Hace 20 años y por primera vez, desde MIT Technology Review seleccionamos 10 campos emergentes de innovación que prometimos que iban a "cambiar el mundo". En aquella época el tecno-optimismo estaba en su punto álgido. Sí, el auge de las puntocom estaba a punto de derrumbarse; algunos expertos ya estaban preocupados por el final de la Ley de Moore (y siguen estándolo, aunque la industria siempre encuentra formas de que los ordenadores se vuelvan aún más potentes). Pero, en muchos sentidos, fue un tiempo glorioso para la ciencia y la tecnología. 

En febrero de 2001 se publicó el primer borrador del genoma humano, un modelo genético que prometía revelar nuestros secretos biológicos más profundos. Se generó un gran entusiasmo por los últimos logros en nanotecnología. Los primeros avances en la computación cuántica y molecular presagiaron una nueva era posMoore. Y también estaba ese fantástico motor de búsqueda con aquel nombre tan divertido que ganaba usuarios rápidamente y cambiaba la forma en la que navegaban por la web y accedían a la información con la pregunta: ¿Voy a tener suerte? 

Por eso, vale la pena echar la vista atrás hacia nuestras primeras TR10, como ahora llamamos a nuestra lista anual, en busca de algunas pistas sobre cuánto hemos progresado. 

Primero, reconozcamos que fue una lista bien elaborada. Evitamos los exoesqueletos robóticos y la clonación humana, así como la nanofabricación molecular y la temida y apocalíptica plaga gris (grey-goo) de los nanofatalistas, aunque eran temas candentes en ese momento. En lugar de eso, nos centramos en los avances fundamentales en la tecnología de la información, materiales y biotecnología. La mayoría de aquellas tecnologías aún siguen resultando familiares: minería de datos, procesamiento del lenguaje natural, microfluidos, interfaces cerebro-máquina, biometría (como el reconocimiento facial) y diseño de robots. 

Entonces, la pregunta es: ¿estas tecnologías cumplieron los sueños que depositamos sobre ellas hace dos décadas? Presentamos algunas lecciones aprendidas de la lista de las TR10 2001. 

 Las 10 Tecnologías Emergentes de 2001

Gráfico: Interfaces cerebro-máquina, transistores flexibles, minería de datos, gestión de los derechos digitales, biometría, procesamiento del lenguaje natural, microfotónica, desciframiento del código, diseño de robots, microfluidos.

Lección 1: El progreso suele ser lento

Nuestra primera apuesta, las interfaces cerebro-máquina, comenzaba con una descripción de cómo el neurocientífico Miguel Nicolelis registraba las señales eléctricas del cerebro de una muy simpática mona mirikiná llamada Belle mientras pensaba en obtener unas gotas de zumo de manzana. A finales del verano de 2020, Elon Musk mostró las señales cerebrales de una cerda muy mona llamada Gertrude, provocando exclamaciones de los seguidores que asistieron a la demostración de Neuralink, su start-up centrada en las interfaces cerebro-máquina. 

Cualquiera que observara el espectáculo de Musk pudo preguntarse si realmente habían pasado 20 años desde el experimento de Nicolelis. Ambos hombres tenían visiones similares para conectar directamente el cerebro a algunos dispositivos informáticos a través de los chips implantados. Como escribió nuestro editor de biomedicina, Antonio Regalado, en 2001, "Nicolelis ve ese esfuerzo como parte de la inminente revolución que con el tiempo podría provocar que [las interfaces cerebrales] sean tan comunes como las PDA". 

Esa afirmación se ha hecho realidad, pero solo gracias a la desaparición de las PDA, no a la popularidad de las interfaces cerebro-máquina. A pesar de algunos alentadores experimentos en humanos a lo largo de los años, tales interfaces siguen siendo una rareza científica y médica. Resulta que la neurociencia es muy difícil. Se han producido éxitos a la hora de reducir el tamaño de la electrónica y hacer que los implantes sean inalámbricos, pero el progreso científico ha sido más lento, obstaculizando las expectativas de Nicolelis y Musk. (Una nota a la lección uno: el éxito a menudo depende de la posibilidad de combinar distintos avances. Para que las interfaces cerebrales sean prácticas se requieren avances tanto en la parte científica como en los dispositivos). 

