Recientemente ha sido noticia que Blake Lemoine, un ingeniero de Google, ha sido relevado de sus funciones por afirmar que uno de sus chatbots (un programa informático con el que es posible mantener una conversación) se había vuelto sensible y pensaba y razonaba como un ser humano. Lemoine publicó una entrevista con su chatbot, en la que este confesaba sus sentimientos de soledad y su hambre de conocimiento espiritual. Esta entrevista ha sido el origen de un amplio debate en las redes sociales acerca de la naturaleza de la Inteligencia Artificial (IA). Numerosos expertos han discutido (y bromeado) acerca de esta entrevista y opinado acerca de si un programa informático puede o no alcanzar el autoconocimiento y poseer subjetividad, experiencia o inteligencia.
Los chatbots son modelos lingüísticos inteligentes. Son capaces de imitar los diálogos entre personas porque se les proporcionan millones de conversaciones reales y aprenden, a partir de ellas, a construir las respuestas que el interlocutor espera recibir. La clave del calificativo “inteligente” está aquí en la capacidad de aprender. En la informática tradicional, un programa informático no es más que una secuencia de instrucciones que guían al ordenador. Por el contrario, en un sistema inteligente no es necesario explicarle al computador cómo debe construir las frases; se utiliza un algoritmo de aprendizaje para descubrir, sin intervención humana, relaciones entre los datos de entrada (las conversaciones reales). Esas relaciones se aplicarán, también de forma automática, para generar las respuestas deseadas.
Es discutible si esta extracción automática de conocimiento constituye o no una inteligencia. Pero ya hemos comprobado que, cuando estos algoritmos de aprendizaje se aplican a problemas de gran volumen, pueden obtenerse relaciones entre los datos e incluso conclusiones científicas que trascienden la capacidad humana. Recientemente, la empresa DeepMind, fundada por Hassabis (uno de los galardonados con el premio “Princesa de Asturias” 2022) ha logrado predecir la estructura de más de 350.000 proteínas humanas mediante su sistema de IA AlphaFold, dando la mejor solución conocida al “problema del plegado de las proteínas”, que llevaba abierto 50 años. AlphaFold es uno de los primeros sistemas capaces de anticiparse a los humanos en el descubrimiento de conocimiento y está considerado como uno de los mayores logros en IA de la historia.
AlphaFold emplea un tipo de IA conocido como “redes neuronales artificiales”. La redes neuronales son sistemas compuestos por capas de elementos informáticos sencillos (neuronas) que se simulan en un ordenador. Estas neuronas están conectadas entre sí y se influyen mutuamente mediante conexiones de diferente peso. Cambiando los pesos de estas conexiones, es posible modificar el cálculo realizado por la red neuronal. Las redes neuronales se introdujeron en la década de 1980, pero Hinton, LeCun y Bengio (los restantes premiados) fueron los primeros, en la década de los 2000, en advertir la importancia de aplicar estas técnicas de aprendizaje a problemas de gran tamaño. Su solución consiste en agrupar las neuronas en varias capas y construir redes “profundas”, donde cada capa de neuronas se conecta con las neuronas de la siguiente capa.
Las técnicas de aprendizaje profundo o “deep learning” desarrolladas por Hinton, LeCun y Bengio facilitan el procesamiento de enormes volúmenes de información y han permitido la existencia de grandes sistemas como AlphaFold, pero también están presentes en los módulos que reconocen el habla en nuestros teléfonos móviles, en los sistemas de detección de señales de tráfico o de conducción automática de automóviles, en los sistemas de recomendación de compras online, en el análisis de imágenes médicas, la detección de fraudes bancarios y muchos otros. Por esta razón, el trabajo de los premiados en esta convocatoria de los premios “Princesa de Asturias” no solo es relevante para la sociedad por la utilidad de los resultados ya alcanzados, sino por el potencial de transformación subyacente en el uso de estos métodos en problemas, aún por descubrir, que son demasiado complejos para ser resueltos de forma convencional.
