Inteligencia Artificial: ni tan inteligente, ni tan artificial

Bruno Mateos28 marzo, 2023

Prompt sobre la inteligencia artificial dominando el mundo (generado por Midjourne)

Advertencia. Este artículo podría estar escrito por una Inteligencia Artificial y usted posiblemente no lo notaría. Es más, el único rasgo en el texto que denota cierta humanidad es la escasa inteligencia que muestra su sentido del humor.

Si usted, amigo lector, no ha oído hablar acerca de la Inteligencia Artificial (IA) en los últimos doce meses solo puede ser debido a un aislamiento que haría palidecer a la mayor de las pandemias. 2022 fue, sin lugar a dudas, el año de la explosión de la Inteligencia Artificial, mal que le pese a Zuckerberg y su cacareado metaverso. A pesar de ser un término ampliamente utilizado, en nuestro subconsciente la IA sigue muy ligada a la ciencia ficción. Si todavía es de los que piensa que Inteligencia Artificial solo le afectará cuando Skynet esté a punto de arrasar el planeta y la singularidad tecnológica esté a tiro de bit, el siguiente artículo puede que le interese.

¿Existe vida inteligente los domingos por la mañana?

Lo primero que toca es definir de qué hablamos cuando hablamos de inteligencia. Entendemos por inteligencia la capacidad de la mente de aprender, razonar, tomar decisiones y hacerse una idea propia sobre aquello que llamamos realidad. Ahora que ya hemos descartado al 75% de los tertulianos de este país, podemos definir la Inteligencia Artificial como la habilidad de ciertas máquinas para simular la inteligencia humana. No hablamos necesariamente de replicarla en su totalidad o de intentar superar ciertas atribuciones como pueden ser la conciencia, la sensibilidad o el autoconocimiento.

De esta forma podemos hablar de dos tipos de IA:

Inteligencia Artificial General: también llamada fuerte o dura. Podríamos definirla como la IA que la ciencia ficción imaginó. Su objetivo es realizar con éxito cualquier tarea que el cerebro humano pueda llevar a cabo, independientemente de su ámbito o naturaleza. Evidentemente nos encontramos muy lejos de conseguir semejante objetivo, si es que alguna vez se llega a lograrlo. Sin embargo, los avances en IAG son necesarios para hacer progresar otras áreas de investigación mucho más acotadas. En conclusión, podemos estar tranquilos, por mucho que los transhumanistas auguren el fin de la raza humana para el año que viene y su sustitución por máquinas; parece que todavía andaremos por aquí un tiempecillo, al menos mientras el planeta lo permita.
Inteligencia Artificial Estrecha: también llamada débil. Se centra en tareas concretas, normalmente realizadas por humanos y trata de superar nuestras limitaciones. Robots de limpieza, asistentes de voz o coches autónomos son ejemplos de aplicaciones que ya se encuentran entre nosotros desde hace años. Son sistemas que buscan soluciones a un tipo de problema en concreto, no replicar el funcionamiento complejo del cerebro humano. Salvo casos de fetichismo extremo, es poco probable que te vayas a enamorar de tu roomba, pero la consideraremos inteligente si es capaz de acordarse de la composición de tu casa y solventar obstáculos más o menos complejos.

Cómo entrenar a tu Tesla para que te llame Michael Knight y te gane al ajedrez

Como dice el refrán, nadie nace aprendido, y tampoco lo hacen los sistemas de Inteligencia Artificial. Existen una serie de técnicas para entrenarlos en las tareas para las que han sido diseñados. Vamos a hacer un breve repaso a las principales aplicaciones que pueden emplear las IA y cómo hacer que pase de faltarle una patatina pal kilo a ser un genio en lo suyo.

