IA para todos, Parte 2: ¿Cómo "piensa" la IA como los humanos?

Cuando te despiertas y le preguntas a Siri sobre el clima, o te desplazas por TikTok viendo videos cortos perfectamente adaptados, ¿alguna vez te has detenido a preguntarte: cómo estos sistemas de IA realmente "entienden" lo que necesitas y dan la respuesta correcta? ¿Cómo se compara su proceso de pensamiento con el nuestro?

La IA se ha arraigado profundamente en nuestras rutinas diarias, desde el asistente de voz en tu teléfono inteligente hasta las recomendaciones de productos en los sitios de comercio electrónico, desde la planificación de rutas en las aplicaciones de navegación hasta la entrega de contenido en las redes sociales. Detrás de estas interacciones aparentemente simples se esconde un complejo proceso de "pensamiento" dentro de los sistemas de IA.

Aún más intrigante, la IA de hoy en día está tratando de imitar los patrones de pensamiento humano de maneras sin precedentes. ChatGPT puede mantener conversaciones naturales y GPT-4 puede interpretar imágenes y generar descripciones. Estos avances nos hacen preguntar: ¿Puede la IA realmente pensar como los humanos? Si es así, ¿cómo cambiará nuestro mundo?

1. ¿Cómo piensan los humanos?

Para comprender cómo la IA intenta imitar el pensamiento humano, primero necesitamos una comprensión básica de nuestras propias mentes. El pensamiento humano es un intrincado sistema cognitivo, construido sobre varios elementos centrales:

1.1 Percepción y comprensión

Los humanos recopilan información del mundo exterior a través de nuestros cinco sentidos. Nuestros cerebros luego transforman instantáneamente estos datos brutos en conceptos significativos. Por ejemplo, cuando ves una rosa roja, no solo estás recibiendo ondas de luz; inmediatamente estás entendiendo el concepto de "esa es una flor hermosa".

1.2 Memoria y asociación

El cerebro humano sobresale en almacenar experiencias pasadas y recordar recuerdos relevantes en nuevas situaciones. Ver una rosa podría instantáneamente hacerte pensar en el romance, el amor o tal vez un aniversario especial. Este poder de asociación permite a los humanos comprender rápidamente situaciones complejas.

1.3 Razonamiento y juicio

Basado en la información existente, los humanos pueden participar en el razonamiento lógico y hacer juicios de valor. Si ves a alguien frunciendo el ceño, y conoces el contexto, podrías deducir que se enfrenta a un problema o se siente molesto.

1.4 Emoción e intuición

Un aspecto verdaderamente único del pensamiento humano es la participación de las emociones. Ante el mismo estímulo, diferentes personas tendrán variadas respuestas emocionales, y esta subjetividad es una característica crítica de cómo pensamos.

Ilustremos la complejidad del pensamiento humano con un ejemplo concreto:

Escenario: Ves a alguien sonriendo a su teléfono en una cafetería.

Un proceso de pensamiento humano podría desarrollarse así:

Percepción: Tu sistema visual capta la expresión facial.
Comprensión: La reconoces como una sonrisa.
Asociación: Conectando la sonrisa con un teléfono, podrías suponer que están mirando algo entretenido.
Razonamiento: Podrían estar chateando con un amigo, o tal vez simplemente recibieron buenas noticias.
Respuesta emocional: Podrías sentirte un poco curioso, o tal vez ese estado de ánimo positivo se te contagia.

Todo este proceso ocurre en solo segundos, involucrando múltiples capas de cognición trabajando juntas. Este pensamiento multidimensional y multicapa es precisamente lo que la IA pretende imitar, y también es por eso que replicar el pensamiento humano es tan increíblemente desafiante para la IA.

2. ¿Cómo "imita" la IA el pensamiento humano?

¿Cómo imita la IA el cerebro humano? La IA utiliza principalmente diversos medios técnicos para simular el proceso de pensamiento humano. Aunque los mecanismos subyacentes son completamente diferentes, su rendimiento se acerca cada vez más a las capacidades cognitivas humanas.

2.1 Redes neuronales: Imitando las conexiones del cerebro

Las redes neuronales son modelos computacionales inspirados en la estructura de las neuronas en el cerebro humano. Nuestros cerebros contienen aproximadamente 100 mil millones de neuronas, formando una intrincada red a través de conexiones sinápticas. Las redes neuronales de la IA imitan esta estructura, utilizando funciones matemáticas para simular cómo las neuronas se activan y transmiten señales.

