El futuro del trabajo: ¿Me quitarán el trabajo los robots?

En la década de 1990, cuando los bancos estadounidenses empezaron a instalar cajeros automáticos a lo grande, los cajeros humanos que trabajaban en esos bancos parecían enfrentarse a una rápida obsolescencia. Si las máquinas podían repartir dinero y aceptar depósitos por sí solas, las veinticuatro horas del día, ¿quién necesitaba a las personas?

Los bancos, en realidad, sí. Es cierto que los cajeros automáticos permitieron operar sucursales bancarias con muchos menos empleados: 13 de media, frente a 20. Pero el ahorro de costes sólo animó a los bancos matrices a abrir tantas nuevas sucursales que el empleo total de cajeros en realidad aumentó.

Se pueden encontrar historias similares en campos como las finanzas, la atención médica, la educación y el derecho, dice James Bessen, el economista de la Universidad de Boston que llamó la atención de sus colegas sobre la historia de los cajeros automáticos en 2015. «El argumento no es que la automatización siempre aumente los puestos de trabajo», dice, «sino que puede y a menudo lo hace».

Esa es una lección que vale la pena recordar al escuchar las predicciones cada vez más tensas sobre el futuro del trabajo en la era de los robots y la inteligencia artificial. Pensemos en coches sin conductor, en síntesis de voz convincentemente humana o en robots espeluznantes que pueden correr, saltar y abrir puertas por sí solos: Teniendo en cuenta el vertiginoso ritmo de progreso de estas aplicaciones, ¿cuánto tiempo quedará para que las personas hagan algo?

Esta cuestión ha recibido su formulación más apocalíptica por parte de figuras como el fundador de Tesla y SpaceX, Elon Musk, y el difunto físico Stephen Hawking. Ambos han advertido públicamente de que las máquinas acabarán superando las capacidades humanas, escaparán a nuestro control y quizás incluso desencadenen el colapso de la civilización humana. Pero incluso observadores menos dramáticos están preocupados. En 2014, cuando el Pew Research Center encuestó a casi 1.900 expertos en tecnología sobre el futuro del trabajo, casi la mitad estaban convencidos de que las máquinas artificialmente inteligentes pronto conducirían a la aceleración de la pérdida de puestos de trabajo: casi el 50% a principios de la década de 2030, según un análisis ampliamente citado. El resultado inevitable, temían, sería el desempleo masivo y un fuerte aumento de los ya preocupantes niveles de desigualdad de ingresos actuales. Y eso podría llevar a una ruptura del orden social.

O quizás no. «Siempre es más fácil imaginar los puestos de trabajo que existen hoy y que podrían destruirse que imaginar los puestos de trabajo que no existen hoy y que podrían crearse», dice Jed Kolko, economista jefe del sitio de anuncios de empleo en línea Indeed. Muchos, si no la mayoría, de los expertos en este campo se muestran cautelosamente optimistas sobre el empleo, aunque sólo sea porque el ejemplo de los cajeros automáticos y muchos otros similares demuestran lo contraintuitivo que puede ser el impacto de la automatización. La inteligencia de las máquinas está todavía muy lejos de igualar toda la gama de capacidades humanas, dice Bessen. Incluso teniendo en cuenta los desarrollos que se están produciendo, dice, «tenemos pocas razones para preocuparnos por el desempleo masivo en los próximos 10 o 20 años».

Entonces, ¿hacia dónde irán las cosas?

No hay forma de saberlo con seguridad hasta que llegue el futuro, dice Kolko. Pero quizás, añade, esa no sea la pregunta correcta: «El debate sobre el efecto agregado de la pérdida de puestos de trabajo frente al aumento de los mismos nos ciega ante otras cuestiones que serán importantes a pesar de todo», como la forma en que los puestos de trabajo podrían cambiar ante la IA y la robótica, y cómo la sociedad gestionará ese cambio. Por ejemplo, ¿se utilizarán estas nuevas tecnologías como una forma más de sustituir a los trabajadores humanos y reducir costes? ¿O se utilizarán para ayudar a los trabajadores, liberándolos para que ejerzan habilidades exclusivamente humanas como la resolución de problemas y la creatividad?

«Hay muchas formas posibles de configurar el estado del mundo», dice Derik Pridmore, director general de Osaro, una empresa con sede en San Francisco que fabrica software de IA para robots industriales, «y hay muchas opciones que tenemos que tomar».»