Machine Learning: la verdadera madre del invento y la aplicación que hace que a los humanos nos parezca que una máquina es capaz de aprender por sí misma. El aprendizaje automático, popularmente conocido como machine learning, es una rama de la Inteligencia Artificial que, mediante el uso de algoritmos de procesamiento de datos, permite que una máquina mejore su desempeño con la experiencia. Esto viene a significar que alimentamos nuestra IA de ejemplos, en forma de datos. Construye su conocimiento de la realidad (o al menos la pequeña realidad para la que ha sido creada) basándose en los patrones que encuentra en estos datos, y cuando se enfrenta a un nuevo reto busca la solución basándose en toda la información que ha ido acumulando. Esto puede ser problemático en función de los ejemplos y datos con los que hayamos entrenado nuestra Inteligencia Artificial. Además de los datos que usamos, conocidos popularmente como datasets, influye el tipo de algoritmo que utilicemos para procesarlos. De esta forma podemos hablar de diferentes aprendizajes: supervisado, no supervisado, semisupervisado, por refuerzo… Si no le ha explotado la cabeza todavía, podemos continuar.
Deep Learning: el aprendizaje profundo, o deep learning, es un conjunto de algoritmos de machine learning que intentan modelar abstracciones de alto nivel. Vamos a tomar aire y tratar de explicarlo. Imaginemos que le pasamos a nuestra IA una imagen para que la procese como ejemplo. A bajo nivel, podría hacerlo como una matriz de píxeles y colores. Pero quizás, si lo que busca nuestra IA es reconocimiento de imagen, sería más útil que las categorías con las que el algoritmo procesa esa imagen fuesen más abstractas. Por ejemplo, podríamos usar categorías como retrato o paisaje. Podríamos estar interesados en categorías referentes a su contenido como personas, playa o mascotas. El aprendizaje profundo se encarga de decidir cuales de estas categorías son mejores y cómo reconocerlas en nuestros datos entrantes.
Resolución de problemas: una de las aplicaciones más útiles de la Inteligencia Artificial. Se trata de conseguir que nuestro coche se conduzca solo, crear imágenes absurdas basadas en una descripción o dotar a la web de Renfe de un asistente virtual para que podamos cagarnos en sus muertos. Lo cierto es que posiblemente su mayor utilidad reside en la ayuda que supone de cara a la resolución de problemas matemáticos. Dado que el universo está escrito en matemáticas, la IA puede ayudar en campos tan diversos como la medicina, la bioquímica, los modelos meteorológicos, predicciones económicas o cualquier problema existente que pueda ser traducido a un conjunto de ecuaciones. Google ya ha presentado Minerva, su IA capaz de resolver problemas matemáticos utilizando razonamientos matemáticos paso a paso. No solo nos devuelve la solución al problema, sino que podemos ver los distintos cálculos que ha realizado para llegar a ella.
Procesamiento de Lenguaje Natural (NLP): ha llegado la hora de hablar de ChatGPT y el boom de los chatbots. Existen muchas posibilidades de que usted esté leyendo este artículo porque en los últimos meses ha oído hablar de máquinas con las que puedes mantener una conversación mucho más inteligente de las que tienes un sábado por la noche. Los asistentes de texto son sin duda la estrella de las aplicaciones. Google ya ha anunciado Bard, Microsoft ha lanzado Bing Chat y todas las grandes tecnológicas han movido ficha de una u otra forma. Los últimos y espectaculares avances en procesamiento del lenguaje natural permiten a los bots conversacionales sostener conversaciones que suenan más humanas de lo que lo hacían hasta ahora. No es que de repente las máquinas se hayan vuelto sintientes, conscientes o inteligentes en extremo, no. Cada vez que uno de los bots da una respuesta lo hace construyéndose en función a algoritmos probabilísticos sobre qué grupos de palabras casan mejor con otros. Vamos, que las máquinas no tienen ni idea de lo que nos están contando, pero saben cómo hacerlo de forma que parezca que hay un humano detrás. No hace falta forzar estos bots conversacionales en extremo para darse cuenta de que fallan cual escopeta de feria. En muchas ocasiones la información que ofrecen dista mucho de ser correcta, pero es la estructura formal con la que responden y la confianza que depositamos en que una máquina seguramente nos dará la respuesta corriente, las que hacen que nos traguemos cualquier cosa que ChatGPT nos quiera contar. Aun con todos estos fallos, los últimos meses han supuesto un despegue definitivo de este tipo de tecnologías. OpenAI, la compañía que ha liderado este sector, ha recibido una inyección de 10.000 millones de dólares por parte de Microsoft. Suenan tambores de guerra entre los gigantes tecnológicos y por primera vez aparecen nuevos actores capaces de discutirle a Google el trono del acceso a la información. Las aplicaciones de Inteligencia Artificial capaces de procesar lenguaje humano y conversar con naturalidad pueden suponer una alternativa a las tradicionales búsqueda en motores, normalmente Google. TikTok ya había revelado cómo entre las nuevas generaciones estaban cambiando los hábitos a la hora de buscar respuestas, información o soluciones a problemas. Microsoft se ha apresurado a lanzar una nueva versión de su paupérrimo motor de búsqueda, Bing, que incorpora un chatbot basado en ChatGPT, pero conectado a Internet para ofrecer las webs y diversas fuentes de las que se extrae la información. Es poco probable que Bing Chat vaya a mitigar la soledad de nadie, pero quizás cada vez más gente prefiera una respuesta directa a bucear en diez webs distintas para dar con la información que busca sobre cómo cambiar la tapa del váter.
Reconocimiento visual: el procesamiento y generación de imágenes también ha tenido su boom particular. Ya habíamos visto cómo el reconocimiento facial era ampliamente usado tanto para tareas de vigilancia como para ponernos guapos en Instagram. En los últimos meses, a esta funcionalidad se ha añadido la generación de imágenes. Aplicaciones como Midjourney, Dall-E 2 o Stable Diffusion son solo unos pocos ejemplos de la gran cantidad de generadores de imágenes a partir de texto que han aparecido. Solo tenemos que aprender a describir de manera correcta lo que buscamos y se pueden conseguir resultados realmente espectaculares. Esta habilidad, la de alimentar la IA con buen texto, se conoce como ingeniería de prompt y está comenzando a ser apreciada dentro de los nuevos empleos que nacen al calor de este tipo de tecnologías. Este tipo de inteligencias artificiales son entrenadas mediante el procesado de gigantescas bibliotecas de imágenes y fotografías. Se le proporcionan a la IA millones de imágenes para que las catalogue y puedan ser utilizadas a la hora de construir las peticiones que le hagamos. El avance con respecto a los sistemas antiguos, es que estas nuevas IA no solo son capaces de entender las imágenes que procesan, sino también su relación entre ellas (arquitectura estocástica). De esta forma, cuando les pasamos una descripción, son capaces de ir construyendo las distintas capas que relacionan los elementos de la imagen entre sí. Si pedimos una imagen utilizando las palabras gato y sofá, no dibujará un gato y un sofá por separado, sino que compondrá una imagen de un sofá con un gato descansando plácidamente en él. Combinado con procesamiento de lenguaje humano, las IA generativas pueden crear auténticas maravillas con descripciones como retrato hiperrealista de un gijonés castaño con ojos marrones y 44 años o paisaje postindustrial con fábricas abandonadas y trenes que no caben en los túneles hecho al estilo cómic. Además de crear imágenes podemos construir variaciones de imágenes ya existentes, incluso con otros estilos, o hacer el llamado inpainting, que consiste en hacer desaparecer elementos de una imagen y sustituirlos por otros. El sueño húmedo de Stalin.

