El mito de la inteligencia artificial

Si tuviéramos que elegir el año en el que el «potencial humano» murió, como lo haría un meme, 2008 sería el favorito. El «big data» mismo entró en el diccionario. Chris Anderson, de Wired, publicó el provocativo artículo según el cual el big data iba a reemplazar la teoría científica —una sugerencia no demasiado sutil de que se podía externalizar la innovación humana y dejarla en manos de la informática.

Mientras que la carrera de la IA se golpea contra una valla tras otra, el mito prometeico de la innovación extraordinaria por parte de algunos individuos está desapareciendo de los arquetipos culturales de la investigación y de la cultura más amplia. En vez de él, nos encontramos con el desarrollo pasivo de una mitología sobre la IA que crece a la par que la convicción de que la potencialidad humana se reduce.

Críticos reflexivos como Jaron Lanier han dado voz al problema central: « Deberíamos, por el contrario, intentar inspirar el fenómeno de la inteligencia humana».1 Pero ya no quedan héroes. En su lugar tenemos «colmenas».

Por lo general, no nos preocupamos en explicitar esos ajustes porque los fenómenos pragmáticos del lenguaje forman parte integral de la comunicación cotidiana. Inferimos el significado que se pretende transmitir no a través de un montón de ejemplos, sino sopesando el mensaje.

Esta es otra manera de decir que la probabilidad no equivale a una comprensión genuina. Ni siquiera se encuentran en el mismo espacio conceptual.

En parte, la dificultad de los esquemas se debe a que los dos referentes —la elección de nombres y sintagmas nominales como «cocodrilo»y «carrera de obstáculos» rara vez aparecen juntos (si es que llegan a hacerlo) en páginas web y otros textos. Puesto que los enfoques de IA basados en datos dependen del análisis estadístico de numerosos ejemplos, preguntas extrañas como las que encontramos en los esquemas de Winograd constituyen un desafío notable —todo ello en una sola frase—.

En resumen, las inferencias abductivas, misteriosas y maravillosas, impregnan nuestra cultura; son, en un sentido amplio, lo que nos convierte en humanos. Es posible que el sueño de una IA capture algún día esos saltos de manera automática, pero mientras tanto deberíamos admitir que la verdad es que no sabemos cómo mecanizar nuestra experiencia.

Para abducir tenemos que resolver el problema de selección que existe entre las causas o factores enfrentados, y para resolver ese problema tenemos que captar de alguna manera lo que resulta relevante en una situación u otra. El problema es que nadie tiene ni idea de cómo hacerlo. Nuestras inferencias actuales son a menudo suposiciones que consideramos relevantes o verosímiles, pero no son deducciones ni inducciones. Ese es el motivo por el que, desde el punto de vista de la IA, parecen mágicas.

Es evidente que el conocimiento y el razonamiento están ligados, porque no podemos inferir lo que ignoramos, y no podemos hacer uso del conocimiento que tenemos sin una capacidad de inferencia adecuada. Yo me refiero a esos problemas como «el pozo sin fondo del conocimiento» y «el motor de la inferencia mágica».

La imaginación incluye inferencias que no existen dentro de un conjunto de datos. Y el acto de imaginar requiere, más que ninguna otra cosa, de la conjetura. La abducción es una inferencia que yace en el centro de toda la inteligencia.

Es importante que en el peldaño más alto de la escalera de Pearl se encuentren los contrafactuales, donde realizamos preguntas hipotéticas cuyas respuestas no existen en ningún conjunto de datos (por definición, porque preguntamos por cosas que no han sucedido).