Automatización y puestos de trabajo: lecciones del pasado

En Estados Unidos, al menos, el debate actual sobre las máquinas de inteligencia artificial y los puestos de trabajo no puede dejar de estar teñido por los recuerdos de las últimas cuatro décadas, cuando el número total de trabajadores empleados por los fabricantes de automóviles, las acerías y otros fabricantes estadounidenses comenzó un largo y lento descenso desde un máximo de 19.5 millones en 1979 a unos 17,3 millones en 2000, seguido de una caída precipitada a un mínimo de 11,5 millones tras la Gran Recesión de 2007-2009. (El total se ha recuperado ligeramente desde entonces, hasta unos 12,7 millones; en líneas generales, se observaron cambios similares en otros países fuertemente automatizados, como Alemania y Japón). La experiencia fue traumática, ya que se sumó a un estancamiento en el crecimiento de los salarios desde 1973 aproximadamente.

Es cierto, dice Bessen, que la automatización no puede ser la única razón del descenso. «Si nos remontamos a los cien años anteriores», dice, «la industria se automatizaba a un ritmo tan rápido o más rápido, y el empleo crecía con fuerza». Así es como llegamos a tener millones de trabajadores en las fábricas en primer lugar. En cambio, los economistas achacan la caída del empleo a una confluencia de factores, entre ellos la globalización, el declive de los sindicatos y una cultura empresarial de la década de 1980 en Estados Unidos que enfatizaba la reducción de tamaño, el recorte de costes y los beneficios trimestrales por encima de todo.

Pero la automatización fue sin duda uno de esos factores. «En el afán de reducir costes, tomamos colectivamente el camino de menor resistencia», dice Prasad Akella, un robotista que es fundador y director general de Drishti, una empresa emergente de Palo Alto (California) que utiliza la IA para ayudar a los trabajadores a mejorar su rendimiento en la cadena de montaje. «Y eso fue: ‘Vamos a deslocalizarlo al centro más barato, para que los costes laborales sean bajos. Y si no podemos deslocalizarlo, automaticémoslo'».

La IA y los robots en el lugar de trabajo

La automatización ha adoptado muchas formas, como las acerías controladas por ordenador que pueden ser manejadas por sólo un puñado de empleados, y los robots industriales, brazos mecánicos que pueden programarse para mover una herramienta como un pulverizador de pintura o un soplete de soldadura a través de una secuencia de movimientos. Estos robots se emplean cada vez más desde la década de 1970. En la actualidad hay unos 2 millones de robots industriales en uso en todo el mundo, sobre todo en líneas de montaje de automóviles y productos electrónicos, cada uno de los cuales sustituye a uno o más trabajadores humanos.

Las distinciones entre automatización, robótica e inteligencia artificial son bastante confusas, y cada vez lo son más, ahora que los coches sin conductor y otros robots avanzados utilizan software de inteligencia artificial en sus cerebros digitales. Pero una regla general es que los robots realizan tareas físicas que antes requerían inteligencia humana, mientras que el software de IA trata de realizar tareas cognitivas de nivel humano, como la comprensión del lenguaje y el reconocimiento de imágenes. La automatización es un término paraguas que no sólo engloba a ambos, sino que también incluye a los ordenadores normales y a las máquinas no inteligentes.

El trabajo de la IA es más difícil. Antes de 2010, aproximadamente, las aplicaciones estaban limitadas por una paradoja que señaló el filósofo Michael Polanyi en 1966: «Podemos saber más de lo que podemos decir», lo que significa que la mayoría de las habilidades que nos hacen pasar el día son practicadas, inconscientes y casi imposibles de articular. Polanyi llamó a estas habilidades conocimiento tácito, en contraposición al conocimiento explícito que se encuentra en los libros de texto.

Imagínese que intenta explicar exactamente cómo sabe que un determinado patrón de píxeles es la fotografía de un cachorro, o cómo puede negociar con seguridad un giro a la izquierda contra el tráfico que se aproxima. (Suena bastante fácil decir «espera un hueco en el tráfico», hasta que intentas definir un «hueco» lo suficientemente bien como para que un ordenador lo reconozca, o definir con precisión lo grande que debe ser el hueco para ser seguro). Este tipo de conocimiento tácito contenía tantas sutilezas, casos especiales y cosas que se medían por «tacto» que parecía que no había forma de que los programadores lo extrajeran, y mucho menos de que lo codificaran en un algoritmo definido con precisión.

