Inteligencia artificial, o ¿pueden pensar las máquinas?

La inteligencia artificial (IA) se considera a la vez una ventaja y una amenaza. Utiliza nuestros datos personales para influir en nuestras vidas sin que nos demos cuenta. Las redes sociales la emplean para llamar nuestra atención sobre cosas que podrían interesarnos comprar, y nuestras tabletas y ordenadores, para predecir lo que queremos escribir (bien). Facilita la segmentación de votantes para influir en las elecciones (mal, sobre todo si pierde tu bando).

Quizá la veracidad o no de acusaciones como la injerencia electoral deba valorarse a la luz de los intereses de quienes las formulan. Los políticos siempre están dispuestos a acusar a un adversario de emplear métodos poco escrupulosos, como el uso de la IA para promover noticias falsas o influir de otras maneras en los votantes seleccionados. Un cínico podría sostener que la clase política desea conservar el control de la propaganda manipulando los medios tradicionales, que conoce bien, y teme que la IA introduzca artes oscuras en su perjuicio. Sean cuales sean las influencias que hay detrás del debate, no cabe duda de que la IA nos está llevando a un mundo nuevo, y debemos aprender a adoptarla, nos guste o no.

Para analizarla de forma racional, primero debemos definir la IA. Esta es una definición obtenida mediante una búsqueda en Google (que a su vez es resultado de la IA):

«La teoría y el desarrollo de sistemas informáticos capaces de realizar tareas que normalmente requieren inteligencia humana, como la percepción visual, el reconocimiento del habla, la toma de decisiones y la traducción entre idiomas».

Esta descripción solo incluye los posibles beneficios para nosotros como individuos, ya que nos ofrece prestaciones que sin duda todos deseamos. Nos permite aprovechar mejor el tiempo y aumentar la productividad. Pero otra definición, que podría hacer saltar las alarmas, es la de Merriam-Webster: «Una rama de la informática que se ocupa de la simulación del comportamiento inteligente en los ordenadores. La capacidad de una máquina para imitar el comportamiento humano inteligente».

Ahora estamos imitando a los humanos, sobre todo cuando añadimos la capacidad de las máquinas para aprender y adaptarse a nuevos estímulos. Seguramente esto significa que las máquinas están asumiendo empleos e incluso nuestra capacidad de mando. Son aspectos delicados del debate sobre la IA, y hasta la Cámara de los Lores ha creado un comité especial para elaborar un informe al respecto, que presentó la semana pasada.^[i] También se plantearon otras cuestiones graves, como a quién hacemos responsable del desarrollo de los algoritmos y de la calidad de los datos introducidos.

Este artículo es un intento de poner la IA en perspectiva. Comienza con una breve historia, examina sus capacidades y su potencial y, por último, aborda el peligro definitivo de la IA según sus críticos: la capacidad de la IA y del aprendizaje automático para replicar el cerebro humano y, con ello, controlarnos.

Conceptos básicos de la IA

La IA siempre ha sido una parte esencial del desarrollo informático. Ya en 1950, Alan Turing publicó un artículo, Computing Machinery and Intelligence, en el que planteaba la pregunta: «¿Pueden pensar las máquinas?».[i] Fue el concepto de «prueba de Turing» el que determinó si una máquina había alcanzado una verdadera IA, y el propio término IA surgió en esa época. La década siguiente vio la creación de importantes centros académicos de IA en EE. UU., en el MIT, la Universidad Carnegie Mellon y Stanford, y en el Reino Unido, en la Universidad de Edimburgo.

En la década de 1980 los gobiernos comenzaron a implicarse, con el proyecto japonés de la Quinta Generación, al que siguió el lanzamiento por parte del Gobierno británico del Programa Alvey para mejorar la competitividad de la tecnología de la información del Reino Unido. Este esfuerzo fracasó en su objetivo central, y la enorme complejidad de programar un número cada vez mayor de reglas hizo que los gobiernos perdieran el entusiasmo por financiar el desarrollo de la IA. En EE. UU., la Agencia de Proyectos de Investigación Avanzada de Defensa también recortó en un tercio su gasto en IA.

Sin embargo, a finales de la década de 1980, el sector privado empezó a desarrollar la IA para aplicaciones como la previsión del mercado bursátil, la minería de datos y los sistemas de procesamiento visual, como el reconocimiento de matrículas en las cámaras de tráfico. El método neuronal, que filtra los datos de entrada a través de capas de nodos de procesamiento, se desarrolló para buscar patrones estadísticos y de otro tipo.