Aparte de todo, ¿qué puede salir mal?

A pesar de que la visión apocalíptica de la IA pone el foco en aspectos muy alejados del momento actual, lo cierto es que los últimos avances tienen aspecto de cambiar seriamente la forma en que interactuamos con la tecnología. Tendríamos que remontarnos a la aparición de Internet o a la popularización de los smartphones para encontrar un cambio de tanto calado como el que la IA parece prometer. Pensar que el mayor y único problema que plantea es la aparición de una especie de Skynet que borre al ser humano de la faz de la Tierra es, en cierta manera, pueril. Kate Crawford, en su estupendo libro Atlas o f AI, nos recuerda que la Inteligencia Artificial ni es artificial ni inteligente. Más bien, argumenta Crawford, está compuesta de recursos naturales, trabajo humano, infraestructuras, logística, historias y clasificaciones de información. Los sistemas de Inteligencia Artificial no son autónomos o inteligentes, sino que se basan en millones de patrones analizados y utilizados para la toma de decisiones.

Crawford enumera una serie de áreas donde el desarrollo intensivo de la IA ya está generando serios problemas de diversa índole.

Recursos naturales: hemos escuchado tantas historias sobre aplicaciones, redes sociales y jóvenes multimillonarios de Silicon Valley que a veces nos olvidamos de que todas esas máquinas están construidas con materiales y energía extraídos del planeta Tierra. La IA no está hecha de la materia con la que están hechos los sueños, sino de los minerales con los que se hacen las pesadillas de los mineros de Litio en Bolivia, Congo, Mongolia o Indonesia. La escalada de producción de tecnología que trae consigo el desarrollo de la IA significa una explotación intensiva de recursos ya de por sí escasos y que acarrea tensiones políticas y militares. El consumo de electricidad de los centros de datos, los cerebros de la IA, sigue en aumento, así como toda la logística necesaria para mover un mundo en el que el consumo se acelera a un ritmo vertiginoso. Los nuevos cerebros del marketing ya saben lo que vamos a necesitar mañana y, por si acaso, ya está en camino desde China en grandes barcos.
Trabajo: para sorpresa de nadie, la industria de la Inteligencia Artificial se sostiene sobre la mano de obra barata y explotada. Como ya hemos visto, los sistemas de IA han de ser entrenados y afinados para mejorar sus resultados. Estas tareas tediosas y que distan de ser automáticas, están ejecutadas por trabajadores de países en vías de desarrollo que en muchos casos las realizan en condiciones de explotación. OpenAI ha sido duramente criticada por utilizar a Sama, una empresa que opera en Kenia, India o Uganda, para entrenar a ChatGPT y descartar textos que no sean apropiados. Esta empresa ya era conocida por los paupérrimos sueldos que paga a sus empleados y las pésimas condiciones laborales que ofrece. Es otra rama más de ese nuevo proletariado que la Cuarta Revolución Industrial ha popularizado. Para muchos, las opciones laborales del futuro pasarán por ser raider de Glovo, censurar videos violentos en Facebook o editar textos en ChatGPT para evitar contenido racista o sexista. ¿A que suena bien?
Datos: ya lo vaticinaba este humilde plumilla en su primer artículo para LaSoga, datos somos y en datos nos convertiremos. Como hemos visto, los sistemas de IA se entrenan alimentándose de ingentes cantidades de datos. Estos pueden ser fotos, imágenes, textos o cualquier otro formato que sea procesado para ayudar a la Inteligencia Artificial de turno a mejorar en la tarea para la que ha sido creada. Estos datos son utilizados casi como infraestructura, como un recurso que estuviera disponible de manera libre y no requiriese ningún tipo de autorización. Por supuesto, los problemas éticos y legales derivados de estas prácticas no han tardado en aparecer. Las primeras quejas y denuncias ya se acumulan en los juzgados. Fotógrafos se quejan de que sus imágenes son utilizadas sin ningún tipo de contraprestación por los algoritmos generativos como DALL-E e incluso el sistema de ayuda a los programadores, GitHub Copilot, ha recibido una demanda colectiva por ser entrenado mediante repositorios públicos de código sin haberse puesto siquiera en contacto con los creadores de ese código. El ansia por alimentar las IA con cada vez mayores cantidades de datos puede hacer entrar a las compañías tecnológicas en una peligrosa carrera que afecte seriamente a nuestra privacidad y nuestros derechos como creadores.