Lección 2: A veces es necesaria una crisis

Elegimos la tecnología de los microfluidos en 2001 debido a algunos avances extraordinarios en el movimiento de pequeñas cantidades de muestras biológicas en un diminuto dispositivo, el llamado laboratorio en un chip. Prometían pruebas de diagnóstico rápido y la capacidad de automatizar los experimentos genómicos y farmacológicos. 

Desde entonces, la tecnología microfluídica ha encontrado usos valiosos en la investigación biológica. Continuaron los avances inteligentes, como las pruebas de diagnóstico en papel muy económicas y fáciles de usar (Diagnósticos de papel fue TR10 en 2009). Pero el campo no ha cumplido su promesa de transformar el mundo de las pruebas diagnósticas. Simplemente no hubo tanta demanda para la tecnología. Es justo decir que los microfluidos se convirtieron en un páramo científico. 

La COVID-19 lo ha cambiado. Las pruebas convencionales se basan en los procedimientos de varios pasos realizados en un laboratorio analítico; algo caro y lento. De repente, surgió el interés por una solución rápida y barata de laboratorio sobre un chip. Los investigadores tardaron algunos meses en reactivar la tecnología, pero ya están apareciendo diagnósticos de COVID-19 que utilizan los microfluidos. Estas técnicas, incluida la que utiliza la edición de genes CRISPR, prometen hacer que las pruebas detección del coronavirus sean mucho más accesibles y ampliamente utilizadas. 

Lección 3: Cuidado con lo que se desea

En 2001, uno de los pioneros de la biometría Joseph Atick, vio el reconocimiento facial como vía para que las personas interactuaran con sus dispositivos y ordenadores de manera más segura y sencilla. A los teléfonos móviles y a los asistentes digitales personales, que eran cada vez más populares, esta tecnología les daba una forma de reconocer a sus propietarios, escribiendo el final de los PIN y las contraseñas. Parte de esa visión finalmente se hizo realidad con las apps como FaceID de Apple. Pero el reconocimiento facial también dio un giro que Atick considera "sorprendendente". 

En 2001, los algoritmos de reconocimiento facial tenían un alcance limitado. Requerían instrucciones por parte de las personas, en forma matemática, sobre cómo identificar las características distintivas de un rostro. Y cada cara en la base de datos de rostros se tuvo que escanear laboriosamente en el software para ser reconocida. 

Luego vino el auge de las redes sociales. Mientras que en los primeros días, Atick admite que se habría sentido encantado con 100.000 imágenes en las bases de datos de reconocimiento facial, de repente los algoritmos de aprendizaje automático podrían entrenarse en miles de millones de caras, extraídas de Facebook, LinkedIn y otros sitios. Ya había cientos de estos algoritmos, y se entrenaban a sí mismos, simplemente ingiriendo y comparando imágenes, sin necesidad de ayuda de expertos humanos.  

Pero ese espectacular avance venía con un contratiempo: nadie comprende realmente el razonamiento que tienen las máquinas. Y eso es un problema ahora que se confía cada vez más en el reconocimiento facial para algunas tareas delicadas como la identificación de sospechosos de delitos.  Atick reconoce: "Nunca imaginé un mundo en el que estas máquinas tomarían el control y decidirían por nosotros".

Lección 4: La trayectoria del progreso sí que importa

"Hola de nuevo, Sidney P. Manyclicks. Tenemos recomendaciones para usted. Los clientes que compraron esto también compraron... ". Los motores de recomendación descritos al inicio de nuestro artículo de 2001 sobre la minería de datos parecían impresionantes en ese momento. Otro posible uso de la minería de datos en 2001, las bibliotecas de vídeos con capacidad de búsqueda por ordenador, también sonaba fascinante. Hoy en día, todo eso parece algo totalmente corriente.

