Como sugiere nuestra designación de homo sapiens, el atributo definitorio de la inteligencia humana es su capacidad cognitiva incomparable. Actuamos de manera diferente a todas las demás criaturas de la Tierra y podemos compartir pensamientos, razonamientos, emociones y sentimientos entre nosotros de una manera que ninguna otra especie lo hace. La comunicación humana tiene signos verbales y sonoros (lenguaje hablado y musical) y no verbales (lenguaje escrito, gesticular y pictórico). Somos los únicos seres vivos que desarrollamos lenguajes simbólicos.
Está bastante extendida la opinión en neurociencia de que los lenguajes de la música, las matemáticas y la pintura son expresiones cognitivas que están relacionadas con los lenguajes naturales (inglés, mandarín, árabe, español, etc.). Sabemos que comparten propiedades abstractas comunes que parecen desarrollarse en asociación. Los seres humanos tienen la capacidad de generar e interpretar cadenas de símbolos que permiten combinaciones “infinitas” de textos, fórmulas, partituras e imágenes que expresan conocimiento. ¿Pueden estas capacidades cognitivas ser transferidas a las máquinas? Pues sí, como veremos.
Las máquinas procesan símbolos
Desde hace algunas décadas, con el nacimiento de la ciencia computacional, las máquinas de Alan Turing y John Von Neumann, y los lenguajes de programación, que han extendido extraordinariamente nuestra capacidad matemática y de procesamiento de información, estamos manipulando automáticamente símbolos. Aquí se destaca la revolución lingüística de Noam Chomsky, consistente en la modelación matemática de la sintaxis de los lenguajes naturales, que crea la gramática generativa libre de contexto, permitiendo a John Backus y colegas de IBM, en la década del 1950, desarrollar el ALGOL-60, padre de la mayoría de los lenguajes de programación modernos, tales como C++, C#, Java y Python.
Las máquinas simulan la inteligencia humana
El concepto de “inteligencia” es controversial. No obstante, el neurocientífico de Harvard, Steven Pinker, nos proporciona la noción de “inteligencia humana”, como una combinación de habilidades innatas, incluyendo la capacidad de usar y entender el lenguaje, que nos ayudan a interactuar eficaz y adaptativamente con nuestro entorno, es la capacidad de usar conocimientos para alcanzar metas. Por tanto, para Pinker, la “inteligencia artificial (IA)” es una extensión de esta definición a las máquinas. Es decir, una máquina sería considerada inteligente si puede adquirir y usar conocimientos para alcanzar metas, simulando la inteligencia humana. Otros autores hacen énfasis en las propiedades de pensamiento abstracto, razonamiento y aprendizaje. Se dice que en las últimas dos décadas hemos pasado de la IA Estrecha a la IA General (IAG).
La IA Generativa
Los sistemas de IA generativa no solo analizan y procesan datos, sino que también se utilizan para crear nuevos contenidos, basándose en los patrones y estructuras aprendidas.
Como es lógico, en la búsqueda de la IAG, se ha dotado a las máquinas de la capacidad de procesar los lenguajes simbólicos del ser humano, iniciando por el procesamiento de los lenguajes naturales (NLP) y luego extendiéndose hacia los demás, es decir, matemáticas, música, pintura. Las cadenas de símbolos (palabras de un texto, notas musicales, espectrogramas de sonidos o pixeles de una imagen) se convierten en vectores o tensores, que son entidades matemáticas que usan métricas de distancia euclidiana para determinar su significado o sentido semántico. Esto se hace mediante el reconocimiento de patrones estadísticos con algoritmos de Deep Learning como Transformer de Google (producido en Python), conformando la IA Generativa que simula nuestras capacidades cognitivas.
Los LLM y su entrenamiento usando la Big Data
Si pudimos crear software para algoritmos de aplicaciones científicas y de negocios mediante los lenguajes computacionales desde hace más de 70 años, ahora creamos los “Large Language Models (LLM)”, que son un ejemplo prominente de IA generativa. Estos son modelos diseñados para entender, predecir y generar lenguaje humano. GPT-4 de OpenAI, BERT de Google, LlaMA de Meta son pre-entrenados con grandes cantidades de información de la Big Data que aprenden a realizar una amplia gama de tareas cognitivas sin ser específicamente programados por expertos.
Los sistemas de IA generativa no solo analizan y procesan datos, sino que también se utilizan para crear nuevos contenidos, basándose en los patrones y estructuras aprendidas. Son además capaces de responder preguntas, resumir información, traducir lenguajes, realizar diálogos (chabot), mostrando a menudo un entendimiento impresionante del lenguaje y el contexto semántico, que no se distingue del humano. Cuando los LLM son capaces de integrar las demás expresiones cognitivas como la música, la pintura, la fotografía y videos, el lenguaje mímico (muy útil para los sordomudos), las matemáticas, los lenguajes de programación, se les denomina LLM Multimodales.
La explosión cámbrica de la IA
Estamos sumergidos en una explosión inusitada de productos de software que usan estas tecnologías en forma ubicua. Algunos son: ChatGPT, Bart y BingChat como chatbots, SIRI y Alexa para diálogos, Google Translate para traducción de textos, Shazam para interpretación de música, los sistemas de recomendación de productos de Amazon, Spotify y Netflix, DALE para producción e interpretación de imágenes y arte pictórico (como la imagen de este artículo), Copilot para generar código de programación, sistemas de vigilancia ciudadana del Estado Chino y de la NSA Norteamericana, lo que ha generado preocupación por el derecho a la privacidad del individuo.
Las preguntas que todos nos hacemos es si frente al desarrollo exponencial de la IA, ¿superará esta la inteligencia humana?, ¿En cuáles aspectos?
El autor es coordinador de la Maestría en Ciencia de Datos del INTEC