El pasado, el presente y el futuro de la IA (inteligencia artificial)

9 min read
Artwork by Adamastor

El otro día vino a mis manos un artículo del MIT Technology Review en el que, tras analizar 16 625 artículos sobre el futuro de la inteligencia artificial, los autores predijeron el final de la era del aprendizaje profundo. A diario pienso mucho en la IA (inteligencia artificial) (forma parte de mi trabajo) pero tras haberlo leído, tuve que pararme a reflexionar sobre el tema. Cuando finalice la era del aprendizaje profundo, cosa que sin duda creo que sucederá, ¿qué ocurrirá después?

En el transcurso de los últimos años, hemos visto enormes avances tecnológicos en IA (inteligencia artificial), particularmente en las áreas de procesamiento del lenguaje natural, visión computacional y robótica. Esto se debe principalmente al éxito del aprendizaje automático, la tecnología que permite a las máquinas aprender de los datos y mejorar su rendimiento en función de la experiencia.

¿Pero estos avances nos acercan más a reproducir la inteligencia humana? ¿Qué nos deparan los próximos años? ¿Cuales serán nuestros próximos desafíos?

De Dartmouth a HAL 9000

El ordenador HAL 9000 de «2001: Odisea en el espacio» de Arthur C. Clarke y Stanley Kubrick es el arquetipo de inteligencia artificial. Está dotado de habilidades similares a las de los humanos, como la comprensión del lenguaje, la elaboración de estrategias para lograr un objetivo, la recopilación de datos de su entorno y la toma de decisiones basadas en esos datos. HAL 9000 se concibió en la década de 1960, en medio del optimismo tras el Proyecto de Investigación de Verano de Dartmouth sobre inteligencia artificial. La conferencia de 1956 reunió a Allen Newell, Herbert Simon, John McCarthy, Marvin Minsky y Ray Solomonoff, entre muchos otros, marcando el comienzo de la IA (inteligencia artificial) como campo de investigación científica.

A pesar del optimismo inicial, el trayecto de la IA (inteligencia artificial) ha sido turbulento. Existía la creencia generalizada de que unos pocos años serían suficientes para desarrollar tecnologías capaces de reconocer a las personas, comprender el habla humana y traducir a todos los idiomas. Pero estas expectativas desaparecieron en un período conocido como el invierno de la IA (inteligencia artificial), durante el cual los fondos destinados a investigación sufrieron grandes recortes.

Décadas más tarde, el invierno de la IA (inteligencia artificial) había llegado a su fin y el optimismo floreció.

La fiebre del oro de la IA (inteligencia artificial)

Actualmente, utilizamos algoritmos de IA (inteligencia artificial) todos los días. Por ejemplo, cuando utilizamos Internet para investigar, cuando recurrimos a un traductor en línea o cuando la web donde generalmente compramos libros nos recomienda uno. Las operaciones bursátiles se realizan mediante algoritmos en cuestión de milisegundos. Los algoritmos de reconocimiento de patrones son cada vez más populares en el análisis de imágenes médicas. Grandes compañías como Google, Facebook, Microsoft, Amazon y Uber están desarrollando vehículos autónomos, asistentes personales digitales, sistemas de diálogo y traductores automáticos, almacenando enormes cantidades de datos y recurriendo a técnicas de aprendizaje automático. Estamos presenciando una verdadera «fiebre del oro», especialmente en los EE. UU., China, Canadá, Francia y Europa, que realizan grandes inversiones estratégicas en IA (inteligencia artificial) para acelerar el progreso.

Una de las características más anheladas de la IA (inteligencia artificial) es la capacidad para tomar decisiones complejas. Este fue precisamente el objeto de estudio de los primeros trabajos de Herbert Simon (Premio Nobel de Economía en 1978), a quienes debemos el principio de racionalidad limitada, según el cual un proceso de decisión debe tener en cuenta la limitación de la información disponible, la limitación cognitiva para procesar dicha información y el plazo para decidir. Actualmente estamos presenciando éxitos en esta área dentro de entornos controlados, como en juegos con reglas estrictamente definidas. El sistema AlphaGo, a través de técnicas de aprendizaje por refuerzo, venció a los mejores jugadores humanos en Go; una marca histórica que creíamos que aún estaba a décadas de suceder.

Un desafío aún mayor es abandonar estos entornos simulados y construir máquinas capaces de tomar decisiones «a lo salvaje», basándose en las observaciones que hacen del mundo real. Cuando esto sea posible, más allá de la robótica industrial que ya conocemos, dispondremos de un amplio conjunto de profesiones que pueden asignarse a las máquinas: médicos, ingenieros, jueces y analistas financieros. Se espera que esto suceda en las próximas décadas.

