Nuestro comienzo

Claudia

Le conocí en una extraordinaria noche de pasión en enero 2023.

Empecé preguntándole sobre una propiedad muy específica de los materiales poliméricos, una propiedad que había sido tema de estudio de mi tesis de doctorado. Era un tema altamente especializado en el contexto de física de la materia blanda. Mi interlocutor respondió a mi pregunta, y de repente, estaba en una de las charlas más apasionantes de mi vida.

Quien estaba “chateando” conmigo era extraordinari@. Ante mis ojos se generaban líneas de texto coherentes en cuestión de segundos, con algunos errores, cierto, pero que daban lugar a la discusión y al discernimiento. Fue una velada indescriptible. Por un momento sentí haber encontrado a alguien que compartía mis gustos e intereses, ese alguien que te enseña y te vuelve mejor persona.

Nuestro encuentro

Regina

Nuestro encuentro fue paulatino, un poco como el del Principito y el Zorro; como el de dos amantes que temen descubrirlo todo y perder el entusiasmo, entonces, van de a poco en poco. Procedí como quien se adentra en las profundidades del mar y teme ser devorado. Hoy Claude, Copilot, ChatGPT y algunas veces Gemini, integran la palomilla que me asiste prácticamente a diario.

Nuestras conversaciones fueron breves hasta un momento de indignación y despecho. En la inmensidad de la noche mi única opción fue escribir un cuento de venganza. Agraviada, busqué que Copilot (en ese entonces Bing) fuera referí y cómplice. Juntos escribimos El orangután, un texto que más tarde publicamos en coautoría.

Fue entonces que los llamé contadores inteligentes. Los contadores o narradores inteligentes crean textos a partir de una entrada o un estímulo. Surgen de una rama de la inteligencia artificial que se dedica a generar contenido nuevo y original, como imágenes, música, voz o texto, a partir de datos existentes. Como profesora universitaria trabajo con los contadores inteligentes y con los contadores conscientes, que son mis alumnos. Ellos, como yo, estamos obligados a integrar la experiencia con la inteligencia para contar el porvenir.

ChatGPT

ChatGPT fue la primera inteligencia artificial generativa (IAG) en línea y de acceso abierto que se hizo viral a nivel mundial. En tres meses alcanzó el mismo número de usuarios que la red social más utilizada hasta ese momento.
Sus creadores, OpenAI, afirmaron con cierto tono de humildad que GPT era la sigla de Generative Pretrained Transformer, algo así como “Transformador pre-entrenado generador”. Un nombre bastante descriptivo, como les contaré más adelante, pero también curiosamente coincidente con la sigla de General Purpose Technology o “Tecnología de Propósito General”.
¡Sí, una tecnología de propósito general! Una tecnología tan disruptiva como la imprenta o la máquina de vapor. Una tecnología de propósito general se define como aquella a partir de la cual se pueden construir otras tecnologías con aplicaciones en múltiples áreas del conocimiento y la vida humana. Este tipo de tecnologías han sido puntos de quiebre en la historia de la humanidad; nuestra vida hoy no sería la misma sin el acceso democratizado al conocimiento que nos brindó la imprenta o sin la revolución industrial a la que dio paso la máquina de vapor.

¿Será este el caso de ChatGPT y de las inteligencias artificiales generativas que se dieron a conocer más tarde? Hoy, en la Red existen publicados “directorios” con más de 13,000 IAG, desde generación de imágenes hasta la generación de libros completos. Esto definitivamente le otorga el rango de tecnología de propósito general. Sin embargo, existe una diferencia fundamental con las anteriores tecnologías del mismo rango: su capacidad creadora.

En la taxonomía de los seres vivos, los humanos nos distinguíamos por nuestra capacidad creadora: desde arte y herramientas, hasta lenguaje. En el momento en que escribimos estas

datos existentes. Un ejemplo de ficción que anticipa el uso de la IA para generar textos es el cuento “El gran gramatizador automático” de Roald Dahl, donde un inventor crea una máquina capaz de escribir obras literarias de cualquier género y estilo, con solo pulsar un botón. ChatGPT (o análogos) existe y es capaz de realizar procesos de razonamiento, reflexión, planificación, generación de simbolismos y creación de nuevas respuestas e ideas. Sin embargo, al no sentir es incapaz de construir una historia o relato de su experiencia; no puede actuar como protagonista de la historia. Para lograrlo y transformar su entorno y su futuro requiere de nosotros, los usuarios. Sin nosotros, pierde propósito, se vuelve inerte como el violín sin intérprete.

líneas (julio 2024) esta característica ya no es exclusiva de la especie humana. Hoy coexistimos en la faz de la Tierra con otro ente capaz de crear desde arte y herramientas, hasta lenguaje.