Gracias al creciente poder computacional, al inmenso tamaño de las bases de datos y a los avances estrechamente relacionados en la inteligencia artificial (IA), la minería de datos (actualmente el término se puede intercambiar por IA) gobierna el mundo empresarial. Es el elemento vital de las grandes empresas tecnológicas, desde Google y su subsidiaria YouTube hasta Amazon y Facebook. Impulsa la publicidad y, sí, también las ventas de cualquier cosa, desde zapatos hasta seguros, utilizando motores de recomendación personalizados.

¿Estas tecnologías han logrado que nuestras vidas no solo sean más cómodas, sino también mejores en formas que nos importan?

Sin embargo, estos grandes éxitos ocultan un fracaso subyacente, el cual quedó en evidencia durante la pandemia. No hemos aprovechado el poder del big data en los campos más importantes. 

En casi todos los pasos, desde los primeros signos del virus y las pruebas y la hospitalización hasta el lanzamiento de las vacunas, hemos perdido muchas oportunidades de recopilar datos y extraerlos para obtener información crítica. Pudimos haber aprendido mucho más sobre cómo se propaga el virus, cómo evoluciona, cómo tratarlo y cómo asignar los recursos, con el potencial de salvar innumerables vidas. Parecía que no teníamos ni idea de cómo recopilar los datos que necesitábamos.

En general, por eso, las 10 tecnologías que elegimos en 2001 siguen siendo relevantes; ninguna ha sido abandonada; y algunas han dado lugar a éxitos revolucionarios, incluso han cambiado el mundo. Pero la verdadera prueba del progreso es más difícil: ¿Estas tecnologías han hecho que nuestras vidas no solo sean más cómodas, sino también mejores en formas que nos importan? ¿Cómo medimos ese progreso?

¿Qué nos hace felices? 

La forma común de calcular el progreso económico es midiendo el producto interior bruto (PIB). Es una fórmula de la década de 1930 de Estados Unidos para ayudarnos a comprender cómo se recuperaba la economía tras la Gran Depresión. Y aunque uno de sus arquitectos principales, Simon Kuznets, advirtió que el PIB no debe confundirse con la medida del bienestar del país y la prosperidad de su gente, varias generaciones de economistas y políticos han hecho precisamente eso, analizando las cifras del PIB en busca de pistas sobre la salud de la economía e incluso el ritmo del progreso tecnológico.

Los economistas pueden extraer lo que denominan productividad total de los factores (PTF) de las estadísticas del PIB; es básicamente una medida de cuánto contribuye la innovación al crecimiento. En teoría, los nuevos inventos deberían incrementar la productividad y provocar que la economía crezca más rápido. No obstante, la situación no ha sido muy buena en las últimas dos décadas.

Desde mediados de la década de 2000, poco después de nuestra primera lista TR10, el crecimiento de la PTF ha sido lento y decepcionante, especialmente dada la avalancha de nuevas tecnologías procedentes de lugares como Silicon Valley. 

Algunos economistas creen que la explicación puede consistir en que nuestras innovaciones no son tan trascendentales como pensamos. Pero también es posible que el PIB, diseñado para medir la producción industrial de mediados del siglo XX, no tenga en cuenta los beneficios económicos de los productos digitales, especialmente los de uso gratuito como los motores de búsqueda y las redes sociales.

El economista de la Universidad de Stanford (EE. UU.) Erik Brynjolfsson y sus colegas han creado una nueva medida denominada PIB-B (la "B" es de beneficios), para intentar calcular la contribución de estos bienes digitales mediante encuestas online para preguntar a la gente cuánto valoran los distintos servicios digitales. ¿Cuánto tendrían que pagarle, por ejemplo, para vivir un mes sin Facebook?

