Las promesas y los peligros de la IA: Stuart Russell en Radio Davos

undefined
Este contenido ha sido traducido automáticamente con IA.

Esta transcripción se ha generado mediante un software de reconocimiento de voz y puede contener errores. Compruebe su precisión comparándola con el audio.

Kay Firth-Butterfield: Es un placer presentar a Stuart, que ha escrito dos libros sobre inteligencia artificial, Human Compatible: Artificial Intelligence and the Problem of Control. Pero quizá el libro al que te referías cuando dijiste que había «escrito literalmente el libro sobre inteligencia artificial» sea Artificial Intelligence: A Modern Approach, el libro con el que la mayoría de los estudiantes de todo el mundo aprende IA. Stuart y yo nos conocimos en 2014, en una conferencia que dio en el Reino Unido sobre sus inquietudes respecto de las armas autónomas letales. Aunque hoy no hablaremos de eso, ha trabajado sin descanso en la ONU para lograr la prohibición de esas armas. Stuart ha colaborado ampliamente con nosotros en el Foro Económico Mundial. En 2016, fue copresidente del Consejo Global sobre IA y Robótica del Foro Económico Mundial. Luego, en 2018, se incorporó a nuestro Consejo Global sobre IA. Como miembro de ese Consejo, nos impulsó a pensar en cómo podríamos construir futuros positivos con la IA, planificando y desarrollando desde ahora políticas que nos encaminen hacia ese futuro.

Robin Pomeroy: Stuart, estás en pantalla con nosotros por Zoom. Es un placer conocerte.

Stuart Russell: Muchas gracias por invitarme. Es un placer reunirme con ustedes y con Kay.

Robin: ¿En qué parte del mundo estás ahora?

Stuart: Estoy en Berkeley, California.

Robin: Donde eres profesor. He estado escuchando tus conferencias en BBC Radio 4 y en el Servicio Mundial, las Conferencias Reith. Así que ahora siento que soy un experto, aunque hace un par de semanas no lo era. Pero empecemos por el principio. Para alguien que solo tiene una idea vaga de lo que es la inteligencia artificial —todos sabemos qué son los ordenadores, usamos aplicaciones—, ¿cuánto de todo eso es inteligencia artificial? ¿Y adónde nos llevará en el futuro, más allá de lo que ya tenemos?

Stuart: En realidad, es sorprendentemente difícil trazar una línea clara y decir: «Bueno, este programa informático es IA y aquel no». En este campo, cuando pensamos en IA, el objeto del que hablamos es algo que llamamos «agente», es decir, algo que actúa en función de lo que ha percibido. Las percepciones pueden llegar a través de una cámara o de un teclado. Las acciones pueden consistir en mostrar cosas en una pantalla, girar el volante de un coche autónomo o disparar un proyectil desde un tanque, entre otras posibilidades. El objetivo de la IA es garantizar que las acciones resultantes sean las adecuadas: las que realmente alcancen los objetivos que hemos fijado para el agente. Esto se relaciona con un concepto de larga data en la economía y la filosofía, el «agente racional»: un agente cuyas acciones pueden permitirle alcanzar sus objetivos.

Eso es lo que intentamos hacer. Los agentes pueden ser muy, muy simples. Un termostato es un agente. Tiene percepción: solo mide la temperatura. Tiene acciones: encender o apagar la calefacción. Y tiene, por así decirlo, dos reglas muy, muy sencillas: si hace demasiado calor, apágala; si hace demasiado frío, enciéndela. ¿Eso es IA? En realidad, no importa mucho si queremos llamarlo IA o no. No hay una línea divisoria clara que diga: «Si tiene 17 reglas, es IA; si solo tiene 16, no lo es». No tendría sentido. Así que lo vemos como un continuo, desde agentes extremadamente simples hasta agentes extremadamente complejos, como los seres humanos.

Hoy en día, los sistemas de IA están por todas partes en la economía. Los motores de búsqueda son sistemas de IA. Ya no son meros sistemas que buscan palabras clave: intentan entender lo que uno consulta. Aproximadamente un tercio de todas las consultas que reciben los motores de búsqueda se responden con bases de conocimiento, en lugar de limitarse a ofrecer páginas web donde encontrar la respuesta. De hecho, proporcionan la respuesta porque disponen de muchos conocimientos en formato legible por máquinas.

Los altavoces inteligentes y los asistentes digitales del teléfono son sistemas de IA. La traducción automática —que uso mucho porque tengo que pagar impuestos en Francia— hace un gran trabajo al traducir una legislación fiscal francesa impenetrable a una legislación fiscal inglesa igualmente impenetrable. Así que no me ayuda demasiado, pero es una traducción muy buena. Y luego está el coche autónomo, que diría que es una aplicación de IA bastante paradigmática y que pone a prueba muchas capacidades: percibir, entender la situación y tomar decisiones complejas que deben tener en cuenta los riesgos y los numerosos desenlaces posibles que pueden surgir mientras conducimos. Y, por supuesto, en el nivel más avanzado están los seres humanos.

Robin: En algún momento del futuro, las máquinas y la IA podrán hacer todo lo que puede hacer una persona, pero mejor. ¿Es eso hacia donde nos dirigimos?

Stuart: Sí. Ese siempre ha sido el objetivo: lo que yo llamo «IA de propósito general». También recibe otros nombres: IA de nivel humano, IA superinteligente e inteligencia artificial general. Pero me quedé con «IA de propósito general» porque suena un poco menos amenazante que «IA superinteligente». Y, como dices, se refiere a sistemas de IA que, para cualquier tarea que los seres humanos puedan realizar con su intelecto, podrán hacerla —si aún no pueden— tras aprender muy rápidamente, y hacerlo tan bien como las personas o mejor. Creo que la mayoría entiende que, una vez alcanzado el nivel humano en una tarea concreta, no es tan difícil superarlo. Las máquinas tienen ventajas enormes en capacidad de cálculo, velocidad y ancho de banda; pueden almacenar y recuperar información de la memoria a una velocidad que el cerebro humano no puede igualar.

Robin: Kay, te cedo la palabra y me hago a un lado. Si quieres, seré tu copresentador. También estoy lleno de preguntas, así que intervendré de forma un tanto molesta. Pero, básicamente, el resto de esta entrevista es todo tuyo.

