En febrero de 1996, Gary Kasparov, campeón mundial de ajedrez, jugaba frente a la máquina Deep Blue de IBM. Kasparov perdió la primera partida, pero finalmente remontó para vencer 4-2. Al año siguiente, hubo una revancha, con un resultado más ajustado: 3.5-2.5. Todo el planeta comenzábamos a observar, atónitos, cómo una máquina, podía ganar a uno de nuestros ídolos. Kasparov, escribió más tarde que él pensaba ganar “pasara lo que pasara”, puesto que “solo se trataba de una máquina estúpida”. Tras estas dos partidas, suavizó su opinión: “Pude sentir un nuevo tipo de inteligencia al otro lado de la mesa”.
Imagen generada por Stable Diffusion con el prompt “kasparov deep blue machines artificial intelligence”
En este contexto, muchos y muchas se preguntaron si estos sucesos pudieran estar vislumbrando un mundo en el que la inteligencia artificialmente desarrollada por estas máquinas y programas pudieran constituir una amenaza. La inteligencia artificial (IA en adelante) es una forma de automatizar decisiones para resolver problemas muy avanzada. La historia de la informática se había desarrollado con reglas de programación muy exactas. Es decir; le decíamos a la máquina lo que tenía que hacer. Sin embargo, la inteligencia artificial busca de alguna manera emular las funciones del humano. El ejemplo del ajedrez explica muy bien lo que son inteligencias artificiales específicas. No son inteligencias generales. Sin embargo, sí realizan tareas para las que los humanos necesitamos inteligencia. Lo que tienen de novedad los sistemas de inteligencia contextual como Google Maps es que no requieren de grandes cantidades de datos y mucho tiempo de aprendizaje para ser óptimos (y ganar así a Kasparov). La nueva manera de aproximarnos a ello es aprender de los datos que estos programas generan mientras deciden.
Pero en 2023, estamos ante una nueva era. La Inteligencia Artificial Generativa es un tipo de IA que se basa en métodos de aprendizaje automático y profundo o deep learning. Estos recogen información sobre determinados elementos que después se utilizarán para generar otras ideas, totalmente nuevas y realistas. Estos sistemas son lo que yo llamo el “charlatán probabilístico”. Por “charlatán”, describo a aquel que sabe de todo y siempre habla. Por “probabilístico”, describo a que se trata de un cálculo probabilístico de apariciones más frecuentes. Es decir, si yo le pregunto “¿Cuánto es 3 + 2?”, el sistema de diálogo, no es que tenga un proceso mecánico para hacer ese cálculo, sino que lo que hace es buscar en su base de datos de textos, para saber cuál es el resultado que más aparece. Dirá 5, si en los textos que tiene suele salir así. Pero si, por ejemplo, hay bromas como “¿Cuánto es 10 + 1?”, que puede tener diferentes resultados en binario o decimal, devuelve resultados raros, porque se confunde. Puede decir 11 o 3. Es el “charlatán probabilístico”, donde la competencia irá por tener el mayor número de conversaciones en su base de datos para encontrar los resultados más cercanos a la realidad. Y donde pueden aparecer hackers o personas con ganas de fastidiar el tema generando textos aleatorios equivocados para que piensen mal estas máquinas.
Atendiendo al último estudio de Gartner sobre las novedades tecnológicas, la Inteligencia Artificial Generativa es una de las tendencias estratégicas más destacadas del momento. Tanto es así que, se estima que para el 2025 este tipo de IA representará el 10% de todos los datos producidos, frente a menos del 1% actual. En el informe también se revela que las empresas que adopten estas prácticas verán crecer hasta tres veces más su valor que aquellas que no codifiquen su enfoque de la IA.
¿Amenazan estas máquinas a pensar y razonar mejor que los humanos? No tan rápido. Llegan a conclusiones por puro proceso de cálculo de probabilidades (más el feedback del usuario). El humano no piensa igual. No es lo mismo un humano de 5 que de 50 años. No es lo mismo cómo piensa una persona con amplia experiencia profesional y personal que uno que no se ha movido de su contexto local. La vida a veces son esos pequeños momentos anómalos en los que el razonamiento humano nos puede salvar de un accidente o de evitar invertir allí donde no deberíamos. Es la creatividad en entornos imprevistos y complejos. Ahí seguimos teniendo el monopolio los humanos.
