Las citas han sido ligeramente editadas para mayor brevedad y claridad.
¿Cumplirá la IA su promesa de beneficiar a la humanidad? ¿Qué podría impedir que la cumpla?
El historiador y economista Carl-Benedikt Frey habló con el Foro sobre el ritmo del cambio, sobre cómo la «era de la escalabilidad» de la IA está llegando a su fin y sobre lo que los historiadores del futuro podrían decir de este periodo.
El pódcast del Foro Radio Davos analiza algunos de los mayores problemas del mundo y cómo podrían resolverse.
La IA promete abrir una nueva era de progreso, pero ¿cómo y cuándo ocurrirá?
Para el historiador y economista Carl-Benedikt Frey, catedrático Dieter Schwarz de IA y Trabajo en la Universidad de Oxford, las respuestas van más allá de la propia tecnología. La innovación y las instituciones serán fundamentales para que la IA cumpla su potencial.
En su conversación con el Foro, esto es lo que dijo sobre el ritmo del cambio, por qué nos acercamos al final de la «era de la escalabilidad» y cómo podrían los historiadores del futuro mirar atrás al periodo que estamos viviendo.
Las respuestas han sido editadas para mayor claridad.
¿Qué ocurre cuando el cambio tecnológico supera la capacidad de adaptación institucional? ¿Estamos viendo señales tempranas de eso con la IA?
La tecnología no lo es todo. Las instituciones y los incentivos también importan. En el ámbito académico, por ejemplo, el incentivo es ‘publicar o perecer’. Así, los académicos tienden a llevar varios proyectos a la vez. Con una nueva y potente herramienta de productividad, se puede hacer más cosas o usarla para profundizar más. Y las evidencias muestran que hemos optado por hacer más cosas. Eso significa que nuestra atención se reparte más diluida entre más proyectos, y es menos probable que traspasemos los límites y logremos un avance en un ámbito concreto. Necesitamos resolver los desafíos institucionales para materializar el potencial de productividad de la IA.
Cuando los historiadores del futuro miren hacia el periodo en el que nos encontramos ahora, ¿qué podrían decir?
Lo que hemos visto en la IA durante la última década es una era de escalabilidad, que consiste en ampliar los enfoques existentes con más datos y más capacidad de cómputo. Ese paradigma llega gradualmente a su fin, y necesitamos nuevas ideas para impulsar la IA. Tomemos, por ejemplo, el juego del [juego de mesa] Go. La mayoría de la gente sabe que [el programa de IA de Google DeepMind] AlphaGo derrotó al campeón del mundo en 2016. Lo que pocos saben es que aficionados humanos, usando ordenadores estándar, vencieron después a los mejores programas de Go exponiéndolos a posiciones que no habrían encontrado durante el entrenamiento. Eso nos dice que, incluso cuando las máquinas alcanzan un rendimiento sobrehumano, no podemos estar seguros de lo bien que funcionan esos algoritmos cuando cambian las circunstancias. Y el mundo cambia constantemente. Por tanto, lo que necesitaremos en el futuro es una IA más resiliente, mejor capaz de generalizar a circunstancias nuevas y situaciones no vistas. Y eso requerirá más innovación e investigación.
Entonces, ¿necesitamos pasar de la era de la escalabilidad a una de inventiva?
Lo que necesitamos es un nuevo paradigma de investigación, porque necesitamos nuevas ideas. Dista mucho de estar claro que el futuro de la IA sean los grandes modelos de lenguaje. Podrían ser modelos de lenguaje pequeños, IA simbólica o una fusión entre modelos de lenguaje grandes e IA simbólica. Podría ser algo distinto. Y para explorar esas trayectorias, necesitamos un nuevo paradigma de investigación y una mayor descentralización.
¿Qué podría significar esto para los distintos países y regiones del mundo?
Vivimos en un mundo cada vez más fragmentado. Es un cambio importante. Si nos remontamos al periodo de posguerra, el crecimiento en todo el mundo dependía en gran medida de la tecnología estadounidense. Estados Unidos exportó básicamente el sistema de producción en masa al mundo y, en gran parte, a través del Plan Marshall para ayudar a Europa, por ejemplo. Hoy estamos en una situación muy distinta, porque Estados Unidos muestra mucho menos interés en una tecnología de libre circulación. Y si Europa no puede contar con EE. UU. como socio, tendrá que desarrollar su propia tecnología. Creo que eso lo veremos en muchos lugares del mundo que solían depender del crecimiento por recuperación, adoptando tecnología inventada en otra parte. Ahora tendrán que avanzar hacia un modelo más impulsado por la innovación.
