Mitos de la IA: ¿las máquinas pueden pensar?

En 1950, Alan Turing escribió un artículo extraordinariamente profético e incitante sobre Inteligencia Artificial (IA); lo tituló Computing Machinery and Intelligence y apareció en la revista Mind. En el artículo, Turing comienza con la frase: “Me propongo considerar la pregunta, ¿las máquinas pueden pensar?”. Tras una serie de disertaciones llega a la conclusión de que, si bien, pensar es una función propia de la mente humana, para fines del siglo XX se podría hablar de máquinas pensantes libres de contradicciones.

En las siguientes líneas se explorará la idea de si en verdad las máquinas piensan o si únicamente imitan; asimismo, se abordarán algunos grandes mitos o concepciones erróneas actuales sobre la IA, su uso, sus implicaciones y sus consecuencias.

La ética y la supervisión son elementos muy importantes en el trabajo que se está realizando para comprender y crear la IA en la actualidad.

Inteligencia humana contra inteligencia de máquina

• La mente humana funciona de una manera muy distinta a cómo funciona la “mente de las máquinas”. La mente humana interpreta, establece relaciones, infiere conceptos, se crea un mapa mental que crece conforme más relaciones establece, aprende y se enriquece.
• La mente de las máquinas, en cambio, no funciona así; es más lineal y basada en algoritmos entrenados para imitar cada vez mejor; no logra establecer relaciones semánticas porque la información que consume es lineal (bases de datos rectangulares, filas y columnas). Si lo vemos de ese modo, la distancia de una a otra inteligencia es abismal.

Para contestar a la pregunta de si las máquinas pueden pensar, Turing estableció un modo operacional de enfocar el problema. Dicho modo está contenido en lo que se conoce como “el juego de la imitación”, conocido actualmente como la verificación o prueba de Turing y que permite trazar una nítida delimitación entre las capacidades intelectuales del hombre y los comportamientos algorítmicos de la máquina.

Podría llegarse a pensar que el umbral entre ambas inteligencias podría verse disminuido conforme a la tecnología de la IA progrese. Al respecto, hay un teorema asociado al progreso de la IA: una vez programada determinada función mental, la gente deja de considerarla muy pronto como un ingrediente esencial del “pensamiento real”. Según Hofstadter, el núcleo irrefutable de la inteligencia siempre reside en esa zona contigua que todavía no ha sido programada.

Nadie sabe a dónde llegará la IA; lo que sí se sabe es que se reducirá a cómo los seres humanos la desarrollemos, implementemos y regulemos.

Más allá de la discusión filosófica planteada sobre la naturaleza de la inteligencia de las máquinas, la conclusión premonitoria de Turing parece haberse cumplido en los albores del siglo XXI y, a pesar de su carácter disruptivo, ha generado en sus inexpertos usuarios una serie de conceptos erróneos o mitos que a continuación se describen:

IA y el aprendizaje automático son lo mismo

Es común que estos dos conceptos se utilicen indistintamente, a pesar de que no son lo mismo. El aprendizaje automático (ML, por sus siglas en inglés) es un subconjunto de la IA. ML requiere una estrategia de adquisición de datos y capacitación bien pensada; la IA por otro lado, es un término general para un amplio conjunto de técnicas de ingeniería informática que van desde ML y sistemas basados en reglas hasta técnicas de optimización y procesamiento de lenguaje natural.

Las máquinas inteligentes aprenden por sí solas

Un sistema de aprendizaje automatizado terminado da la impresión de que puede aprender por sí sólo. Sin embargo, son los humanos (generalmente los científicos de datos) quienes enmarcan el problema, preparan la información, determinan los conjuntos de datos apropiados, eliminan posibles sesgos en los datos de entrenamiento y, lo que es más importante, actualizan continuamente el software para permitir la integración de nuevos conocimientos e información en el próximo ciclo de aprendizaje.

La IA es 100% objetiva y no se equivoca

Cada tecnología de IA se basa en datos, reglas y aportaciones de expertos humanos. Debido a que todos los humanos están intrínsecamente sesgados de una forma u otra, también lo está la IA. Los sistemas que se vuelven a entrenar con frecuencia (por ejemplo, utilizando nuevos datos de las redes sociales) son aún más vulnerables a sesgos no deseados o, incluso, influencias malintencionadas.

La IA reemplazará a las personas en los empleos

La IA permite a las empresas tomar decisiones más precisas a través de predicciones, clasificaciones y agrupaciones. Estas capacidades han permitido que las soluciones basadas en IA lleguen profundamente a los entornos de trabajo, no sólo reemplazando tareas cotidianas, sino también aumentando aquellas que son más complejas.

La mente de las máquinas es más lineal y basada en algoritmos entrenados para imitar cada vez mejor. No logra establecer relaciones semánticas.

Probablemente sea inevitable que algunos trabajos humanos sean asumidos por máquinas que simplemente pueden realizarlos de manera más rápida, precisa y rentable que las personas. Esto ha pasado siempre a lo largo de la historia de las distintas revoluciones industriales; sin embargo, también creará más puestos de trabajo y, lo que es más probable, que estén mejor pagados y sean más gratificantes que los que se pierden.

Tomemos, por ejemplo, el uso de imágenes de IA en el cuidado de la salud; una aplicación de rayos x de tórax basada en IA puede detectar enfermedades más rápido que los radiólogos. En la industria financiera y de seguros, los roboadvisors se utilizan para la gestión de patrimonio y la detección de fraudes.

Estas capacidades no eliminan la participación humana en esas tareas, pero eventualmente la limitarán a observar y tratar casos inusuales. Lo cierto es que, de acuerdo con Gardner, será necesario ajustar los perfiles de los empleados y dotarlos de la capacitación necesaria para adquirir nuevas competencias laborales para un nuevo entorno.

La IA no tiene aplicación en el ámbito empresarial

Cada organización debe considerar el impacto potencial de la IA en su estrategia e investigar cómo se puede aplicar esta tecnología a los problemas de negocio de la organización. En muchos sentidos, la explotación de la IA es lo mismo que renunciar a la siguiente fase de automatización y podría colocar a las empresas en una desventaja competitiva.

A diferencia de las máquinas, la mente humana interpreta, establece relaciones, infiere conceptos, se crea un mapa mental que crece conforme más relaciones establece, aprende y se enriquece.

Al respecto, Alaybeyi refiere: “Incluso si la IA no es una solución inmediata a un problema, las empresas deberían revisar la decisión de no implementar la IA periódicamente”. Asimismo, Gardner menciona: “Las organizaciones necesitan encontrar casos de uso apropiados que aprovechen el poder de la IA para aumentar el trabajo humano, las decisiones y las interacciones, así como otras oportunidades de innovación funcional”.

Conclusiones

El patrón RUR (del que se ha hablado anteriormente) no tiene por qué salir de los guiones de ciencia ficción y materializarse en el mundo real. La verdad absoluta es que nadie sabe a dónde llegará la IA; lo que sí se sabe es que se reducirá a cómo los seres humanos la desarrollemos, implementemos y regulemos. Esta es la razón por la que la ética y la supervisión son elementos muy importantes en el trabajo que se está realizando para comprender y crear la IA en la actualidad.