La IA Generativa ofrece unas posibilidades ilimitadas. Así pues, puede utilizarse en actividades que van desde la creación de un código software hasta la atención al cliente las 24 horas, pasando por el desarrollo o investigación de medicamentos. Un sin fin de alternativas que, por supuesto, también pueden tener un mal uso. Una de las desventajas de esta IA son las estafas, fraudes, desinformación o las identidades falsas que pueden crearse. No obstante, las GANs van más allá de la imagen y se extienden también a los vídeos. Los famosos y polémicos “deepfakes” superponen el rostro de una persona con el de otra para falsificar sus gestos y su voz. De esta forma, se hace creer que dice o hace algo que en realidad no ha ocurrido. Las redes generadoras y discriminadoras ofrecen unos resultados tan reales que no se pueden distinguir.
Imagen generada por Stable Diffusion con el prompt “human machine relation in the future”
Pero más allá de entender lo que hacen, es bueno pensar en para qué lo hacen y para qué lo podemos emplear. Estas herramientas nos ayudan en dos planos de trabajo: Creatividad y Productividad. Lo que reemplaza la automatización de cualquier tipo hasta el día de hoy no son trabajos en abstracto, sino tareas. Una tarea puede ser “hacer la lista de la compra”, “buscar artículos científicos para escribir un artículo”, “resumir artículos en las ideas clave” o “qué tesis puedo defender sobre un determinado asunto”. Las tareas en las que la IA nos puede ayudar más son las de resolver problemas ya conocidos. Conocimientos de geografía o historia, o cálculos matemáticos son relativamente fáciles. También, pasos para la construcción de un avión o un tren. Sin embargo, donde falla es al definir una pregunta que nadie antes se hizo. Si decíamos que el charlatán probabilístico solo sabe responder aquello que encuentra muy probable, lógicamente ante un nuevo campo de estudio o una pregunta original, no sabrá trabajar. ¿La creatividad ha muerto? Más bien yo diría que ha muerto la creatividad inspirada, como la de esos pintores que miraban a otros para definir su propio estilo. Ahí sí hay opciones de mejorar al humano, pero no aquel pintor que definía desde cero un nuevo estilo.
Para buscar información precisa sobre algo en lo que construir una argumentación, recomendamos utilizar perplexity.ai y elicit.org. Para articular en un texto ideas, y que su unión tenga sentido, ChatGPT o neuroflash son imbatibles. Para reescribir en formatos distintos (por ejemplo, una hipótesis formulada por alguien, pero narrada con nuestro propio estilo), me apoyo en ChatGPT. Podemos usar simplified para hacer contenidos en redes sociales. Colossyan nos ayuda en hacer vídeos con actores y actrices profesionales, así como Jasper nos permite crear imágenes mezclando estilos y contextos/lugares. Para escribir código software en cualquier lenguaje de programación, nada como GitHub Copilot. De hecho, el nombre de esta última herramienta es cómo vislumbramos desde Brain & Code la futura convivencia humano-máquina: copilotos (tecnologías) acompañando a pilotos (humanos).
¿Superará la Inteligencia Artificial a la Humana pronto? Es la pregunta que se está haciendo mucha gente a raíz de la disruptiva aparición de las IAs generativas. En reconocimiento de imagen y de lengua, ya lo han hecho (abajo paper y representación gráfica). Nos superan. ¿Y en otras tareas cognitivas? Buena pregunta. Según varios expertos, hay un 50% de probabilidades que exista la inteligencia artificial humana (no la actual, la “completa”). El 90% de ellos cree que en el espacio de los próximos 100 años. En metaculus.com (un mercado de la información predictiva del que os he hablado alguna vez), podéis ver el mercado de la estimación de la Inteligencia Artificial General en este hilo.
Las máquinas ganando a los humanos