Solo desde el cambio de siglo el público general se ha ido familiarizando cada vez más con el término IA, tras los avances en el aprendizaje profundo mediante redes neuronales. Más recientemente, el aprendizaje profundo, utilizado por ejemplo para el reconocimiento de voz e imagen, se ha visto impulsado por la combinación de una mayor disponibilidad de datos para entrenar los sistemas, una creciente capacidad de procesamiento y el desarrollo de algoritmos más sofisticados. Las plataformas en la nube permiten ahora a los usuarios implantar IA sin invertir en hardware adicional. Y las plataformas de desarrollo de código abierto han reducido aún más las barreras de entrada.

Aunque el progreso de la IA desde el artículo original de Turing ha sido algo irregular, estos nuevos factores parecen prometer un desarrollo acelerado de las capacidades y aplicaciones de la IA en el futuro. Las implicaciones para la automatización, para nuestra forma de trabajar y para la sustitución de muchas funciones humanas han suscitado preocupaciones que parecen compensar los beneficios. También hay consecuencias para los gobiernos que no comprenden la importancia de esta revolución y que, mediante políticas públicas, tratan de restringir su potencial. Luego está la cuestión del uso y la propiedad de los datos. Abordaré brevemente estas cuestiones antes de afrontar la cuestión filosófica de si la IA y el aprendizaje automático pueden, en última instancia, superar la prueba de Turing en sentido general.

El equilibrio entre trabajo e IA

La IA y el aprendizaje automático ya están entre nosotros de más maneras de las que la mayoría somos conscientes. Un automóvil moderno puede conducirse solo con una intervención humana mínima, y estas capacidades ya no son meramente experimentales, sino cada vez más habituales en todos los coches. Los sistemas de navegación utilizan la IA para determinar la elección de rutas en función de la congestión actual del tráfico. Los controles fronterizos emplean el reconocimiento del iris para comprobar que los datos del pasaporte corresponden a la persona. Las aerolíneas fijan el precio de sus asientos de forma dinámica, y la IA se utiliza cada vez más en el diagnóstico médico, como por ejemplo en la detección de los primeros signos de cáncer. Fuera de nuestra vista, las empresas utilizan cada vez más la IA integrada en sus sistemas internos para prestar sus servicios con mayor eficiencia. La IA y el aprendizaje automático se están volviendo omnipresentes a gran velocidad.

Todas estas aplicaciones tienen un alcance limitado, en el sentido de que realizan tareas específicas que en un ser humano requerirían inteligencia. Implican una o dos categorías de datos, y a menudo ambas, según la aplicación. La primera es la de los datos generales, como los que se usan para elaborar previsiones meteorológicas y de precios; la segunda es la de los datos personales de los individuos.

Las leyes de privacidad sobre datos personales son cada vez más restrictivas, a medida que los gobiernos endurecen su control sobre su uso. Cuanto más agresivamente actúan los gobiernos en este sentido, menos flexibilidad tiene una empresa para diseñar soluciones de IA para aquellas personas cuyos datos utiliza. Por lo tanto, es probable que un gobierno que tenga en cuenta tanto las cuestiones de privacidad personal como los beneficios de la IA de alcance limitado logre un mayor avance económico en este campo que otro que no haga esa distinción. Los gobiernos británico y estadounidense parecen mostrarse más favorables que la UE hacia las empresas líderes del sector en este aspecto. La UE ha multado a casi todas las grandes tecnológicas estadounidenses, a menudo por motivos discutibles, lo que difícilmente demuestra una actitud constructiva hacia el desarrollo tecnológico futuro. Y aunque en la Europa continental existen focos de espíritu emprendedor, ni de lejos pueden competir con el binomio formado por Londres y Oxford.

Esto puede ser importante tras el Brexit. El mes pasado, el Gobierno del Reino Unido anunció un programa de inversión de 1.000 millones de libras con la ambición de convertir a Gran Bretaña en el mejor lugar para crear y hacer crecer una empresa de IA. Entretanto, la actitud de la UE es, en términos generales, localista, proteccionista y contraria al cambio, y parece especialmente hostil hacia las grandes corporaciones estadounidenses que tanto han hecho por impulsar la IA.

La IA se está volviendo fundamental para la creación de empleo. Todo cambio tecnológico de la historia documentada ha sido condenado de antemano por destruir puestos de trabajo, y todo cambio tecnológico ha acabado creándolos y mejorando tanto la calidad de vida como los ingresos de la persona media. No hay motivo para pensar que con la IA vaya a ser distinto. Es esa cosa inmensurable llamada progreso la que garantiza que se creen empleos, y la creación de empleo es siempre el resultado de un cambio positivo.