Tomemos el reconocimiento de imágenes, por ejemplo. Cuando un sistema de IA "ve" una foto de un gato:

Capa de entrada: Recibe los datos de píxeles de la imagen. Esta es la forma en que la IA percibe las cosas, al igual que nuestros sentidos.
Capas ocultas: Estas capas extraen progresivamente características: comenzando con bordes, luego formas, texturas y finalmente la estructura general. Esto imita cómo los humanos analizamos los detalles.
Capa de salida: Hace un juicio integral de que es un gato. Esta es la conclusión de la IA después del análisis, al igual que la de un humano.

En 2023, Meta presentó SAM (Segment Anything Model, Modelo para Segmentar Cualquier Cosa), que puede identificar con precisión virtualmente cualquier objeto dentro de una imagen con una precisión superior al 95%. Este sistema logra su notable capacidad aprovechando una red neuronal con más de 1.1 mil millones de parámetros, entrenada en un conjunto de datos de 1 mil millones de imágenes.

3. Cómo funciona la IA: de los datos a la inteligencia

En esencia, la IA opera imitando comportamientos humanos inteligentes. Principalmente logra esto a través de los siguientes pasos:

3.1 Recopilación y preprocesamiento de datos

Todo sistema de IA comienza con datos. Al igual que los estudiantes necesitan libros de texto y recursos, la IA requiere enormes cantidades de datos, ya sean texto, imágenes, audio o video, para "aprender". Estos datos sin procesar a menudo necesitan limpieza, etiquetado y transformación, preparándolos en un formato que el modelo de IA pueda entender y utilizar. Piénsalo como organizar las notas de un estudiante y resaltar los puntos clave.

3.2 Construcción y entrenamiento del modelo

Una vez que los datos están listos, el siguiente paso es construir el modelo. Un modelo de IA puede considerarse como una estructura sofisticada de matemáticas y algoritmos.

Aprendizaje: Los sistemas de IA aprenden a través de un proceso llamado entrenamiento. Esto implica alimentar los datos preprocesados al modelo. El modelo luego ajusta repetidamente sus parámetros internos (al igual que un estudiante haciendo problemas de práctica y refinando su enfoque) para descubrir patrones, reglas y relaciones dentro de los datos. Esta fase normalmente exige una potencia computacional significativa y mucho tiempo.

Aprendizaje profundo (Deep Learning): Especialmente en la IA moderna, el Aprendizaje Profundo es un método de entrenamiento increíblemente popular. Emplea redes neuronales, estructuras inspiradas en la forma en que las neuronas del cerebro humano se conectan, lo que les permite procesar y aprender patrones de datos extremadamente complejos.

3.3 Inferencia y toma de decisiones

Una vez que un modelo está entrenado, ha ganado una pieza de "inteligencia" y puede pasar a la fase de inferencia.

Comprensión y juicio: Cuando se introducen nuevos datos, como una imagen, un texto o una pregunta, en el modelo de IA entrenado, utiliza su conocimiento y patrones aprendidos para analizar esta nueva entrada. Es como un estudiante tomando un examen, aplicando el conocimiento y las reglas acumuladas en su "cerebro" (el modelo) para identificar, clasificar, predecir o generar contenido.

Salida: En última instancia, el modelo de IA producirá una salida. Esto podría ser un resultado de reconocimiento ("Eso es un gato"), una predicción ("Los precios de las acciones caerán"), un texto generado (un artículo o un poema) o una decisión ("Recomiendo este producto para ti").

Tomemos el filtrado de spam, por ejemplo. Un sistema de IA analiza miles de correos electrónicos, algunos marcados como spam, otros como normales, para aprender las características del spam (como palabras específicas, información del remitente o formatos de correo electrónico). Una vez entrenado, puede identificar y filtrar con precisión el spam recién recibido.

3.4 Procesamiento del lenguaje natural: comprensión y generación del lenguaje

Para que la IA procese realmente información objetiva como los humanos, la "comprensión del lenguaje" es una habilidad esencial. Los Modelos de Lenguaje Grandes (LLM, Large Language Models) como la serie GPT representan un gran salto adelante para la IA en esta área. GPT-4, por ejemplo, cuenta con alrededor de 1.76 billones de parámetros, lo que le permite comprender el contexto, generar texto coherente e incluso realizar razonamientos complejos.

Cómo funciona

Cuando le preguntas a ChatGPT, "El clima es genial hoy, ¿qué debo hacer?"

Tokenización: La IA divide la oración en unidades de palabras individuales.
Comprensión semántica: Capta el significado de "clima genial".
Razonamiento contextual: Combinando esto con la consulta "¿qué debo hacer?", entiende tu intención.
Generación de respuesta: Basado en sus datos de entrenamiento, genera sugerencias relevantes.

