¿Deberíamos temer a la inteligencia artificial? Para mí, es una pregunta sencilla con una respuesta aún más simple de dos letras: no. Pero no todo el mundo está de acuerdo; muchas personas, entre ellas el difunto físico Stephen Hawking, han expresado su preocupación de que el auge de sistemas de IA potentes pudiera suponer el fin de la humanidad.
Está claro que tu opinión sobre si la IA llegará a dominar el mundo dependerá de si crees que puede desarrollar un comportamiento inteligente que supere al de los humanos, algo que se conoce como “superinteligencia”. Veamos, pues, qué probabilidades hay de que esto ocurra y por qué existe tanta preocupación por el futuro de la IA.
Los seres humanos tienden a temer lo que no comprenden. A menudo se atribuye al miedo el racismo, la homofobia y otras fuentes de discriminación. Así que no es de extrañar que también afecte a las nuevas tecnologías, que suelen estar rodeadas de cierto misterio. Algunos logros tecnológicos parecen casi irreales, superan con creces las expectativas y, en algunos casos, el rendimiento humano.
No hay fantasmas en la máquina
Pero desmitifiquemos las técnicas de IA más populares, conocidas colectivamente como “aprendizaje automático”. Estas permiten que una máquina aprenda una tarea sin que se le programen instrucciones explícitas. Puede sonar inquietante, pero en realidad todo se reduce a una estadística bastante corriente.
La máquina, que es un programa o, más concretamente, un algoritmo, está diseñada con la capacidad de descubrir relaciones dentro de los datos proporcionados. Existen muchos métodos diferentes que nos permiten lograrlo. Por ejemplo, podemos presentar a la máquina imágenes de letras manuscritas (de la a a la z), una a una, y pedirle que nos diga qué letra le mostramos cada vez, en secuencia. Ya le hemos proporcionado las posibles respuestas: solo puede ser una de (a-z). Al principio, la máquina dice una letra al azar y nosotros la corregimos proporcionándole la respuesta correcta. También hemos programado la máquina para que se reconfigure, de modo que la próxima vez, si se le presenta la misma letra, sea más probable que dé la respuesta correcta a la siguiente. Como consecuencia, la máquina mejora su rendimiento con el tiempo y “aprende” a reconocer el alfabeto.
En esencia, hemos programado la máquina para explotar relaciones comunes en los datos con el fin de realizar la tarea específica. Por ejemplo, todas las versiones de la “a” tienen una estructura similar, pero distinta a la “b”, y el algoritmo puede aprovechar esto. Curiosamente, tras la fase de entrenamiento, la máquina puede aplicar los conocimientos adquiridos a nuevas muestras de letras, por ejemplo escritas por una persona cuya letra la máquina nunca ha visto antes.
Los humanos, en cambio, somos buenos leyendo. Quizá un ejemplo más interesante sea el jugador de Go artificial de Google DeepMind, que ha superado a todos los jugadores humanos en su desempeño en el juego. Aprende claramente de una forma distinta a la de los humanos: juega consigo mismo un número de partidas que ningún humano podría jugar en toda su vida. Se le ha instruido específicamente para ganar y se le ha dicho que las acciones que realiza determinan si gana o no. También se le han enseñado las reglas del juego. Al jugar una y otra vez, puede descubrir en cada situación cuál es la mejor acción, inventando jugadas que ningún humano ha realizado antes.
Niños pequeños frente a robots
Entonces, ¿hace eso que el jugador de Go de IA sea más inteligente que un humano? Ni mucho menos. La IA está muy especializada en determinados tipos de tareas y no muestra la versatilidad que sí tienen los humanos. Los humanos desarrollan a lo largo de los años una comprensión del mundo que ninguna IA ha logrado ni parece probable que logre en un futuro próximo.
El hecho de que se califique a la IA de “inteligente” se debe, en última instancia, a que puede aprender. Pero, incluso en lo que respecta al aprendizaje, no puede competir con los humanos. De hecho, los niños pequeños pueden aprender simplemente observando cómo alguien resuelve un problema una sola vez. Una IA, en cambio, necesita toneladas de datos y multitud de intentos para tener éxito. Pero mientras que los humanos desarrollan una inteligencia asombrosa de forma rápida en los primeros años de vida, los conceptos clave detrás del aprendizaje automático no son tan distintos de los que existían hace una o dos décadas.
El éxito de la IA moderna se debe menos a un avance en nuevas técnicas y más a la enorme cantidad de datos y de potencia computacional disponible. Sin embargo, es importante señalar que ni siquiera una cantidad infinita de datos dotará a la IA de una inteligencia similar a la humana: primero necesitamos avanzar de forma significativa en el desarrollo de “inteligencia artificial general” mediante nuevas técnicas. Algunos enfoques para lograrlo consisten en construir un modelo informático del cerebro humano, algo que ni de lejos estamos cerca de conseguir.
En definitiva, que una IA pueda aprender no implica necesariamente que vaya a adquirir de repente todos los aspectos de la inteligencia humana y a superarnos. No existe una definición sencilla de qué es la inteligencia humana y, desde luego, tenemos poca idea de cómo se representa exactamente en el cerebro. Pero incluso si pudiéramos descifrarlo y luego crear una IA capaz de aprender a ser más inteligente, eso no significa necesariamente que tuviera más éxito.
Personalmente, me preocupa más cómo usan los humanos la IA. Los algoritmos de aprendizaje automático suelen considerarse cajas negras, y se hace menos esfuerzo por precisar los detalles de la solución que nuestros algoritmos han encontrado. Este es un aspecto importante y a menudo descuidado, ya que solemos obsesionarnos con el rendimiento y prestar menos atención a la comprensión. Entender las soluciones que estos sistemas han descubierto es importante, porque así también podemos evaluar si son soluciones correctas o deseables.
Si, por ejemplo, entrenamos nuestro sistema de forma errónea, también podríamos acabar con una máquina que ha aprendido relaciones que no se cumplen en general. Supongamos, por ejemplo, que queremos diseñar una máquina para evaluar la capacidad de los posibles estudiantes de ingeniería. Probablemente sea una idea pésima, pero sigámosla hasta el final por el bien del argumento. Tradicionalmente, se trata de una disciplina dominada por hombres, lo que significa que es probable que las muestras de entrenamiento procedan de antiguos estudiantes varones. Si no nos aseguramos, por ejemplo, de que los datos de entrenamiento estén equilibrados, la máquina podría concluir que los estudiantes de ingeniería son hombres y llegar a esa conclusión de forma errónea aplicarla a decisiones futuras.
El aprendizaje automático y la inteligencia artificial son herramientas. Pueden utilizarse de forma correcta o incorrecta, como cualquier otra cosa. Lo que debería preocuparnos es la forma en que se utilizan, no los métodos en sí. La avaricia humana y la falta de inteligencia humana me asustan mucho más que la inteligencia artificial.