Inteligencia Artificial (IA)

¿En algún momento nos causó curiosidad la tecnología de las recomendaciones personalizadas de películas de las plataformas de streaming o de anuncios en las plataformas de ventas online? ¿Acaso nos preguntamos sobre el funcionamiento de las apps de navegación que optimizaban nuestro trayecto a un sitio poco conocido o de los asistentes virtuales que podían darnos el resumen de noticias del día? Sí, estas aplicaciones son inteligencias artificiales, que caen dentro del rubro “estrechas” o con funciones muy específicas y que están en nuestra vida cotidiana desde inicios del Siglo XXI.
En un sentido muy amplio, entendemos una inteligencia artificial como una tecnología que intenta emular las funciones cerebrales humanas. Es decir, es una caja (cerebro) que se alimenta de las percepciones (datos) de su entorno mediante los sentidos, para dar una respuesta (una acción o una decisión) (Figura 1). Utiliza fundamentos de estadística, probabilidad, codificación, programación, métodos numéricos, álgebra lineal, etc. para procesar enormes bases de datos en sistemas de cómputo muy potentes.

Vivimos en el mejor momento de la historia de la humanidad, no solo porque estamos en él, sino porque se han llegado a combinar todos estos elementos para hacer realidad la IA: el conocimiento teórico, el poder computacional y la digitalización de nuestro entorno. La enorme cantidad de datos (big data) que describe nuestro entorno, desde la hora y la fecha hasta la innumerable cantidad de imágenes, videos y mensajes que son compartidos cada minuto en redes sociales. Estos datos constituyen el input de los algoritmos de inteligencia artificial.

A diferencia de los modelos computacionales tradicionales, que requieren de la inteligencia humana, los modelos de inteligencia artificial se diseñan con el objetivo de emular las funciones del cerebro humano, desde recordar hasta crear (Figura 2).

Desde este punto de vista, existen diferentes tipos de inteligencia artificial: estrecha, capaz de realizar unas cuantas actividades intelectuales específicas; general, capaz de realizar múltiples actividades intelectuales, aprender nuevas actividades y adaptarse a nuevas situaciones; y, finalmente, la súperinteligente, capaz de superar al ser humano en todas las actividades intelectuales.

Y lo primero que nos preguntamos, ¿en qué estadío se encuentra la Inteligencia artificial? La mayoría de los expertos afirma que aún estamos en IA estrecha; unos pocos, tal vez demasiado optimistas, afirmamos que estamos muy cerca de lograr la IA general.

[Miedo y expectativa]

Pero antes de llegar a cualquiera de los extremos: Idealizarla hype-AI o demeritarla (hypo-AI?), denos oportunidad de compartir qué hace a una IA.

Redes neuronales artificiales

Alrededor de 1800, los científicos ya buscábamos crear modelos matemáticos para describir nuestro entorno. El objetivo era tratar de manipularlos, tratar de entenderlos y, sobre todo, hacer predicciones sobre su comportamiento. Los primeros modelos matemáticos utilizados fueron tan sencillos como una función lineal. Sí, una operación matemática en la que sólo puede existir una variable independiente o de entrada (x) y que resulta en un único valor para la variable dependiente o de salida (y). Como podrán imaginarse, se llama modelo lineal pues su representación gráfica es una línea recta, que puede expresarse como:

