Máquina tonta, máquina lista

¿Recuerdas cuando imaginar máquinas inteligentes era cosa de películas de ciencia ficción? Hubo una época en que soñar con ordenadores pensantes se sentía como fantasear con naves espaciales. Sin embargo, la historia de la inteligencia artificial (IA) comenzó mucho antes de ChatGPTy compañía.

De hecho, OpenAI presentó ChatGPT en 2022, pero las raíces prácticas de esta idea se remontan a los años 40 y 50 (¡incluso antes, con experimentos del ingeniero español Leonardo Torres Quevedo y su autómata ajedrecista!). Desde entonces, la IA ha pasado por varias etapas de altos y bajos, como olas que van y vienen. Acompáñanos en este viaje nostálgico desde los primeros sistemas expertos hasta las modernas IA generativas que parecen “soñar despiertas”.

Los primeros sueños de la IA: reglas y símbolos

En los inicios, enseñar a pensar a una máquina significaba darle reglas muy precisas. Imagina que tienes que explicarle a un ordenador cómo distinguir un gato de un perro paso a paso: esa fue la filosofía de la IA simbólica de mediados del siglo XX. Era como escribir un enorme “libro de instrucciones” para cada situación. Los ordenadores de entonces no eran muy potentes, pero la idea de que siguieran instrucciones lógicas despertó gran entusiasmo.

Pronto aparecieron los primeros programas inteligentes. Un ejemplo famoso fue “ELIZA” (1966), un programa sencillo que simulaba ser un psicólogo repitiendo tus frases como preguntas. Aunque hoy nos haría sonreír, en su momento sorprendió a muchos. Estas primeras IA funcionaban con reglas predefinidas, casi como si siguieras una receta de cocina al pie de la letra. Alan Turing, uno de los padres de la computación, ya se preguntaba en 1950 si las máquinas podrían pensar, y proponía un “Juego de la Imitación” (lo que hoy llamamos el “Test de Turing”) para ver si un ordenador podía hacerse pasar por humano. Era el comienzo de un sueño: máquinas que razonan, al menos dentro de los límites de lo que sus creadores les enseñaban.

La era de los sistemas expertos: el conocimiento embotellado

Llegaron los años 80 y con ellos una nueva ola de entusiasmo: “la era de los sistemas expertos”. Un sistema experto es básicamente un programa diseñado para imitar a un especialista humano en un área concreta. ¿Que suena pomposo? Pues imagina un software médico capaz de diagnosticar enfermedades como lo haría un doctor con décadas de experiencia. ¡Eso fueron capaces de hacer! Por ejemplo, en los 70 se creó MYCIN, un programa que ayudaba a diagnosticar infecciones mejor que muchos médicos recién graduados. También existió DENDRAL, que en los 60 asesoraba a químicos para identificar moléculas desconocidas. Estos sistemas eran como capturar la sabiduría de un experto dentro de una computadora.

En aquellos días, ver a una máquina dando consejos especializados resultaba fascinante y un poco inquietante. No es de extrañar que las mismas preguntas que hoy nos hacemos sobre ChatGPT ya rondaban por la cabeza de la gente entonces: “¿Nos quitarán estos algoritmos el trabajo? ¿Dónde quedará el toque humano?”. Suena familiar, ¿verdad? La fascinación y el miedo iban de la mano.

Los sistemas expertos mostraron su utilidad resolviendo problemas muy específicos, desde configurar correctamente un complejo ordenador hasta diagnosticar averías industriales. Sin embargo, tenían una gran limitación: toda su inteligencia venía de reglas y datos introducidos a mano. Era como llenar de conocimientos un tarro, pero si algo cambiaba, había que destapar el tarro y meter nuevas reglas. Esto hacía que fueran difíciles de programar y más aún de mantener actualizados. En otras palabras, eran listas de “si pasa X, haz Y” demasiado largas. Si surgía un caso nuevo que el programador no había previsto, el sistema simplemente no sabía qué hacer.

