Hoy, son muchos los libros y artículos escritos sobre inteligencia artificial y, salvo unos pocos, tienen algo en común: El paso de unos pocos meses los convierte en obsoletos y lo que dicen no vale ya para la situación actual.

La inteligencia artificial se está moviendo a tal velocidad que es difícil decir algo que sea, a la vez, relevante y que resista el paso del tiempo. Incluso clásicos como la famosa “habitación china” utilizada por Searle como argumento contrario a Turing y su concepto de la inteligencia artificial no resisten el empuje de los Large Language Models que, a pesar de no conocer ningún idioma en el sentido humano del término conocer, pueden hacer aportaciones de gran interés.

Rodney Brooks, uno de los defensores de la inteligencia artificial en su primera versión hoy conocida como GOFAI (Good Old-Fashioned Artificial Intelligence) decía que los esencialistas contrarios a la inteligencia artificial siempre habían dibujado una línea que, supuestamente, la tecnología no iba a superar y la realidad ha demostrado como, una y otra vez, la línea ha sido superada. Brooks tenía razón pero, como a menudo sucede, no tenía toda la razón: Su afirmación apunta a la cortedad de miras de los esencialistas de lo humano pero no significa que tal línea no exista y, por ello, también muestra la cortedad de miras de los esencialistas de la tecnología, es decir, la suya propia.

Se ha dicho con frecuencia que cuando un cambio cuantitativo pasa de determinada magnitud se convierte en cualitativo y eso es exactamente lo que ocurre con la inteligencia artificial: La explosión tanto en capacidad de procesamiento como en cantidad de información disponible ha cambiado el paisaje. Suposiciones como que la tecnología de la información iba a dedicarse a tareas rutinarias mientras que las tareas de más alto nivel iban a quedar reservadas a humanos no tienen ya ningún sentido. Refugios en actividades intelectuales de alto nivel como el ajedrez o el Go dejaron de ser hace tiempo tales refugios y las máquinas pueden ejercer estas actividades con mucha más destreza que los humanos.

Gigerenzer mostraba como el procesamiento heurístico no era una versión “quick-and-dirty” de un procesamiento estrictamente racional, motivado por la escasez de capacidad de procesamiento. Ponía como ejemplo el comportamiento humano para alcanzar una pelota -manteniendo un ángulo constante con ella- frente al comportamiento que calculaba la trayectoria. Gigerenzer tenía razón pero…¿qué ocurre si un sistema tiene toda la información necesaria y toda la capacidad de procesamiento requerida para hacer el cálculo en el tiempo disponible? Sencillo: Que la forma más compleja se convertiría en viable. Éste es el tipo de hechos a los que, un día tras otro, nos enfrenta la inteligencia artificial.

Los esencialistas del factor humano lo tienen difícil para justificar la posición de supremacía de las personas en muchas actividades pero ¿significa esto que haya que dejarlo todo en manos de máquinas que han mostrado mucha más capacidad que nosotros en multitud de ámbitos?

Creo que no y confío en que lo que viene a continuación no envejezca con la misma rapidez que muchas de las cosas que se han dicho sobre la inteligencia artificial:

Una y otra vez, los que nos dedicamos a los factores humanos hemos mencionado un concepto muy específico: Significado. Una y otra vez, los esencialistas de la tecnología han rechazado este concepto por entender que era, simplemente, un resultado interno de la transformación de símbolos y que, además de irrelevante, era algo perfectamente alcanzable a un sistema de información.

La objeción, sin embargo, no es válida: El significado no es una abstracción interna sino un producto de la interacción del humano con su entorno. Un reconocido tecnólogo, Daniel Hillis, señalaba en “The Pattern on the Stone” que “Given the choice of lying in an airplane operated by an engineered computer program or one flown by a human pilot, I would pick the human pilot. And I would do so even though I don’t understand how the human pilot works. As with the sorting programs, I know that a pilot is descended from a long line of survivors”.

Curiosamente, la razón ofrecida por Hillis invitaría más a confiar en una inteligencia artificial que en un piloto humano: La velocidad de aprendizaje hace que el número de generaciones “supervivientes” de una inteligencia artificial pueda ser de billones en el curso de una sola vida humana. Hay razones para confiar más en un piloto humano pero no son ésas: Probablemente, el piloto humano quiere llegar a disfrutar de un feliz retiro, no quiere cometer ningún error que comprometa su status profesional y, en el corto plazo, tal vez le gustaría llegar a cenar a su casa esta noche…es decir, razones todas ellas derivadas de su relación con el entorno, no de una manipulación de símbolos.

¿Podría la inteligencia artificial alcanzar este punto o, sin hacerlo, alcanzar un punto funcionalmente equivalente? Responder a esa pregunta es muy aventurado y, sin embargo, es la pregunta fundamental ya que será la que defina, en muchas actividades, cuál debe ser el rol humano y cuál el de la inteligencia artificial:

Como se comentaba en el ejemplo utilizado por Gigerenzer, hay dos opciones: Una sencilla, utilizada por un humano que tiene sensores propios para percibir el entorno y utiliza un sistema de procesamiento simple y una complicada, basada en unos cálculos y en un volumen de datos que podrían llegar a ser accesibles en un plazo no muy largo.

¿Podría existir tal volumen de datos y un sistema de información tan rápido que fuera capaz de procesar cualquier situación imaginable? Si esto fuera posible, el resultado sería que una situación de incertidumbre -que requiere el uso del significado para gestionarla- había quedado reducida a una situación de complejidad, asumible por un sistema de información.

Siguiente pregunta: ¿Puede crearse una inteligencia artificial que no aprenda de datos de entrenamiento sino que tenga percepción directa de la realidad externa y, en un sentido muy similar al humano, vaya adquiriendo experiencia? No es imposible pero ¿cuál es el control sobre el proceso de aprendizaje? ¿cómo se sabe que obtiene el aprendizaje correcto?

En ambos casos, estamos volviendo al mismo punto: El significado no consiste en un juego de símbolos sino en una interacción del sujeto con el medio. ¿Llegará un momento en que una inteligencia artificial se vea a sí misma como “sujeto” y, por tanto, desarrolle el concepto real de significado?

De nuevo, en el supuesto de que esto fuera así ¿qué garantías hay de que los significados adquiridos fueran los correctos? ¿podríamos crear una especie de psicópata cibernético, que funciona bien en el ámbito racional pero manipula todos los recursos a su alcance para favorecer su propia posición?

No son preguntas fáciles y quien esto escribe no tiene una respuesta clara y que vaya a soportar el paso del tiempo para ellas. Lo que sí sabemos HOY  es que la barrera del significado, en contra de lo que muchos tecnólogos quieren creer, sigue estando ahí, que no es una abstracción vacía sino un producto de una interacción con el entorno, que precisamente por ello es difícilmente separable del concepto de conciencia y que es el motivo principal para que, en actividades de alto riesgo, se prefiera que el protagonismo lo adquiera un humano y la inteligencia artificial tenga un papel de soporte.