Hoy en día, por supuesto, incluso una aplicación de smartphone puede reconocer las fotos de cachorros (por lo general), y los vehículos autónomos están haciendo esos giros a la izquierda de forma rutinaria (si no siempre perfecta). Lo que ha cambiado en la última década es que los desarrolladores de IA ahora pueden utilizar una enorme potencia informática en conjuntos de datos masivos, un proceso conocido como «aprendizaje profundo». Esto equivale básicamente a mostrar a la máquina un billón de fotografías de cachorros y un billón de fotografías de no cachorros, y luego hacer que el software de IA ajuste un billón de variables internas hasta que pueda identificar las fotos correctamente.

Aunque este proceso de aprendizaje profundo no es particularmente eficiente -un niño humano sólo tiene que ver uno o dos cachorros- ha tenido un efecto transformador en aplicaciones de IA como los vehículos autónomos, la traducción automática y cualquier cosa que requiera reconocimiento de voz o de imágenes. Y eso es lo que está asustando a la gente, dice Jim Guszcza, científico jefe de datos de EE.UU. en Deloitte Consulting en Los Ángeles: «¡Vaya, cosas que antes requerían un conocimiento tácito ahora las pueden hacer los ordenadores!». De ahí la nueva ansiedad por la pérdida masiva de puestos de trabajo en campos como el derecho y el periodismo, que nunca habían tenido que preocuparse por la automatización. Y de ahí las numerosas predicciones sobre la rápida obsolescencia de los dependientes de tiendas, los guardias de seguridad y los trabajadores de la comida rápida, así como de los conductores de camiones, taxis, limusinas y furgonetas de reparto.

Conozca a mi colega, el robot

Pero entonces, se suponía que los cajeros de los bancos también iban a quedar obsoletos. Lo que ocurrió en cambio, dice Bessen, fue que la automatización a través de los cajeros automáticos no sólo amplió el mercado de cajeros, sino que también cambió la naturaleza del trabajo: A medida que los cajeros pasaban menos tiempo manejando dinero en efectivo, pasaban más tiempo hablando con los clientes sobre préstamos y otros servicios bancarios. «Y como las habilidades interpersonales se han vuelto más importantes», dice Bessen, «ha habido un modesto aumento en los salarios de los cajeros de banco», así como un aumento en el número de puestos de cajero a tiempo completo en lugar de a tiempo parcial. «Así que es un panorama mucho más rico de lo que la gente suele imaginar», dice.

Se pueden encontrar historias similares en muchas otras industrias. (Incluso en la era de las compras en línea y de la autocompra, por ejemplo, las cifras de empleo del comercio minorista suben de forma inteligente). El hecho es que, incluso ahora, es muy difícil sustituir por completo a los trabajadores humanos.

Las acerías son una excepción que confirma la regla, dice Bryan Jones, director general de JR Automation, una empresa de Holland, Michigan, que integra diversas formas de hardware y software para clientes industriales que buscan automatizar. «Una acería es un entorno realmente desagradable y duro», afirma. Pero el proceso en sí -fundición, colada, laminación, etc.- es esencialmente el mismo independientemente del tipo de acero que se fabrique. Así que las fábricas han sido comparativamente fáciles de automatizar, dice, y por eso la industria siderúrgica ha eliminado tantos puestos de trabajo.

Cuando las personas son mejores

«Donde resulta más difícil automatizar es cuando hay mucha variabilidad y personalización», dice Jones. «Esa es una de las cosas que estamos viendo en la industria del automóvil ahora mismo: La mayoría de la gente quiere algo a su medida», con una elección personalizada de color, accesorios o incluso parrillas delanteras y traseras. Cada vehículo que sale de la cadena de montaje puede ser un poco diferente.

No es imposible automatizar ese tipo de flexibilidad, dice Jones. Elija una tarea y probablemente haya un robot de laboratorio en algún lugar que la domine. Pero eso no es lo mismo que hacerlo de forma rentable y a escala. En el mundo real, como señala Akella, la mayoría de los robots industriales siguen siendo máquinas grandes y ciegas que realizan sus movimientos sin importar quién o qué se interponga en su camino, y tienen que estar alejados de las personas por motivos de seguridad. Con máquinas así, dice, «la flexibilidad requiere un montón de reequipamiento y un montón de programación, y eso no ocurre de la noche a la mañana»

Contrastar eso con los trabajadores humanos, dice Akella. La reprogramación es fácil: «Simplemente entras en la fábrica y dices: ‘Chicos, hoy vamos a hacer esto en lugar de aquello'». Y lo que es mejor, las personas vienen equipadas con habilidades que pocos brazos robóticos pueden igualar, como el control motor fino, la coordinación mano-ojo y un talento para lidiar con lo inesperado.