Kay: Gracias. Stuart, has hablado un poco de algunos ejemplos de IA con los que nos encontramos constantemente. Pero uno de los usos cotidianos de la IA por parte de los seres humanos, desde los más jóvenes hasta los mayores, se da en las redes sociales. Oímos hablar mucho de la radicalización a través de las redes sociales. De hecho, en una conferencia reciente a la que asistí, Cédric O, ministro de Tecnologías de la Información de Francia, describió la IA como la mayor amenaza para la democracia que existe actualmente. ¿Podrías explicar a nuestros oyentes cómo el uso actual de la IA impulsa esa polarización de ideas?

Stuart: Creo que es una pregunta importantísima. El problema para responderla es que, en realidad, no sabemos la respuesta, porque los datos están ocultos en las bóvedas de las empresas de redes sociales. Básicamente, son billones de eventos por semana —¡billones!—, porque miles de millones de personas usan las redes sociales cientos de veces al día y cada interacción —hacer clic, deslizar, descartar, indicar que gusta o que no gusta, dar un pulgar hacia arriba o hacia abajo—, todo eso, lo que se les ocurra, genera datos inaccesibles incluso, por ejemplo, para el consejo de supervisión de Facebook, que supuestamente debe hacer un seguimiento de esto y que se creó precisamente para ello. Pero ese consejo no tiene acceso a los datos internos.

Hay algunas pruebas anecdóticas. También hay conjuntos de datos que nos permiten hacer análisis sugerentes, pero diría que no son concluyentes. Sin embargo, si pensamos en cómo funcionan los algoritmos, lo que intentan hacer es maximizar la tasa de clics. Quieren que hagamos clic en cosas, interactuemos con contenido o pasemos tiempo en la plataforma; esta última es una métrica un poco distinta, pero, en esencia, es lo mismo.

Uno podría decir: «Bueno, de acuerdo, la única forma de hacer que la gente haga clic es enviarle cosas que le interesen. ¿Qué tiene de malo?». Pero esa no es la respuesta. Así no se maximiza la tasa de clics. Se maximiza enviando a las personas una cadena de contenidos que las convierte en alguien más propenso a hacer clic en cualquier contenido que se les pueda enviar en el futuro.

Así que, según los modelos matemáticos que hemos creado, los algoritmos han aprendido a manipular a las personas y cambiarlas para que en el futuro sean más susceptibles y se pueda monetizar su actividad a un ritmo mayor.

Al mismo tiempo, por supuesto, ha surgido una enorme industria impulsada por personas para alimentar todo este proceso: la industria del ciberanzuelo y la de la desinformación. La gente ha secuestrado la capacidad de los algoritmos para cambiar a las personas con mucha rapidez: se producen cientos de interacciones al día y cada una da un pequeño empujón. Pero si se empuja a alguien cientos de veces al día, durante días y días, se puede cambiar mucho sus creencias, preferencias y opiniones. A los algoritmos no les importa qué opiniones tengamos; solo les importa que seamos susceptibles a las cosas que nos envían. A las personas sí les importa y han secuestrado el proceso para aprovecharse de él y crear la polarización que les conviene. Creo que es esencial que tengamos mucha más visibilidad. Los investigadores de IA la quieren porque desean entender lo que ocurre y ver si podemos solucionarlo. Los gobiernos la quieren porque temen que toda su estructura social se esté desintegrando o que otros países, a los que no les interesa su bienestar, los estén socavando.

Robin: Stuart, ¿sabemos si eso es un efecto secundario de los algoritmos o si en algún momento alguien incorporó esa polarización a los algoritmos?

Stuart: Creo que es un efecto secundario. Estoy dispuesto a dar a las plataformas de redes sociales el beneficio de la duda y creer que no lo pretendían. Pero sabemos que, cuando los algoritmos funcionan bien en el sentido de generar muchos ingresos y beneficios para la empresa, se crea una gran presión para no cambiarlos. Así que, tanto si es consciente como si no, los algoritmos están protegidos, en cierto sentido, por una superestructura multinacional que genera y disfruta de los miles de millones de dólares que producen, y que quiere proteger ese flujo de ingresos.

Kay: Stuart, has usado la palabra «manipularnos», pero también has dicho que a los algoritmos no les importa. ¿Podrías explicar cómo sería uno de estos algoritmos? Supongo que no le importa porque no sabe nada de los seres humanos.

Stuart: Así es: ni siquiera sabe que los seres humanos existen. Desde el punto de vista del algoritmo, cada persona es simplemente un historial de clics. ¿Qué se le mostró y en qué hizo clic, o no? Supongamos que se toman las últimas 100 o las últimas 1.000 interacciones: eso eres tú. Entonces el algoritmo aprende: «De acuerdo, ¿cómo tomo esas mil interacciones y elijo qué enviar después?». A eso lo llamamos una «política», que decide qué enviar a continuación, dado el historial de interacciones. La política se aprende con el tiempo para maximizar la tasa de clics a largo plazo. Por eso, el algoritmo no solo intenta elegir lo siguiente en lo que probablemente harás clic; por la forma en que está construido, también elige lo que dará los mejores resultados a largo plazo.

Es como si yo quisiera llegar a San Francisco desde aquí: elaboro un plan a largo plazo y luego empiezo a ejecutarlo, lo que implica levantarme de la silla y hacer otras cosas, ¿no? El algoritmo emprende algo parecido a ese viaje. Ha aprendido a llegar a destinos donde las personas son más predecibles, y lo que le importa para maximizar los ingresos es la previsibilidad. De todos modos, los algoritmos no serían conscientes, pero no actúan deliberadamente con el objetivo explícito de radicalizar a la gente, hacer que se convierta en terrorista o algo parecido. Los algoritmos del futuro, que sepan mucho más —que sepan que las personas existen, que tenemos mente, una psicología particular y distintas susceptibilidades—, podrían ser mucho más eficaces. Creo que esta es una de las cosas que al principio parecen un poco paradójicas: cuanto mejor sea la IA, peor será el resultado.

Kay: Has hablado del aprendizaje, de cómo aprenden los algoritmos. Creo que mucha gente no lo entiende del todo, porque llevamos mucho tiempo usando programas informáticos, pero esto es algo distinto.