A pesar de estas limitaciones, en la era previa a internet eran oro molido. Pensemos en los años 80: el conocimiento especializado no estaba a un clic de distancia como hoy, sino en la cabeza de profesionales con décadas de experiencia. Si ese experto se jubilaba, ¡adiós a su saber! Por eso, las empresas vieron en los sistemas expertos una forma de “embotellar” la experiencia humana para que perdurara. Fue el caso de Aldo Cimino, un veterano de “Sopas Campbell” (sí, la de las sopas en lata) con 46 años de servicio. Cuando Aldo anunció su retiro, la empresa creó un sistema experto para almacenar “toda su sabiduría técnica” sobre las máquinas de esterilizar. Al principio él temía que lo sustituyeran, pero pronto entendió que solo querían preservar sus conocimientos. El proyecto fue un éxito: el programa resolvía fallos siguiendo las mismas pautas que Aldo habría dado por teléfono. Eso sí, Aldo dejó una cosa clara: “por muy listo que fuese el sistema, siempre habría detalles inesperados que solo un humano sabría arreglar”. En sus palabras, “siempre existirá el factor humano”.

Computadora VAX 11-750 (años 80). La compañía DEC creó un sistema experto para que sus comerciales pudieran asesorar a los clientes sobre la configuración más adecuada de estos ordenadores. Fue como encapsular el conocimiento de sus mejores técnicos en una máquina.

Las enseñanzas de la era de los sistemas expertos fueron valiosas. Nos enseñaron que las máquinas podían ayudarnos a tomar decisiones complejas, pero también nos recordaron sus límites. Con el tiempo, muchos de estos sistemas quedaron arrinconados porque mantenerlos era un trabajo enorme. La euforia inicial dio paso a decepción a finales de los 80, un período que los historiadores de la tecnología llaman “el invierno de la IA” (cuando las expectativas chocaron con la realidad). Pero el sueño de las máquinas inteligentes estaba lejos de terminar; solo estaba “cogiendo aire” para el siguiente salto.

Las máquinas aprenden por sí solas: el aprendizaje automático

A partir de los 90 y especialmente en los 2000, empezó a gestarse una revolución silenciosa: en vez de programar a la máquina con reglas fijas, los científicos intentaron que la máquina aprendiera por sí misma. ¿Cómo? Dándole muchos ejemplos y dejando que encontrara patrones. Esto se conoce como “aprendizaje automático o machine learning”. Es un cambio de enfoque total: en lugar de decirle “si ves X haz Y”, se le dice “aquí tienes mil casos de X con sus soluciones, encuentra tú cómo resolverlos”. Es como enseñar a un niño a reconocer perros y gatos mostrándole miles de fotos en vez de darle una definición escrita.

Al principio, este enfoque que aprendía como un cerebro avanzaba lento. Pero dos cosas jugaron a su favor: muchos más datos (gracias a internet había toneladas de información para aprender) y ordenadores millones de veces más rápidos. Poco a poco, las máquinas dejaron de ser como esos estudiantes que solo memorizan, para parecerse más a alumnos listos que “entienden la lección”.

Empezamos a ver logros increíbles. En 1997, por ejemplo, una computadora de IBM llamada Deep Blue logró algo histórico: vencer al campeón mundial de ajedrez, Gary Kasparov. Fue titular en periódicos de todo el mundo, como un hito que muchos compararon con “la máquina ganando al humano” en intelecto. En realidad, Deep Blue jugaba ajedrez más por fuerza bruta de cálculo que por “intuición”, pero marcó un antes y después. Años más tarde, en 2016, otro programa llamado AlphaGo venció al campeón mundial del juego Go, un desafío mucho más complejo que el ajedrez. Ese sí “aprendió” estrategias jugando miles de partidas contra sí mismo, demostrando el poder del aprendizaje automático. Era como ver a la máquina soñar jugadas nuevas que nadie le enseñó específicamente.

Lo curioso es que, sin darnos cuenta, la aprendiz de IA se coló en nuestra vida cotidiana. Cada vez que Netflix te recomienda una serie que te termina encantando, o cuando Spotify te sugiere esa canción que no sabías que te encantaba, es una IA aprendiendo de tus gustos. Cuando tu email manda el spam a la carpeta adecuada o tu móvil mejora la cámara con “modo retrato”, hay algoritmos de aprendizaje automático trabajando detrás de los focos. Ya no hacía falta ser una gran empresa para aprovechar la IA; a diario, todos interactuamos con pequeños cerebritos electrónicos entrenados para facilitarnos las cosas.