Todo esto es por lo que la mayoría de los fabricantes de automóviles hoy en día no intentan automatizar todo en la línea de montaje. (Algunos lo intentaron al principio, dice Bessen. Pero sus instalaciones acabaron generalmente como la planta de montaje de General Motors en Detroit-Hamtramck, que se convirtió rápidamente en una pesadilla de depuración tras su apertura en 1985: sus robots se pintaban unos a otros con la misma frecuencia que pintaban los Cadillacs). En su lugar, empresas como Toyota, Mercedes-Benz y General Motors restringen los grandes robots mudos y cercados a tareas sucias, peligrosas y repetitivas, como la soldadura y la pintura a pistola. Y destinan a sus trabajadores humanos a lugares como la zona de montaje final, donde pueden unir las últimas piezas mientras comprueban la alineación, el ajuste, el acabado y la calidad, y si el producto final coincide con la solicitud de personalización del cliente.

Para ayudar a esos trabajadores humanos, además, muchos fabricantes (y no solo los de automóviles) están invirtiendo mucho en robots colaborativos, o «cobots», una de las categorías de automatización industrial de más rápido crecimiento en la actualidad.

Robots colaboradores: Las máquinas trabajan con las personas

Los robots ya están disponibles en al menos media docena de empresas. Pero todos ellos se basan en conceptos desarrollados por un equipo que trabajaba bajo la dirección de Akella a mediados de la década de 1990, cuando era ingeniero de plantilla en General Motors. El objetivo era construir robots que fueran seguros y que pudieran ayudar en tareas estresantes o repetitivas, dejando el control en manos de los trabajadores humanos.

Para hacerse una idea del problema, dice Akella, imagine que coge una batería de una cinta transportadora, camina dos pasos, la deja en el coche y vuelve a por la siguiente: una vez por minuto, ocho horas al día. «Yo mismo he hecho ese trabajo», dice Akella, «y puedo asegurar que llegué a casa extremadamente dolorido». O imagínese levantar una «cabina» de 150 libras -el salpicadero del coche, con todos los instrumentos adjuntos, las pantallas y el equipo de aire acondicionado- y maniobrar para colocarla en su sitio a través de la puerta del coche sin romper nada.

Diseñar un robot que pudiera ayudar en esas tareas era un reto de investigación bastante novedoso en aquel momento, dice Michael Peshkin, ingeniero mecánico de la Universidad Northwestern en Evanston, Illinois, y uno de los varios investigadores externos que Akella incluyó en su equipo. «El campo se centraba en aumentar la autonomía, la detección y la capacidad de los robots para hacer frente a la variabilidad», dice. Pero hasta que llegó este proyecto, nadie se había centrado demasiado en la capacidad de los robots para trabajar con las personas.

Por eso, para su primer cobot, él y su colega de Northwestern, Edward Colgate, empezaron con un concepto muy sencillo: un pequeño carro equipado con un conjunto de elevadores que levantaría, por ejemplo, la cabina, mientras el trabajador humano la guiaba hasta su lugar. Pero el carro no era simplemente pasivo, dice Peshkin: Detectaba su posición y hacía girar sus ruedas para mantenerse dentro de una «superficie de restricción virtual», es decir, un embudo invisible en el aire que guiaba la cabina a través de la puerta y hasta su posición sin ningún rasguño. El trabajador podría entonces comprobar el ajuste final y las fijaciones sin esfuerzo.

Otro prototipo patrocinado por GM sustituyó el carro por un brazo robótico guiado por el trabajador que podía levantar componentes de automóviles mientras colgaba de un punto de suspensión móvil en el techo. Pero compartía el mismo principio de asistencia por parte de la máquina y control por parte del trabajador, un principio que resultó ser de vital importancia cuando Peshkin y sus colegas probaron sus prototipos con los trabajadores de la cadena de montaje de General Motors.