Stuart: En realidad, muchos de los programas que hemos utilizado se crearon mediante un proceso de aprendizaje. Por ejemplo, los sistemas de reconocimiento de voz. No hay alguien que escriba una regla para distinguir entre «cat» y «cut». Simplemente damos al algoritmo muchos ejemplos de «cat» y muchos ejemplos de «cut», y el algoritmo aprende la regla que los distingue ajustando los parámetros de algún tipo de circuito. Imagínalo como un circuito enorme con muchos pesos ajustables o intensidades de conexión. Al ajustar esos pesos, cambia la salida del circuito y este empieza a distinguir mejor entre «cat» y «cut». Se intenta ajustar los pesos para que coincidan con los datos de entrenamiento, es decir, con los ejemplos etiquetados: «cats» y «cuts». A medida que avanza ese proceso de ajuste, el sistema acaba logrando un rendimiento perfecto o casi perfecto con los datos de entrenamiento. Después, esperamos que clasifique correctamente un nuevo ejemplo de «cat» o «cut». Así se entrenan los sistemas de reconocimiento de voz, y esto ha sido así durante décadas. Ahora lo hacemos un poco mejor: nuestros sistemas son más precisos y mucho más robustos. Pueden entender lo que dices incluso mientras conduces y hablas por una línea de teléfono móvil con interferencias. Ya son lo bastante buenos para entender el habla en esas condiciones.

Cuando compras un programa de reconocimiento de voz, por ejemplo, uno de dictado, a menudo hay una fase de aprendizaje posterior a la compra. El programa ya funciona bastante bien, pero puede mejorar aún más si se entrena específicamente con tu voz. Te ofrece unas cuantas frases para leer en voz alta y esos datos adicionales le permiten ser todavía más preciso contigo.

Y lo que ocurre con los algoritmos de las redes sociales se puede entender de forma parecida: como una especie de personalización posterior a la compra. Aprende sobre ti. Al principio puede recomendar artículos que interesan a la población general, que, por lo que puedo ver, parece ser Kim Kardashian. Pero, tras interactuar contigo durante un tiempo, aprende que en realidad prefieres consultar los resultados de críquet o algo así.

Kay: ¿Ocurre lo mismo con el reconocimiento facial? Oímos hablar mucho de sus errores, por ejemplo, con personas de color. ¿Es porque los datos son incorrectos?

Stuart: Por lo general, no es porque los datos sean incorrectos. En ese caso, se debe a que hay muchos menos ejemplos de ciertos tipos de personas en los datos. Cuando hay pocos ejemplos, la precisión será menor para ese grupo. Es una cuestión muy polémica y cuesta bastante que las distintas partes del debate se pongan de acuerdo sobre si se pueden eliminar estas diferencias en las tasas de reconocimiento creando conjuntos de datos más representativos. Además, no existe un conjunto de datos perfectamente representativo. ¿Qué significaría tener uno perfectamente representativo si estás en Namibia, Japón, Islandia o Mongolia? No necesariamente sería apropiado utilizar exactamente los mismos datos en esos cuatro contextos. Por eso, estas cuestiones ya no son tanto técnicas como «sociotécnicas». Lo que importa es lo que sucede cuando se despliega un sistema de IA en un contexto concreto y funciona durante un tiempo. Pasan muchas cosas. Por ejemplo, algunas personas podrían empezar a evitar los lugares donde hay cámaras, pero quizá solo un tipo de personas los evite y a las demás no les moleste. Así se crea un nuevo sesgo en la recopilación de datos, y es muy difícil entenderlo porque no se puede predecir quién evitará la zona con cámaras. Estamos muy lejos de contar con una verdadera disciplina de ingeniería o un enfoque científico para entender cómo se integran sociotécnicamente los sistemas de IA, qué efectos pueden tener y qué efectos tiene la sociedad en ellos y en su funcionamiento. Y, como resultado, ¿estamos todos mejor o peor? Las primeras anécdotas sugieren que hay toda clase de formas extrañas en que las cosas pueden salir mal, algo que uno no espera porque no estamos acostumbrados a pensar en ello.

En planificación urbana, en cambio, han aprendido a lo largo de siglos que ocurren cosas inesperadas. Si se ensancha una carretera, uno piensa que mejorará la circulación, pero resulta que a veces las carreteras más anchas empeoran el tráfico. Lo mismo con la idea de añadir un puente sobre el río. Han aprendido a pensar en las consecuencias: peatonalizar una calle puede parecer una buena idea, pero el tráfico simplemente se desplaza a otra parte y empeora la situación en el siguiente barrio. Hay toda clase de cuestiones complejas que apenas empezamos a explorar y para las que todavía no tenemos una disciplina adecuada. No existe un equivalente de la planificación urbana para los sistemas de IA y su integración sociotécnica.

Kay: En 2019, creo, viniste a hablar conmigo y sugeriste que, para optimizar realmente los beneficios de la IA para las personas —en particular, de la IA de propósito general, de la que hablaste antes con Robin—, tenemos que replantearnos los sistemas políticos y sociales que usamos. Íbamos a encerrar en una sala a un grupo de personas, concretamente economistas y escritores de ciencia ficción. Nunca lo hicimos porque llegó la COVID. Pero organizamos talleres interesantísimos, y me gustaría que nos contaras un poco por qué te parecía importante y qué ideas surgieron.

Stuart: Solo quiero tranquilizar a quienes nos ven: no planeábamos literalmente encerrar a nadie en una sala; era una metáfora. La inquietud, o la pregunta, era: ¿qué ocurre cuando la IA de propósito general llega a la economía real? ¿Cómo cambian las cosas? ¿Podemos adaptarnos sin provocar una enorme dislocación? Es una cuestión muy antigua. Sorprendentemente, Aristóteles tiene un pasaje en el que dice: «Miren, si tuviéramos telares totalmente automatizados y plectros automatizados capaces de tocar la lira y producir música sin intervención humana, no necesitaríamos trabajadores». Es una idea asombrosa para el año 350 a. C.

Keynes llamó a esa idea «desempleo tecnológico» en 1930, y es muy evidente para la gente, ¿no? Piensan: «Sí, claro, si la máquina hace el trabajo, me quedaré sin empleo». Los luditas se preocupaban por eso. Durante mucho tiempo, los economistas creyeron incluso tener una demostración matemática de que el desempleo tecnológico era imposible. Pero piénsalo: si la tecnología pudiera crear un doble de cada persona de la Tierra, y ese doble fuera más alegre, tuviera menos resaca y estuviera dispuesto a trabajar gratis, ¿cuántos conservaríamos el empleo? Creo que ninguno. Así que algo falla en el teorema matemático de los economistas.

En la última década, más o menos, la opinión en economía ha cambiado mucho. De hecho, la primera reunión de Davos a la que asistí fue en 2015. Había una cena que supuestamente iba a tratar la «nueva economía digital». Pero los economistas que tomaron la palabra —había varios premios Nobel y otros economistas muy distinguidos— se levantaron uno tras otro y dijeron: «En realidad, no quiero hablar de la economía digital. Quiero hablar de la IA y el desempleo tecnológico. Este es el mayor problema al que nos enfrentamos en el mundo, al menos desde el punto de vista económico». Porque, a su entender, a medida que la IA de propósito general se vuelva cada vez más real —ahora mismo estamos lejos de alcanzarla—, veremos sistemas de IA capaces de realizar cada vez más tareas que los seres humanos hacen en el trabajo.

