Agradecimientos

Las primeras personas a quienes debo dar las gracias son Sílvia, Úrsula XVII y Max, que han tenido que aguantar mi ausencia física y mental durante las largas horas que he dedicado a estudiar, pensar y escribir este libro. También quiero mostrar mi agradecimiento a todos los maestros y maestras que he tenido a lo largo de mi vida por todo lo que me han enseñado. Entre todos ellos quiero destacar a mi madre, María Martín i Pujol (la «señora Sala» del colegio Tagore-Ramon Fuster), y a mi padre, Emili Sala i Arnó (el «señor Sala», también del Tagore-Ramon Fuster y del instituto Egara de Sabadell-Terrassa). Sin vuestra sabiduría y vuestro ejemplo, no habría podido escribir este libro ni ningún otro.

Quiero mostrar mi gratitud a mi exalumno y colaborador Maxim L. Pinkovskiy, por todas las conversaciones sobre tecnología, economía, innovación e inteligencia que hemos mantenido a lo largo de los años. Y a Josep Maria Ganyet, no solo por haber leído y haberme comentado el primer borrador del manuscrito, sino también por todas las charlas que hemos mantenido en Davos sobre el tema de la inteligencia artificial.

También quiero agradecer a Peter Prazmowski, amigo y coautor del libro El Gazebo, sobre la economía de la República Dominicana, todas las horas que nos hemos pasado en Nueva York, Santo Domingo y Punta Cana pensando en la importancia de las ideas y en su impacto en el crecimiento de países como el suyo.

Agradezco a la familia Grossman, Jerry, Matt y Robin, su apoyo y amistad a lo largo de tantos años.

Entre triatlón y triatlón, Gustau Raluy i Bruguera ha repasado, corregido y traducido todos mis últimos libros. Pero en este proyecto ha ido más allá y ha hecho aportaciones que han contribuido a mejorar su calidad de manera sustancial. Gracias por el esfuerzo adicional, Gustau.

Finalmente quiero dar las gracias a mis editores, Carlos Martínez y Joan Riambau, por cómo se han involucrado en este proyecto y por sus comentarios sobre las primeras versiones. Mi ya larga relación con Penguin Random House empezó hace muchos años y siempre ha ido asociada a la legendaria Núria Tey. Este libro es una apuesta de Núria, una apuesta que hizo cuando apenas era una idea alocada que me rondaba por la cabeza. Desgraciadamente, este será el último fruto de nuestra relación profesional, no porque yo vaya a dejar la editorial, sino porque ella ha decidido jubilarse. Mi agradecimiento, Núria, es ilimitado. Te echaré de menos.

Prólogo

30 de septiembre de 2012. Faltaban dos años para que Vladimir Putin invadiera la península ucraniana de Crimea. Ajenos a todo lo que ocurría en sus países de origen, dos estudiantes de la Universidad de Toronto, en Canadá, llevaban meses colaborando en un proyecto de inteligencia artificial. Su objetivo era ganar el concurso anual de identificación de imágenes organizado por ImageNet. Alexander Krizhevsky, un chico tímido de veintiséis años nacido en Ucrania, era un experto programador. Ilya Sutskever era un joven extravertido de la misma edad nacido en Rusia. Ambos cursaban el doctorado en Informática bajo la supervisión del célebre profesor anglocanadiense Geoffrey Hinton.

Cuando la inteligencia artificial (IA) nació a mediados de los años cincuenta, los científicos se dividieron en dos grupos. Para explicarlo muy llanamente,[1] los primeros querían fabricar inteligencia simulando la mente y los procesos que seguimos los humanos cuando razonamos de manera consciente, pensamos en abstracto y aplicamos técnicas como la lógica o la deducción. Así, por ejemplo, para conseguir que un ordenador identificara la imagen de un gato, había que introducirle la definición de gato con la famosa regla de programación «si X, entonces Y»: «si es un animal peludo, con dos orejas puntiagudas, dos ojos redondos, bigotes y cuatro patas, entonces es un gato». Cuando se presentaba una imagen al ordenador, si esta se correspondía con la definición, la máquina indicaba que era un gato. Para crear este tipo de inteligencia, los expertos no solo debían introducir en el ordenador todas las definiciones necesarias, sino también todas las excepciones posibles: a veces en una imagen aparece media cara de gato, de forma que solo tiene una oreja puntiaguda, no dos, pero continúa siendo un gato; en otra imagen, el gato está acurrucado en el sofá y no se le ven las cuatro patas, pero sigue siendo un gato. Asimismo, tenían que proporcionar al ordenador todas las leyes de la lógica y de la deducción para que pudiera pensar como los humanos. Los científicos llamaron a este método «IA simbólica».

