A intelixencia artificial é unha das tecnoloxías máis innovadoras do século XXI. Foi definida como a nova electricidade e identificada como unha das tres áreas máis prometedoras polo mismísimo Bill Gates. É o ingrediente clave da cuarta revolución industrial e cada día espertamos con noticias sobre os seus impresionantes avances, que en moitos casos superan á pericia humana.
Segundo a Real Academia Española, a intelixencia artificial defínese como a disciplina científica que se ocupa de crear programas informáticos que executan operacións comparables ás que realiza a mente humana, como a aprendizaxe ou o razoamento lóxico. Pero pode a intelixencia artificial superar a humana?
O nacemento da intelixencia artificial
O obxectivo da intelixencia artificial sempre foi emular a intelixencia humana. Aínda que é un campo que se popularizou entre a sociedade nos últimos anos, o seu nacemento data de mediados do século pasado.
En 1950, o matemático británico Alan Turing publicaba o seu famoso artigo Computing Machinery and Intelligence, no que describía como crear máquinas intelixentes. Deste artigo nace tamén o test de Turing, que é a proba de referencia aínda hoxe en día para determinar se un sistema artificial exhibe intelixencia. Se unha persoa mantén unha conversación cunha máquina e outra persoa e non é capaz de discernir cal dos dous é realmente unha máquina, dise que a máquina é intelixente.
O nacemento da intelixencia artificial data de mediados do século XX
O outro evento que está ligado ao nacemento da intelixencia artificial como disciplina, e onde se acuñou oficialmente o termo, foi o Proxecto de Investigación de Verán de Dartmouth en 1956. Esta escola de verán, organizada por Marvin Minksy e John McCarthy, reuniu os investigadores que máis tarde serían considerados os fundadores da intelixencia artificial. O obxectivo deste proxecto baseábase na conxectura de que cada aspecto da aprendizaxe ou calquera outra característica da intelixencia pode, en principio, ser descrito con tanta precisión que pode fabricarse unha máquina para simulalo.
Despois da escola de verán de Dartmouth, a historia da intelixencia artificial sufriu unha serie de altibaixos. Alternou períodos de éxitos (chamados primaveras) con épocas nas que se cortaba o financiamento para seguir investigando na materia (chamadas invernos), a miúdo debido ás altas expectativas que se creaban e non se cumprían. Como exemplo, en 1970 Marvin Minksy afirmou que nun prazo de tres a oito anos sería posible desenvolver unha máquina coa intelixencia xeral dun ser humano medio. Pasaron máis de 50 anos e esta afirmación aínda non se cumpriu.
A nova primavera
Hoxe en día estamos a ser testemuñas do período de maiores éxitos da intelixencia artificial. Desde principios do século XXI conxugáronse varios factores que forman o caldo perfecto para o progreso da intelixencia artificial.
O primeiro deles é a aparición do fenómeno Big Data, que alimenta de grandes cantidades de datos os algoritmos de intelixencia artificial. O segundo factor causante é o aumento na potencia computacional das máquinas que permite facer experimentos máis complexos. Grazas á aparición destes factores entra en escena a aprendizaxe profunda (ou deep learning, en inglés). A aprendizaxe profunda basea a súa potencia nas chamadas redes de neuronas, compostas de capas e capas de unidades de procesamento.
Grazas a este subcampo da intelixencia artificial apareceron os maiores avances na disciplina, a miúdo ligados ao reto de superar a intelixencia ou habilidade humana.
Hoxe en día é o período de maiores éxitos da intelixencia artificial
Así, un dos grandes fitos na historia da intelixencia artificial ocorreu en 2015 cando AlphaGo, un programa desenvolvido por Google DeepMind, foi capaz de vencer ao campión do mundo no xogo de mesa Go. O Go é un xogo chinés que, segundo os expertos, é substancialmente máis complexo que o xadrez. Dous anos despois, o seu sucesor AlphaZero logrou en só 24 horas un nivel sobrehumano en varios xogos de mesa (xadrez, shogi e Go), derrotando a outros programas anteriores e tamén a campións humanos.
Outro campo no que a aprendizaxe profunda supuxo un salto cualitativo é o procesado da linguaxe natural. Motores de tradución como Google Translate ou DeepL melloraron notablemente nos últimos anos. A intelixencia artificial conta con éxitos recentes en áreas específicas como a medicina, os vehículos autónomos ou os asistentes virtuais.
Pero se os computadores son tan intelixentes como é que non poden ler un libro?