«Esperábamos mucha resistencia», dice Peshkin. «Pero, de hecho, fueron acogedores y serviciales. Entendieron perfectamente la idea de salvar sus espaldas de las lesiones». Y lo que es igual de importante, a los trabajadores les encantaba utilizar los cobots. Les gustaba poder moverse un poco más rápido o un poco más lento si les apetecía. «Con un coche que se acerca cada 52 segundos», dice Peshkin, «ese poco de autonomía era realmente importante». Y les gustaba formar parte del proceso. «La gente quiere que sus habilidades se exhiban», dice. «Disfrutan usando sus cuerpos, sintiendo placer por su propio movimiento». Y los cobots les daban eso, dice: «Podías abalanzarte a lo largo de la superficie virtual, guiar la cabina y disfrutar del movimiento de una manera que la maquinaria fija no permitía».»

La IA y sus límites

La empresa actual de Akella, Drishti, informa de una respuesta igualmente acogedora a su software basado en la IA. Los detalles son confidenciales, dice Akella. Pero la idea básica es utilizar tecnología avanzada de visión por ordenador para que funcione como un GPS para la cadena de montaje, dando a los trabajadores instrucciones paso a paso y advertencias a medida que avanzan. Digamos que un trabajador está montando un iPhone, explica, y la cámara que lo observa desde arriba cree que sólo tres de los cuatro tornillos están asegurados: «Alertamos al trabajador y le decimos: ‘Oye, asegúrate de apretar también ese tornillo antes de que baje a la línea'»

Esto tiene sus aspectos de Gran Hermano, admite el director de marketing de Drishti, David Prager. «Pero tenemos muchos ejemplos de operadores en la planta que se comprometen mucho y, en última instancia, son muy agradecidos», dice. «Conocen muy bien el espectro de la automatización y la robótica que se cierne sobre ellos, y ven muy rápidamente que se trata de una herramienta que les ayuda a ser más eficientes, más precisos y, en definitiva, más valiosos para la empresa. Por lo tanto, la empresa está más dispuesta a invertir en su personal, en lugar de sacarlo de la ecuación».

Este tema -el uso de la tecnología para ayudar a las personas a hacer su trabajo en lugar de reemplazar a las personas- es probable que sea una característica de las aplicaciones de IA durante mucho tiempo. Al igual que con la robótica, todavía hay algunas cosas importantes que la IA no puede hacer.

Tomemos la medicina, por ejemplo. El aprendizaje profundo ya ha producido un software que puede interpretar las radiografías tan bien o mejor que los radiólogos humanos, dice Darrell West, un científico político que estudia la innovación en la Institución Brookings en Washington, DC. «Pero no vamos a querer que el software le diga a alguien: ‘Acaba de recibir un posible diagnóstico de cáncer'», dice. «Seguirá siendo necesario que un radiólogo compruebe la IA, para asegurarse de que lo que ha observado es realmente el caso», y luego, si los resultados son malos, que un especialista en cáncer dé la noticia al paciente y empiece a planificar un tratamiento.

Al igual que en derecho, donde la IA puede ser de gran ayuda para encontrar precedentes que puedan ser relevantes para un caso, pero no para interpretarlos o utilizarlos para construir un caso en el tribunal. En general, dice Guszcza, la IA basada en el aprendizaje profundo es muy buena a la hora de identificar características y centrar la atención donde debe estar. Pero se queda corta cuando se trata de cosas como lidiar con sorpresas, integrar muchas fuentes diversas de conocimiento y aplicar el sentido común: «todas las cosas en las que los humanos son muy buenos».

Y no le pidas al software que realmente entienda lo que está tratando, dice Guszcza. Durante la campaña electoral de 2016, para probar la utilidad de Google Translate, probó un experimento clásico: Coge un titular – «Hillary da un portazo a Bernie»- y pide a Google que lo traduzca del inglés al bengalí y viceversa. El resultado: «Barney da un portazo a Clinton». Un año más tarde, después de que Google hubiera hecho una actualización masiva de Translate utilizando el aprendizaje profundo, Guszcza repitió el experimento con el resultado: «Hillary Barry abrió la puerta».

«No veo ninguna evidencia de que vayamos a lograr un razonamiento de sentido común completo con la IA actual», dice, haciéndose eco de un punto señalado por muchos de los propios investigadores de IA. En septiembre de 2017, por ejemplo, el pionero del aprendizaje profundo Geoffrey Hinton, un científico informático de la Universidad de Toronto, dijo al sitio de noticias Axios que el campo necesita algunas ideas fundamentalmente nuevas si los investigadores alguna vez esperan lograr una IA de nivel humano.

