Fundamentos · Lectura de 7 min

Qué es la inteligencia artificial, explicada sin tecnicismos

Antes de que existiera el término existía la pregunta: ¿puede una máquina hacer lo que creíamos exclusivo de nosotros? Aquí la respuesta, sin humo.

Cuando el corrector de tu teléfono adivina la palabra que ibas a escribir, ahí hay inteligencia artificial. Cuando Netflix te sugiere la próxima serie, ahí también. No hay una mente encerrada en el aparato ni un robot con conciencia: hay un programa que aprendió a reconocer un patrón y a apostar por la respuesta más probable. Esa es la parte aburrida y verdadera. La parte espectacular (máquinas que sienten, que se rebelan, que sueñan) es cine.

Así que empecemos separando las dos cosas. Porque la mayoría de lo que crees saber sobre qué es la inteligencia artificial lo aprendiste en una sala de cine, no en un laboratorio. Y esa confusión te cuesta: te hace temer lo que no es y confiar en lo que no deberías.

01 · la definiciónQué es la inteligencia artificial, en una frase

Vamos con una definición operativa, de las que sirven para trabajar y no solo para lucirse: la inteligencia artificial es la disciplina que construye sistemas capaces de realizar tareas que, hechas por una persona, dirías que requieren inteligencia. Reconocer una cara. Traducir un texto. Ganar al ajedrez. Conducir. Escribir un párrafo con sentido.

Fíjate en lo que la definición evita a propósito. No dice que la máquina "piense" ni que "entienda". Dice que hace. Es una definición por comportamiento, no por conciencia. Y eso no es una trampa moderna: es la vieja idea de fondo. En 1950, Alan Turing propuso dejar de preguntar "¿pueden pensar las máquinas?" (una pregunta que consideraba demasiado vaga) y cambiarla por otra que sí se puede medir: ¿puede una máquina conversar de forma indistinguible de una persona? [1] Movió la pregunta del alma al comportamiento. Y ahí sigue.

La IA no se mide por lo que la máquina siente. Se mide por lo que la máquina logra.

El nombre en sí es joven. Lo acuñó el matemático John McCarthy en 1955, en la propuesta de un taller de verano en el Dartmouth College para 1956, donde reunió a un puñado de investigadores a conjeturar que "cada aspecto del aprendizaje puede describirse con tanta precisión que una máquina podría simularlo". [2] Aquel optimismo fundó el campo. También fundó, de paso, medio siglo de promesas incumplidas. Pero la definición práctica que usamos hoy sigue siendo la suya: hacer que las máquinas resuelvan problemas que hoy solo resuelven las personas.

02 · el motorCómo aprende una máquina (sin que nadie le dicte las reglas)

Aquí está el cambio que lo explica casi todo. Durante décadas, programar una máquina significaba escribirle las reglas a mano: "si el correo dice GRATIS y VIAGRA, es spam". El problema es obvio: la vida tiene demasiadas excepciones para escribirlas todas. Nadie termina esa lista.

La IA moderna le dio la vuelta a la tortilla. En vez de darle las reglas, le das ejemplos. Miles, millones. "Estos mil correos son spam; estos mil, no. Averigua tú la diferencia." La máquina ajusta sus cálculos hasta acertar, y al terminar tiene una regla que nadie escribió: la dedujo sola de los ejemplos. Eso es el aprendizaje automático, el corazón de casi toda la IA que usas hoy.

Piénsalo como enseñarle a un niño qué es un perro. No le recitas una definición con número de patas y forma de orejas. Le señalas perros. Muchos. Grandes, pequeños, peludos, pelones. En algún momento ve uno que nunca había visto y dice "perro". No memorizó una lista: captó el patrón. La máquina hace lo mismo, solo que con aritmética en lugar de intuición.