Para darles solo un ejemplo, si piensan en los almacenes que Amazon y otras empresas operan actualmente para el comercio electrónico, están semiautomatizados. El funcionamiento es el siguiente: en vez de tener un viejo almacén con montones de cosas apiladas por todas partes, donde luego las personas van a rebuscar y después las traen de vuelta y las envían, hay un robot que va a buscar la estantería que contiene lo que necesitan y se la lleva al trabajador humano. Así, el trabajador humano se queda en un mismo sitio mientras estos robots van recogiendo estanterías con productos y se las acercan. Pero el trabajador tiene que sacar el objeto del cajón o de la estantería, porque eso todavía es demasiado difícil para los robots.

Y hay, digamos, entre tres y cuatro millones de personas en el mundo que realizan ese trabajo. Pero, al mismo tiempo, Amazon organizó un concurso de recogida de objetos de cajones: ¿se podría fabricar un robot lo bastante preciso como para recoger prácticamente cualquier objeto —y hay una gran variedad de objetos que se pueden comprar— de estanterías, cajones, etcétera, hacerlo con precisión y luego enviarlo a la unidad de despacho? Eso eliminaría de golpe entre tres y cuatro millones de puestos de trabajo. Y el sistema ya está preparado para hacerlo. Así que no haría falta reorganizarlo todo: bastaría con poner un robot en el lugar que ocupaba la persona.

A la gente le preocupan los coches autónomos. Cuando se hagan realidad, un taxi autónomo quizá cueste una cuarta parte de lo que cuesta un taxi normal. Y ya se imaginan lo que pasaría, ¿no? Creo que hay unos 25 millones de taxistas formales e informales en el mundo. Así que el impacto sería algo mayor. Y, por supuesto, esto continúa con cada nueva capacidad. Se automatizan más tareas. ¿Podremos seguir el ritmo de ese cambio, encontrando otras cosas que la gente pueda hacer y capacitándola para realizar esas nuevas tareas que quizá no sepa hacer? Está muy bien decir: «Ah, simplemente volveremos a capacitar a todo el mundo para que se convierta en científico de datos». Pero, en primer lugar, no necesitamos 2.500 millones de científicos de datos. Ni siquiera estoy seguro de que necesitemos 2,5 millones. Así que eso sería apenas una gota en el océano.

Pero hay otras cosas; sí, necesitamos más personas capaces de cuidar a los ancianos. Pero no es tan fácil tomar a alguien que ha sido camionero durante 25 años y capacitarlo para trabajar en el sector de la atención geriátrica. La tutoría de niños pequeños. Hay muchas otras necesidades insatisfechas en nuestro mundo. Creo que eso es evidente para casi todo el mundo: hay necesidades insatisfechas. Las máquinas quizá puedan satisfacer algunas, pero los seres humanos solo pueden hacerlo si reciben formación y tienen los conocimientos, la aptitud e incluso la inclinación para desempeñar ese tipo de trabajo.

Así que la pregunta que nos hacíamos era: de acuerdo, si este proceso continúa y la IA de propósito general acaba haciendo prácticamente todo lo que hoy llamamos trabajo, ¿cómo será el mundo? ¿Cómo sería un mundo en el que querrían que vivieran sus hijos? Cuando miramos la ciencia ficción, encontramos modelos de mundos que parecen bastante deseables. Pero, como economías, no se sostienen. Los economistas dicen que los incentivos no funcionarían en ese mundo: estas personas dejarían de hacer aquello y aquellas otras harían esto en su lugar, y todo sería inestable. Y los economistas no suelen inventar cosas, ¿verdad? Se limitan a hablar, bueno, de que podríamos subir este impuesto o, ya saben, bajar este tipo de interés. Los economistas de Davos que hablaron de esto dijeron todos: «Quizá podríamos tener un seguro privado de desempleo». Bueno, sí, claro: ¡eso sí que resuelve el problema! Así que quería reunir a estos dos grupos para que la imaginación se atemperara con una comprensión económica realista.

Robin: Me interesa saber quiénes eran optimistas y quiénes pesimistas: ¿los economistas o los escritores de ciencia ficción? Imagino que a los escritores de ciencia ficción les gusta un poco la distopía y que las cosas salgan terriblemente mal. Pero me pregunto si la otra cara de eso es que, en realidad, tienen una visión más optimista que los economistas, quienes están inmersos en el mundo real, donde las cosas salen mal constantemente. ¿Observaste alguna tendencia en uno u otro sentido?

Stuart: Los escritores de ciencia ficción, como dices, son aficionados a las distopías, pero los economistas son en su mayoría pesimistas, al menos los que estaban en la cena; y he interactuado con muchos durante estos talleres. Creo que muchos economistas siguen pensando que hay efectos compensatorios: no es tan sencillo como decir que, si la máquina hace el trabajo X, la persona deja de hacer el trabajo X y, por tanto, queda desempleada. Existen esos efectos compensatorios. Si una máquina hace algo de forma más barata, eficiente y productiva, eso aumenta la riqueza total, lo cual a su vez incrementa la demanda de todos los demás empleos de la economía. Así, se produce una especie de redistribución de la mano de obra desde los sectores que se están automatizando hacia otros que aún no lo están. Pero si se automatiza todo, entonces entra en juego el argumento de los gemelos, ¿no? Sería como crear un gemelo de cada persona que estuviera dispuesto a trabajar gratis. Por eso hay que pensar si existen áreas que no vayamos a automatizar, ya sea porque no queremos o porque los seres humanos son intrínsecamente mejores. Así que esta es una visión optimista, creo, y se podría sostener que Keynes la tenía. Él lo llamó «perfeccionar el arte de vivir». Nos enfrentaremos al problema permanente del ser humano: cómo vivir de forma agradable, sensata y plena. Y quienes cultiven mejor el arte de vivir tendrán mucho más éxito en ese futuro.

Y cultivar el arte de vivir es algo que los seres humanos entienden. Entendemos qué es la vida y podemos ayudarnos mutuamente porque nos parecemos mucho. Tenemos los mismos sistemas nerviosos. Suelo poner el ejemplo de golpearse el pulgar con un martillo. Si alguna vez les ha pasado, saben cómo se siente y pueden empatizar con otra persona a la que le ocurra.