Clasificación y sesgos: cuando tratamos de sustituir la enorme complejidad del mundo real para crear categorías con las que etiquetar nuestros datos es muy posible que caigamos en simplificaciones, que arrastramos prejuicios o que acabemos recurriendo a estereotipos. La subjetividad humana puede parecer un problema, pero cuando prescindimos de ella, también lo estamos haciendo de la infinidad de matices que conlleva. El proceso de crear categorías para facilitar el trabajo a los sistemas de machine learning está afectado por sesgos de todo tipo (género, raza, clase social…) introducidos por los propios programadores de los algoritmos. Estos sesgos son una fuente constante de desigualdad y contribuyen decisivamente a perpetuar roles tóxicos.
Poder y control: no es difícil imaginar que una tecnología como la IA está íntimamente ligada al desarrollo militar. Los Estados han encontrado en ella una herramienta perfecta para la vigilancia y el control poblacional. Ya hemos hablado aquí de los distópicos sistemas de reconocimiento facial que países como China o Inglaterra utilizan y que ya empiezan a extenderse por muchos otros lugares. La utilización de drones inteligentes en las guerras del futuro, como si de Robocop se tratase, parece ser el próximo paso. Max Weber ya nos dijo que la historia del ser humano es la de la lucha por el poder, y como siempre en la historia de la humanidad aquel con la mejor tecnología, en este caso Inteligencia Artificial, será quien prevalezca.

Para finalizar, paso la palabra a la máquina

La explosión de la Inteligencia Artificial y su popularización en aplicaciones y servicios abiertos al público no es otro hype tecnológico más. Su impacto en cuanto a cambios directos en nuestras costumbres será a corto plazo el mismo que tuvieron la aparición de Internet o los smartphones. Pensar que el único objetivo de la IA es conseguir replicar a un ser humano, es perder el foco de lo que está pasando aquí y ahora. Es inmediato el impacto en la educación, el acceso a la información, nuestra relación con los robots, la creación de contenido y muchas otras áreas de nuestro día a día. Con las oportunidades que se abren, aparecen también retos enormes en cuestiones éticas, de privacidad, legales y también en la forma en que entendemos la realidad y lo real.

Para finalizar, le entrego la palabra a ChatGPT y le pido que me haga un resumen de la chapa que os acabo de dar. Veamos qué tan lista es esta máquina:

«El artículo habla sobre la inteligencia artificial (IA) y su definición como la habilidad de ciertas máquinas para simular la inteligencia humana. Se diferencia entre dos tipos de IA: la IA General o Fuerte, que es la imaginada por la ciencia ficción y busca replicar la inteligencia humana en su totalidad, y la IA Estrecha o Débil, que se centra en tareas concretas para superar las limitaciones humanas. También se explican técnicas como el Machine Learning y el Deep Learning para entrenar a las máquinas en las tareas que se les han asignado.

La inteligencia artificial (IA) no es solo una amenaza lejana de Skynet que borrará al ser humano de la faz de la tierra, sino que ya está generando serios problemas en áreas como los recursos naturales, el trabajo, los datos y la clasificación de información. La escalada de producción de tecnología que trae consigo el desarrollo de la IA significa una explotación intensiva de recursos ya de por sí escasos y acarrea tensiones políticas y militares. Además, la IA se sostiene sobre la mano de obra barata y explotada, y la subjetividad humana se ve reemplazada por simplificaciones y estereotipos».

Lista de algunas aplicaciones y servicios IA: