Hay que ir bastante atrás en el tiempo para ubicar el inicio de esa cosa llamada “inteligencia artificial”. La referencia más aceptada está en el verano de 1956 y el campus para la investigación de la IA que se instaló en un taller en el Dartmouth College. El entusiasmo de las visitas transformó a los concurrentes, quienes a partir de entonces, y por las próximas décadas, en los líderes de la investigación en IA.
El empuje provocado por aquellas alegrías fue tal que a poco de inaugurado se estimó que “una máquina tan inteligente como un ser humano existiría en no más de una generación” y para ello, bajo distintas modalidades, recibieron varios millones de dólares para encaminar el proyecto.
Luego se apagarían aquellas pasiones hasta los años 1990 y 2000, cuando el aprendizaje automático permitió resolver problemas tanto en el ámbito de la academia como en la industria. Pero recién explotó el desarrollo en el 2012, cuando ese aprendizaje profundo comienza a ser entendida como una tecnología revolucionaria. La inversión en IA se acelera a partir del 2020.
Avancemos un poco más en estas definiciones. Un concepto previo: la inteligencia artificial asume el supuesto de que el proceso del pensamiento humano puede ser mecanizado. Lo que es decir que el estudio del razonamiento mecánico tiene una larga historia.
Hobbes escribió en el Leviatán: «Porque la razón… no es más que calcular, es decir, sumar y restar”. Leibniz imaginó un lenguaje universal del razonamiento que reduciría la argumentación a cálculo, de modo que “no habría más necesidad de disputa entre dos filósofos que entre dos contables. Porqué bastaría tomar sus lápices en la mano, bajar a sus pizarras y decirse el uno al otro, si quisieran, vamos a calcular”. Estos filósofos habrían comenzado a articular la hipótesis del sistema de símbolos físicos que se convertiría en la fe rectora de la investigación de la IA.
Límites y posibilidades
Su respuesta fue sorprendente en dos aspectos. Primero, advirtieron que existían límites a lo que la lógica matemática podía lograr. Segundo, pero más importante para la IA: dentro de estos límites, cualquier forma de razonamiento matemático podía ser mecanizada, articulando símbolos tan simples como 0 y 1, podía imitar cualquier proceso concebible de deducción matemática.
Otro sí digo, ese trabajo sugirió que, dentro de ciertos límites, cualquier forma de razonamiento matemático podía concebible ser mecanizada, articulando símbolos tan simples como 0 y 1, y así emular proceso de deducción matemática.
De 1941 a 1956
En este tramo del desarrollo, se fueron acumulando conocimientos sin los cuales hubiera sido posible más avances. Comienza a crecer la idea de una “inteligencia artificial”. Y en 1956, ese espacio de la “investigación en inteligencia artificial” se constituye en disciplina académica.
La inteligencia artificial comienza con la convicción de una herramienta potente, que permitiría innovaciones como la automatización de tareas repetitivas, el diagnóstico médico preciso, la personalización de la publicidad e incluso la reducción del tiempo de espera en servicios telefónicos. Pero tiene preocupantes desafíos asociados.
Uno, y de los principales: la inteligencia artificial llega con falta de transparencia para su funcionamiento. Así, los algoritmos de aprendizaje automático son “cajas negras”, ocultan a los ojos de los usuarios cómo se toman las decisiones. Esto puede ser un problema en aplicaciones críticas, como la toma de decisiones médicas y financieras.
Dos, otra grave complejidad: la privacidad y seguridad de los datos. La inteligencia artificial se basa en definidos conjuntos de datos que sirven para entrenan modelos de aprendizaje automático.
Tres; cuestiones de responsabilidad y ética de los sistemas de inteligencia artificial. Estos sistemas tienen la responsabilidad de garantizar que se utilicen de manera ética y responsable. Para ello son necesarias regulaciones y estándares éticos de modo de garantizar su correcto uso.
Grandes intereses, mucho mkt
Aunque es una idea extendida, no todos la plantean con claridad. Algo así como el lado oscuro de la IA: puede exacerbar la desigualdad social y económica, al cambiar las exigencias de conocimiento y también otros desaparecerán.
Revolución silenciosa
La Inteligencia Artificial Generativa, IAG, esta ha comenzado a reconfigurar los límites de lo posible toda vez que va creando “realidades virtuales”. Muchas veces, y cada vez más, ese border line entre lo real y lo ficticio se diluye, se confunde. Por ello, y en una dosis más exigente de ética profesional, la era de la desinformación atenta contra la calidad del avance.
Pero la IAG abusó en la generación de contenidos falsos. La IA generativa está transformando la forma en que creamos y consumimos información. Desde obras de arte hasta noticias, la IAG está generando contenidos cada vez más sofisticados y realistas. Pero, ¿qué implica este poder creativo en nuestras manos? ¿Quién controla las historias que se cuentan? ¿Y cómo garantizamos que estas tecnologías se utilicen de forma ética y responsable?
Es claro que la IAG es una tecnología con gran potencial, pero desde ya hay que ponerse exigentes respecto a los riesgos significativos que plantea. Resulta imprescindible cooperar para que gobiernos, sistemas judiciales, actores económicos y financieros y usuarios no sofisticados para desarrollar un marco ético y regulatorio que garantice un uso responsable de esta tecnología.
Aquí y ahora
La narrativa en la era digital está en constante evolución. También asumir que la superinteligencia no es una amenaza futurista. En sentido estricto, es el nombre que toman al momento en que los algoritmos dejan de actuar según se ordenó, ya no responde a nuestras preguntas y comienzan a formular las suyas propias.
En ese horizonte, la pregunta no es qué puede hacer la IA por nosotros, sino qué está aprendiendo de nosotros, con qué fines y bajo qué lógica. Lo que emergerá no será una cuestión neutral. Por el contrario, será activa: observará, interpretará y diseñará comportamiento humano. Este punto es sustantivo: La IA no acompaña: modela. No pregunta: predice. No interactúa: interviene. Y lo hace en función de objetivos que muchas veces no son públicos, transparentes ni auditables. Así, el reto ya no es solo técnico o regulatorio, sino filosófico y esencialmente democrático.
De todos modos, intuyo que esto recién empieza pero hay más cuestiones de las que nos muestran. Hay muchas, en proceso y bastante opacas.