Como casi todos los demás inventos puestos al servicio, en última instancia, del consumidor, la IA es una criatura del sector privado, no del gobierno. Nunca es función de un gobierno democrático innovar, por lo que debe resistir la tentación de impedir el cambio que surge del sector privado, en particular cuando se trata de proteger el empleo. Además, la regulación innecesaria sirve en bandeja el progreso en IA a otras jurisdicciones, como China, cuyo gobierno es semiemprendedor y está desarrollando y desplegando la IA de forma agresiva en favor de su propio interés nacional.

Quienes tienen un conocimiento limitado de los mercados libres no entienden que la IA, en el sentido restringido que aquí tratamos, producirá sus propias soluciones a las preocupaciones sobre los datos y la automatización. Por ejemplo, Sir Tim Berners-Lee^[ii] está desarrollando actualmente con el MIT un proyecto cuyo resultado sería «una verdadera propiedad de los datos, además de una mejor privacidad», lo que, si tiene éxito, no solo hará redundante la reciente normativa de privacidad, sino que también abordará el uso de datos personales por parte de operadores sin escrúpulos que explotan lagunas en la normativa, y garantizará que ya no puedan aprovecharse los límites jurisdiccionales de la ley.^[iii]

El equilibrio entre el trabajo y la IA, siempre que los gobiernos adopten un enfoque minimalista de la regulación, promete ser enormemente beneficioso para la gente corriente y mejorar su calidad de vida, tal como ha hecho la revolución de los datos a través de internet en los últimos veinticinco años. No podemos prever el resultado exacto, porque el desarrollo de las nuevas tecnologías es siempre de naturaleza progresiva, y cada paso conduce a otros que aún no vemos. Sin embargo, la limitación de la IA hasta ahora ha sido que su aplicación siempre tiene un contexto limitado, en beneficio último de los consumidores. La aplicación de la IA en sentido general, en el que los ordenadores y los robots adquieren la capacidad de controlar a los humanos en un pesadillesco mundo feliz, es quizá lo que asusta a los desinformados, con comentarios como «¿adónde nos llevará todo esto?». Este será nuestro próximo tema.

IA general

Toda la IA se ha desarrollado para aplicaciones en sentido estricto, es decir, para realizar tareas específicas de forma inteligente. Por inteligente nos referimos al aprendizaje automático y al aprendizaje profundo aplicados únicamente en un contexto concreto. Hoy un ordenador puede vencer a un gran maestro de ajedrez y, en un logro más reciente, DeepMind, una filial británica de Google, dominó el juego del Go.

Estos logros sugieren que la IA ya es superior a la mente humana, pero esto solo es cierto para tareas definidas. Hasta ahora se ha avanzado poco o nada en la IA para aplicaciones no específicas o generales. Esto podría deberse en parte a que hay poca demanda de una máquina de aplicaciones no específicas, o a que los datos y el procesamiento necesarios son demasiado costosos para ser rentables. Quizá sea una cuestión para la próxima generación de IA, que tal vez intente abordar los algoritmos. Sin embargo, los obstáculos prácticos son una cosa, y si algún día podrá lograrse es, en esencia, una cuestión filosófica.

Hay un choque de ciencias, entre el mundo de la física, que funciona con reglas, fórmulas y leyes, y la naturaleza humana, que solo se guía por ellas. El aprendizaje automático y profundo depende de una actualización continua a partir de datos históricos para detectar patrones de comportamiento humano a partir de los cuales se pueden pronosticar resultados. El hecho de que las máquinas tengan que aprender continuamente de nuevos datos nos dice que la IA es, en cierto sentido, un nombre inadecuado: a la prueba de Alan Turing, la pregunta de si las máquinas pueden pensar, se ha respondido y siempre debería responderse así: solo parecen pensar.

Esta es una distinción fundamental. Sí, todos usamos datos y experiencia para ayudarnos a tomar decisiones, y sí, el aprendizaje profundo permite que una máquina procese esa información siempre mejor que una persona. Pero ambas divergen en la elección. Una máquina siempre debe elegir un resultado verdadero/falso a partir de todos sus datos de entrada. Una persona siempre tiene elección, y esta, una vez tomada, puede parecerle irracional a un observador. Y entonces podemos preguntarnos: ¿es irracional quien elige o quien observa? Dicho de otra manera, si la máquina toma una decisión que una persona no acepta, esta puede ignorarla, usarla como base para tomar una decisión totalmente distinta, o incluso apagar la máquina.

