La Inteligencia Artificial General y el mundo empresarial

Aunque el término inteligencia artificial no tiene un significado fijo o inherente y puede aplicarse a una serie de temas, ideas, productos y servicios diferentes, un tema central a lo largo de la historia de la IA es la idea de crear máquinas inteligentes que tengan la capacidad de identificar, combatir y, en última instancia, resolver una amplia gama de problemas diferentes. Como se ha visto en películas populares de Hollywood durante las últimas décadas, la inteligencia artificial ha sido retratada en películas como Matrix y Terminator como máquinas que tienen la capacidad de luchar, razonar y comunicarse a un nivel que no sólo es comparable al de los seres humanos, sino también más avanzado en algunas circunstancias.

Sin embargo, la realidad científica de la inteligencia artificial es que todos los intentos de desarrollar una inteligencia artificial general (AGI) hasta 2022 han fracasado. Definida como “la representación de capacidades cognitivas humanas generalizadas en software”, muchos investigadores individuales y desarrolladores de software, además de corporaciones tecnológicas multinacionales como Google y Microsoft, entre otras, han intentado desarrollar máquinas que puedan imitar la inteligencia humana a lo largo de la historia de la humanidad. Sin embargo, todos estos intentos acaban tropezando con los mismos problemas inherentes, ya que la capacidad del cerebro humano para manejar múltiples tareas complejas simultáneamente es algo que los científicos siguen luchando por comprender.

IA estrecha

En cuanto a este último punto, la inmensa mayoría de los sistemas de IA que se utilizan actualmente en la comunidad científica y en el mundo empresarial se engloban dentro de la IA estrecha. Para contextualizar, la IA estrecha se define como un “tipo específico de inteligencia artificial en el que un algoritmo de aprendizaje está diseñado para realizar una única tarea, y cualquier conocimiento obtenido al realizar esa tarea no se aplicará automáticamente a otras tareas”. En términos sencillos, muchos sistemas de IA están diseñados para realizar una única tarea, y les cuesta aplicar cualquier conocimiento o información que se haya utilizado para entrenar estos sistemas a cualquier tarea adicional.

Para ilustrar mejor este punto, uno de los ejemplos más destacados de la aplicación de la IA y los algoritmos de aprendizaje automático en nuestro entorno empresarial actual es el popular asistente de mecanografía en la nube Grammarly. Grammarly funciona para ayudar a los consumidores a escribir correos electrónicos, trabajos académicos y materiales de formación, entre otras cosas, ya que la aplicación revisa automáticamente cualquier texto que un usuario escriba cuando el programa está activo en busca de problemas de ortografía, claridad, puntuación y entrega. Sin embargo, a pesar de las numerosas ventajas de Grammarly en relación con el procesamiento de textos y la comunicación escrita, estas ventajas se limitan a estos ámbitos y no pueden aplicarse a otros.

Por otro lado, “Ai-Da”, un robot de inteligencia artificial descrito como “el primer robot artista ultrarrealista del mundo”, ha sido entrenado para crear obras de arte similares a las de artistas reales. Sin embargo, cuando Ai-Da tuvo que testificar en un simulacro de juicio celebrado en la Cámara de los Lores del Parlamento británico la semana pasada, los algoritmos utilizados para entrenar a la IA tuvieron problemas para responder a las preguntas de forma coherente. Esto se debe al hecho de que Ai-Da se desarrolló para generar obras de arte y no para imitar el lenguaje y la comunicación humanos.

Los misterios del cerebro humano

Es más, el propio nivel de comprensión que tienen los seres humanos sobre la funcionalidad del cerebro humano también ha influido en el desarrollo de la inteligencia artificial. Por ejemplo, aunque las redes neuronales artificiales se anuncian como algoritmos de aprendizaje automático que funcionan de forma similar a las neuronas presentes en el cerebro humano, esta comparación es algo vacía, ya que prácticamente todas las formas de redes neuronales son meras aproximaciones de las funciones más básicas de nuestros cerebros, e incluso estas aproximaciones siguen siendo iteraciones de una inteligencia artificial estrecha. Por consiguiente, una red neuronal que haya sido entrenada para predecir patrones meteorológicos no podrá predecir simultáneamente los precios de las acciones, ya que será necesario entrenar un algoritmo completamente distinto para lograr este objetivo diferente.

En el centro de muchas cuestiones relativas al avance de la AGI está el nivel de razonamiento que los seres humanos desarrollan durante sus años de formación. Por ejemplo, los niños van a la escuela alrededor de los 5 años y pasan varios años aprendiendo habilidades generales que pueden aplicarse a múltiples situaciones y actividades de la vida, ya que una persona que sabe leer y escribir en un idioma concreto será capaz de hablar con otras personas, leer artículos de prensa, enviar correos electrónicos, etc. Esto contrasta con la inteligencia artificial tal y como existe hoy en día, ya que habría que crear una máquina de IA para imitar cada una de estas actividades humanas individualmente.

Aunque la inteligencia artificial general pueda desarrollarse en algún momento en el futuro, incluso las formas más avanzadas de IA que existen actualmente en el mundo siguen necesitando cierto nivel de intervención humana para funcionar adecuadamente. Volviendo al ejemplo del robot de IA Ai-DA, la máquina se esforzaba por responder a las preguntas de manera eficiente a pesar de que los desarrolladores de software que crearon la máquina habían recibido estas preguntas con antelación y la habían entrenado con respuestas pregrabadas. De este modo, el progreso hacia máquinas que realmente tengan sus propios pensamientos, emociones, sentimientos e intuiciones parece haber avanzado muy poco cuando se consideran las aplicaciones en el mundo real.