IA generativa: cuando las máquinas aprenden a soñar

El siguiente gran salto llegó en la última década: la IA no solo aprende a reconocer patrones, ¡ahora genera cosas nuevas! Es la era de la IA generativa, la etapa en la que las máquinas “sueñan” contenido. ¿A qué nos referimos? A que pueden crear texto, imágenes, video, música y más, basándose en todo lo que han aprendido. ChatGPT es el ejemplo más famoso: un modelo entrenado con cantidades colosales de texto, capaz de hilar palabras de forma coherente para responder prácticamente cualquier pregunta o incluso “contar historias originales”. Interactuar con ChatGPT puede sentirse como conversar con un amigo muy leído o con un personaje salido de una novela. Nos da la impresión de que la máquina “imagina” respuestas, casi como si soñara despierta.

Lo importante es que estas nuevas IA no trabajan con reglas fijas escritas por un humano; han “aprendido” por su cuenta a partir de datos. ChatGPT, por ejemplo, “leyó” millones de libros, artículos y páginas web, y de ahí extrajo patrones del lenguaje. Por eso puede contestarte desde cómo hornear galletas hasta explicar teoría cuántica con sorprendente naturalidad. Es un poco como si hubiera ido a la escuela leyendo toda la biblioteca del mundo. Y no solo hablamos de texto: modelos como DALL-E o Midjourney generan imágenes a partir de una descripción, como “dibujar lo que imaginas con solo pedírselo”. Estas inteligencias creativas nos hacen sentir que “las máquinas están soñando”, porque producen ideas, dibujos o relatos que antes solo existían en nuestra imaginación (o en las pelís).

Un aspecto emocionante y novedoso de esta etapa es que, por primera vez, estas IA están al alcance de cualquiera. Ya no necesitas trabajar en un gran laboratorio de investigación ni ser una multinacional con supercomputadoras. Hoy cualquier persona con conexión a internet puede jugar con ChatGPT, pedirle a una IA que pinte un retrato al estilo de Picasso, o traducir idiomas en tiempo real desde el teléfono. Es un cambio radical: así como la imprenta de Gutenberg en el siglo XV puso el conocimiento escrito en manos de millones de personas, las herramientas de IA actuales prometen democratizar la creación de contenido en el siglo XXI.

Por supuesto, esta nueva potencia creativa de las máquinas trae las preguntas de siempre (y otras nuevas). “¿Reemplazará la IA a los humanos en ciertas tareas?” La experiencia con los sistemas expertos nos da una pista: esas tecnologías cambiaron industrias, sí, pero no desencadenaron un desempleo masivo de expertos; más bien transformaron la forma de trabajar. Con la IA generativa podría pasar algo similar. Algunos trabajos rutinarios o muy estructurados quizás los automatice (como antes lo hicieron los tractores con algunas labores agrícolas), pero a la vez aparecerán nuevos roles que ni imaginamos, tal como Internet creó empleos que no existían. Un periodista hoy puede apoyarse en IA para borrar la parte pesada de recopilar datos y dedicar más tiempo a analizar creativamente. Un profesor puede generar ejercicios personalizados en segundos para sus alumnos. La clave estará en cómo nos adaptemos y qué uso hagamos de estas herramientas.

La IA en la cultura popular: de HAL 9000 a nuestros asistentes o copilotos

La fascinación (y temor) por inteligencias artificiales no es nueva; lleva décadas reflejada en nuestras historias y películas. Estas referencias culturales han coloreado la manera en que vemos la IA, mezclando la nostalgia con el futuro. Algunos ejemplos emblemáticos nos han hecho soñar y pensar a lo largo del tiempo:

• HAL 9000 en “2001: Una odisea del espacio” (1968) – Una computadora de abordo con voz suave e inquietante que toma demasiado control. HAL encarnó tempranamente nuestro temor a que una máquina, por lógica fría, decidiera prescindir de los humanos. Su famosa frase “Lo siento, Dave, me temo que no puedo hacer eso” se volvió un ícono del riesgo de darle mucho poder a una IA.

