Definitivamente la Inteligencia Artificial (IA) es mucho más que ChatGPT o Gemini o cualquiera de los modelos de  inteligencia artificial generativa que han sorprendido al usuario común con sus capacidades para procesar interactivamente con nosotros la información disponible en grandes volúmenes de datos, sean estos textos, imágenes, música o vídeos. Además del procesamiento natural del lenguaje (natural language processing) los desarrollos de la IA incluyen capacidades para detectar  su  entorno, pensar, aprender y tomar decisiones que van más allá de la inteligencia asistida y la  inteligencia aumentada que nos proporcionan esas aplicaciones y nos adentran en la inteligencia automatizada y la inteligencia autónoma.  Entre estos últimos encontramos el aprendizaje automático a gran escala (large-scale machine learning) , el aprendizaje profundo (deep learning) y la automatización de procesos robóticos (soft robotics), que abren amplias avenidas para potenciar la automatización, yendo más allá de sustituir a las personas en tareas repetitivas y realizar funciones cognitivas que antes se consideraban exclusivamente humanas.

De Deep Blue y Watson a nuestros días

De hecho, la IA tiene capacidades en manejo de volúmenes de datos y procesamiento de información que sobrepasan la capacidad del cerebro humano. Muchos recordamos cuando ya en 1997 Deeper Blue (azul más oscuro), una versión mejorada de la supercomputadora Deep Blue de 1996, se desquitó del campeón mundial de ajedrez Gary Kaspárov, ganando el encuentro a 6 partidas por 3½-2½ (en 1996  Kaspárov  venció a Deep Blue con resultado 4-2). Y esa experiencia puede decirse pertenece a la prehistoria de la IA.

Los desarrollos continuaron y en 2011, Watson, otra supercomputadora con un motor de IA capaz de decidir por sí mismo la respuesta más acertada, derrotó a los dos máximos campeones en la historia de Jeopardy en una competencia de tres días.

Hoy en día la IA es capaz de “ganar” a los humanos por distintas vías. Reduciendo la necesidad de trabajo humano, con el incremento en la productividad, al optimizar los procesos de fabricación, desplazándolos, con la automatización de las tareas, u obligando a redefinir sus roles por otros nuevos que responden a la implementación de nuevas tareas de creación, control y gestión de esa IA.

Inteligencia artificial restringida e inteligencia artificial general

Vivimos hace bastante rodeados por aplicaciones de la inteligencia artificial restringida o estrecha (artificial narrow intelligence -ANI-), aplicaciones diseñadas para realizar tareas que normalmente requieren inteligencia humana, pero operan bajo un conjunto limitado de restricciones y son específicas a la tarea. Aquí encontramos a aplicaciones como el filtrado de correo electrónico como Gmail, las asistentes de voz como Siri, Alexa y Google Assistant, los sistemas de recomendación y preselección como los de Spotify, Netflix y Amazon, o ayudas en rutas como los de Google Maps o Waze.

Lo que se avecina ahora es la inteligencia artificial general (artificial general intelligence -AGI-) o “IA fuerte”, con desarrollos que muestran capacidades cognitivas a nivel humano, es decir, cuando puede realizar cualquier tarea intelectual que realiza una persona. AGI es un campo de investigación, todavia  un concepto teórico, y muchos dudan que sea posible crear un sistema con estas características por el momento. Podría decirse que una aproximación a este tipo de aplicaciones son los vehículos autodirigidos, pero que aún queda corta de la promesa de la AGI.

Empezar por nuestros mindsets

Ante los desarrollos de la IA debemos empezar por ajustar nuestros mindsets, el conjunto de  creencias, sentimientos, y actitudes que subyacen a nuestros comportamientos y enmarcan los mismos. Más concretamente, ajustar la manera como enfrentamos retos, en este caso, el reto de la IA. La IA reta al aprendizaje a fondo de su mejor uso y aprovechamiento y, también, a la potenciación de aquellas competencias y habilidades que nos distinguen, especialmente superando lo rutinario y ya estructurado. Adoptar lo que Carol Dweck llama un mindset de crecimiento, de aprendizaje.[1] Pensarse siempre en beta, como recomienda Thomas Friedman. Porque con toda seguridad  tendremos que adaptarnos y hacer ajustes en nuestra forma de trabajar.

Al respecto vale la pena considerar observaciones como las presentadas por Benhamou en su documento analítico para la CEPAL, donde nos indica que: “aunque la IA es capaz de realizar tanto tareas sencillas como complicadas, la mayoría de las tareas que realiza están basadas en reglas o normas predeterminadas y altamente estandarizadas extraídas de una masa de datos codificables. Por lo tanto, es difícil que los sistemas de IA se desvíen de estas reglas. La dinámica de aprendizaje sigue también un proceso determinista limitado a un contexto que, si bien puede ser simple o complicado, es muy específico y predecible”, para luego agregar: “Los dispositivos basados en la IA no están diseñados para hacer preguntas, sino para ofrecer respuestas, recomendaciones y soluciones predictivas. Este progreso está aún lejos de presagiar la llegada de una IA robusta (strong AI) que sea realmente comparable a la inteligencia humana, en particular en cuanto a la comprensión del contexto y al sentido común, además de la capacidad de aprendizaje.[2] De esa manera, desarrollarse no solo en la solución de problemas (problema solving) sino también en la definición y selección de problemas (problema finding) a ser enfrentados, es un ejemplo de las áreas en los que, desarrollando nuestras capacidades, podemos ser competitivos e irremplazables por la IA.

Apocalípticos e Integrados y la Inteligencia Artificial 

En 1964 Umberto Eco publicó Apocalípticos e Integrados, un conjunto de agudos ensayos críticos en el que abordaba el desarrollo de los medios audiovisuales como instrumentos de información, la omnipresencia de la televisión y, en general, los productos de cultura de masas como los cómics, las series de super héroes, las canciones de consumo. En ellos, Eco trazó una línea entre los “apocalípticos”, que veían en esa cultura de masas una decadencia empobrecedora, y los “integrados”, que de manera optimista entendían que se desarrollaba una democratización cultural ampliada que llevaba a mayor participación de multitudes. Por extensión, podriamos hablar de “apocalípticos” e “integrados” respecto de la IA y su impacto en la civilización y en el futuro de la humanidad.

Stephen Hawking, por ejemplo, advertía tempranamente sobre a amenaza que la IA representaba para la existencia humana. Ya en nuestros días, pensadores tan influyentes como Yuval Noah Harari esbozan una visión distópica respecto de la IA. Harari advierte que la IA es la primera tecnología que puede tomar decisiones por sí misma y que puede arrebatarnos poder , ante lo cual no sabemos aun si sus decisiones serán las mejores para nosotros. En el otro lado, entre los “integrados”, encontramos entusiastas como Ray Kurzweil, cofundador de la Universidad de la Singularidad en Sillicon Valley y director de Ingeniería en Google, quien llega a anticipar que la IA llevará a superar nuestras barreras biológicas, mejorando nuestras vidas y nuestro mundo.  Kurzweil llega a concebir una evolución hacia la relación hombre-máquina y entiende que gracias a la combinación de la IA con la nanotecnología alcanzaremos la  inmortalidad gracias a nanobots que actuarán dentro de nuestro cuerpo, reparando y curando cualquier daño o enfermedad, incluyendo el causado por el envejecimiento.  Del mismo lado encontramos a Sam Altman, el flamante director ejecutivo de OpenAI, fundador de ChatGPT, para quien la IA podrá resolver grandes desafíos de loa humanidad, vía su impacto en la productividad, pero también en el desarrollo científico y tecnológico.

Tal vez lo más sabio sea situarnos fuera de los extremos, cuidadosamente atentos al devenir de la IA y sus desarrollos, con sus potencialidades y sus riesgos. No en balde los más de 20 mil firmantes de la carta abierta publicada en abril de 2023 por el Future of Life Institute[3] solicitaron que se redireccione la investigación sobre IA para hacer que los sistemas de IA potentes sean “más precisos, seguros, interpretables, transparentes, robustos, alineados, confiables y leales”.

[1] Dweck, C. (2006). Mindset: The new psychology of success. Random House.

[2] S. Benhamou (2022) La transformación del trabajo y el empleo en la era de la inteligencia artificial: análisis, ejemplos e interrogantes, Documentos de Proyectos (LC/TS.2022/85), Santiago, Comisión Económica para América Latina y el Caribe (CEPAL.

[3] Future of Life Institute. Pause Giant AI Experiments: An Open Letter.  Consultado el 13 de abril de 2023.