Un poco más sobre inteligencia artificial

Sigo dando lata con el asunto de la inteligencia artificial. No me gusta escribir dos días seguidos sobre lo mismo pero creo que mi entrada de ayer estuvo muy superficial y con poca opinión propia. Mi ntención es tratar de arreglar esos dos problemas.

La web semántica
Creo que los primeros intentos de inteligencia artificial vinieron del mismo inventor de la Web, Tim Berners Lee, desde hace muchos años empezó a promover algo que llamó "la web semántica" que mediante metadatos (etiquetas) semánticos y ontológicos permitieran una mejor interaccón entre las personas y los datos contenidos en las máquinas.

En el fondo se trataba de que las máquinas pudiesen procesar mejor el enorme contenido en lenguaje natural, no estructurado que se ha acuulado en la Web. Un objetivo modesto pero creo que fue el primer paso. 

La web semántica nunca llegó a ser lo que esperaban sus diseñadores y probablemente nunca tendremos una web completa estructurada, fácilmente manipulable por las máquinas, pero se han conseguido cosas valiosas. Es probable que con la IA pase algo parecido.

La inteligencia artificial en cambio ha tenido un éxito comercial rápido y explosivo. Se está creando datacenter de miles de millones de dólares y el fabricante de tarjetas gráficas (GPU) Nvidia ha multiplicado su valor accionario de manera astronómica.

Las razones de este éxito son una combinación de publicidad engañosa y falsas expectativas, pero también de un avance sifnificativo en el aprendizaje automático y los grandes modelos de lenguaje con aprendizaje adaptativo.

La prueba de Touring
En esta prueba  -simplificando- tenemos a una persona que escribe preguntas y recibe respuestas de alguien a quien no puede ver: puede preguntar lo que se le antoje y después de una conversación deberá determinar si estuvo conversando con un ser humano o con una máquina

Cuando yo era programador, en los años 80 hasta el 2000, la opinión general era que seguramente nunca habría una máquina que pudiera pasar esa prueba y engañar a un ser humano en una conversación al azar.

Se pensaba entonces que una conversación con preguntas y respuestas era inabordable para una máquina, que estaba sujeta a algoritmos, es decir listas de instrucciones bien determinadas ¿como se podía crear respuestas covincentes sin saber el tema que se conversaría?

La prueba de Touring se convirtió en un Santo Grial, si alguna máquina podía pasarla entonces ya era capaz de "pensar" y era cuestión de tiempo y recursos que alcanzara -y luego superara- al cerebro humano. 

Un computador que conversaba
Esa es la idea que había detrás de la computadora "Hal 9000" de la novela "2001 Odisea del Espacio" escrita por Arthur C. Clarke, un científico al que le encantaba hacer futurología, tal como Asimov y otros.

Bueno, primero IBM creo un sistema para ganarle al campeón mundial de ajedrez, después al campeón mundial de Go y hace un par de años, gracias al crecimiento de la potencia de cálculo y a la información gigantesca que tiene la web se empezaron a desarrollar las aplicaciones de IA.

Encontré en Internet como es más o menos el proceso, estas aplicaciones se basan en:

Sistemas de aprendizaje con algoritmos
En este caso son los viejos algoritmos de siempre, pero que se diseñan para adquirir o aprender cosas que no están contempladas en los algoritmos.

Para que una máquina aprenda se necesita una cantidad gigantesca de información, gracias a la popularidad de Internet se calcula que la web tiene unos 126 Zetabytes. Para que se hagan una idea, un Zetabyte es como un millón de Gigabytes, o sea información hay harta.

Se cosecha la mayor cantidad posible de esa información, de preferencia textos con significado como este humirde Templo del Ocio y con eso se comienza a entrenar el modelo, esto puede ser con un supervisor que aplique etiquetas o que el propio modelo encuentre patrones y se etiquete solo.