No hace falta tener un doctorado en neurociencia para saber qué se siente al golpearse el pulgar con un martillo; y, si no les ha pasado, bueno, pueden hacerlo. Y ahora sabrán cómo se siente, ¿verdad? Tenemos esta ventaja intrínseca: sabemos cómo se siente que te abandone el amor de tu vida, perder a uno de tus padres, quedar el último de tu clase en la escuela, y así sucesivamente. Así que tenemos una ventaja comparativa adicional frente a las máquinas. Eso significa que los seres humanos probablemente tendrán una ventaja real en esas profesiones, las profesiones interpersonales. De hecho, creo que cada vez más personas se dedicarán a esos ámbitos. Algunas profesiones interpersonales, como la de asesor ejecutivo, están relativamente bien remuneradas porque prestan servicios a personas muy ricas y a empresas. Pero otras, como cuidar niños, están muy mal pagadas, aunque supuestamente nos importan muchísimo nuestros hijos, más que nuestro director ejecutivo. Sin embargo, pagamos a alguien cinco dólares por hora y le dejamos comer todo lo que quiera de la nevera para que cuide de nuestros hijos, mientras que, si nos rompemos una pierna, pagamos a un cirujano ortopédico cinco mil dólares por hora y le dejamos comer todo lo que quiera de la nevera para que nos la arregle. ¿Por qué? Porque él sabe cómo hacerlo, y la niñera en realidad no. Algunas son buenas y otras son absolutamente terribles. Como la niñera que me enseñó —o intentó enseñarnos a mi hermana y a mí— a fumar cuando teníamos siete y nueve años.

Robin: Alguien tiene que hacerlo.

Stuart: ¡Alguien tiene que hacerlo! Para que esta visión del futuro funcione, necesitamos una base científica completamente distinta, orientada hacia las ciencias humanas. ¿Cómo se mejora la vida de otra persona? ¿Cómo se educa a un niño, con su personalidad, sus rasgos, sus características y todo lo demás, para que tenga, como decía Keynes, la capacidad de vivir de forma sensata, agradable y plena? Sabemos muy poco sobre eso. Y llevará mucho tiempo reorientar toda nuestra investigación científica y nuestro sistema educativo para que esta visión sea económicamente viable. Si ese es el destino, tenemos que empezar a prepararnos para el viaje cuanto antes. La idea de estos talleres era imaginar esos posibles destinos y luego determinar qué implicaciones tienen para las políticas actuales.

Kay: Y esos destinos de los que hablamos están en el futuro. Sé que esto puede parecer una predicción a ciegas, pero ¿cuándo podríamos esperar que aparezca la IA de propósito general, para poder prepararnos? Dices que tenemos que prepararnos desde ahora.

Stuart: Creo que es una pregunta muy difícil de responder. Y tampoco es cuestión de todo o nada. El impacto irá aumentando. Cada avance en la IA amplía considerablemente la variedad de tareas que se pueden realizar. Por ejemplo, hemos estado trabajando en coches autónomos; la primera demostración de conducción en autopista fue en 1987. ¿Por qué ha tardado tanto? Principalmente, porque las capacidades perceptivas de los sistemas eran insuficientes, y parte del problema era simplemente el hardware. Se necesita una cantidad enorme de hardware para procesar vídeo de alta resolución y alta frecuencia de fotogramas. Ese problema se ha resuelto en gran medida. Así que, con la percepción visual, ahora se abre toda una gama de posibilidades: no solo coches autónomos, sino también robots que puedan trabajar en la agricultura, robots capaces de seleccionar piezas en los almacenes, etcétera. Solo esa capacidad tiene el potencial de afectar fácilmente a 500 millones de puestos de trabajo. Y, cuando se alcance la comprensión del lenguaje, podrían ser otros 500 millones. Cada uno de estos cambios provoca una gran expansión.

Así que estas cosas ocurrirán. No se puede señalar una fecha exacta para la llegada de la IA de propósito general. No será un solo día: «Ah, hoy ha llegado; ayer no la teníamos». Creo que la mayoría de los expertos dicen que para finales de siglo es muy, muy probable que tengamos IA de propósito general. La mediana se sitúa en torno a 2045, y no falta tanto: quedan menos de 30 años. Yo soy algo más conservador. Creo que el problema es más difícil de lo que pensamos. Pero me gustó lo que dijo John McCarthy, uno de los fundadores de la IA, cuando le hicieron esta pregunta: «Bueno, entre cinco y 500 años». Y creo que harán falta varios Einstein para conseguirlo.

Robin: En el lado positivo, si estas máquinas van a ser tan brillantes, ¿llegará el día en que simplemente digamos: «Acaben con el hambre en el mundo, resuelvan el cambio climático»? Y se ponen manos a la obra; les damos seis meses, o lo que sea, un plazo razonable. Y de repente han resuelto el cambio climático. En una de tus conferencias Reith abordas el tema del cambio climático. De hecho, lo reduces a un aspecto: la acidificación de los océanos. E imaginas una situación en la que una máquina puede solucionar la acidificación de los océanos causada por el cambio climático. Pero hay un gran «pero». ¿Puedes explicarnos cuál es el problema cuando ponemos a la IA a realizar una tarea específica?

Stuart: Hay una gran diferencia entre pedirle algo a una persona y establecerlo como objetivo para un sistema de IA. Cuando le pides a alguien que te traiga una taza de café, no quieres decir que esa sea la misión de su vida y que nada más en el universo importe, aunque para conseguirte el café antes de que cierre tenga que matar a todos los demás en Starbucks. No es eso lo que quieres decir. Y, por supuesto, también deben tener en cuenta en su comportamiento todas las demás cosas que nos importan a todos.

