La inteligencia artificial (IA) surgió en los años cincuenta, cuando un grupo de visionarios se preguntó si las máquinas podrían llegar a “pensar”. Setenta años después, la realidad ha superado cualquier expectativa: las redes neuronales han conquistado tareas cognitivas que, durante cientos de miles de años, fueron exclusivas de los seres vivos. Hoy, esto es un hecho indiscutible. El aprendizaje automático basado en redes neuronales ha resuelto desafíos que parecían inalcanzables para las máquinas: - Modelos como ChatGPT, Gemini o Claude dominan el lenguaje natural. - Poseen un conocimiento enciclopédico y fluido. - Programan código a nivel superior al humano. - Describen imágenes y transcriben audio con precisión humana. - Traducen textos con calidad equiparable a la de un traductor profesional. - Otros sistemas generan imágenes realistas, predicen fenómenos meteorológicos, vencen a campeones de Go o conducen vehículos autónomos. El investigador François Chollet lo resume: “En la última década, el deep learning ha supuesto una revolución tecnológica”. Cada avance sería notable por sí solo; conseguirlos todos con una misma técnica es como hallar una llave maestra para múltiples puertas. ¿Por qué ahora? Tres factores convergieron: algoritmos, potencia de cómputo y grandes volúmenes de datos. Detrás de cada uno, personas clave: Geoffrey Hinton apostó por las redes neuronales cuando otros las descartaban; Jensen Huang, CEO de Nvidia, impulsó el desarrollo de chips de alto rendimiento; Fei-Fei Li creó ImageNet, una base de datos de imágenes sin precedentes. En 2012, los estudiantes de Hinton, Ilya Sutskever y Alex Krizhevsky, combinaron estos elementos y crearon AlexNet, una red neuronal que revolucionó el reconocimiento de imágenes. El éxito se propagó rápidamente: la fórmula de redes, datos y cómputo masivo funcionaba. El impacto es profundo. Como señala Ethan Mollick, aunque el desarrollo de la IA se detuviera hoy, “tendríamos una década de cambios por delante en todas las industrias”. El futuro de estas máquinas es incierto. Entre el entusiasmo desmedido y el escepticismo, se olvida lo esencial: los modelos actuales ya son sorprendentes. Su funcionamiento recuerda a la intuición humana y plantea preguntas profundas sobre la inteligencia, tanto artificial como biológica. Lección 1. Las máquinas pueden aprender La lección más evidente y menos discutida: las máquinas aprenden. El regulador centrífugo de James Watt (1788) ya ajustaba la velocidad de las máquinas de vapor sin intervención humana. La programación tradicional define reglas explícitas; el aprendizaje automático, en cambio, permite que el sistema descubra las reglas a partir de ejemplos. Como explica Chollet en Deep Learning with Python: “Un sistema de aprendizaje automático se entrena, no se programa”. Los grandes modelos de lenguaje, como ChatGPT, son redes neuronales con miles de millones de parámetros que se ajustan durante el entrenamiento. El proceso es matemático y ha demostrado ser eficaz. Aquí surge la “lección amarga”: durante décadas, los expertos intentaron codificar el conocimiento en las máquinas sin éxito. Lo que funcionó fue crear las condiciones para que el conocimiento emergiera por sí solo. Lección 2. Habilidades emergentes en la IA De procesos simples pueden surgir capacidades complejas, como ocurre en la evolución biológica. Los grandes modelos de lenguaje manejan el idioma con flexibilidad, detectan sarcasmo y responden a contextos cambiantes, sin que nadie les haya enseñado explícitamente gramática o ironía. El entrenamiento de “predecir la siguiente palabra” resultó tener un poder emergente inesperado. Para predecir palabras, el modelo debe captar nociones complejas: conocimiento geográfico, matemático, sentido común y empatía. Así, una tarea aparentemente simple contiene en sí misma todas las demás. Por ejemplo, modelos como Gemini pueden resolver problemas matemáticos no vistos durante el entrenamiento, lo que implica la inferencia de algoritmos complejos a partir de ejemplos. Lección 3. La IA aprende como una “evolución rudimentaria” A diferencia de los humanos, que aprenden con pocos datos, los modelos de IA requieren millones de ejemplos. El proceso recuerda a la evolución: cambios diminutos y repetidos generan capacidades complejas. Como señala Andrej Karpathy, el entrenamiento de un modelo es una “evolución cutre”, donde la inteligencia emerge de la acumulación de conocimiento a gran escala. Lección 4. Automatización de la cognición Chollet prefiere hablar de “automatización cognitiva” en lugar de inteligencia artificial. Los modelos actuales no poseen autonomía cognitiva, pero automatizan tareas cognitivas a gran escala. Aunque carecen de razonamiento deliberado, la experiencia masiva compensa muchas de sus limitaciones. Otros expertos, como Andrej Karpathy y Blaise Agüera y Arcas, consideran que estos sistemas muestran formas genuinas de inteligencia, capaces de generalizar y aprender de manera activa. Lección 5. Más intuitiva que racional Contrario a la imagen clásica del robot racional, la IA actual opera de forma más intuitiva, similar al “Sistema 1” descrito por Daniel Kahneman: rápida, automática y basada en patrones. El razonamiento deliberado sigue siendo un reto, por lo que los avances recientes buscan dotar a los modelos de capacidades de reflexión y razonamiento paso a paso, mejorando su desempeño en tareas complejas. Lección 6. Los humanos también somos patrones El éxito de la IA al capturar patrones nos lleva a cuestionar cuánto de nuestras propias habilidades funciona de manera similar. La ciencia ha ido desmontando la idea de nuestra excepcionalidad, y la IA demuestra que muchas capacidades humanas pueden replicarse mediante el aprendizaje de patrones a gran escala. Lección 7. Una explosión cámbrica de IA Las limitaciones de la IA actual son notables, pero la combinación de redes, datos y cómputo ha abierto una era de innovación acelerada. Laboratorios de todo el mundo exploran nuevas direcciones: sistemas adaptativos, modelos que comprenden el mundo físico o IA que escriben y evolucionan sus propios programas. El potencial es enorme y, aunque el futuro es incierto, la transformación ya está en marcha. La pregunta ya no es si la inteligencia puede ser replicada, sino hasta dónde llegaremos. Lo que ya hemos conseguido es extraordinario y podría ser la mayor transformación de nuestra era. Fuente: elpais.com