El mito de la inteligencia artificial

Wiener señaló lo que todos sabemos o deberíamos saber; que las ideas surgen en aquellas culturas que otorgan valor a los intelectos individuales: «Las ideas nuevas se conciben en el intelecto de los científicos individuales, y en especial tienden a originarse allí donde hay numerosos intelectos bien entrenados, y por encima de todo allí donde se valora el intelecto»

En este momento nos encontramos en una posición que nos permite manifestar de manera explícita aquello que se ha vuelto evidente. No se trata solo de que los proyectos del cerebro de datos hayan abogado por el big data como método para rellenar los vacíos de nuestra comprensión sobre el cerebro —como, por ejemplo, en los principios emergentes del conectoma (conectividad sináptica)—, sino que varias teorías importantes parecen ligadas a los paradigmas de la ciencia informática de tal manera que es posible que la única dirección elocuente que puedan seguir ahora esos proyectos es la de las ideas y teorías explícitamente informáticas.

La generalización implica un alejamiento abstracto respecto a los detalles irrelevantes de los datos y el aislamiento de las relaciones genuinas en la representación del principio o teoría.

De nuevo, la ausencia de un marco teórico sólido en neurociencia hace que el enfoque centrado en los datos y en el aprendizaje automático resulte aún más desencaminado. A menor cantidad de teorías que tengan los investigadores para dirigir los métodos basados en datos, menor será la cantidad de hipótesis bien definidas que podrán comprobar, y mayor el número de esos enfoques que caigan víctimas de las debilidades ya conocidas en los métodos basados en datos.

En cambio, es un recordatorio de que la IA —aquí, el big data— funciona solo cuando disponemos de una teoría previa.

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—.