Mañana el mundo será gobernado por un grupo de supercomputadoras que habrán superado largamente la inteligencia humana. Eso es lo que sucede en muchas novelas de ciencia ficción y en populares ‘films’ que describen un panorama desolador de nuestro futuro. Además, a decir de muchos, este futuro se hará ya realidad en el presente siglo. Al ser tan actual y polémico, dedicaremos al tema de la inteligencia artificial (IA), la supuesta culpable de esta catástrofe, dos artículos para tratar de analizarlo. Este primero servirá para aclarar los objetivos y los límites de la inteligencia artificial, mientras que dejaremos para el segundo la explicación de los principios que la soportan y cómo funciona.
Es cierto que el sorprendente desarrollo de la IA está generando un cambio radical en nuestra manera de vivir y, dado el soporte que nos brinda, nos hace mucho más eficientes en la forma de actuar y administrar el tiempo (por ahora, nuestro recurso más escaso). Se estima que no habrá actividades que escapen a su influencia. Pero, realmente, el desarrollo de la IA permitirá que seamos gobernados, en el sentido amplio de la palabra, por supercomputadoras.
Con todo, la IA no es concepto nuevo. Lo venimos utilizando desde hace décadas para hacer múltiples tareas, como predicciones sobre la demanda de productos, la clasificación de consumidores, la producción agrícola, los precios de las acciones y otras aplicaciones. Pongamos, por ejemplo, que tenemos para un número mínimo de casas los valores de ciertas características claves (el área del terreno y la construida, antigüedad, localización, número de habitaciones y baños, grado de conservación, etcétera) y sus precios de venta. A partir de esos datos seríamos capaces de diseñar un modelo que estime con la mayor exactitud posible el precio de otra casa, conociendo sus características claves.
Pero actualmente la IA ha dado un inmenso salto, principalmente por tres razones. La primera es la velocidad y capacidad de las computadoras para manejar cálculos de gran complejidad y su disponibilidad en la nube. La segunda es la gran cantidad y diversidad de datos que motiva que, cuanto mayor sea la cantidad de datos de calidad, mayor será a su vez la exactitud de nuestros resultados. La última razón es el desarrollo de sofisticados modelos (por ejemplo, redes neuronales artificiales) que superan largamente en todos los sentidos a los tradicionales. Las redes neuronales artificiales son un modelo matemático inspirado vagamente en el comportamiento observado en las neuronas cerebrales.
Antes de retornar a nuestra inquietud inicial, el dominio de las supercomputadoras y de la IA sobre el hombre, conviene indicar que hay dos modalidades de inteligencia artificial, la IA débil o estrecha (ANI, o artificial narrow intelligence) y la IA general (AGI, o artificial general intelligence). Dado que por lo general no sabemos diferenciarlas y asumimos que el espectacular avance de la IA se ha dado por igual en ambas modalidades, se genera el temor de una próxima subyugación digital.
La IA débil o estrecha es la que ha tenido en realidad este desarrollo espectacular y se aplica, como su nombre indica, a problemas muy específicos. Para ello utiliza el concepto de ‘machine learning’, un proceso de aprendizaje supervisado e interactivo en el cual la computadora, a partir de un número muy grande de datos, va ajustando los parámetros del modelo con el fin de reducir el error en sus predicciones. Ejemplos del uso de la ANI son: identificar ‘spams’, reconocer la voz, traducir un documento, hacer propaganda digital personalizada, identificar personas con imágenes, permitir el manejo autónomo, detectar fallas en productos, leer radiografías y muchas más aplicaciones.
La IA general se puede definir como una inteligencia similar a la que utilizamos los humanos cuando resolvemos problemas complejos, área en la que la IA no ha tenido avances significativos. Por ejemplo, un estudiante de medicina, leyendo algunas páginas de un libro y mirando una docena de radiografías de pacientes con pulmonía puede aprender a detectar una patología, algo que una computadora no podría hacer, salvo que lo haya aprendido luego de revisar miles o cientos de miles de radiografías. Igualmente, si en un hospital un radiólogo excéntrico toma radiografías con su equipo de rayos x girado, el médico lo intuirá y seguirá detectando las que muestren signos de pulmonía, mientras que la computadora, que aprendió con miles de radiografías debidamente ordenadas, solo lo podrá hacer cuando vuelva a aprender de miles de radiografías giradas.
Asimismo, para un algoritmo de IA resulta muy difícil identificar la intencionalidad de las personas basándose en sus gestos. Si nosotros vemos a alguien al borde de una carretera con el brazo levantado es muy posible que sepamos que desea que paremos, pues ha habido un accidente, si nos está saludando o si quiere que lo llevemos. Esto hoy aún no se puede enseñar a un algoritmo por el poco desarrollo de la IA general y, si lo aprendiera, la exigencia de exactitud requerida sería demasiado alta para utilizarlo. Otro ejemplo: a una persona le es perfectamente posible leer un estudio de mercado para luego escribir un reporte recomendando o no lanzar un producto, pero una computadora no podría hacerlo.
Parece por tanto muy difícil que en este siglo o en los próximos tengamos un nivel de desarrollo de la tecnología de la IA –principalmente la referida a la IA general– lo suficientemente avanzado como para que una supercomputadora tome el poder y gobierne el mundo. Para hacerlo tendría que ser capaz de entender los gestos, la intencionalidad, empatizar con las personas y manejar la intuición, algo que creo no veremos ninguno de nosotros, incluyendo a los que aún no tienen la edad para leer este artículo.
[Orlando Cerruti es director de OBCerrutti y profesor de Pacífico Business School]
Contenido Sugerido
Contenido GEC