Imaginemos a un grupo de jóvenes reunidos en un pintoresco campus universitario de Nueva Inglaterra, Estados Unidos, durante el verano norteño de 1956.
por The Conversation
Es una pequeña reunión informal. Pero los hombres no están aquí para disfrutar de fogatas y caminatas por las montañas y bosques circundantes. En cambio, estos pioneros están a punto de embarcarse en un viaje experimental que generará innumerables debates durante décadas y cambiará no solo el curso de la tecnología, sino también el de la humanidad.
Bienvenido a la Conferencia de Dartmouth, la cuna de la inteligencia artificial (IA) tal como la conocemos hoy.
Lo que ocurrió aquí finalmente daría lugar a ChatGPT y a los muchos otros tipos de IA que ahora nos ayudan a diagnosticar enfermedades, detectar fraudes, crear listas de reproducción y escribir artículos (bueno, este no). Pero también crearía algunos de los muchos problemas que el campo aún intenta superar. Quizás, al mirar atrás, podamos encontrar un mejor camino a seguir.
El verano que lo cambió todo
A mediados de los años 50, el rock and roll arrasaba en todo el mundo. El álbum Heartbreak Hotel de Elvis encabezaba las listas de éxitos y los adolescentes comenzaban a abrazar el legado rebelde de James Dean.
Pero en 1956, en un tranquilo rincón de New Hampshire, estaba ocurriendo un tipo diferente de revolución.
El Proyecto de Investigación de Verano de Dartmouth sobre Inteligencia Artificial , a menudo conocido como la Conferencia de Dartmouth, comenzó el 18 de junio y duró aproximadamente ocho semanas. Fue una iniciativa de cuatro informáticos estadounidenses: John McCarthy, Marvin Minsky, Nathaniel Rochester y Claude Shannon, y reunió a algunas de las mentes más brillantes de la informática, las matemáticas y la psicología cognitiva del momento.
Estos científicos, junto con algunas de las 47 personas que invitaron, se propusieron abordar un objetivo ambicioso: crear máquinas inteligentes.
Como lo expresó McCarthy en la propuesta de la conferencia , su objetivo era descubrir “cómo hacer que las máquinas utilicen el lenguaje, formen abstracciones y conceptos y resuelvan tipos de problemas que ahora están reservados para los humanos”.
El nacimiento de un campo y un nombre problemático
La Conferencia de Dartmouth no solo acuñó el término “inteligencia artificial”, sino que fusionó todo un campo de estudio. Es como un mítico Big Bang de la IA: todo lo que sabemos sobre aprendizaje automático, redes neuronales y aprendizaje profundo se remonta a aquel verano en New Hampshire.
Pero el legado de ese verano es complicado.
La inteligencia artificial se impuso como nombre sobre otros propuestos o en uso en aquel momento. Shannon prefirió el término «estudios de autómatas», mientras que otros dos participantes de la conferencia (y futuros creadores del primer programa de IA), Allen Newell y Herbert Simon, siguieron utilizando «procesamiento complejo de información» durante algunos años.
Pero aquí está el asunto: una vez que nos hemos decidido por la IA, por mucho que lo intentemos, hoy parece que no podemos evitar comparar la IA con la inteligencia humana.
Esta comparación es al mismo tiempo una bendición y una maldición.
Por un lado, nos impulsa a crear sistemas de IA que puedan igualar o superar el rendimiento humano en tareas específicas. Celebramos cuando la IA supera a los humanos en juegos como el ajedrez o el Go, o cuando puede detectar el cáncer en imágenes médicas con mayor precisión que los médicos.
Por otra parte, esta comparación constante conduce a conceptos erróneos.
Cuando una computadora supera a un humano en Go , es fácil concluir que las máquinas son ahora más inteligentes que nosotros en todos los aspectos, o que al menos estamos en camino de crear dicha inteligencia. Pero AlphaGo no está más cerca de escribir poesía que una calculadora.
Y cuando un modelo de lenguaje grande suena humano, empezamos a preguntarnos si es consciente .
Pero ChatGPT no está más vivo que un muñeco de ventrílocuo parlante.
La trampa del exceso de confianza
Los científicos de la Conferencia de Dartmouth se mostraron increíblemente optimistas sobre el futuro de la IA. Estaban convencidos de que podrían resolver el problema de la inteligencia artificial en un solo verano.
Este exceso de confianza ha sido un tema recurrente en el desarrollo de la IA y ha dado lugar a varios ciclos de exageración y decepción.
Simon afirmó en 1965 que «en 20 años, las máquinas serán capaces de realizar cualquier trabajo que un ser humano pueda hacer». Minsky predijo en 1967 que «en una generación […] el problema de la creación de inteligencia artificial estará prácticamente resuelto».
El popular futurista Ray Kurzweil predice ahora que esto ocurrirá dentro de sólo cinco años: “aún no hemos llegado, pero llegaremos y en 2029 será comparable al de cualquier persona”.
Reformulando nuestro pensamiento: nuevas lecciones de Dartmouth
Entonces, ¿cómo pueden los investigadores de IA, los usuarios de IA, los gobiernos, los empleadores y el público en general avanzar de una manera más equilibrada?
Un paso clave es reconocer la diferencia y la utilidad de los sistemas de máquinas. En lugar de centrarnos en la carrera hacia la «inteligencia artificial general», podemos centrarnos en las fortalezas únicas de los sistemas que hemos construido ; por ejemplo, la enorme capacidad creativa de los modelos de imagen.
También es importante cambiar el enfoque de la automatización a la mejora. En lugar de enfrentar a los humanos con las máquinas, centrémonos en cómo la IA puede asistir y mejorar las capacidades humanas.
Enfatizamos también las consideraciones éticas. Los participantes de Dartmouth no dedicaron mucho tiempo a debatir las implicaciones éticas de la IA. Hoy sabemos más y debemos actuar mejor.
También debemos reorientar las líneas de investigación. Enfatizamos la investigación en la interpretabilidad y robustez de la IA, la investigación interdisciplinaria en IA y exploramos nuevos paradigmas de inteligencia que no se basen en la cognición humana.
Finalmente, debemos gestionar nuestras expectativas sobre la IA. Claro, podemos estar entusiasmados con su potencial. Pero también debemos tener expectativas realistas para evitar los ciclos de decepción del pasado.
Al recordar aquel campamento de verano de hace 68 años, podemos celebrar la visión y la ambición de los participantes de la Conferencia de Dartmouth. Su trabajo sentó las bases de la revolución de la IA que vivimos hoy.
Al replantear nuestro enfoque de la IA, haciendo hincapié en la utilidad, la mejora, la ética y las expectativas realistas, podemos honrar el legado de Dartmouth y, al mismo tiempo, trazar un rumbo más equilibrado y beneficioso para el futuro de la IA.
Después de todo, la verdadera inteligencia no reside sólo en crear máquinas inteligentes, sino en cómo elegimos utilizarlas y desarrollarlas.
Sandra Peter, directora de Sydney Executive Plus, Universidad de Sídney.
Fuente del artículo: Este artículo se republica de The Conversation bajo una licencia Creative Commons. Lea el artículo original .
Fuente de la imagen del encabezado: Kent Quirk en Flickr, CC BY-NC-SA 2.0 .