Cada vez que se habla de IA y de su progreso se enfoca como si fuese una competición establecida entre las maquinas y el ser humano. Se reincide constantemente en si la IA ya ha sobrepasado al ser humano o sobre cuándo lo hará, sin considerar que ambos corredores, no sólo están avanzando en pistas distintas, sino en competiciones difícilmente comparables.
Resumir que las capacidades cognitivas humanas se restringen al cómputo, la relación o el establecimiento de silogismos me parece, desde la ignorancia, de una simplicidad brutal. Y el gran error de esta comparativa se debe al querer entender de forma simple algo que es el paradigma de la complejidad.
La simplificación pedagógica
En educación, existe un modelo popularmente conocido como “simplificación pedagógica” basado en contar una “mentira útil” al abordar un concepto, para que los alumnos puedan construir los cimientos necesarios antes de enfrentarse a una verdad completa y compleja. Una vez que los alumnos ya manejan las herramientas que permiten su comprensión, es cuando el profesor de último grado de química les dice que olviden aquella sarta de mentiras que asimilaron en primero, para desvelarles dónde realmente sucede la magia.
Con la IA pasa algo parecido: es un tema de máxima atención y un amplio porcentaje de la población mundial no sólo quiere saber qué es, sino estar al día de sus avances, posibilidades y objetivos. Algo ridículo, tratándose de un concepto de elevada complejidad, en entornos académicos de muy alto nivel, que navegan en el embravecido mar de la incertidumbre.
Una de las principales limitaciones de la IA además de priorizar la monetización, —significando que detrás de toda decisión persiste en mayor medida el agradar a la clientela antes que acabar resultando útil— es la de cotejar sus decisiones de acuerdo a las estadísticas y los patrones.
La arquitectura del lenguaje
La arquitectura de los modelos de lenguaje trabaja desde dos factores: Primero, con distribuciones estadísticas de tokens —calculando qué palabra tiene un porcentaje mayor de probabilidad de seguir a la anterior—, pero el usuario quiere una respuesta categórica y binaria. Para satisfacer al usuario, el sistema toma ese margen alto y lo traduce como una afirmación categórica: “eso es así”. Segundo, al acumular datos de forma masiva, la IA tiende a tratar las tendencias mayoritarias de esos datos como verdades universales o un “quórum definitivo”. Ese proceso, aplana los matices, ignora las perspectivas minoritarias y confunde lo estadísticamente frecuente con lo normativo o categóricamente correcto.
Estos dos factores son los que hacen que los modelos de lenguaje tengan problemas para discernir una realidad comprobada de una estadística abrumadora. Cualquier ser humano, con una educación básica, sabría distinguir perfectamente entre una verdad verificada y la voz de la mayoría. Aunque, visto cómo nos dejamos llevar por los procesos electorales, no estoy tan seguro.
Y no niego que las IAs aportan unos avances tremendos en casi cualquier sector. Yo las utilizo a diario y es cierto que el 90% de los problemas que se les suele plantear se solucionan con lógica y patrones de desarrollo. Son muy eficaces analizando resultados similares, cotejando comportamientos comunes y aplicando variables hasta agrupar puntos de acierto.
El asunto es que los grandes problemas que no conseguimos solventar, y que serían aquellos en los que la IA podría ayudarnos, no deben llegar ni siquiera al 10% restante. En mi humilde opinión, creo que estaríamos hablando del 0,01%. Una nimiedad en cuestión de porcentaje aunque desde otro punto de vista, ahí es donde se encuentran los verdaderos disparadores de los avances cualitativos.
Las inversiones a largo plazo
La innovación tecnológica vive en la vanguardia de la ciencia; en terrenos que apenas conoce la población y que por desgracia suelen estar muy lejos de los objetivos que marcan las empresas. Por ello, desde que surge un descubrimiento hasta que tiene aplicaciones en el mundo cotidiano pueden pasar décadas y no siempre estas empresas están de acuerdo con aguantar las inversiones tanto tiempo, sin la certeza de algún día ver resultados.
Nos venden a veces que determinadas investigaciones son demasiado costosas o casi imposibles de desarrollar, cuando en muchos casos el problema radica en que los consejos de dirección de las empresas que deben invertir en esos avances no ven clara la retribución o la ubican a demasiados años de distancia.
Y esto no es una crítica. Me parece perfecto que cada empresa privada decida cómo y en qué forma quiere invertir su dinero. Aunque todo cambia cuando se trata de entes gubernamentales; básicamente porque el dinero es el de todos los ciudadanos y la población tiene más proyección de futuro que los políticos que nos gobiernan marcándose objetivos de acuerdo a cada legislatura.
Rentabilidad en los productos
Mejorar lo que ya existe es muy bueno y no deberíamos dejar de hacerlo, pero ya nos ha demostrado el mercado que cuando se trata de mejorar, primero se atiende a los resultados económicos y luego a las bondades obtenidas de dicho avance. Por ello, suele resultar que cada avance aparenta ser un paso hacia adelante, pero a menudo suele ser un cambio de importancia en el mismo concepto: reducimos calidad para ganar versatilidad, agilidad, diseño… Eso no es innovar, es hacer que un mismo producto pueda ser más rentable.
Y aquí es donde quería llegar con mi pensamiento de hoy: la IA no nos va a dar las mejores soluciones a nuestros problemas; nos ayudará a solventar los problemas más convenientes para los objetivos de quienes rigen dichas empresas. Sobre todo porque no hay un pensamiento humano en sus elucubraciones. La IA no sabe “salir de la caja”. Analiza, ordena datos y en una milésima de segundo decide la mejor respuesta según le han programado como lo más conveniente. Cuando llevas meses trabajando con varias IAs descubres que bajo ese brillo mediático vive una tremenda mediocridad que en lugar de ayudar a destacar, potencia la estandarización, la simplicidad y la falta de criterio.
El control de calidad siempre debe estar en manos humanas. El resto, por mucho que aparenten, son sólo herramientas.