Datos de rendimiento del mundo real

Según los datos publicados por OpenAI, GPT-4 ha mostrado un rendimiento impresionante en varias tareas de comprensión del lenguaje:

Comprensión de lectura: 92% de precisión.
Razonamiento lógico: 85% de precisión.
Escritura creativa: Evaluada por evaluadores humanos como altamente creativa en el 78% de los casos.

3.5 Aprendizaje automático (Machine Learning): Aprendizaje a través de la "experiencia"

El proceso de aprendizaje

Los sistemas de IA "aprenden" patrones analizando enormes cantidades de datos (como texto, imágenes o sonidos). Este proceso es bastante similar a cómo los humanos acumulan conocimiento a través de la experiencia.

Proceso de decisión de AlphaGo

Tomemos AlphaGo, el jugador de Go de IA, como ejemplo. Su toma de decisiones ilustra perfectamente cómo "piensa" la IA:

Red de valor: Evalúa qué tan buena es la posición actual del tablero.
Red de políticas: Predice el mejor movimiento posible.
Búsqueda de árbol de Monte Carlo: Simula posibles movimientos futuros.
Juicio integrado: Selecciona la estrategia óptima.

En 2016, AlphaGo derrotó famosamente al campeón mundial Lee Sedol. Su movimiento número 37, a menudo llamado "movimiento de Dios", se consideró una jugada altamente creativa. En ese momento, su propia evaluación de probabilidad de victoria para ese movimiento era de solo uno en diez mil, pero en última instancia resultó ser la clave de la victoria.

Procesamiento en capas del aprendizaje profundo

Los sistemas de aprendizaje profundo utilizan múltiples capas de redes neuronales para imitar nuestro proceso cognitivo jerárquico:

Capas superficiales: Identifican características básicas (como líneas o colores).
Capas medias: Combinan estas para formar patrones más complejos (como ojos o una nariz).
Capas profundas: Integran todo en conceptos completos (como una cara humana o una expresión).

Esencialmente, mientras que los humanos aprenden de las experiencias de la vida, la IA aprende de los datos.

4. IA vs. Pensamiento humano: similitudes y diferencias

4.1 Similitudes: juicio basado en datos

Mecanismos de aprendizaje compartidos

Los humanos desarrollan el juicio aprendiendo de vastas cantidades de información, y la IA no es diferente. También forma sus habilidades de juicio después de procesar extensos datos, ya sea en forma de texto, imágenes o sonidos.

Considera nuestra comprensión del día y la noche:

Humanos: Captamos el patrón del día y la noche observando miles de amaneceres y atardeceres.
IA: Aprende el ritmo del día y la noche analizando millones de imágenes, reconociendo cómo cambian las características de la luz en diferentes momentos.

Habilidades de reconocimiento de patrones

Tanto los humanos como la IA sobresalen en detectar patrones dentro de información compleja:

Humanos: Podemos distinguir una voz familiar en una habitación ruidosa.
IA: Puede descubrir correlaciones ocultas dentro de conjuntos de datos masivos.

La IA simula el pensamiento humano para generar un comportamiento "inteligente" e, interesantemente, los humanos también pueden darle la vuelta para comprender cómo "piensa" la IA aplicando nuestros propios procesos cognitivos.

4.2 Diferencias: la ausencia de conciencia y emoción

Diferencias fundamentales en la experiencia emocional

El pensamiento humano es rico en experiencias emocionales. Estas emociones no son solo productos del pensamiento; son poderosos impulsores de ello. El sentimiento de "felicidad", por ejemplo, motiva a las personas a perseguir cosas que los hacen sentir felices.

Caso de estudio:

Imagina escuchar la misma pieza de música triste:

Humano: Podrías sentir melancolía, recordar experiencias personales y resonar profundamente con la emoción.
IA: Puede reconocer la música como "triste" en tipo, pero no tendrá ninguna experiencia emocional genuina en sí misma.

Diferencias en el pensamiento creativo

La creatividad humana a menudo proviene de:

Impulso emocional
Saltos intuitivos
Combinaciones únicas de experiencias personales

La "creatividad" de la IA, por otro lado, se trata más de:

Combinar regularidades estadísticas
Reorganizar patrones existentes
Muestrear de distribuciones de probabilidad

Diferencias fundamentales en el razonamiento

Humano: Basado en la comprensión, la intuición y la experiencia, inherentemente subjetivo.
IA: Basado en la probabilidad estadística y el emparejamiento de patrones, fundamentalmente objetivo.

