CASI A LOS 70 AÑOS,

LA IA ALCANZA LA MAYORÍA DE EDAD

Incluso en la antigüedad imaginábamos máquinas trascendentes

con forma humana; hoy el sueño está aquí. Por Briana Brownell.

Cada día hay un nuevo titular a cerca de la inteligencia artificial (IA) que nos sorprende.
Aprueban exámenes de ingreso universitario, ganan concursos de arte o declaran su amor
eterno. Pero para Adrienne Mayor, historiadora de la ciencia antigua y autora de Dioses
y Robots,1 nuestra actual fascinación por la inteligencia artificial es parte de un impulso
humano que lleva varios milenios para ser mejores, más inteligentes, más rápidos y más
fuertes. "Las tecnologías de mejora humana se remontan a la antigüedad", le dice a TIME.
Hemos llegado a depender de gafas, audífonos y extremidades artificiales, pero cuando
la IA esté plenamente desarrollada, superará drásticamente los límites humanos actuales,
permitiéndonos trascenderlos por completo. La nueva gama de herramientas de IA
generativa ya promete hacer que cada ser humano sea más productivo, capaz de aprender
más rápido y comunicarse mejor; tal vez incluso sea un poco más creativo. Pero lo mejor
está por venir.
En su historia de la IA de 1979, Máquinas que Piensan,2 Pamela McCorduck llama a la
IA "ese esfuerzo audaz de duplicar en un artefacto lo que los humanos consideramos
nuestra propiedad más importante, nuestra identificación, nuestra inteligencia". Es lo que
hace que nosotros seamos nosotros. Su línea temporal de la IA comienza en el siglo VI
a. C. con la Ilíada de Homero, cuyas mujeres doradas eran autómatas, básicamente robots,
bendecidas con el conocimiento de los dioses. La mayoría de los aspectos de esa
humanidad de nuestra inteligencia (que abarcan matemáticas, ciencia, lenguaje, estrategia
y más) han sido explorados por la investigación de IA. Para asombro de la gente, las
máquinas podrían replicar muchas de las facetas más fundamentales del ser humano.
En su forma moderna, IA comenzó su trayectoria a mediados del siglo XX,
probablemente durante las vacaciones de Navidad de 1955. Fue entonces cuando Herbert
A. Simon, padre fundador de este campo (y eventualmente premio Nobel de Economía),
en colaboración con su socio, el científico informático Allen Newell,3 pidió a su "máquina
pensante" que demostrara teoremas de Principia Mathematica, la base de matemáticas.
Lo logró, incluso encontrando pruebas más elegantes que las que habían obtenido Alfred
North Whitehead y Bertrand Russell, los autores del libro.4 Edward Feigenbaum, un
informático que en ese momento era alumno de Simon, recuerda el anuncio. Cuando
Simon envió su informe a los autores, Russell quedó encantado. "Estoy bastante dispuesto
a creer que todo en la lógica deductiva [sacar conclusiones de declaraciones dadas] puede
ser hecho por una máquina", respondió.

1
MAYOR A. (2018) Gods and Robots. The Ancient Quest for Artificial Life, New Jersey: Princeton University
Press.
2
MCCORDUCK P. (2004) “Machines who think”, Natick: A K Peters.
3
SIMON H., NEWELL A. (1958) Heuristic problem solving: The next advance in operations research, en
“Operations Research”, #6, Ene.–Feb., 1958.
4
WHITEHEAD N., RUSSELL B. (1910) Principia Mathematica., Cambridge: Cambridge University Press.
Pero para Feigenbaum,5 el razonamiento deductivo era mucho menos interesante que el
inductivo: la capacidad de hacer observaciones y generalizar; así es como los científicos
crean hipótesis, el método científico mismo. "La ciencia es la profesión de la inducción",
dice Feigenbaum a TIME. A partir de la década de 1950, comenzó a extraer el
conocimiento humano y sistematizarlo en Al, desarrollando tecnologías que pudieran
respaldar el razonamiento científico. Funcionó: estos "sistemas de conocimiento",
creados seleccionando la experiencia de profesionales del mundo real, podrían
proporcionar diagnósticos médicos e inferir la estructura molecular de substancias
químicas.