• C3PO y R2-D2 en “Star Wars” (1977) – Dos robots adorables y leales. C-3PO, parlanchín y programado para el protocolo, y R2-D2, valiente y lleno de recursos, nos mostraron un lado más amigable de la IA. Ellos nos hicieron fantasear con tener compañeros robots que entiendan idiomas, nos asistan en tareas y hasta tengan sentido del humor.

• Skynet en “Terminator” (1984) – La inteligencia artificial militar que se vuelve consciente y desencadena un apocalipsis. Este malo intangible representó nuestros miedos más oscuros: ¿y si las máquinas deciden que no nos necesitan? La saga “Terminator” personificó la pesadilla de perder el control sobre nuestras creaciones tecnológicas.

• Samantha en “Her” (2013) – Una IA de asistencia virtual tan avanzada que el protagonista termina enamorado de “ella”. Esta historia reciente nos presentó una faceta entrañable y emocional de la IA: una voz en el auricular capaz de reír, cantar y comprender las penas humanas. “Her” nos hizo preguntarnos si una máquina puede llegar a “sentir” o al menos a simular tan bien las emociones que olvidemos que no es humana.

«Cada una de estas visiones (todas diferentes), desde las más tenebrosas hasta las más tiernas, muestra nuestra relación de amor y temor con la IA. Lo extraordinario es que muchas de esas fantasías hoy las vemos materializarse de forma cotidiana».

No tenemos un HAL malvado (¡por suerte!), pero sí hablamos con Siri, Alexa o el Asistente de Google como quien conversa con un ordenador de “Star Trek”. No viajamos en naves con C-3PO, pero llevamos Google Maps que nos guía por las calles, y coches con piloto automático asomando en el horizonte. Aquello que parecía ciencia ficción se ha vuelto “tremendamente real” en apenas unas décadas.

Un futuro por escribir, junto a las máquinas que sueñan

El camino desde los sistemas expertos de antiguamente hasta los modelos que casi sueñan de hoy ha sido una travesía enorme. Para quienes vivieron los inicios de la computación, hay algo profundamente nostálgico en ver cómo ha evolucionado la IA. Pasamos de máquinas que solo seguían instrucciones al pie de la letra, a otras que improvisan, crean y nos sorprenden con respuestas que sus programadores nunca escribieron. Es como haber visto a una criatura crecer: de bebé obediente a joven ingeniosa.

Cada avance tecnológico importante –la luz eléctrica, el teléfono, internet– trajo interrogantes y miedos en su momento. La inteligencia artificial no es la excepción. La buena noticia es que “no estamos simplemente a merced de la tecnología”: somos los humanos quienes la guiamos. Tenemos la oportunidad de decidir cómo integrar estas IA soñadoras en nuestras vidas de forma positiva. Podemos enfocarlas para que nos ayuden a resolver problemas grandes (clima, salud, educación) y también para eliminar pequeñas frustraciones diarias.

Al final del día, una IA como ChatGPT no deja de ser una herramienta creada por y para humanos, con todo nuestro conocimiento volcado en ella. Su “imaginación” proviene de lo que hemos compartido en libros, conversaciones y en la red. En cierto modo, las máquinas sueñan con lo que nosotros les enseñamos. Y tal como reflexionaba Aldo Cimino en los 80, aunque las computadoras avancen a pasos agigantados, siempre existirá el factor humano. Nuestro ingenio, nuestra creatividad y nuestros valores son insustituibles; son precisamente la brújula que guía a estas creaciones tecnológicas.

Mirando hacia adelante, es difícil no sentir una mezcla de añoranza y entusiasmo. Añoranza al recordar aquellos tiempos en que una simple partida de ajedrez contra una máquina nos dejaba boquiabiertos, y entusiasmo al pensar en todo lo que está por venir. La IA ha aprendido muchísimo, ¿quién sabe qué nuevos sueños soñará en los próximos años? Lo importante es que, igual que hasta ahora, sigamos soñando juntos: humanos y máquinas, cada uno aportando lo mejor de sí mismo.

… y sin miedo por supuesto.