Cómo ayuda el Foro a los líderes a comprender la IA y a colaborar en una innovación responsable
El Centro para la Excelencia en IA conecta a líderes de todos los sectores para comprender la rápida evolución de la inteligencia artificial y sus implicaciones para las economías y las sociedades. Favorece un diálogo informado sobre las oportunidades, los riesgos y las contrapartidas vinculados a la adopción de la IA.
A través de espacios de confianza e iniciativas de colaboración, el Centro permite a sus socios generar una comprensión compartida y trabajar juntos en enfoques responsables para la innovación y el uso de la IA.
¿Cuánto tiempo necesitan las sociedades para corregir el rumbo una vez que la trayectoria de una nueva tecnología se ha vuelto clara?
Si nos remontamos a la primera Revolución Industrial, pasaron décadas hasta que los beneficios del sistema fabril llegaron a la población en general. Por supuesto, Gran Bretaña no era una democracia en aquella época, ni mucho menos. Hoy, en las sociedades que cuentan con instituciones democráticas, existen más mecanismos de autocorrección. Lo vimos en EE. UU. durante la Edad Dorada [finales de la década de 1870 y principios de la de 1900], cuando la opinión pública se movilizó contra los crecientes monopolios tecnológicos y la corrupción política sistémica se hizo evidente, lo que condujo a la Ley Pendleton y a un servicio civil basado en el mérito. Ese servicio civil meritocrático terminó después regulando los monopolios estadounidenses mediante la Ley Sherman Antimonopolio, por ejemplo. Esto se desarrolló a lo largo de varias décadas; así de largo puede ser, a menudo, el tiempo necesario para que tal corrección se produzca. Solo espero que en el caso de la IA ocurra mucho más rápido.
¿Y qué pasa con las economías emergentes que pueden estar compitiendo por ponerse al día en el despliegue de la tecnología? ¿Cuál es la estrategia adecuada para ellas?
En realidad, soy más optimista respecto a las economías en desarrollo y emergentes, porque creo que la IA, en su forma actual, reduce las barreras de entrada en el trabajo intelectual. Es un poco como la introducción de la tecnología GPS en los servicios de taxi: saber el nombre de cada calle de la ciudad de Nueva York o de Pekín ya no era una habilidad tan valiosa. Nuevas empresas podían entrar con plataformas digitales que casaban oferta y demanda. Lo que también estamos viendo es que la IA está reduciendo el peso de las barreras lingüísticas. Históricamente, la mayor parte del comercio y de los servicios se ha limitado a países angloparlantes. Pero con la traducción automática, más países pueden participar en el comercio de servicios. Así que creo que existe una oportunidad real para que las economías emergentes persigan un crecimiento impulsado por los servicios. Eso no significa que se pongan al día automáticamente, pero creo que abre una nueva oportunidad para que los países de bajos ingresos lo hagan.
¿Qué tipo de flexibilidad institucional requeriría eso? ¿Modelos descentralizados?
No sería necesariamente preciso estar en la frontera tecnológica para lograrlo. Es similar a lo que hemos visto en la manufactura: la industria del automóvil surgió en Detroit, se extendió por ubicaciones del oeste y, finalmente, se trasladó a regiones con costes laborales más bajos, como China. Esa migración sacó de la pobreza a 800 millones de personas, y ahora podríamos ver cómo la IA desencadena un cambio similar en el sector servicios.
Por último, ¿cuál es su opinión sobre el uso de energía de la IA?
Si nos remontamos a la primera Revolución Industrial y al desarrollo de la máquina de vapor, la razón por la que la asociamos con James Watt es que fue el primero en hacerla energéticamente eficiente. La IA todavía está esperando ese momento. Y como hemos visto entradas de capital tan fuertes en la infraestructura de IA, hemos podido sostener la escalabilidad. Los modelos futuros tendrán que parecerse más a los humanos: más eficientes en energía y en datos, capaces de aprender a partir de solo unos pocos ejemplos. Así que, si el capital que fluye al sector de la IA se ralentiza, es probable que empuje a las empresas a centrarse más en la eficiencia de datos y cómputo y en una IA de ahorro energético, haciendo que, en última instancia, la energía sea menos un cuello de botella que en el paradigma de escalabilidad actual.