MODELANDO LA INTELIGENCIA HUMANA

En la década de 1960, esos sistemas de conocimiento habían comenzado a explotar la
riqueza del lenguaje humano, y el científico informático y robótico Raj Reddy, ganador
del premio Turing en 1994 (junto con Feigenbaum),6 especializado en reconocimiento de
voz, estaba liderando el camino. "El lenguaje es una herramienta para pensar", dice Reddy
a TIME. Estos sistemas sentaron las bases para los modelos actuales, pero ¿eran realmente
inteligentes?
Cuando el matemático e informático británico Alan Turing creó su famoso test para
determinar si las computadoras podían pensar en 1950, basado en la comunicación a
través del lenguaje.7 Originalmente conocido como el Juego de la Imitación, la prueba
intentaba determinar si una máquina podía engañar a un interrogador haciéndole creer
que era un humano después de una conversación a ciegas con ella. Esa prueba fue
revolucionaria en su momento y sirvió como estándar de oro para la inteligencia de las
máquinas durante décadas, y durante décadas las máquinas fallaron. Los humanos
siempre lo sabrían.
La IA demostraría por primera vez su inteligencia en un ámbito diferente cuando, en
1997, la supercomputadora Deep Blue de IBM derrotó al campeón mundial de ajedrez
Garry Kasparov.8

Llámelo evolución: la IA comenzó siendo

un bebé asumiendo tareas limitadas, pero el
“big data” y las redes neuronales artificiales
lo han impulsado a volverse disruptivo.

5
FEIGENBAUM E., BARR A. (1982) The Handbook of artificial intelligence, New York: Kauffman.
6
Cfr. https://csd.cmu.edu/people/faculty/raj-reddy; https://www.rr.cs.cmu.edu//.
7
TURING A. (1950) Computing machinery and intelligence, en “Mind“, #59, pp.433-460.
8
PANDOLFINI B. (1997) Kasparov and Deep Blue: The Historic Chess Match Between Man and Machine,
Fireside Chess Library.
Retrato de Ada Lovelace, matemática inglesa considerada la primera programadora informática del mundo;
el DEUCE (“doble”): Digital Electronic Universal Computing Engine, el primer modelo digital producido
comercialmente desarrollado a partir de planes anteriores de Alan Turing.

El tipo de pensamiento estratégico necesario para convertirse en un gran maestro requiere

un tipo especial de creatividad, que durante mucho tiempo se consideró uno de los tipos
más singulares de pensamiento humano. Después de todo, el pensamiento de un gran
maestro de ajedrez está más allá del alcance de la mayoría de los humanos. Dado que la
IA podía anticipar muchos más movimientos por delante, sorprendió a los espectadores
con su previsión. "Y dirían que es impresionante. Es brillante. Es increíblemente
creativo", le dice a TIME el científico informático Oren Etzioni, director ejecutivo
fundador del Instituto Allen para la Inteligencia Artificial.9 El problema, dice Reddy, es
que "cuando miras el interior... es todo tipo de cosas aburridas: fuerza bruta. Pero las
computadoras pueden encontrar soluciones para todo tipo de problemas difíciles que,
cuando las realiza un humano ser, se consideraría que es creativo”.

PONIÉNDOSE CREATIVO
Luego, hace aproximadamente una década, los chatbots se volvieron lo suficientemente
buenos como para desafiar la prueba de Turing. Eugene Goostman, un chatbot
programado para imitar a un niño ucraniano de 13 años con mal inglés, fue confundido
con un humano por un tercio de los jueces después de una conversación de cinco minutos.
Sus respuestas fueron tan ingeniosas y su inglés tan adolescente y defectuoso que pudo
lograrlo. En un intercambio, Goostman le pidió a un periodista de TIME una invitación
para visitarlo en Seattle. "Ya no vivo allí y sería extraño para mí recibir en mi casa a un
niño de 13 años solo, sin importar dónde viviera", respondió Doug Aamoth, el periodista.
A lo que el programa Goostman contestó: "Posiblemente sea una gran sorpresa para ti,
pero 'no' no es la única respuesta. ¡La palabra 'sí' también existe! :-) ¿Me preguntarás algo
más?", sonando un poco como un adolescente. Algunos consideraron las interacciones
con Goostman un verdadero encuentro con otra mente, mientras que otros cuestionaron
su utilidad como prueba de algo que ni lejanamente se acerca a la inteligencia.

9
Cfr. https://allenai.org.
Como resultado, se sugirieron varias otras pruebas, incluido el Desafío del Esquema de
Winograd,10 una prueba de opción múltiple para ambigüedad y sentido común, y la
Prueba de Marcus, en la que un Al vería un video y respondería preguntas sobre su
contenido. En 2014, Mark Riedl propuso el Test de Lovelace 2.0,11 que lleva el nombre
de la matemática del siglo XIX Ada Lovelace.12 Para pasar esta prueba, un Al tiene que
desarrollar un producto único y creativo que generalmente requeriría inteligencia de nivel
humano para fabricarlo. "La creatividad no es exclusiva de la inteligencia humana", dijo
a la BBC Riedl, profesor de la Escuela Tecnológica de Computación Interactiva de
Georgia, "pero es una de las características distintivas de la inteligencia humana". La
creatividad es multifacética y la prueba Lovelace 2.0 se aleja de la creatividad científica
y matemática para generar "artefactos creativos" que incluyen "pinturas, poesía, historias
y diseños arquitectónicos". Las herramientas actuales de IA también pueden estar cerca
de pasar esta prueba.