Esta es la diferencia fundamental entre el aprendizaje automático y los procesos de pensamiento humanos. Una máquina produce resultados esencialmente binarios: actuar o no actuar, convertir datos en una imagen que se reconoce o no se reconoce, y así sucesivamente. Una persona puede ser lógica, ilógica o incluso una combinación de ambas, y rara vez está sujeta a resultados binarios.

Por estas razones, podemos estar seguros de que las máquinas nunca nos dominarán, en el sentido que a menudo se predice en la ciencia ficción. Pero esto sigue dejando sin respuesta la pregunta de por qué los algoritmos tienen tanto éxito en la negociación de instrumentos financieros, lo que implica pronosticar la acción humana que fija los precios de mañana. Lejos de ser una prueba de la superioridad intelectual de una máquina, es un buen ejemplo de la diferencia entre la inteligencia humana y la IA, y de las limitaciones de esta última.

La negociación informática, o algorítmica, tiene dos objetivos distintos. Por un lado, está la negociación que implica operar a instancias de una persona, como reequilibrar un fondo indexado o reasignar las entradas y salidas de ETF hacia y desde inversiones de acuerdo con el objetivo. Dejaremos esta función mecánica a un lado. Por otro lado, se utiliza para la negociación automatizada con ánimo de lucro, que es donde está la controversia.

La negociación automatizada no es inteligente en el sentido humano, ya que se basa en reglas aplicadas a datos históricos, modificadas continuamente a medida que se añaden datos nuevos. Asume que los patrones de negociación pasados se repetirán y, gracias a la magia de la electrónica, supera a los pensadores humanos más lentos y a las máquinas rivales colocando órdenes y ejecutándolas en milisegundos. La negociación humana implica experiencia, reconocimiento de patrones, factores externos al precio como las noticias, capacidad innata y emoción. La combinación de estos factores hace que el desempeño humano tenga tanto éxitos como fracasos e introduce la intuición. La fortaleza y el éxito de la negociación informática se deben a la ausencia de factores humanos en la negociación de valores, no a que los replique.

La creciente presencia de la negociación informática en los mercados probablemente prolonga las tendencias cíclicas más allá, hacia territorios de sobrevaloración e infravaloración, de lo que ocurriría de otro modo. Esta afirmación está condicionada por la falta de pruebas contrafactuales sólidas que la demuestren, pero si una parte significativa de la negociación total de un instrumento concreto se realiza únicamente como extensión de tendencias pasadas, parece probable. En otras palabras, la IA acaba impulsando precios anteriormente impulsados por la IA, lo que reduce el elemento humano en la fijación de precios en lugar de pronosticarlo.

Las implicaciones más amplias de estas distorsiones quedan fuera del alcance de este artículo, que consiste en debatir si la IA es una bendición o una amenaza. Hemos establecido que la IA y el aprendizaje automático son y serán una enorme ayuda para la humanidad, y que los temores a un mundo feliz en el que las máquinas sean las amas y los humanos los esclavos son incompatibles con la ciencia. Los temores a la pérdida de empleos por la IA, igual que los temores a la seguridad laboral con todos los avances tecnológicos anteriores, están fuera de lugar.

Y si Alan Turing estuviera vivo hoy, sería interesante saber si su pregunta, si las máquinas pueden pensar, ha sido respondida a su satisfacción. Las pruebas indican que no lo ha sido y que quizá nunca lo sea.

Las opiniones y los puntos de vista expresados en este artículo son los de su(s) autor(es) y no reflejan los de Goldmoney, salvo que se indique expresamente. El artículo tiene fines meramente informativos de carácter general y no supone que Goldmoney o el autor o los autores le presten asesoramiento jurídico, financiero, fiscal, de inversión o contable. No debe actuar ni confiar en ninguna información contenida en el artículo sin antes obtener asesoramiento profesional independiente. Se ha procurado que la información del artículo sea fiable; no obstante, Goldmoney no garantiza que sea exacta, completa o actualizada, ni que deba tomarse como indicación de resultados futuros, y no debe confiarse en ella como tal. Goldmoney no se hará responsable de ninguna reclamación, pérdida, daño o molestia causados por la información o las opiniones contenidas en este artículo, y cualquier acción emprendida como consecuencia de ellas corre por su cuenta y riesgo.