El problema de cómo construimos los sistemas de IA hoy es que les damos un objetivo fijo. Los algoritmos nos exigen especificar todos los elementos del objetivo. Y si dices: «¿Podemos solucionar la acidificación de los océanos?», sí, se podría provocar una reacción catalítica que lo hiciera con gran eficiencia, pero que consumiera una cuarta parte del oxígeno de la atmósfera, lo cual, por lo visto, nos llevaría a morir lentamente y de forma desagradable a lo largo de varias horas. ¿Cómo evitamos este problema? Se podría decir: «De acuerdo, pues tengamos más cuidado al especificar el objetivo. No olvidemos el oxígeno atmosférico». Y entonces, por supuesto, podría producirse un efecto secundario de la reacción en el océano que envenenara a todos los peces. De acuerdo, pues también quería decir que no matara a los peces. ¿Y qué pasa con las algas marinas? De acuerdo, que no haga nada que provoque la muerte de todas las algas, y así sucesivamente. ¿Verdad? La razón por la que no tenemos que hacerlo con los seres humanos es que a menudo saben que desconocen todas las cosas que nos importan. Por eso es probable que vuelvan a preguntarnos. Si le pides a una persona que te traiga una taza de café y resulta que estás en el hotel George V de París, donde creo que el café cuesta 13 euros la taza, es totalmente razonable que vuelva y te diga: «Bueno, cuesta 13 euros. ¿Seguro? O puedo ir al local de al lado y traer uno mucho más barato», ¿no? Eso se debe a que quizá no conozca tu sensibilidad al precio del café. No sabe si quieres gastarte tanto. Y lo normal es que una persona pregunte. «Voy a volver a pintar tu casa. ¿Está bien si quito los bajantes y luego los vuelvo a poner?» No nos parece una capacidad demasiado sofisticada, pero los sistemas de IA no la tienen porque, tal como los construimos hoy, deben conocer el objetivo completo.

En mi libro Human Compatible, que mencionó Kay, la idea principal es que, si construimos sistemas que saben que desconocen cuál es el objetivo, empiezan a mostrar comportamientos como pedir permiso antes de eliminar todo el oxígeno de la atmósfera. Lo hacen porque eso supondría un cambio en el mundo, y el algoritmo quizá no sepa si lo preferimos o no. Por eso tiene un incentivo para preguntar: quiere evitar hacer algo que no se prefiera. Así se consigue un comportamiento mucho más sólido y controlable. Y, en el caso extremo, si queremos apagar la máquina, esta querrá que la apaguen porque quiere evitar hacer lo que sea que nos esté molestando. Quiere evitarlo. No sabe qué está haciendo que nos moleste, pero quiere evitarlo. Así que querrá que la apaguemos si eso es lo que queremos. En todos estos sentidos, el control del sistema de IA surge de la incertidumbre de la máquina sobre cuál es el verdadero objetivo. Cuando se construyen máquinas convencidas de que conocen el objetivo, es cuando se obtiene un comportamiento psicopático, y creo que vemos lo mismo en los seres humanos.

Kay: ¿Y eso serviría también para los algoritmos básicos de los que hablábamos, los que nos están llevando por el camino de la radicalización? ¿O solo se aplica a la IA de propósito general?

Stuart: No, se aplica en todas partes. De hecho, hemos estado construyendo algoritmos diseñados según estos principios. Se puede plantear como un problema matemático formal. Lo llamamos «juego de asistencia»; «juego» en el sentido de la teoría de juegos, es decir, problemas de decisión en los que participa más de una entidad. Así, la máquina y el ser humano quedan vinculados por la incertidumbre sobre el objetivo humano. Es posible resolver esos juegos de asistencia. Se pueden derivar matemáticamente algoritmos que encuentran una solución, y al examinarla uno piensa: «Vaya, sí, pidió permiso»; o bien la parte humana de la solución quiere enseñar a la máquina porque quiere asegurarse de que esta comprenda las preferencias humanas para que evite cometer errores.

En las redes sociales, este probablemente sea el problema más difícil, porque no se trata solo de que hagan cosas que no nos gustan: en realidad, están cambiando nuestras preferencias. Y eso es una especie de modo de fallo de cualquier sistema de IA que intente satisfacer las preferencias humanas, algo que parece muy razonable. Una forma de satisfacerlas consiste en cambiarlas para que ya estén satisfechas. Creo que los políticos hacen esto bastante bien. Y no queremos que los sistemas de IA lo hagan. Pero es un problema endiablado, porque no es que todos los usuarios de las redes sociales se odien a sí mismos, ¿verdad? No es así. No están sentados diciendo: «¿Cómo te atreves a convertirme en este neofascista furibundo?». Creen que su nuevo neofascismo es lo correcto y que antes estaban engañados. Así que esto nos lleva a algunos de los problemas más difíciles de la filosofía moral actual. ¿Cómo se actúa en nombre de alguien cuyas preferencias cambian con el tiempo? ¿Actuamos en nombre de la persona actual o de la futura? ¿De cuál? No hay una buena respuesta a esa pregunta. Y creo que eso pone de manifiesto lagunas en nuestra comprensión de la filosofía moral. En ese sentido, lo que está ocurriendo en las redes sociales es muy difícil de desentrañar.

Pero creo que una de las cosas que recomendaría es simplemente un cambio de mentalidad en las plataformas de redes sociales. En vez de pensar: «De acuerdo, ¿cómo generamos ingresos?», que piensen: «¿Qué les importa a nuestros usuarios? ¿Cómo quieren que sea el futuro? ¿Cómo quieren ser ellos mismos?». Y si no lo sabemos —y creo que la respuesta es que no lo sabemos—, quiero decir, tenemos miles de millones de usuarios. Todos son distintos. Todos tienen preferencias diferentes. No sabemos cuáles son: pensemos en formas de crear sistemas que, al principio, tengan mucha incertidumbre sobre las verdaderas preferencias del usuario e intenten aprender más sobre ellas, respetándolas al mismo tiempo. Lo más difícil es que no se puede decir: «No toques las preferencias del usuario; bajo ninguna circunstancia puedes cambiarlas», porque basta con leer el Financial Times para que cambien. Uno está mejor informado. Conoce todo tipo de puntos de vista y luego se convierte en una persona distinta. Y queremos que las personas cambien con el tiempo. No queremos seguir siendo bebés recién nacidos para siempre. Pero no tenemos una buena manera de decir: «Este proceso de transformar a una persona en otra es bueno». Consideramos buena la educación universitaria o viajar por el mundo. Por lo general, esas experiencias hacen mejores a las personas, mientras que el lavado de cerebro es malo, y también es malo lo que las sectas hacen a las personas, y así sucesivamente. Pero lo que ocurre en las redes sociales está justo en el punto en que no sabemos responder a estas preguntas. Así que realmente necesitamos la ayuda de filósofos morales y otros pensadores.

Robin: Antes citaste a Keynes, que decía que, cuando las máquinas hicieran todo el trabajo por nosotros, los seres humanos podrían cultivar ese arte y vivir la vida más plena posible en una era de abundancia. Pero, claro, escribió eso antes de que todo el mundo se pasara el tiempo libre deslizando el dedo por las redes sociales.

Stuart: Hay un relato interesante que escribió E.M. Forster. Forster solía escribir novelas sobre la sociedad de la clase alta británica y la decadencia de la moral victoriana. Pero en 1909 escribió un relato de ciencia ficción llamado The Machine Stops, que recomiendo mucho. En él, todo el mundo depende por completo de las máquinas. Usan el correo electrónico y sufren por los mensajes acumulados. Hacen muchas videoconferencias o reuniones por Zoom. Tienen iPads.

Robin: ¿Cómo pudo E.M. Forster escribir sobre los iPads?

Stuart: Exactamente. Lo llamó «disco de vídeo», pero, ya sabes, es exactamente un iPad. Y entonces la gente se vuelve obesa por no hacer ejercicio, porque está todo el tiempo pegada al correo electrónico en sus pantallas. El relato trata, en realidad, de que, si delegas la gestión de tu civilización en las máquinas, pierdes el incentivo para entenderla tú mismo o enseñar a la siguiente generación a entenderla.

Y también se podría ver Wall-E como una versión moderna de The Machine Stops, en la que las máquinas debilitan y vuelven infantiles a todas las personas porque perdimos el incentivo para comprender y gestionar nuestra propia civilización. Y hasta ahora eso no ha sido posible, ¿verdad? Hemos plasmado gran parte de nuestra civilización en libros, pero los libros no pueden gestionarla por nosotros. Por eso siempre tenemos que enseñar a la siguiente generación. Y, si hacen las cuentas, se trata de alrededor de un billón de años-persona de enseñanza y aprendizaje en una cadena ininterrumpida que se remonta a decenas de miles de generaciones. ¿Qué pasa si esa cadena se rompe? Creo que de eso trata el relato. Y es algo que debemos comprender por nosotros mismos a medida que avance la IA.

Robin: Sin embargo, desde una perspectiva optimista, las generaciones actuales tienen al alcance de la mano conocimientos y sabiduría que simplemente no teníamos hace 30 años. Si quiero leer la poesía de William Shakespeare, no tengo que ir a la biblioteca ni a una librería: la tengo justo delante. O puedo escuchar sinfonías o aprender a tocar el piano. Envidio a quienes tienen 30 años menos que yo, porque tienen acceso a todos esos conocimientos, si deciden no convertirse en Wall-E.

Stuart: Nunca han oído hablar de William Shakespeare ni de Mozart. Pueden decirte los nombres de todos los personajes de todos los videojuegos. Pero, ya sabes, creo que esto nos remite a la conversación que tuvimos antes sobre cómo debemos pensar en nuestro sistema educativo. Aunque uno comparta la visión de Keynes, su visión optimista del futuro no incluía una economía basada en servicios interpersonales, sino simplemente personas que vivieran felices y quizá muchas interacciones voluntarias y una especie de sistema no económico. Pero aun así pensaba que necesitaríamos entender cómo educar a las personas para que vivieran con éxito una vida así. Y nuestro sistema actual no lo hace; no está pensado para eso. En realidad, educa a las personas para que desempeñen distintos tipos de funciones económicas, concebidas, según sostienen algunos, para la administración pública británica de finales de la época victoriana. ¿Y cómo se hace eso? No tenemos mucha experiencia al respecto, así que tenemos que aprender.

Kay: Has hablado un poco de lo que debemos hacer para controlar la inteligencia de propósito general. Y hemos hablado de cómo se aplica hoy a las redes sociales. Asimov formuló tres principios de la robótica, y creo que tú tienes tres principios propios que esperas —y estás poniendo a prueba— que sirvan para garantizar que toda la IA dé prioridad a los seres humanos.

Robin: Stuart, antes de que respondas, ¿podría recordarles a los oyentes cuáles son las tres leyes? Acabo de consultar mi IA —la Wikipedia— para averiguarlo. Son del escritor de ciencia ficción Isaac Asimov. La primera ley: un robot no puede hacer daño a un ser humano ni, por inacción, permitir que un ser humano sufra daño. La segunda ley: un robot debe obedecer las órdenes que le den los seres humanos, salvo cuando esas órdenes entren en conflicto con la primera ley. La tercera ley dice: un robot debe proteger su propia existencia mientras dicha protección no entre en conflicto con la primera o la segunda ley. Entonces, Stuart, ¿qué has propuesto en esa línea?

Stuart: Tengo tres principios, en cierto modo como homenaje a Asimov. Pero, en sus relatos, las reglas de Asimov son leyes que, de alguna manera, los algoritmos de los robots consultan constantemente para decidir qué hacer. Yo concibo los tres principios que presento en el libro como guías para los investigadores de IA sobre cómo plantear el problema matemático cuya solución es su algoritmo.

Así que los tres principios son los siguientes: el primero es que el único objetivo de todas las máquinas es satisfacer las preferencias humanas. «Preferencias» es, en realidad, un término de la economía. No se refiere solo a qué tipo de pizza te gusta o por quién votaste. Se refiere a cómo ordenas todos los futuros posibles en función de todo lo que importa. Es algo muy, muy amplio, complejo y abstracto, y nunca podrías explicitar la mayor parte, ni siquiera si lo intentaras; además, hay cosas que literalmente no sabes. Porque no sé si me gustará la fruta durian si la pruebo. A algunas personas les encanta y a otras les resulta absolutamente repugnante. No sé a qué grupo pertenezco, así que literalmente no puedo decirte si me gusta el futuro en el que como durian todos los días. Ese es el primer principio, ¿no? Queremos que las máquinas satisfagan las preferencias humanas.

El segundo principio es que la máquina no sabe cuáles son esas preferencias. Así que parte de una incertidumbre inicial sobre las preferencias humanas. Ya hemos hablado de que esta clase de humildad es lo que nos permite conservar el control. En cierto sentido, hace que las máquinas se subordinen a los seres humanos.

El tercer principio fundamenta lo que entendemos por preferencias en los dos primeros principios y afirma que el comportamiento humano es la fuente de evidencia sobre las preferencias humanas. Se puede explicar un poco más. Básicamente, el modelo plantea que los seres humanos tienen estas preferencias sobre el futuro y que son esas preferencias las que nos llevan a tomar las decisiones que tomamos. El comportamiento abarca todo lo que hacemos y todo lo que no hacemos: hablar, callar, sentarse, leer el correo mientras se ve esta conferencia o entrevista, etc. Cuando convertimos esos principios en un problema matemático, eso es lo que llamamos el «juego de asistencia».