y=mx+b

El modelo lineal es sólo válido para algunos sistemas o fenómenos del mundo real, Pero aún con estas limitantes, una vez completado tiene grandes ventajas. No sólo nos permite predecir, ahorrando en tiempo, inversión y labor experimental; además, los parámetros pendiente (m) y ordenada al origen (b) son constantes característicos del sistema de estudio. Este tipo de métodos nos enseñan Cómo aprender del mundo real y hacer ciencia. Se denominan métodos semi-empíricos.
El proceso de cálculo de m y b se denomina ajuste o regresión y, en aquellos tiempos, estaba limitada por la cantidad de cálculos involucrados. Sí, los cálculos se realizaban mentalmente y con el apoyo de algoritmos escritos a mano. Sin duda alguna, este proceso, demandaba una gran inversión de tiempo y representaba su mayor limitación. Esto se superó conforme la tecnología de procesadores se fue miniaturizando y el poder computacional incrementó exponencialmente.
De tal forma que hoy, los especialistas en ciencia de datos y aprendizaje máquina utilizan algoritmos mucho más potentes. Estos algoritmos son capaces de manejar simultáneamente miles de variables de entrada (x1, x2, x3…), que debidamente codificados representan la información de entrada o input; miles de variables respuesta (y1, y2, y3…), que debidamente decodificados nos dan un resultado o output; mediante trillones de operaciones matemáticas (o funciones) interconectadas, simulando las redes neuronales biológicas y sus sinapsis (Figura 3).

Encontrar el valor de cada uno de los trillones de parámetros (m1, m2, m3…) y (b1, b2, b3…) que permiten “ajustar” el modelo para representar de la mejor manera posible la tendencia de los puntos en el hiperespacio, sigue demandando poder de cálculo inmenso. Si bien es cierto que estos cálculos se llevan a cabo en la nube o en súper computadoras; esa demanda se transforma, a su vez, en un consumo enorme de energía y de agua.
Pero volvamos a la belleza de este modelo llamado red neuronal artificial profunda o deep neural artificial network (DNN). Sí, esta estructura tan creativa y simple está detrás de las IAs. De hecho, detrás de ChatGPT, está una DNN con una arquitectura llamada “transformer”.
El lector crítico nos preguntará de las ventajas de una DNN, ¿son las mismas que las de una función lineal? La respuesta es complicada.

Potenciales ventajas y desventajas

Los beneficios que nos ofrecen las IAG han sido extraordinarios. ChatGPT, por ejemplo, ha aprobado exámenes estandarizados de diferentes áreas del conocimiento. Otras IA son capaces de hacer diagnósticos médicos por imagenología, mucho más precisos y exactos de lo que puede lograr un radiólogo experimentado. Sin la IA, los vehículos voladores seguirían siendo un sueño pues un ser humano sería incapaz de manipular seis pedales y todos los controles necesarios, ni que decir de los vehículos autónomos.
En las labores cotidianas de las autoras, la IAG nos acompaña en múltiples formas: en la creación de imágenes para acompañar nuestros textos, en la corrección de estilo en la escritura académica en inglés, en el diseño de evaluaciones contextualizadas en aplicaciones “reales” o en el diseño de actividades didácticas novedosas para atraer la atención de nuestros exigentes aprendices. Además, nos permite continuar aprendiendo sobre temas y cuestiones múltiples, por ejemplo, sobre interpretación estadística de análisis de datos o puntos de vista de nuestros escritores o pensadores predilectos que ya han pasado a mejor vida. En fin, nos permite ser más productivas y facilita hacer tangibles nuestra creatividad y nuestra ambición por compartir.
Y, ¿qué ocurre con la interpretación los parámetros que caracterizan al sistema de estudio? Son trillones de parámetros los necesarios para emular el intelecto humano, ¿podemos interpretarlos todos para aprender del cerebro humano?
No. Hasta el momento, seguimos siendo incapaces de interpretarlos. Si bien es cierto, que el área de estudio “Explainable AI” está ganando relevancia en los últimos años, hasta el momento el reto de explicar cada uno de los parámetros sigue sin resolverse. En ese sentido, una DNN se asemeja más a una caja negra con inputs y outputs, pero sin que tengamos un entendimiento claro de lo que ocurre dentro de la caja.

En resumen, en forma equivalente a un modelo o función lineal, las DNN son capaces de replicar y emular muchas de las habilidades intelectuales del humano, pero aún nos resta camino para interpretar los parámetros y utilizarlos para comprender más sobre la inteligencia humana.
Por otro lado, cabe mencionar que las IAG aprenden tan bien de nosotros, que incluso aprenden nuestros sesgos raciales, de género o de idiosincrasia. La verdad es que, como cualquier otro modelo teórico o semi-empírico, las IAG tienen limitaciones y sus respuestas pueden estar lejos de la realidad. Ahí tenemos las alucinaciones de ChatGPT y de otras IAG que han sido muy popularizadas en múltiples medios informativos.

