En torno a la IA...

 

La inteligencia artificial no es un bloque omnipotente

Cuando se habla de inteligencia artificial en conversaciones cotidianas, medios de comunicación o discursos empresariales, suele hacerse referencia a “la IA” como si se tratara de una entidad única, homogénea y prácticamente omnipotente. Esta idea se encuentra alimentada tanto por el entusiasmo tecnológico contemporáneo como por décadas de ciencia ficción cinematográfica y televisiva. No es extraño entonces que, al escuchar “inteligencia artificial”, muchas personas imaginen sistemas semejantes a los que aparecen en películas y series: máquinas conscientes, autónomas, emocionalmente complejas y capaces de dominar o reemplazar completamente a la humanidad.

Sin embargo, conviene distinguir entre la IA imaginaria y la IA realmente existente.

La palabra “omnipotente” significa literalmente “que todo lo puede”. En el imaginario tecnológico contemporáneo, esta idea suele proyectarse sobre la inteligencia artificial como si se tratara de una especie de supermente capaz de resolver cualquier problema, comprender toda situación y sustituir cualquier actividad humana. Pero esta representación simplifica en exceso una realidad mucho más compleja.

En realidad, la inteligencia artificial no constituye un bloque sólido y uniforme. Se trata más bien de un conjunto heterogéneo de sistemas, técnicas y modelos especializados, cada uno diseñado para tareas concretas. Lo que llamamos “IA” engloba múltiples subsistemas que funcionan de maneras distintas y que responden a problemas diferentes.

Aquí resulta útil vincular esta reflexión con el pensamiento complejo desarrollado por Edgar Morin. Desde esta perspectiva, los fenómenos contemporáneos no pueden comprenderse como estructuras simples, lineales o aisladas, sino como entramados compuestos por múltiples dimensiones interrelacionadas. La inteligencia artificial forma parte precisamente de este tipo de fenómenos complejos: un ecosistema tecnológico integrado por diversas herramientas, arquitecturas, objetivos y formas de interacción.

Entre algunos de los principales subsistemas o enfoques actuales de inteligencia artificial pueden mencionarse:

1. IA simbólica. Fue una de las primeras corrientes importantes de la inteligencia artificial. Se basa en: reglas, lógica, símbolos y sistemas expertos. Aquí la máquina “razona” siguiendo instrucciones explícitas dadas por humanos. Ejemplos: sistemas médicos que diagnostican mediante árboles de decisión, programas jurídicos basados en reglas y motores de ajedrez clásicos. Características: transparente, explicable y útil para problemas estructurados. Limitaciones: poca flexibilidad y difícil adaptación a contextos ambiguos.

2. Machine Learning (aprendizaje automático). Es el paradigma dominante actualmente. En lugar de programar todas las reglas, el sistema aprende patrones a partir de datos. Por ejemplo: detectar spam, recomendar películas, predecir fraudes, clasificar imágenes.

Tipos principales de Machine Learning:

Aprendizaje supervisado. Aprende usando ejemplos etiquetados. Ejemplo: fotos marcadas como “gato” o “perro”.

Aprendizaje no supervisado. Busca patrones sin etiquetas previas. Ejemplo: agrupamiento de clientes según comportamiento.

Aprendizaje por refuerzo. El sistema aprende mediante recompensas y errores. Ejemplo: robots, videojuegos y conducción autónoma.

3. Redes neuronales artificiales. Inspiradas de manera muy abstracta en el cerebro humano. Son estructuras matemáticas compuestas por “capas” que transforman información. Cuando estas redes se vuelven muy grandes y profundas hablamos de: Deep Learning, aquí aparecen: reconocimiento facial, visión computacional, generación de voz, modelos generativos, entre otros.

4. Visión computacional. Sistemas capaces de interpretar imágenes y video. Aplicaciones: reconocimiento facial, diagnóstico médico, vehículos autónomos, vigilancia, agricultura, arqueología y análisis satelital. Ejemplos conocidos: detección de objetos, segmentación de imágenes, OCR (leer texto en imágenes).

5. Procesamiento de lenguaje natural (NLP). Es el campo relacionado con el lenguaje humano. Los LLM’s (Modelos de lenguaje basados en macrodatos) pertenecen aquí, pero existen otros sistemas: traductores automáticos, análisis de sentimientos, reconocimiento de voz, asistentes virtuales, correctores gramaticales. Por ejemplo: DeepL, Google Translate, asistentes como Siri o Alexa.

6. IA generativa. Sistemas capaces de crear contenido nuevo. No sólo texto, sino también:: generación de imágenes; generación musical, como imitación de estilos musicales, composición automática y síntesis vocal; generación de video, como animación automática, avatares virtuales y edición inteligente.

7. Robótica inteligente. Combina IA con sistemas físicos. Incluye: percepción, movimiento, navegación e interacción con humanos. Ejemplos: robots industriales, drones, robots quirúrgicos, robots sociales.

8. Sistemas recomendadores. Son IA especializadas en sugerir contenido o productos. Usados por Netflix, Spotify, YouTube, Amazon, por ejemplo. Analizan: hábitos, preferencias, tiempo de visualización e historial de interacción.  Son extremadamente influyentes culturalmente.

9. IA multimodal. Integra distintos tipos de información simultáneamente: texto, imagen, audio, video, sensores. Por ejemplo: describir una fotografía, conversar sobre un documento e interpretar voz e imágenes al mismo tiempo. En la actualidad este es uno de los desarrollos más importantes.

10. IA autónoma y agentes. Sistemas capaces de ejecutar tareas complejas con cierto grado de autonomía: investigar, navegar sitios web, programar, coordinar herramientas, planear acciones. Aquí aparecen los llamados “agentes de IA”.

Cada uno de estos sistemas posee capacidades específicas, limitaciones concretas y distintos grados de autonomía. No existe una única inteligencia artificial totalizadora que “lo haga todo”, sino una constelación tecnológica de herramientas diferenciadas.

Comprender esto resulta importante porque muchas discusiones actuales oscilan entre dos extremos igualmente problemáticos: por un lado, el temor apocalíptico; por otro, la idealización tecnológica. En ambos casos suele perderse de vista la complejidad real del fenómeno.

Actualmente, además, se desarrolla un debate filosófico y cognitivo de enorme relevancia: ¿la inteligencia artificial constituye una forma autónoma de inteligencia o funciona más bien como una extensión de las capacidades cognitivas humanas? Dicho de otro modo: ¿estos sistemas piensan por sí mismos o amplifican procesos intelectuales previamente producidos por los seres humanos?

La pregunta no es menor. Implica reflexionar sobre la naturaleza del pensamiento, la creatividad, la memoria, el lenguaje y el conocimiento en una época donde cada vez más actividades intelectuales se encuentran mediadas por sistemas algorítmicos. Quizá uno de los mayores desafíos contemporáneos no sea solamente desarrollar inteligencia artificial, sino comprender qué significa seguir pensando humanamente en diálogo con ella.

Si bien la filosofía atraviesa toda reflexión en torno a la inteligencia artificial, es especialmente en el debate sobre el lugar que ésta ocupa en nuestras vidas —como individuos y como humanidad— donde el pensamiento filosófico se vuelve necesario, indispensable e incluso urgente.