Esto es lo que llaman Grandes Modelos de Lenguaje (LLM) y es la cara visible de la IA, a estos modelos le hacemos preguntas en Chatgpt, Copilot o lo que sea. Ellos podrían eventualmente pasar la Prueba de Turing, lo que antes parecía imposible. Pero la IA también tiene otros componentes como

Procesamiento de datos
Es decir la recopilación, limpieza, almacenamiento y análisis. Esos eran los que exprimían a este Tmplo del Ocio hace algunos años, llegando casi a un millón de visitas diarias. A veces aparecen de nuevo, por ejemplo ayer tuve 100 visitas del ISP TikTok desde Singapur, seguramente era uno de esos.

Redes neuronales y aprendizaje profundo
Los datos se almacenan en matrices gigantescas donde cada nodo es una palabra y tiene los millones de índices que la relacionan con otras palabras, establecer esas relaciones es lo que se llama "aprendizaje profundo" y funciona de manera análoga a los completadores de palabras y frases que traen lo celulares, aunque lo que hacen es bastante más complicado porque pueden componer grandes textos.

Optimización, interacción y realimantación
Bueno, los modelos interacctúan con las consultas y van refinando su aprendizaje para dar respuestas que dejen cada vez más satisfechos a los clientes.

¿Son estos modelos como un cerebro? ¿Pueden superar a la inteligencia humana?
Ni en sueños, eso es como pensar que una prótesis puede ser tan buena como un brazo real, o que una cámara puede ser tan buena como un ojo humano, está a años luz de eso. 

Creo que es muy buena esa analogía de la prótesis, los modelos de lenguaje con aprendizaje profundo son una especie de prótesis desde el punto de vista del cerebro. Un brazo ortopédico robótico puede tener algunas ventajas sobre un brazo real, pero ni en sueños se acerca a su complejidad y funcionalidades.

Se le puede poner una muy buena cubierta de imitación piel y hacer que parezca perfecto, pero por dentro no deja de ser una burda máquina muy limitada. Un modelo de lenguaje puede engañarnos y pasar la Prueba de Turing, pero ni se asoma a las sutilezas de cualquier mente humana, hasta de los más tontos. Leo en Internet

"La cámara más potente no puede competir con el ojo humano en varios aspectos, principalmente por la capacidad de procesamiento del cerebro. Aunque el ojo humano tiene una resolución máxima estimada en 576 megapíxeles, la percepción detallada se concentra en la zona de enfoque, mientras que el cerebro procesa y complementa la información de forma activa. En contraste, las cámaras graban la imagen bruta y tienen capacidades superiores en términos de rango dinámico y capacidad de grabación en baja luz". 

Es un error muy tonto pensar que la inteligencia artificial es lo mismo o mejor que un cerebro o que una persona que sabe de muchas cosas.

Por otra parte, la IA es un gran desarrollo tecnológico que puede servir mucho si tenemos claro cuales son sus limitaciones.

Esto se parece mucho a cuando aparecieron las primeras calculadoras y la gente que no entendía mucho pensó que se iban a terminar las matemáticas.

La IA es una herramienta igual como una calculadora, y puede componer algunos textos mucho mejor que podemos nosotros, tal como una calculadora puede hacer calculos más complicados, pero no cualquier cosa.

Si conocemos o intuimos sus límites nos puede sernir muchísimo. No sirve para componer sonetos (eso ya lo vimos) ni para responder preguntas absurdas.

Su única sabiduría es la "sabiduría de las multitudes" al estilo de Francis Galton. Mal que mal en la base su funcionamiento usa las matemáticas y la regresión a la media.

Como saben los regulares de este Templo del Ocio, yo me entretengo mucho leyendo y de todo lo que he leído sobre esto he encontrado muchíssima fantasía, especulaciones en el aire y mucha venta de humo.

Me pudren todos esos artículos que empiezan con frases como "La inteligencia artificial está revolucionando la..." llenen la línea de puntos con lo que quieran, el 90% de eso es basura.

Y tenemos estafadores como Elon Musk que viven de cuentos que exitan la imaginación de los giles: autos eléctricos maravillosos, colonización de Marte y sobe todo cerebros artificiales que "van a superar" a los humanos. Eso es puro bullshit, basura.

La palabra "inteligencia" en su origen significaba "discriminar", o sea separar la paja del trigo. Esa es la clase de criterio que tenemos que usar para elegir en qué usaremos la inteligencia artificial y no caer en cuentos chinos.