Los cálculos sugieren que desde 2004 los consumidores estadounidenses solo de Facebook han ganado alrededor de 225.000 millones de dólares (184.792 millones de euros) en valor no contado. Wikipedia añadió otros 42.000 millones de dólares (34.495 millones de euros). No se sabe si el PIB-B podría explicar por completo la aparente desaceleración de la productividad, pero proporciona pruebas de que muchos economistas y políticos pudieron haber subvalorado la revolución digital. Y eso, según Brynjolfsson, tiene importantes consecuencias sobre cuánto deberíamos invertir en la infraestructura digital y priorizar ciertas áreas de innovación.

El PIB-B forma parte de un conjunto más amplio de esfuerzos para encontrar las estadísticas que reflejen con mayor precisión los cambios que nos interesan. La idea no es descartar el PIB, sino complementarlo con otras métricas que indiquen de manera más amplia lo que podríamos llamar "progreso".

Otra medida de este tipo es el Índice de Progreso Social, creado por dos economistas, Scott Stern del MIT y Michael Porter de la Universidad de Harvard (EE. UU.). Recopila datos de 163 países sobre los factores que incluyen la calidad ambiental, el acceso a la atención médica y a la educación, las muertes por accidentes de tráfico y la delincuencia. Si bien los países más ricos, como era de esperar, tienden a obtener mejores resultados en este índice, Stern explica que la idea consiste en observar dónde el progreso social difiere del PIB per cápita. Eso muestra cómo algunos países, incluso los pobres, son mejores que otros en convertir el crecimiento económico en valiosos cambios sociales. 

El estudio de 13 países muestra la brecha generacional

Gráfico: en rojo, el beneficio social; en gris, el crecimiento económico, ambos estructurados en función de las distintas franjas de edad poblacional.

"Imaginando el final de la pandemia de COVID-19... ¿qué debería priorizar más su país?" Estados Unidos, con uno de los niveles más altos de PIB per cápita del mundo, ocupa el puesto 28 en el mencionado índice y es uno de los cuatro países cuya puntuación ha disminuido desde 2014. Noruega, que tiene una riqueza similar, ocupó el primer lugar en 2020 (ver gráfico debajo). Algunos países más pobres también tienen mejores resultados. 

Stern señala: "Muy a menudo, las decisiones sobre la innovación y la tecnología tienen que ver con su impacto económico. No hay nada de malo en eso. Pero ¿estamos dirigiendo las recompensas económicas a las áreas que de verdad impulsarán el progreso social?"

Un planteamiento similar se esconde detrás de otra alternativa al PIB, desarrollada por la economista Diane Coyle y sus colegas en el Instituto Bennett de Políticas Públicas de la Universidad de Cambridge (Reino Unido). Su medida de lo que ellos denominan economía de la riqueza se basa en lo que definen como los activos de una sociedad, incluido su capital humano (la salud y las habilidades de su gente), el capital natural (sus recursos y el estado del medio ambiente), y el capital social (la confianza y la cohesión social).

Es un proyecto enormemente ambicioso que intenta crear un par de medidas clave para cada activo. Esos números, según Coyle, deberían ayudar a tomar mejores decisiones sobre la tecnología e innovación, incluidas las que tienen que ver con las prioridades de la inversión gubernamental. Coyle explica que ese enfoque nos permite preguntarnos: "¿Qué está haciendo la tecnología por las personas?"

El valor de estas diversas alternativas al PIB es que brindan una imagen más amplia de cómo nuestras vidas están cambiando como resultado de la tecnología. Si hubieran estado en vigor hace 20 años, hubieran podido alertar sobre las crisis que descubrimos demasiado tarde, como el crecimiento de la desigualdad de ingresos y el rápido deterioro de nuestro medio ambiente. Si hace 20 años fue la época del máximo tecno-optimismo, eso podría habernos llevado a preguntarnos: "¿optimismo sobre qué?" 