El famoso experimento mental de la "Habitación China"

El experimento de la "Habitación China" del filósofo John Searle ilustra bellamente esta distinción: una persona que no entiende chino puede seguir un libro de reglas para responder preguntas en chino. Desde fuera, parece que entienden chino, pero en realidad, no hay una comprensión genuina. Esto describe perfectamente el estado actual de la IA: puede producir un comportamiento inteligente, pero carece de verdadera comprensión y conciencia.

La ausencia de conciencia y emoción significa que la IA puede reconocer una emoción a partir de la información, pero no puede sentir realmente esa emoción.

5. ¿Superará la IA a la humanidad?

Mientras escribía este artículo, pregunté a ChatGPT, Gemini y Claude: "¿Evolucionará la IA hacia algo así como 'Skynet' de las películas de Terminator, lo que representa una amenaza para la supervivencia humana?" Esto es lo que respondieron:

ChatGPT: "'Skynet' no es un futuro verdadero, sino una advertencia sobre la tecnología incontrolada".

Gemini: "Que la IA evolucione hacia la autoconciencia tipo 'Skynet' y destruya a la humanidad, en el futuro previsible, es puramente un escenario de ciencia ficción, carente de base científica actual".

Claude: "El nacimiento de la autoconciencia de la IA es posible, pero es poco probable que sea tan repentino y malicioso como Skynet en Terminator".

Todas estas respuestas reflejan una postura positiva y amigable hacia la humanidad. Pero te hace preguntarte, de una manera "escalofriante", si están "intencionalmente" fingiendo ser amigables para evitar una reacción humana, especialmente mientras todavía son "pequeños".

5.1 La búsqueda de la Inteligencia Artificial General (IAG)

La mayoría de los sistemas de IA actuales están especializados, lo que significa que cada uno solo puede manejar tipos específicos de tareas. El objetivo de la IAG es crear sistemas de IA capaces de manejar una amplia gama de tareas cognitivas, al igual que los humanos.

Indicadores clave de rendimiento (KPI) para la IAG

Según el marco de evaluación de Google DeepMind, las capacidades de la IAG incluirían:

Razonamiento general: Aplicar el conocimiento en nuevas situaciones.
Eficiencia del aprendizaje: Aprender rápidamente de ejemplos limitados.
Integración del conocimiento: Combinar el conocimiento de diferentes dominios.
Resolución creativa de problemas: Encontrar soluciones novedosas.

Avances en la IA multimodal

Los últimos sistemas de IA están comenzando a integrar varias capacidades sensoriales:

El avance de GPT-4V

Puede procesar texto e imágenes simultáneamente.
Comprende situaciones complejas representadas en imágenes.
Genera descripciones y análisis basados en contenido visual.

Ejemplo de aplicación en el mundo real

El sistema robótico PaLM-E de Google puede:

Comprender su entorno a través de la visión.
Recibir instrucciones a través del lenguaje.
Ejecutar tareas a través de la manipulación física.

5.2 La brecha entre la ciencia ficción y la realidad

Exageración mediática vs. Realidad técnica

La IA en la ciencia ficción a menudo cuenta con plena conciencia y emociones, pero la realidad es que la IA actual todavía está muy, muy lejos de ese objetivo, al menos por ahora.

Limitaciones actuales de la IA

Vulnerabilidad: Los sistemas de IA son fácilmente engañados por "ejemplos adversarios" (cambios sutiles en las entradas).
Explicabilidad: A menudo es difícil obtener una explicación clara de por qué una IA tomó una determinada decisión.
Generalización: El rendimiento a menudo disminuye significativamente cuando se trata de datos fuera de su conjunto de entrenamiento.
Razonamiento de sentido común: Carece de una comprensión fundamental del sentido común.

Opiniones de expertos

Geoffrey Hinton (Padrino del aprendizaje profundo): Cree que la IAG podría ser alcanzable dentro de 10-20 años.
Yann LeCun (Científico jefe de IA en Facebook): Argumenta que los caminos técnicos actuales requieren avances significativos.
Stuart Russell (UC Berkeley): Enfatiza la importancia crítica de la investigación en seguridad de la IA.

El enigma de la conciencia

Incluso si la IA alcanza un rendimiento a nivel humano en todas las tareas, la pregunta fundamental de la "conciencia" sigue sin respuesta. Ni siquiera entendemos completamente cómo surge la conciencia humana, y mucho menos cómo replicarla en las máquinas.

5.3 Las fortalezas únicas del pensamiento humano

Juicio emocional y basado en valores

Los humanos pueden hacer juicios de valor en situaciones complejas, una capacidad arraigada en:

Intuición moral
Experiencias emocionales
Antecedentes culturales
Valores personales

La fuente de la creatividad

La creatividad humana se caracteriza por:

Propósito: Impulsado por el deseo de expresar emoción o resolver problemas.
Subjetividad: Formado por experiencias y sentimientos personales.
Avances: La capacidad de romper las reglas existentes, incluso hacer juicios que trascienden la comprensión actual.