La evolución del trabajo

Las limitaciones de la IA son otra razón por la que economistas como Bessen no ven que cause un desempleo masivo en el corto plazo. «La automatización casi siempre consiste en automatizar una tarea, no todo el trabajo», dice, haciéndose eco de un punto planteado por muchos otros. Y aunque todos los trabajos tienen al menos algunas tareas rutinarias que podrían beneficiarse de la IA, hay muy pocos trabajos que sean totalmente rutinarios. De hecho, dice Bessen, cuando examinó sistemáticamente todos los puestos de trabajo enumerados en el censo de 1950, «sólo había una ocupación de la que se podía decir que estaba claramente automatizada: los ascensoristas». Había 50.000 en 1950, y efectivamente no hay ninguno en la actualidad.

Por otra parte, no se necesita un desempleo masivo para que haya una agitación masiva en el lugar de trabajo, dice Lee Rainie, director de investigación sobre Internet y tecnología en el Pew Research Center de Washington, DC. «Los expertos apenas se acercan a un consenso sobre si la robótica y la inteligencia artificial darán lugar a más o menos puestos de trabajo», afirma, «pero sin duda cambiarán los empleos. Todo el mundo espera que esta gran clasificación de habilidades y funciones continúe hasta donde alcanza la vista».

Por si fuera poco, dice Rainie, «los expertos más preocupados de nuestra muestra dicen que nunca en la historia nos hemos enfrentado a este nivel de cambio tan rápido.» No se trata sólo de la tecnología de la información, la inteligencia artificial o la robótica, dice. Se trata también de la nanotecnología, la biotecnología, la impresión en 3D, las tecnologías de la comunicación… y así sucesivamente. «Los cambios se están produciendo en tantos frentes que amenazan con desbordar nuestra capacidad de adaptación», afirma.

Preparación para el futuro del trabajo

De ser así, la era resultante de la constante rotación laboral podría forzar algunos cambios radicales en la sociedad en general. Las sugerencias de los expertos de Pew y otros incluyen un mayor énfasis en la educación continua y el reciclaje para los adultos que buscan nuevas habilidades, y una red de seguridad social renovada para ayudar a la gente a moverse de un trabajo a otro y de un lugar a otro. Incluso está surgiendo un apoyo en el sector de la tecnología para algún tipo de ingreso anual garantizado, en la teoría de que los avances en la IA y la robótica eventualmente trascenderán las limitaciones actuales y harán inevitables las interrupciones masivas en el lugar de trabajo, lo que significa que la gente necesitará un colchón.

Este es el tipo de discusión que se vuelve realmente política muy rápido. Y por el momento, dice Rainie, las encuestas de opinión de Pew muestran que no está realmente en el radar del público: «Hay mucha gente media, trabajadores medios que dicen: ‘Sí, todo el mundo se va a ver perjudicado por esto, pero yo no. Mi negocio está en buena forma. No puedo imaginarme cómo una máquina o un programa informático podría sustituirme'»

Pero es un debate que debe producirse urgentemente, dice West. Si nos fijamos en lo que ya está en marcha, dice, «toda la fuerza de la revolución tecnológica va a tener lugar entre 2020 y 2050. Así que si hacemos los cambios ahora y los introducimos gradualmente en los próximos 20 años, es perfectamente manejable. Pero si esperamos hasta 2040, probablemente será imposible de manejar».

Nota del editor: Este artículo se actualizó el 1 de agosto para corregir los detalles de un experimento de Jim Guszcza. La historia decía originalmente que se realizó un experimento durante la campaña electoral de 2016 para ver cuánto había mejorado el aprendizaje profundo la capacidad de Google Translate; de hecho, el experimento de 2016 se realizó antes de que Google hubiera actualizado completamente Translate con el aprendizaje profundo. La prueba inicial se realizó con el titular «Hillary da un portazo a Bernie», y no «Bernie da un portazo a Hillary» como se dijo originalmente. El titular que resultó tras la traducción del inglés al bengalí y viceversa fue «Barney da un portazo a Clinton», no «Barry da un portazo a Hillary». Las mejoras de aprendizaje profundo se probaron un año después con el mismo titular inicial y el titular resultante tras la traducción al bengalí y viceversa fue «Hillary Barry abrió la puerta»

.