¿Llega un nuevo invierno de la inteligencia artificial?

 

La inteligencia artificial ha pasado de ser una tecnología de moda a convertirse en el centro de atención mediática por su capacidad para generar sorpresa. La velocidad a la que se han ido sucediendo los avances en este terreno en poco tiempo y los impactantes resultados obtenidos generan tanta expectación como preocupación, tanto por su poder disruptivo en la mayoría de las actividades económicas, como por los posibles efectos negativos que puede tener su mal uso. La popularidad adquirida en los últimos dos años por los modelos amplios de lenguaje (large language models), como ChatGPT de OpenAI o Gemini de Google, ha puesto en manos de cualquiera la posibilidad de crear contenido (texto, imagen o vídeo) con estas potentes herramientas, sin necesidad de poseer conocimientos técnicos.

Todo parece indicar que estamos ante una revolución tecnológica sin precedentes. El propio Bill Gates, fundador de Microsoft y uno de los grandes gurús de la era digital, comparaba hace unos días el desarrollo de la inteligencia artificial con hitos fundamentales de la historia de la innovación, como la creación del microprocesador, el ordenador personal, internet y el teléfono móvil. Todos ellos transformaron los cimientos de las vidas de las personas, contribuyendo a cambiar la economía y la sociedad, y todo parece indicar que la línea principal de investigación en inteligencia artificial -basada en el aprendizaje automático y las redes neuronales- va a producir un terremoto similar al que trajeron consigo esos avances.

A pesar del convencimiento generalizado sobre el descomunal potencial de crecimiento a medio plazo de estas tecnologías, hay voces que predicen que, por el contrario, esta época dorada iniciada hace poco más de un decenio podría estar tocando techo, de manera que entraríamos en otro “invierno de la inteligencia artificial”, como los que tuvieron lugar en el pasado.

No nos engañemos, aunque solamente llevamos oyendo hablar de máquinas que ganan a campeones de ajedrez, chatbots, vehículos autónomos y asistentes personales desde mediados de la pasada década, estamos ante una disciplina cuyos orígenes teóricos se remontan a la década de los años cincuenta del siglo XX, con los trabajos de Alan Turing, John McCarthy, Marvin Misky y Claude Shannon, entre muchos otros. La historia de la inteligencia artificial ha experimentado crisis cíclicas, en las que ha cundido el desánimo por el fracaso de los avances o el incumplimiento de las expectativas depositadas, y la financiación de la investigación se ha visto frenada ante las dificultades para rentabilizar las cuantiosas inversiones realizadas. Es lo que ha venido a denominarse “inviernos de la inteligencia artificial”, momentos de parón en la investigación y desarrollo, como los que tuvieron lugar entre 1974 y 1980, o el iniciado a principios de la década de los 90.

¿Cuáles son las principales limitaciones y obstáculos que puede encontrar actualmente el desarrollo de la inteligencia artificial? En el caso general del aprendizaje automático y el aprendizaje profundo, que son las ramas de la inteligencia artificial en los que está basado el boom de los últimos años, el principal problema es que están basadas en el big data, es decir, se trata de algoritmos devoradores de datos, que utilizan para generar patrones, pero, ante situaciones donde los datos no están disponibles o resultan difíciles de conseguir en grandes cantidades, el aprendizaje profundo puede no resultar la mejor solución. Por otro lado, el uso de estos sistemas puede atentar contra los derechos individuales de las personas, en términos de privacidad e intimidad.

Además, en el estado actual de desarrollo, esta tecnología no es capaz de distinguir claramente causalidad y correlación. Puede identificar que existe una relación entre el suceso A y el B, pero no suele poder establecer si hay una relación causal entre ambos. Una de las principales críticas que reciben estos sistemas es que no entienden el mundo que les rodea, como ha demostrado hace poco la herramienta Gemini de Google que, al pedírsele que generara imágenes de soldados alemanes de 1943, ofreció un catálogo compuesto por mujeres asiáticas y hombres negros, se conoce que en un intento de garantizar un equilibrio étnico dentro de las fuerzas de Tercer Reich. Algo parecido le ocurrió al crear imágenes de vikingos del siglo XII.

Algunos expertos consideran que el aprendizaje automático debería ser combinado con otras técnicas de la inteligencia artificial para poder seguir avanzando satisfactoriamente.

En el caso concreto de la inteligencia artificial generativa, es decir, la que se utiliza para crear contenidos como textos, imágenes, vídeos o líneas de código de programación, a las limitaciones anteriores se suman otras de distinto índole. Por una parte, el propio funcionamiento de los algoritmos con frecuencia ofrece malos resultados, lo que se denomina “alucinaciones”, como lo que hemos visto de Gemini un poco más arriba, lo que pone en cuestión su fiabilidad. Por otra, no existe un modelo sólido de negocio en empresas como OpenAI y, teniendo en cuenta lo costoso que supone desarrollar y mantener sistemas como ChatGPT-4, la falta de recursos financieros se puede convertir en un cuello de botella para seguir adelante.

A lo anterior hay que sumarle que los modelos amplios de lenguaje se nutren mayormente de información y contenidos procedentes de internet para realizar sus creaciones, contenidos que en su gran mayoría están sujetos a derechos de autor. El director de Open AI, Sam Altman, llegó a afirmar en enero que sería imposible entrenar a los modelos actuales de inteligencia artificial sin violar los derechos de autor, pero ¿serían rentables sus aplicaciones si tuviese que pagar por ellos? 

Una última cuestión es la relativa al impacto ambiental de los sistemas de inteligencia artificial, cuya huella de carbono derivada de las emisiones de gases efecto invernadero por la cantidad de energía que demandan es creciente, a medida que se hacen más complejos y sofisticados. Se ha llegado a calcular que entrenar a un solo modelo de inteligencia artificial produce una huella de carbono superior a las de cinco automóviles durante toda su vida útil.

¿Estaremos ante un nuevo invierno de la inteligencia artificial? Por si acaso, vayan cogiendo ropa de abrigo.