Aínda que poida parecer que a intelixencia artificial está a desprazar as persoas e superando a súa intelixencia, isto non é así. Actualmente, estamos na era da intelixencia artificial “estreita”. Isto significa que temos sistemas que son capaces de realizar tarefas específicas moi complexas, pero están moi lonxe da intelixencia xeneralista que temos as persoas. Este feito está directamente relacionado co paradoxo de Moravec, que en 1988 afirmou: “É relativamente fácil conseguir que os computadores mostren capacidades similares ás dunha persoa adulta nun test de intelixencia ou á hora de xogar ás damas; e moi difícil lograr que adquiran as habilidades perceptivas e motoras dun bebé dun ano”.
Hai sistemas capaces de realizar tarefas moi complexas pero están lonxe da intelixencia xeneralista das persoas
Máis tarde, en 1994, Steven Pinker afirmaba que “a principal lección despois de 35 anos de investigación en intelixencia artificial é que os problemas difíciles son fáciles e os problemas fáciles son difíciles”.
Os científicos Gary Marcus e Ernest David explican como, a pesar dos recentes e impresionantes avances en procesado da linguaxe natural, a intelixencia artificial aínda non pode ler un libro, entendendo por ler entender o seu contido.
Aínda que existen ferramentas potentes como GTB (Google Talk to Books), estas baséanse en dar respostas imitando frases que diría unha persoa, pero non son capaces de entender o que len. Cando as persoas lemos unha historia, necesitamos seguir unha serie de inferencias que están implícitas nela e que demandan o uso de coñecemento de ámbito xeral.
A aproximación actual da intelixencia artificial baséase na representación de probabilidades, de tentar adiviñar que palabras tenden a concorrer nunha frase ou contexto. Desta forma pódense producir textos ou frases que parezan ditas por persoas, pero non implica coñecemento do dominio nin que se entendeu un texto.
Confiar ou non confiar, esa é a cuestión
Aínda nos casos en que os algoritmos de intelixencia artificial conseguen resultados sobrehumanos, non é ouro todo o que reloce. As técnicas de aprendizaxe profunda teñen a particularidade de que é moi difícil interpretar como o sistema chegou a unha determinada decisión ou predición sobre os datos (o que se coñece como modelo de caixa negra). Este feito é incompatible coa necesidade de que a intelixencia artificial sexa ética e confiable, como demandan as Directrices éticas para unha intelixencia artificial fiable da Unión Europea e a Estratexia Nacional de Intelixencia Artificial española.
Recentemente apareceron numerosos casos nos que sistemas de intelixencia artificial se comportaban de forma racista ou sexista. Dado que os sistemas intelixentes son creados por persoas, parece inevitable que os nesgos humanos se transmitan aos propios algoritmos ou a través dos datos.
Amazon tivo que retirar o seu algoritmo para a contratación de persoal ao descubrir que era sexista e só consideraba candidatos masculinos. Google desculpouse despois de descubrir que o seu algoritmo de recoñecemento de imaxes etiquetaba como “pistola” a un termómetro cando a man que o suxeitaba era dunha persoa de cor.
Os sistemas intelixentes son creados por persoas e é inevitable que os nesgos humanos se transmitan aos propios algoritmos
Unha das solucións para mitigar o nesgo que aparece en sistemas de intelixencia artificial e incrementar a súa confianza é contar con equipos de desenvolvemento diversos que supervisen exhaustivamente os resultados obtidos.
As persoas teñen un papel irreemplazable no desenvolvemento da intelixencia artificial. Non só na súa creación, senón tamén na súa supervisión e uso. Como postulan as Directrices éticas para unha intelixencia artificial fiable, os sistemas intelixentes deben estar centrados nas persoas, cun uso para o servizo da humanidade e do ben común, co obxectivo de incrementar o benestar humano.
É necesario asegurar que as persoas sexan capaces de tomar decisións informadas a partir dos resultados obtidos por un sistema intelixente. Ademais, sempre debe haber persoas que supervisen o funcionamento de programas de intelixencia artificial para evitar que se violen dereitos fundamentais.
Intelixencia artificial e humana da man
Non cabe dúbida de que a intelixencia artificial é unha gran revolución co potencial de transformar a nosa sociedade de formas nunca antes vistas. Pero non podemos esquecer que a intelixencia artificial non entende, senón que aprende. Debemos ver esta tecnoloxía como unha ferramenta que nos pode axudar en multitude de tarefas, pero que non é inimiga das persoas.
O soño de crear intelixencia converteuse en realidade. Só o tempo dirá se chegaremos a ter unha intelixencia artificial xeneralista ou con consciencia. Pero unha cousa está clara: non haberá intelixencia artificial sen intelixencia humana.
*Verónica Bolón Canedo é profesora titular de CIencias da COmputación e Intelixencia Artificial na Universidade da Coruña.
Cláusula de divulgación: Verónica Bolón Canedo é colaboradora da revista Telos, de Fundación Telefónica.
Este artigo foi publicado orixinalmente na revista Telos de Fundación Telefónica.