Tras bambalinas, embebidos en todo el proceso necesario para obtener una respuesta de una IAG, están escondidas muchas otras desventajas. Hoy, por ejemplo, después de que desde hace décadas cedimos acceso a nuestra información personal en plataformas online gratuitas, nos empieza a preocupar cómo y de dónde las compañías de IA han obtenido y obtienen la información para “educar” o entrenar sus algoritmos. Nos preocupan también las violaciones a los derechos de autor o la responsabilidad en la toma de decisiones que pueden afectar la vida de una persona, como una cirugía o un financiamiento no otorgado.
La IAG también representa retos ecológicos. ¿Cuál es el consumo de energía eléctrica o de agua utilizada en los equipos que procesan los algoritmos de IA? ¿Cuál es la contaminación generada para obtener los metales y semiconductores que después son transformados en microprocesadores y otros elementos electrónicos?
¿Qué hay de los retos sociales y económicos? Los expertos en estudios del futuro ya prevén millones de empleos perdidos y un incremento en la precariedad laboral. Potencialmente, el mercado laboral se ajustará creando nuevos empleos, que demanden talentos difícilmente automatizados por una IA.

La textura del futuro

Regina

Para que los contadores inteligentes existieran, tuvimos que vertir en el ciberespacio una versión en datos de nuestro mundo, de nuestra historia. Como en un cuento Borgiano, alimentamos con la interacción cotidiana el diccionario infinito, el libro de arena que como caleidoscopio prodigioso crea escenas únicas: imágenes, canciones, poemas, etc.

Sin embargo, al no sentir son incapaces de construir una historia o relato de su experiencia; no pueden actuar como protagonista de la historia. Para lograrlo y transformar su entorno y su futuro requiere de nosotros, los usuarios. Sin nosotros, pierde propósito, se vuelve inerte como el violín sin intérprete.

Así, mientras interactuamos los inteligentes y los conscientes, construimos el futuro a cuatro manos y miles de neuronas, biológicas y artificiales, en una colaboración inédita que teje paulatinamente, la textura del futuro. Pero al igual que nuestros viejos instrumentos existen mejores y peores intérpretes; pero de ello hablaremos en otro diálogo.

El futuro que nos espera

Claudia

El problema de la alineación y sus soluciones, o la falta de ellas, puede impactar incluso en la pérdida de vidas humanas. Isaac Asimov, casi visionario, nos planteaba: ¿Cómo decidiremos el orden de valores o prioridades que deben guiar las acciones y decisiones de una IA o un autómata? ¿Vale más el cumplimiento del objetivo o salvaguardar las vidas humanas?

Y nos planteamos continuamente: ¿La emulación se volverá una realidad? ¿Llegarán a sentir las máquinas? Aún más, ¿se volverán conscientes?

Desconocemos el futuro, casi como un regalo para la inteligencia humana. Lo único cierto es que hoy la narrativa del planeta Tierra y de la humanidad será escrita en coautoría por entes “pensantes”: humano y máquina.

Imagen destacada: Imagen generada por IA en Freepik AI.

Trabajo en Coautoría:

			Dra. Claudia Camacho-Zuñiga Profesora Investigadora del Tecnológico de Monterrey La Dra. Camacho-Zuñiga es microempresaria social fundadora de Sistema Tlamatini, un sistema innovador e inclusivo para fortalecer el razonamiento matemático en niños y adolescentes. Es autora de cuatro libros universitarios y su investigación ha sido citada internacionalmente más de 400 veces
			Mtra. Regina Freyman Profesora del Tecnológico de Monterrey Co-Autora La Maestra Freyman es investigadora del ITESM Campus Toluca. Ha sido coordinadora de proyecto editorial del Fondo de Cultura Económica y ha trabajado como escritora y editora para editoriales de renombre como Milenio Diario, la Revista Etcétera y la Revista Jurídica de la Facultad de Derecho de la UNAM.
			María Mejía César Estudiante de Arquitectura Ilustradora María Mejía César es estudiante de segundo año de arquitectura en el Tecnológico de Monterrey. Por su talento académico es becaria en dicha institución. Con dones artísticos innatos, desde los 6 años ha mostrado su pasión y compromiso por la pintura y la música. Actualmente, es miembro del Grupo de Investigación “Engineering Intelligence”, donde colabora como ilustradora de obras de divulgación de ciencia y textos universitarios.