Una nueva esperanza

Hace aproximadamente una década, el tecno-optimismo empezó a desmoronarse.

En 2011, el economista de la Universidad George Mason en Virginia (EE. UU.) Tyler Cowen escribió su libro The Great Stagnation, en el que argumentaba que las tecnologías que parecían tan impresionantes en ese momento, especialmente las redes sociales y las apps para teléfonos inteligentes, estaban haciendo poco para estimular el crecimiento económico y mejorar la vida de las personas.

El éxito de ventas de 2016 The Rise and Fall of American Growth, del también destacado economista Robert Gordon, detalla en sus más de 700 páginas las razones de la desaceleración de la PTF después de 2004. Según el autor, el auge temporal de internet había terminado. 

Estos libros ayudaron a iniciar una era de tecno-pesimismo, al menos entre los economistas. Y en los últimos años, los problemas como la desinformación en las redes sociales, los medios precarios de los trabajadores autónomos o freelance y los usos más espeluznantes de la minería de datos han impulsado una visión aún más pesimista, la sensación de que las grandes empresas de tecnología no solo no están mejorando la sociedad, sino que la están empeorando. 

No obstante, Cowen ha vuelto a ser optimista. Pide más investigación para explicar el progreso y cómo crearlo, pero dice que es "una historia más positiva" que hace unos años. El aparente éxito de las vacunas contra la COVID-19, basadas en ARN mensajero lo ha impresionado, así como los logros en el uso de IA para predecir el plegamiento de proteínas, la poderosa herramienta de edición de genes CRISPR, los nuevos tipos de baterías para los vehículos eléctricos y los avances en la energía solar. 

"¿Qué es lo que la tecnología está haciendo por las personas?", Diane Coyle.

Un auge anticipado en la financiación, tanto de los gobiernos como de las empresas, podría amplificar el impacto de estas nuevas tecnologías. El presidente de EE. UU., Joe Biden, ha prometido invertir cientos de miles de millones de dólares en infraestructura, incluidos unos 250.000 millones de euros durante los próximos cuatro años para I+D. La UE tiene su propia ley estímulo. Y hay indicios de que se avecina una nueva ronda de inversiones de capital de riesgo, especialmente dirigidas a la tecnología verde. 

Si los tecno-optimistas tienen razón, entonces nuestras 10 tecnologías emergentes de 2021 podrían tener un brillante futuro. La ciencia detrás de las vacunas de ARNm podría abrir una nueva era de la medicina en la que podremos manipular nuestro sistema inmunológico para transformar el tratamiento del cáncer, entre otras cosas. Las baterías de metal de litio podrían por fin lograr que los coches eléctricos resulten aceptables para millones de consumidores. El hidrógeno verde podría ayudar a reemplazar los combustibles fósiles. Los avances que hicieron posible GPT-3 podrían conducir a ordenadores alfabetizados como el próximo gran paso en la inteligencia artificial. 

Pero el destino de las tecnologías en la lista de 2001 indica que el progreso no solo ocurre a través de los avances. Necesitaremos nueva infraestructura para los vehículos eléctricos y el hidrógeno verde; nueva instancia para la ciencia del ARNm; y un nuevo planteamiento en torno a la IA y las posibilidades que presenta para resolver los problemas sociales. En resumen, nos hará falta la voluntad política.

Pero la lección más importante de la lista TR10 de 2001 es la más simple: que estos avances alcanzan su potencial dependerá de cómo decidamos utilizarlos. Y quizás esa sea la razón más importante para el optimismo renovado, porque al desarrollar nuevas formas de medir el progreso, como lo hacen los economistas como Coyle, también podemos crear otras aspiraciones para estas nuevas y brillantes tecnologías. Si somos capaces de ver más allá del crecimiento económico convencional y de empezar a medir cómo las innovaciones mejoran la vida de un creciente número de personas, tenemos muchas más posibilidades de crear un mundo mejor.