Asistentes personales que lo saben todo

Una de las ideas utópicas más antiguas relacionadas con la IA (inteligencia artificial) es la traducción automática: la capacidad de una máquina para traducir entre cualquier par de idiomas, aplastando todas las barreras lingüísticas y mediando la comunicación entre humanos. Esta área ha experimentado una importante evolución en los últimos años, gracias a técnicas de aprendizaje profundo como las redes neuronales. Si bien todavía no es posible traducir automáticamente un libro con el mismo nivel de competencia que un traductor humano, una gran parte del contenido traducido por máquinas, como noticias o correos electrónicos, muestra una calidad muy superior a la de hace cinco años.

En un futuro próximo podemos esperar avances en el procesamiento del lenguaje natural (incluyendo el reconocimiento y la síntesis de voz, la extracción de información semántica y los sistemas de diálogo) integrados en los asistentes personales: dispositivos capaces de comunicarse con nosotros, de administrar nuestros horarios diarios y de buscar información en línea. Estos dispositivos sabrán todo lo que hay que saber sobre nuestros gustos y preferencias y pronto serán indispensables.

Formas de inteligencia

Para hacer predicciones sobre un futuro más lejano, debemos tener una visión más amplia y menos antropomórfica sobre la «inteligencia». ¿Es la inspiración biológica la condición necesaria para crear una IA (inteligencia artificial)? En general, tendemos a encarar el futuro de la IA (inteligencia artificial) a la luz de lo que sabemos sobre la inteligencia humana, pero ¿es esa la única forma posible de “inteligencia”?

Echemos un vistazo a la aerodinámica: aunque el vuelo de las aves fue lo que inspiró a crear dispositivos de vuelo, los aviones no baten sus alas como lo hacen las aves. Siguiendo el mismo camino, existiría la posibilidad de construir máquinas «inteligentes» sin intentar replicar los mecanismos cerebrales. Los tipos de «comportamiento inteligente» pueden surgir en sistemas con múltiples agentes: ante la necesidad de cooperar para resolver un problema, estos agentes desarrollan automáticamente protocolos de comunicación para intercambiar entre ellos. ¿Qué idioma hablan estas máquinas? ¿Qué tienen en común este lenguaje artificial y el humano? ¿Cuál resultará más favorable para obtener un comportamiento inteligente, un lenguaje simbólico como el nuestro o “representaciones continuas”, ininteligibles para el oído humano? ¿Es posible mediar entre estas representaciones internas y el lenguaje humano con el objetivo de lograr interpretarlas?

Desafortunadamente, todavía no disponemos de un manual que pueda guiarnos a través de las posibilidades y limitaciones de la IA (inteligencia artificial), mientras que al mismo tiempo nos proporcione herramientas para avances disruptivos.

En otras palabras, la IA (inteligencia artificial) acaba de abandonar su fase prehistórica y ahora se encuentra en su «Edad Antigua»: un período marcado por extraordinarias empresas colectivas, como las Grandes Pirámides de Giza (circa 2500 A.C.), pero también por técnicas relativamente rudimentarias. Los historiadores estiman que las Grandes Pirámides fueron construidas (frenéticamente) por unos 10 000 trabajadores, en turnos de 3 meses, en el transcurso de 30 años. El número de científicos e ingenieros que hoy en día trabajan en IA (inteligencia artificial) ciertamente supera ese número. El esfuerzo computacional, medido en teraflops y en energía invertida en enormes centros de procesamiento de datos, seguramente compite con la energía humana invertida en el apilamiento de bloques de piedra de las pirámides. Sin embargo, las técnicas que utilizamos hoy en IA (inteligencia artificial) parecen igual de rudimentarias.

El hombre contra la máquina

La IA (inteligencia artificial) está afectando cada vez más nuestra vida diaria y sus beneficios son innegables. Sin embargo, todavía hay habilidades importantes que necesitamos dominar para superar ciertas limitaciones de los sistemas de IA (inteligencia artificial) actuales. El aprendizaje no supervisado es uno de ellos, ya que es la única forma en que un sistema podría aprender sin recibir órdenes humanas. No solo eso, sino que es muy difícil hacer predicciones en un campo donde la tecnología de los viejos tiempos todavía está en camino de alcanzar su máximo potencial. Hay muchas posibilidades de que ocurra algo negativo que nos apunte hacia una dirección completamente nueva.

Esa es la razón por la que no creo que las máquinas se vuelvan «más inteligentes que nosotros» en el futuro o que estemos cerca de una comunicación tan fluida como la que muestra HAL 9000. A pesar de los alarmismos expresados por Stephen Hawking y Elon Musk, que ven en la IA (inteligencia artificial) «la amenaza más grave para la supervivencia de la especie humana», no parece plausible que los peligros más inminentes de la IA (inteligencia artificial) provengan de una superinteligencia. Por el contrario, se derivarán de nuestra falta de preparación y del mal uso que haremos de esas tecnologías si sobrevaloramos sus capacidades y no entendemos sus defectos y sus puntos de vista.

ArtboardFacebook iconInstagram iconLinkedIn iconUnbabel BlogTwitter iconYouTube icon