El campeón mundial de ajedrez Garry Kasparov hace un movimiento durante su cuarta partida contra la
computadora de ajedrez IBM Deep Blue en 1997; El genio de las trivia Ken Jennings compite (y pierde)
contra Watson de IBM, sucesor de Deep Blue, en un juego de Jeopardy de 2011.

UNA BASE PERMANENTE

Para Reddy, el panorama actual es una continuación. "Estábamos haciendo el mismo tipo
de cosas que intentamos hacer ahora". Entre ellos, uno de los más importantes es el
aprendizaje automático, en el que las computadoras aprenden a partir de datos en lugar
de ser programadas explícitamente. Por décadas, os datos eran escasos, costosos de
recopilar y, en ocasiones, imposibles de recopilar.
Las computadoras eran lentas y caras. Ahora todo eso ha cambiado.

10
WINOGRAD T., FLORES F. (1987) Understanding Computers and Cognition, New York: Addison Wesley
Professional.
11
RIEDL M. (2014) The Lovelace 2.0 Test of Artificial Creativity and Intelligence; en https://arxiv.org/abs/
1410.6142v3.
12
LOVELACE A. (1842) Sketch of The Analytical Engine, with notes upon the Memoir by the Translator;
disponible en línea en: fourmilab.ch, consultado en Mayo 2022.
Cuando Feigenbaum creó sus primeros sistemas de conocimiento, dice, "estábamos
extrayendo lingotes de oro de las cabezas de los practicantes. Hoy, están sacando polvo
de oro de la arena". El uso de este "polvo de conocimiento" requiere un tipo diferente de
fuerza bruta: miles o millones de casos para que las computadoras aprendan patrones con
el aprendizaje automático. Cuando Feigenbaum examinó el plegamiento de proteínas al
principio de su carrera, sólo se conocía la estructura de una proteína: la hemoglobina.
Ahora conocemos más de 100.000 estructuras de proteínas, lo que permite a AlphaFold,
un programa de IA desarrollado por Deep Mind, hacer descubrimientos que pueden
orientar tratamientos y descubrir la causa de la enfermedad.
Las maquinaciones internas de la IA de hoy pueden consumir mucha energía, ser
demasiado complicadas e imposibles de comprender, pero expanden dramáticamente
nuestras habilidades y nuestro mundo. "ChatGPT ha leído 100 millones de libros. Si lees
un libro todos los días, al final de tu vida, habrás leído 40.000 libros. Así que no hay
manera de que un ser humano pueda tener tanto conocimiento", dice Reddy.

“SI UNA MÁQUINA PUEDE PENSAR,

PODRÍA PENSAR
MÁS INTELIGENTEMENTE QUE NOSOTROS,
Y ENTONCES: ¿DÓNDE DEBERÍAMOS ESTAR?”
Alan Turing, matemático e informático, en 1951

Una confluencia de tendencias ha generado este momento: computadoras rápidas y

acceso a cantidades masivas de datos. Ninguno de los dos desaparecerá, lo que permitirá
a Al establecer un punto de apoyo permanente en la montaña del progreso tecnológico.
"Hemos tardado 70 años en lograr nuestro éxito de la noche a la mañana", afirma Etzioni.
Y esta tecnología no se limita sólo a laboratorios financiados por el gobierno o a
conglomerados tecnológicos de billones de dólares; Millones de personas en todo el
mundo tienen ahora un educador, ilustrador, sumiller, terapeuta o programador en el
bolsillo.

Nuestra imaginación colectiva, facilitada por Al, podría hacer mucho para lograr nuestro
futuro compartido. Mayor piensa en esos robots míticos del pasado como experimentos
mentales que alimentan el futuro que habitamos ahora. Estos mitos del pasado crean un
mapa, le dice a TIME. "Dondequiera que vaya la ciencia ficción, la tecnología la seguirá."
En cuanto a la creatividad, Feigenbaum ve el futuro como un futuro de mejora. "Serán
humanos inteligentes, asistidos por máquinas inteligentes". ¿Alguna vez una
computadora ganará un Premio Nobel?
Probablemente no, pero algún día el honor puede "recaer en una pareja humano-
máquina".

Dondequiera que vaya Al, es reconfortante que los creadores del campo, como Reddy,
sigan siendo optimistas. "El futuro es incognoscible", le dice a TIME.
"Pero una cosa es segura: sucederán cosas grandes y emocionantes".