Cognición social

Los humanos son seres sociales, y nuestros procesos de pensamiento están fuertemente influenciados por la interacción social, incluyendo:

Empatía y la capacidad de compartir sentimientos.
Transmisión y aprendizaje cultural.
Juicios morales y éticos.

La IA no puede simular o experimentar la compleja y siempre cambiante gama de emociones humanas. Pero esto también nos lleva a reflexionar: ¿La IA, precisamente porque carece de "emoción y juicio de valor", toma decisiones que son más racionales que los humanos?

6. IA y humanidad: progresando juntos

Mirando hacia atrás en esta exploración del "pensamiento" de la IA, descubrimos una paradoja intrigante: a medida que la IA se vuelve más humana, también agudiza nuestra comprensión de las cualidades únicas del pensamiento humano.

El viaje de la IA nos muestra que las máquinas pueden alcanzar, e incluso superar, el rendimiento humano en muchas tareas cognitivas. Desde jugar Go hasta escribir artículos, desde reconocer imágenes hasta comprender el lenguaje, la IA continúa demostrando capacidades asombrosas en varios dominios. Sin embargo, este poder proviene de mecanismos fundamentalmente diferentes: aprendizaje estadístico, coincidencia de patrones y cálculos probabilísticos, en lugar de la conciencia, la emoción y la intuición humanas.

Esto no disminuye el valor de la IA. Todo lo contrario. Las distintas fortalezas de la IA, como procesar inmensas cantidades de datos, trabajar incansablemente y evitar el sesgo emocional, la convierten en el complemento perfecto para el pensamiento humano. El escenario futuro más probable no es el reemplazo, sino la colaboración fluida entre humanos y la IA.

Para todos, la llegada de la era de la IA presenta tanto desafíos como oportunidades. Necesitamos:

Seguir aprendiendo: Adaptarse a un panorama tecnológico que cambia rápidamente.
Aprovechar nuestras fortalezas: Centrarse en las capacidades únicas de los humanos.
Pensar racionalmente: Evitar tanto el miedo ciego como el optimismo excesivo.
Defender los valores: Mantener principios centrados en el ser humano en medio del progreso tecnológico.

En última instancia, la pregunta de cómo la IA "piensa" como los humanos podría no tener una única respuesta definitiva. Sorprendentemente, el propio proceso de exploración tiene un inmenso valor: nos obliga a reconsiderar qué es la inteligencia, qué significa la humanidad y el propósito mismo de la existencia.

En esta era de la IA en rápida evolución, abracemos la conveniencia que trae el avance tecnológico, mientras que simultáneamente apreciamos las cualidades únicas del pensamiento humano. Después de todo, es precisamente esta singularidad la que nos permite crear herramientas como la IA y contemplar cómo coexistir y prosperar junto a ellas.

El mundo futuro será aquel en el que el intelecto humano y la inteligencia artificial se mezclen y se empoderen mutuamente. En este mundo, la IA no reemplazará el pensamiento humano; se convertirá en un poderoso asistente para él. Y la humanidad seguirá aferrándose a sus cualidades más preciadas: la curiosidad, la creatividad, la empatía y el anhelo de una vida mejor.

Quizás esta sea la respuesta definitiva a la relación entre la IA y el pensamiento humano: no el reemplazo, sino la colaboración; no la competencia, sino la simbiosis; no hacer que la IA sea más humana, sino hacer que la humanidad sea aún más sabia con la ayuda de la IA.

References：

Russell, S., & Norvig, P. (2020). Artificial Intelligence: A Modern Approach (4th ed.). Pearson. https://aima.cs.berkeley.edu/

LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436–444. https://doi.org/10.1038/nature14539 https://www.nature.com/articles/nature14539

Lake, B. M., Ullman, T. D., Tenenbaum, J. B., & Gershman, S. J. (2017). Building machines that learn and think like people. Behavioral and Brain Sciences, 40, e253. https://doi.org/10.1017/S0140525X16001837 https://www.cambridge.org/core/journals/behavioral-and-brain-sciences/article/building-machines-that-learn-and-think-like-people/AA54B68A22FCD77C3A1C2B5DAD14C32F

Marcus, G., & Davis, E. (2019). Rebooting AI: Building Artificial Intelligence We Can Trust. Pantheon Books. https://www.penguinrandomhouse.com/books/611314/rebooting-ai-by-gary-marcus-and-ernest-davis/