencias económicas recalcando las formas en que las ciencias económicas (y disciplinas inspiradas en económica como el márketing) moldean la economía.

La importancia del juego para desarrollar la creatividad

La importancia del juego para desarrollar la creatividad

¿Volver a ser niños? Deberíamos hacerlo con frecuencia, es especial cuando nos vemos ante la necesidad de resolver un problema.

Pensar como niños nos permite simplificar, observar las situaciones sin la contaminación de ideas preconcebidas y descubrir soluciones más creativas que los procedimientos almacenados en nuestro banco de memoria de experiencia personal.

El juego tiene muchas facetas o funciones, una de ellas es su propia naturaleza de simulación. Es un ensayo de la vida real en el que al igual que hacen los niños, podemos probar, explorar, destruir, reconstruir… Estas simulaciones ponen más énfasis en el proceso que en el resultado final, lo que permite generar mayor número de alternativas creativas.

the Strong Natural Museum of Play

En un juego, entendido con la naturalidad con la que lo entiende una mente infantil, no importa equivocarse ya que no tiene las consecuencias que podría tener en la vida real y, en este sentido, el juego ofrece un marco excelente para crear y resolver problemas. Los adultos debemos re-entrenarnos para poner en marcha el pensamiento creativo de un modo lúdico para ser capaces de generar ideas novedosas.

La importancia el juego es tal que en varios países se le dedican instituciones y museos, como es el caso del Papalote – Museo del Niño en México con su fantástico slogan «prohibido no tocar» y el Museo Strong del Juego en Estados Unidos. En ambos casos, el público no lo constityen exclusivamente los niños, sino que son una invitación a los adultos para volver a pensar con la libertad con que lo hacían cuando tenían pocos años de edad.

Jugar requiere atención, aceptación de lo desconocido, ofrece el desafío y desarrolla la capacidad de utilizar el pensamiento creativo. Para jugar un juego, en general, también necesitamos entender sus reglas u ofrecer nuevas formas de hacer las cosas.

El juego no solo permite que la persona presente enfoques únicos, sino que también permite que los individuos se expresen de una manera única y creativa. 

El juego permite que el individuo descubrir por qué y cómo se hacen las cosas dentro de un marco determinado o encontrar soluciones nuevas y diferentes.

Se ha demostrado cómo el juego tiene una parte vital en nuestras vidas y ayuda a desarrollar un conjunto de habilidades cognitivas y sociales. Todos nacemos con curiosidad por aprender, explorar, experimentar y nos involucramos completamente con los objetos que nos rodean cuando somos niños, sin embargo, a medida que crecemos, aprender creando como una forma de juego está disminuyendo.

A medida que el mundo cambia tan rápidamente y el acceso a la información en línea se vuelve más fácil que nunca en la historia, el pensamiento creativo se está convirtiendo en una de las habilidades más valiosas de la década XXI. Adquirir conocimientos en la escuela o mediante el aprendizaje en línea ya no será suficiente, ya que el mundo del aprendizaje en línea se está volviendo accesible a un público más amplio. Por esa razón, se cree que tener un enfoque creativo y saber cómo integrar el juego en el negocio es esencial para el futuro.

El juego ayuda a construir las relaciones entre las neuronas, lo que mejora nuestra memoria y permite una conexión más fácil y constante entre el cerebro derecho y el izquierdo.

Para obtener la mayor cantidad de caminos posibles y nuevas conexiones, necesitamos usar el conocimiento ya existente y encontrar nuevas posibilidades, que son posibles con el juego. Jugar nos permite ganar confianza al hacer cosas inesperadas y también tomar riesgos de propiedad intelectual al compartir nuestras nuevas ideas con otros.

La capacidad de atreverse a fallar  puede ayudar a la persona a mejorar sus habilidades, que pueden usarse en matemáticas, autocontrol, con juegos que requieren un límite de tiempo y otras habilidades como una mejor atención, enfoque, etc. El juego aumenta las habilidades prácticas, académicas y sociales.

Aprender a jugar es también una práctica innovadora en situaciones de negocios.

Por ejemplo Lego Serious Play permite jugar con modelos de negocio mediante una estrategia creativa. El experimento funciona de acuerdo al principio de que los ladrillos de Lego se pueden juntar y conectar de varias maneras para encontrar innumerables soluciones para ciertos objetos y luego desmontarlos fácilmente. Los ladrillos permiten una fácil transformación de un objeto a otro y muchas empresas, incluida la NASA , lo utilizaron como parte de una actividad de aprendizaje.