Así que hay diferencias significativas con respecto a Asimov. Creo que algunos aspectos de sus principios están reflejados, porque la idea de no permitir que un ser humano sufra daño podría traducirse, en mi opinión, como «satisfacer las preferencias humanas». El daño es, en cierto modo, lo contrario de las preferencias. Pero el lenguaje de los principios de Asimov refleja una mentalidad bastante común hasta los años cincuenta y sesenta: que la incertidumbre no importaba demasiado. Así que se podía decir algo como: «garantiza que no haya daño», ¿no? Pero piénsalo: un coche autónomo que siguiera la primera ley de Asimov nunca saldría del garaje, porque no hay manera de garantizar la seguridad en la autopista; sencillamente no se puede, ya que otra persona siempre podría rozarte y aplastarte. Por eso hay que tener en cuenta la incertidumbre sobre el mundo y sobre cómo se comportarán los demás agentes, así como el hecho de que nuestros propios sentidos no nos proporcionan información completa y correcta sobre el estado del mundo. Hay incertidumbre por todas partes. Por ejemplo, ¿dónde está mi coche? No puedo verlo. Estoy sentado en casa; está por ahí, en algún sitio, pero no estoy seguro de que siga allí. Quizá alguien lo haya robado mientras manteníamos esta conversación. Hay incertidumbre sobre casi todo en el mundo, y hay que tenerla en cuenta al tomar decisiones.

La tercera ley dice que el robot debe preservar su propia existencia siempre que eso no entre en conflicto con las dos primeras leyes. En el nuevo marco, eso es completamente innecesario, porque si el robot es útil para los seres humanos —es decir, si contribuye de alguna manera a ayudarnos a satisfacer nuestras preferencias—, esa es la razón para que siga existiendo. De lo contrario, no hay ninguna. Si nos resulta completamente inútil o su existencia continuada nos perjudica, entonces debería eliminarse sin más.

Y si has visto la película Interstellar, que desde el punto de vista de la IA es una de las representaciones más precisas y razonables de cómo debería funcionar la IA con nosotros, uno de los robots, TARS, se suicida porque, creo, su masa está causando algún problema con el agujero negro, y dice: «De acuerdo, me dirijo al agujero negro para que los humanos puedan escapar». Lo acepta plenamente, mientras que los humanos están muy alterados y dicen: «No, no, no». Y es porque probablemente crecieron leyendo a Asimov. Deberían darse cuenta de que, en realidad, esto es perfectamente razonable.

Kay: Espero mucho que, al venir a hacer este pódcast con nosotros, quienes nos escuchan terminen sabiendo mucho más sobre inteligencia artificial, porque en los medios vemos tantas cosas incorrectas sobre la IA, etc. Además, acabas de impartir las prestigiosas Conferencias Reith de la BBC y llegas a muchas personas con tu trabajo. Sé que es difícil, pero ¿qué idea fundamental quieres que se lleven nuestros oyentes sobre la inteligencia artificial?

Stuart: Como sabemos por los memorandos empresariales, siempre hay tres puntos que me gustaría transmitir. El primero es que la IA es una tecnología. No es intrínsecamente buena ni mala. Esa decisión depende de nosotros, ¿no? Podemos usarla bien o hacer un mal uso de ella. Los sistemas de IA mal diseñados entrañan riesgos, sobre todo los que persiguen objetivos especificados de forma incorrecta.

De hecho, creo que durante demasiado tiempo les hemos dado carta blanca a los algoritmos en general, no solo a los sistemas de IA. Si echamos la vista atrás, hubo una época en la que dimos carta blanca a los productos farmacéuticos: no existía la FDA ni otro organismo que regulara los medicamentos, y cientos de miles de personas murieron o sufrieron daños por medicamentos mal formulados, falsos, y todo lo demás. Finalmente, a lo largo de aproximadamente un siglo, desarrollamos un sistema regulatorio para los medicamentos. Es costoso, pero la mayoría considera positivo que exista. Estamos muy lejos de tener algo parecido para los algoritmos, aunque quizá estos tengan un efecto enorme en miles de millones de personas en el mundo, incluso mayor que el de los medicamentos. No creo que sea razonable suponer que ese efecto vaya a ser necesariamente positivo. Y creo que los gobiernos están empezando a darse cuenta y se esfuerzan por encontrar la manera de regular sin causar problemas con normas demasiado restrictivas.

El segundo punto: sé que hemos hablado bastante de desenlaces distópicos, pero el potencial positivo de la IA es enorme, ¿no? Y, volviendo a Keynes, sí: realmente podría permitirnos vivir con sensatez, cordialidad y bienestar, libres de la lucha por la existencia que ha caracterizado toda la historia de la humanidad.

Hasta ahora no hemos tenido elección. Tenemos que levantarnos de la cama o moriremos de hambre. En el futuro tendremos elección. Espero que no optemos simplemente por quedarnos en la cama, sino que tengamos otros motivos para levantarnos y así podamos llevar vidas plenas, interesantes y satisfactorias. Keynes reflexionó sobre esa posibilidad, la predijo y la esperaba con ilusión, pero no va a ocurrir automáticamente. Hay todo tipo de desenlaces distópicos, incluso cuando llegue esta edad de oro.

Y el tercer punto es que, diga lo que diga el cine, que las máquinas se vuelvan conscientes, decidan que odian a los seres humanos y quieran matarnos no es algo que vaya a ocurrir.

Desplázate hacia abajo para leer la transcripción completa del pódcast.

Stuart Russell, profesor de Informática en la Universidad de California en Berkeley, es uno de los expertos en inteligencia artificial más respetados del mundo. Explica qué es la IA, cuándo podríamos esperar que las máquinas superen a los seres humanos en todas las actividades y por qué eso significa que debemos replantearnos cómo diseñamos y usamos los algoritmos, y plantearnos las preguntas más profundas sobre nuestra condición humana.

Copresentado por Kay Firth-Butterfield, directora de Inteligencia Artificial y Aprendizaje Automático del Centro para la Cuarta Revolución Industrial del Foro Económico Mundial.


Leer más:

https://www.weforum.org/agenda/2022/01/artificial-intelligence-stuart-russell-radio-davos

Suscríbete en cualquier plataforma: https://pod.link/1504682164

Únete al Club de Pódcast del Foro Económico Mundial

¿Te ha gustado? Prueba estos:

Licencia y republicación
Los artículos del Foro Económico Mundial pueden volver a publicarse de acuerdo con la Licencia Pública Internacional Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0, y de acuerdo con nuestras condiciones de uso. Las opiniones expresadas en este artículo son las del autor y no del Foro Económico Mundial.