No cabe ninguna duda de que la Inteligencia Artificial (IA) y, concretamente, el aprendizaje automático (machine learning) va a cambiar no solo el mundo de los negocios, sino también la sociedad y la forma en que vivimos. Pero, al mismo tiempo, debemos rebajar unas expectativas demasiado elevadas, que no se corresponden con el estado de la ciencia en la actualidad.

Durante años, la ciencia-ficción nos presentó un futuro en que los robots eran inteligentes y los cíborgs, mezcla de humano y máquina, eran frecuentes. El ser humano es muy poco hábil al proyectar el futuro; como dijo Bill Gates, tendemos a sobrevalorar el cambio a corto plazo, al tiempo que infravaloramos el cambio a largo plazo. Esta forma de proyectar al futuro, sumada a la tercera ley de Clark, según la cual cualquier tecnología suficientemente avanzada es indistinguible de la magia, nos hace tener una visión poco realista del futuro de la inteligencia artificial.

La realidad es que la inteligencia artificial es una disciplina aún muy joven: solo tiene setenta años (es muy poco tiempo para el desarrollo de una ciencia con un objetivo tan ambicioso) y no ha conseguido realizar avances sustanciales en el plano científico en las últimas décadas. El cambio que estamos experimentando es debido a la disponibilidad de datos y a la capacidad de computación, pero no al avance científico necesario para desarrollar una IA fuerte (strong AI), que sea equiparable a la inteligencia humana.

Las máquinas ˝inteligentes” y los robots, en realidad, realizan tareas repetitivas y muy específicas en un dominio muy concreto; estamos aún muy lejos de crear máquinas empáticas, o de que las máquinas desarrollen el sentido común, comprendan o puedan experimentar la realidad. De momento, la inteligencia humana es demasiado compleja para ser diseñada e implementada en una máquina. Para llegar a la singularidad (ese punto en que las máquinas tengan una capacidad cognitiva equiparable a la de los humanos), no basta con un incremento exponencial de la tecnología y los datos, sino que se requiere un paradigma científico completamente nuevo. Y, por suerte o por desgracia, somos muy lentos (lineales, pero no exponenciales) realizando descubrimientos científicos de primer orden.

Actualmente, las máquinas pueden resolver problemas, completar una tarea o desempeñar otras funciones cognitivas, aplicadas a un dominio muy restringido, pero ello está muy lejos de alcanzar la versatilidad y las características de la mente humana ya que, para tener verdadera inteligencia humana, han de ser capaces de experimentar la conciencia y comprender el mundo que les rodea. Y, como dijo el filósofo y escritor estadounidense Daniel Dennett, estamos creando máquinas muy competentes sin ninguna comprensión.

Ello no quiere decir que la Cuarta Revolución Industrial, basada en la digitalización y en la inteligencia artificial, sea poca cosa: genera disrupción en todas las industrias y sectores. Debe percibirse como una ventaja para la humanidad, como una oportunidad, puesto que nos empodera al convertirla en una herramienta para el desarrollo humano. Kaspárov, campeón de ajedrez, al ganar a una máquina con la ayuda de otra menos potente, demostró que el binomio hombre-máquina es el más poderoso. Las máquinas no son ni serán una amenaza, sino una herramienta para hacer más y mejores cosas.

En este sentido, los humanos delegaremos en las máquinas aquellas tareas repetitivas que no añadan demasiado valor humano a nuestras actividades y que puedan ser automatizadas (los robots pueden hacer este tipo de tarea de forma mucho más eficaz que las personas). Los profesionales tendrán así más recursos y podrán dedicarse a otro tipo de tareas, más sofisticadas y creativas, y ello generará grandes cambios en el mercado laboral.

Por ejemplo, el aprendizaje machine learning, que trata los datos y los convierte en conocimiento, permite crear nuevos modelos de negocio disruptivos, gracias al aprovechamiento de este conocimiento. La aplicabilidad de la inteligencia artificial se convierte en un aspecto clave, y por ello cada vez resulta más necesario que nos preguntemos cómo y para qué aplicamos esta tecnología y este aprendizaje automático. Un buen ejemplo de cómo aplicar el machine learning para mejorar el mundo es el programa “AI for Good” de las Naciones Unidas, que prevé alcanzar los ODS en 2030 gracias a la implementación de la inteligencia artificial.

Y, al mismo tiempo, cabe mencionar que la aplicabilidad de la IA presenta varios desafíos. Por ejemplo, Eli Pariser, en su libro El filtro burbuja, explica que, tras la selección de información mediante algoritmos de las grandes empresas de internet o de cualquier portal de noticias, los buscadores y las redes sociales se están convirtiendo en cámaras de resonancia. Ello, a su vez, genera otros efectos imprevistos en el comportamiento social de las personas. Cada vez estamos más localizados y rodeados del mismo tipo de información y de personas, lo cual tiene consecuencias negativas para nuestro desarrollo intelectual.

Ello demuestra que necesitamos crear marcos reguladores para evitar los efectos más negativos de la IA, como amenazas relacionadas con la protección de los datos, la poca o nula transparencia sobre el funcionamiento de los procesos de machine learning o las desigualdades sociales derivadas de una IV Revolución Industrial que avanza a una velocidad nunca vista. Es el momento de plantearnos no tanto el desarrollo tecnológico, sino más bien para qué queremos este desarrollo. Sin duda, estamos ante una oportunidad histórica para hacer un mundo mejor para todos, pero el debate debe seguir existiendo.