¿La IA es realmente inteligente? Cinco científicos no se pusieron de acuerdo sobre qué cuenta como inteligencia

¿Y la inteligencia artificial en general sabe pensar? Cinco científicos discreparon sobre si las redes neuronales modernas pueden considerarse verdaderamente inteligentes. Algunos están seguros de que las máquinas ya poseen inteligencia; otros consideran que incluso las respuestas más impresionantes de ChatGPT son solo una hábil imitación del pensamiento. El problema principal resultó inesperado: los científicos aún no se han puesto de acuerdo sobre qué deberíamos considerar inteligencia.

La disputa comenzó con una pregunta sencilla: ¿es suficiente que una máquina responda correctamente a preguntas, resuelva problemas matemáticos y escriba programas para considerarla inteligente? ¿O el verdadero intelecto exige algo más, por ejemplo la comprensión del significado, la capacidad de investigar el mundo por sí misma y aprender de la propia experiencia? Cinco especialistas en lingüística, psicología y ciencias de la computación ofrecieron respuestas completamente distintas.

La lingüista Emily Bender adopta la postura más escéptica. Según ella, las redes neuronales actuales no muestran signos convincentes de pensamiento auténtico, y es poco probable que los modelos de lenguaje se aproximen a la forma humana de conocer el mundo. El problema está en el propio principio de su funcionamiento. Los programas analizan enormes cantidades de textos, encuentran regularidades y aprenden a construir oraciones convincentes, pero la habilidad para manejar palabras no demuestra por sí sola la comprensión de su significado.

Bender señala una peculiaridad curiosa de la percepción humana. Cuando leemos un texto coherente, el cerebro asume automáticamente que hay pensamientos e intenciones detrás de las palabras. Con ChatGPT se activa el mismo mecanismo. La red neuronal ofrece una respuesta que parece con sentido, y la persona le atribuye significado apoyándose en sus propios conocimientos y experiencia vital. Por eso, opina Bender, evaluar las capacidades de los modelos de lenguaje es mucho más difícil de lo que parece. Estamos demasiado acostumbrados a considerar el habla como señal de un interlocutor pensante.

Esa confusión también surge por el propio lenguaje que la gente usa para describir el trabajo de los ordenadores. Cuando decimos que una red neuronal piensa, comprende o aprende, las palabras habituales nos llevan a atribuir a los programas capacidades humanas. Además, la trampa del lenguaje existe desde mediados del siglo pasado, cuando los ingenieros empezaron a llamar a procesos computacionales con palabras que antes se usaban casi exclusivamente para referirse a los humanos.

La especialista en ciencias de la computación Melanie Mitchell propone comprobar las capacidades de la IA con una tarea doméstica corriente. Imagine que se estropea el lavavajillas. ChatGPT explicaría detalladamente cómo arreglarlo y aconsejaría pulsar el botón rojo a la izquierda de la puerta. ¿Pero qué ocurre si hay dos botones rojos? Una persona examinaría el aparato, cotejaría el manual con la realidad y, probablemente, entendería a cuál botón se referían. La red neuronal puede elaborar la instrucción correcta, pero no es seguro que pueda aplicar su propio consejo en un entorno desconocido.

Mitchell considera que los científicos separan con demasiada facilidad la capacidad de razonar de la habilidad para actuar en el mundo físico. El intelecto humano se desarrolló sobre todo para interactuar con el entorno y con otras personas. Por ejemplo, si alguien no sabe reparar un coche, puede encontrar un buen mecánico, explicar la avería y acordar la ayuda. Para tener éxito se requieren conocimientos, comprensión de la situación y capacidad de comunicación. Según Mitchell, los sistemas de IA actuales todavía están claramente por debajo de los humanos en este tipo de tareas sociales.

Anima Anandkumar ve el problema con mucho más optimismo. La investigadora propone una definición sencilla: la inteligencia permite aprender a partir de datos recibidos y adaptarse a las condiciones del entorno. Los sistemas de IA modernos ya saben hacer ambas cosas, por lo que ella no ve motivos para negar que las máquinas tengan capacidades intelectuales. Además, considera demasiado limitado evaluar las redes neuronales únicamente por su semejanza al humano.