Figura 1 · dos formas de construir un programa
Programación clásica Reglas Datos Respuestas Aprendizaje automático Datos Respuestas Modelo entrenado Reglas
Antes le dabas a la máquina las reglas y los datos para que produjera respuestas. Ahora le das datos y respuestas, y ella produce las reglas. Esa inversión, popularizada por François Chollet, es lo que cambió todo. [3]
Por eso a veces se equivoca de formas raras

Como la máquina aprende de ejemplos y no de reglas explícitas, hereda lo que había en esos ejemplos: sus vacíos y sus sesgos. Si nunca vio un perro sin pelo, dudará ante uno. Si los datos venían torcidos, la respuesta saldrá torcida. No es maldad ni capricho: es el reflejo de lo que le diste a leer.

03 · el mapaEstrecha, general y la línea que no hemos cruzado

Ahora la distinción que ordena todo el panorama y desinfla casi todo el pánico. Hay dos ideas muy distintas metidas bajo la misma sigla.

La IA estrecha es la única que existe hoy. Hace una cosa, y solo una, a veces mejor que cualquier humano. El programa que juega al Go como nadie no sabe pedir una pizza. El que detecta tumores en radiografías no sabe conducir. Es un especialista genial y absoluto, ciego a todo lo demás. Toda la IA que has tocado en tu vida (tu buscador, tu traductor, tu asistente de voz) es IA estrecha.

La IA general sería una máquina con la flexibilidad de una persona: aprender cualquier tarea, trasladar lo aprendido de un campo a otro, entender el mundo de forma amplia. No existe. No sabemos si existirá, ni cuándo. Es una hipótesis de investigación, no un producto. Cuando una película te muestra un robot que ama, conspira o teme a la muerte, te está mostrando IA general, es decir, ciencia ficción.

Todo lo que existe hoy es un especialista brillante y ciego. La máquina que "lo entiende todo" sigue siendo un guion, no un producto.

Figura 2 · dónde está la IA real, y dónde el cine
IA estrecha IA general Superinteligencia existe hoy hipótesis especulación ◀ lo que puedes usar y comprar lo que sale en las películas ▶
Solo el primer tramo es real y está en tu bolsillo. Los otros dos son terreno de debate y de guion. Confundirlos es la fuente número uno del miedo y de las promesas exageradas. Elaboración propia sobre la distinción estándar de la literatura de IA. [4]

¿Y los modelos de lenguaje como los que escriben textos, esos que parecen entenderlo todo? Son el caso más confuso, porque hacen tantas cosas distintas que parecen generales. Pero por dentro siguen siendo especialistas en una tarea: predecir la siguiente palabra probable. Que de esa única habilidad emerja tanta versatilidad es asombroso (y es harina de otro artículo), pero no los convierte en la mente completa del cine.

Así que la próxima vez que alguien te diga que la IA va a "despertar", ya tienes con qué responder. La inteligencia artificial no es una criatura: es un método. Un método para que las máquinas aprendan de ejemplos y resuelvan tareas concretas, una por una. Poderoso, útil, con sus filos y sus límites. Y mucho más interesante entendido de verdad que temido por rumor.

Fuentes

  1. Turing, A. M. (1950). Computing Machinery and Intelligence. Mind, vol. LIX, n.º 236, pp. 433-460. Oxford University Press. (Introduce el "juego de imitación", hoy conocido como test de Turing.) doi.org/10.1093/mind/LIX.236.433
  2. McCarthy, J., Minsky, M. L., Rochester, N. & Shannon, C. E. (1955). A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence. (Documento donde se acuña el término "inteligencia artificial"; el taller se celebró en 1956.) Reeditado en AI Magazine, vol. 27, n.º 4 (2006), pp. 12-14.
  3. Chollet, F. (2017). Deep Learning with Python, cap. 1. Manning Publications. (Presenta el paradigma clásico, reglas + datos → respuestas, frente al aprendizaje automático, datos + respuestas → reglas.)
  4. Russell, S. & Norvig, P. (2021). Artificial Intelligence: A Modern Approach, 4.ª ed., cap. 1. Pearson. (Definición del campo por comportamiento racional y discusión de IA estrecha frente a general.)

Aprende más sobre IA

Ver todo Aprende IA