Psicólogos como Kathy Hirsh-Pasek y Mitch Resnick afirman que el juego reúne todas las habilidades necesarias para un proyecto educativo significativo y enfatizan la importancia de 4P:

  • Projects (proyectos). Proyecto significativo, historia animada, contenido, rompiendo las barreras entre las disciplinas.
  • Partners (compañeros). Colaboración, apoyo).
  • Passion (pasión). Preocupación por las cosas, interés por aprender.
  • Play (juego). Mentalidad creativa, capacidad de explorar, tomar riesgos, alegría, diversión, contexto que une todas las habilidades.

Jugar es algo más que diversión: todos debemos involucrarnos con los juegos para  socializar y ejercitar la fantasía para obtener no solo un enfoque más creativo dentro del negocio, sino también para una vida más interesante. El juego tiene un lugar biológico, como dormir o soñar. La curiosidad y la exploración son un elemento clave para potenciar la creatividad y esto se puede lograr a través del juego.

Por lo tanto, el desarrollo de habilidades, como ser flexible, tener disposición para aprender, resolver problemas y crear nuevos diseños, es posible lograrlo con el juego.

La Gamificación: Implementación de los elementos de juego para solucionar problemas en la vida real.

Existen muchos ejemplos de cómo el juego ha contribuido a cambiar el comportamiento de las personas para bien, como la falta de movimiento, el problema de la contaminación o el exceso de velocidad.

  • Las escaleras de piano que se hicieron en Estocolmo son un ejemplo de cómo resolver el problema de usar las escaleras mecánicas con demasiada frecuencia. Consiguieron que un 66 % más de personas utilizaran las escaleras solo por integrar el juego en la vida cotidiana y lo combinaron con la diversión, lo que provocó cambios en el comportamiento de las personas.
  • El segundo ejemplo es The World’s Deepest Bin, donde recogieron 41 kg más de basura en comparación con el contenedor que se colocó al lado.
  • Con The Speed ​​Camera Lottery se ha logrado reducir la velocidad de los conductores. El resultado: una reducción de la velocidad del 22%.
  • Desbloquea el 007 que hay en ti.  Fue una campaña de experiencia del mundo real para ganar el boleto para la película de James Bond y es un ejemplo de cómo poner una obra de teatro en la promoción creativa de una próxima película.

Por lo tanto, establecer la creatividad como un indicador clave de rendimiento (KPI) en lugar de las ganancias en la empresa o en la vida cotidiana puede conducir a una mejora colectiva en toda la sociedad. Estos ejemplos muestran cómo la inserción de juegos puede generar cambios en el comportamiento de las personas. Lo principal que debe considerarse es cómo entregar la solución de una manera lúdica diferente.
La importancia del juego también se percibe en el entorno académico. La Universidad de Cambridge publicó hace poco una nueva vacante ‘profesor de juego’ .

La clave de la eficacia es la participación activa en el juego.

Para obtener el máximo rendimiento de una experiencia lúdica, una persona necesita curiosidad interna, motivación, disposición para desafiarse a sí misma y compromiso.

La mayoría de las teorías perciben la creatividad como un proceso que involucra la imaginación, la autenticidad, la productividad, la resolución de problemas y el establecimiento del resultado valioso. Las personas que obtienen un puntaje alto en pruebas de inteligencia no son necesariamente creativas. Aunque el talento natural suele implicar cierta habilidad, sin embargo, no siempre implica un gran uso de la originalidad y la comprensión creativa.
El proceso creativo de aprendizaje debe tomarse en serio, ya que a menudo se identifica solo con la diversión. De hecho, para ser eficaz el proceso creativo debe estar enfocado en la tarea, ser persistente e incluir algunas de las habilidades principales que se involucren en el problema o situación que se desea resolver.
Insistir en el conocimiento ya existente en general no conduce a nuevos descubrimientos. Solo mediante la combinación de una comprensión de una variedad de áreas se pueden obtener resultados originales. Potenciando un
entorno creativo, los programas educativos y las formas creativas de enseñar, podremos fomentar el pensamiento creativo desde la juventud y tener un impacto en las soluciones abiertas a los problemas que las personas y las empresas atraviesan en la vida .

Si eliminamos el juego de nuestras vidas, también eliminamos numerosas posibilidades de crecimiento y posibilidades de crear nuevas historias para compartir.

En conclusión, jugar ofrece importantes ventajas

El juego también puede estimular tu imaginación, ayudándote a adaptarte y resolver problemas. También a mejorar las relaciones y tu conexión con los demás. Compartir risas y diversión puede fomentar la empatía, la compasión, la confianza y la intimidad. Jugar  regularmente puede aumentar la materia gris en el cerebro y mejorar la conectividad cerebral. Los estudios han demostrado que incluso en el lugar de trabajo, el juego aumenta la creatividad, la productividad y la cohesión del grupo

 

Pin It on Pinterest