Como ejemplo, la investigadora cita la predicción meteorológica. Un sistema de IA desarrollado con su participación calcula la evolución de los procesos atmosféricos decenas de miles de veces más rápido que los métodos tradicionales. Según Anandkumar, esos modelos ya pueden superar en precisión a los pronósticos clásicos y ayudan a evaluar con antelación el riesgo de fenómenos meteorológicos peligrosos. Las redes neuronales también estudian la interacción de átomos y las reacciones químicas, contribuyendo al desarrollo de nuevos materiales y medicamentos. Para la investigadora, la capacidad de encontrar pautas complejas en la naturaleza también es una manifestación de inteligencia, incluso si la máquina razona de forma muy distinta a la humana.

La psicóloga Alison Gopnik duda incluso de que exista una única capacidad llamada inteligencia. Las personas emplean diferentes habilidades para resolver distintas tareas, y algunas pueden incluso interferir entre sí. Por ejemplo, la inclinación por alcanzar rápidamente un resultado concreto difiere del deseo de explorar algo desconocido sin una utilidad evidente.

Esta diferencia se aprecia especialmente en los niños pequeños. Un niño puede pasar horas lanzando objetos, abriendo cajas y repitiendo acciones extrañas solo para ver qué sucede. Poco a poco, de muchos experimentos surge una propia representación del mundo. Las grandes redes neuronales aprenden de otra manera: sus creadores les dan enormes conjuntos de textos e imágenes creados por personas, y los programas encuentran regularidades y las usan para nuevas respuestas. Gopnik considera que la capacidad de los niños para explorar por sí mismos lo desconocido sigue estando fuera del alcance de los modelos actuales.

La investigadora también destaca otra forma inusual de inteligencia: el cuidado de los demás. Los niños pequeños pueden experimentar libremente precisamente porque los adultos les proporcionan seguridad, ayudan a afrontar las dificultades y crean condiciones para el aprendizaje. Gopnik sostiene que la capacidad de cuidar exige habilidades mentales complejas que las pruebas habituales de inteligencia apenas tienen en cuenta.

Benjamin Bergen adopta una posición intermedia y propone recordar el famoso ejemplo del caballo que sabe contar. Imagine un animal que responde a preguntas aritméticas con el número correcto de golpes de casco. Parece que el caballo ha aprendido matemáticas. Pero un examen atento revela que el animal simplemente nota movimientos apenas perceptibles del domador y se detiene en el momento oportuno.

Bergen enfatiza que el caballo realmente mostró la capacidad de aprender, de percibir señales humanas y de reaccionar correctamente a lo que ocurría. Sin embargo, sería un error considerar al animal un matemático. Con las redes neuronales surge una dificultad parecida. ChatGPT es capaz de dar la respuesta correcta a una pregunta compleja, pero el resultado por sí solo no explica cómo el programa llegó a la solución. Puede que el modelo haya generalizado conocimientos y realizado un razonamiento, o puede que las pistas necesarias ya estuvieran contenidas en los materiales de entrenamiento.

Según Bergen, los sistemas de IA modernos ya muestran signos de inteligencia según muchas definiciones existentes. Los programas aprenden de los datos, afrontan tareas nuevas y a veces exhiben habilidades que recuerdan al razonamiento lógico. Pero para evaluar la profundidad de la comprensión no basta contar respuestas correctas. Hay que entender qué procesos ayudan a la máquina a obtener el resultado.

Al final, la discusión de los cinco científicos puso al descubierto una paradoja que se hace cada vez más evidente con el desarrollo de las redes neuronales. Las máquinas ya resuelven problemas antes accesibles solo para los humanos, sin embargo los especialistas siguen sin ponerse de acuerdo sobre lo que exactamente demuestran esos logros. Mientras algunos investigadores buscan en los programas signos del pensamiento humano, otros proponen reconocer como inteligencia un conjunto muy distinto de capacidades. Quizá la pregunta principal sobre el futuro de la IA no sea cuándo las máquinas aprenderán a pensar, sino si seremos capaces de ponernos de acuerdo sobre lo que significa la propia palabra «pensar».