El segundo grupo no buscaba simular la mente, sino el cerebro: las neuronas, las sinapsis y las redes neuronales. Sostenían que los humanos no aprendemos a diferenciar un gato de un perro por su definición, sino viendo muchas imágenes de gatos y perros. Cuando somos niños, nuestros padres nos muestran imágenes de animales (fotos o animales reales) y nos dicen «Esto es un gato» (o un perro o una vaca). No nos los definen, solo nos dan sus nombres. No sabemos si el cerebro se fija en el pelaje, en las orejas puntiagudas o en los bigotes, pero el caso es que extrae la esencia de la «felinidad» (sea lo que sea) y, a partir de ese momento, asocia la idea de «gato» al nombre de «gato».

En esta línea, lo que proponían estos investigadores era mostrar a la máquina millones de imágenes de gatos y perros, y dotarla de un mecanismo que le permitiera identificar los patrones comunes que tenían todas las imágenes de gatos en contraposición a las de los perros. Con cada nueva imagen, el ordenador mejoraba el mecanismo de identificación de un modo parecido a como lo hacen las redes de neuronas de los humanos. De ahí que este método se conozca con el nombre de «redes neuronales artificiales». Una vez que la red había «aprendido» a identificar imágenes se le mostraba una imagen nueva y, en teoría, la máquina era capaz de indicar si era un gato o un perro.

Desde el primer día hubo una gran rivalidad intelectual entre ambos grupos, que llegaron a protagonizar tensos enfrentamientos. El grado de animosidad era tal que, cuando un grupo organizaba una conferencia de IA, no invitaba a ningún profesor del otro, porque unos consideraban que los otros no hacían IA «de verdad».

Durante las primeras décadas parecía que los simbolistas ganaban la partida, aunque su progreso era ciertamente limitado. Sin embargo, en los años ochenta los partidarios de las redes neuronales artificiales contraatacaron con éxito. Después de varios adelantos técnicos —alguno a cargo del profesor Hinton, de Toronto—, un equipo liderado por el francés Yann LeCun creó en 1989 lo que todavía hoy se denomina «red neuronal convolucional» o CNN (siglas del término en inglés, Convolutional Neural Network).[2] Se trataba de una red que, en teoría, funcionaba bien para identificar imágenes. Digo «en teoría» porque las CNN requerían una potencia computacional inexistente en aquella época. Procesar millones de imágenes con miles de píxeles cada una y manipular miles de millones de parámetros era un trabajo que, si bien resultaba factible en teoría, tenía poca utilidad práctica, porque los microprocesadores de los años ochenta no contaban con suficiente potencia. Eso explica por qué, después de la época dorada de los ochenta, las redes neuronales fueron perdiendo prestigio y cayeron en desuso. Una de las pocas figuras que continuó defendiendo dicha metodología, de manera casi quijotesca y a pesar de las burlas de los simbolistas, fue precisamente Geoffrey Hinton.

En este contexto, un día de 2011 el joven ucraniano Alex Krizhevsky se presentó en el despacho de Hinton con una idea: en lugar de recurrir a procesadores tradicionales (los llamados CPU, del inglés Central Processing Unit), le propuso utilizar procesadores como los de los videojuegos (denominados GPU, de Graphics Processing Unit), que eran mucho más potentes. Porque, en efecto, la necesidad de manipular grandes cantidades de imágenes para crear videojuegos había obligado a empresas como Nvidia a desarrollar procesadores mucho más rápidos y potentes que los que se montaban en los ordenadores personales. Con los nuevos procesadores gráficos, lo que antes tardaba meses pasó a tardar días, con lo que se podían resucitar las viejas CNN de los años ochenta.

Parece ser que la idea no acabó de convencer a su prestigioso director de tesis. En cambio, sí convenció a su compañero de estudios, el ruso Ilya Sutskever, que le propuso que trabajaran juntos en el proyecto. Los dos jóvenes se pasaron meses en su habitación adaptando su CNN a los potentes microprocesadores gráficos. Finalmente, completaron la nueva red neuronal, a la que más adelante dieron el nombre de AlexNet, en honor al joven ucraniano que lideraba el proyecto. Presentaron AlexNet al ImageNet Challenge, el concurso de identificación de imágenes más famoso del mundo, creado y promovido por la profesora de Stanford de origen chino Fei-Fei Li. Los organizadores del concurso suministraban a los participantes 1,2 millones de imágenes para que entrenaran a sus máquinas. Una vez completado el entrenamiento, les mostraban 150.000 imágenes nuevas y las máquinas tenían que adivinar qué objeto o animal aparecía en ellas.

Por aquel entonces, la capacidad de las máquinas para identificar objetos era tan escasa que los organizadores les concedían hasta cinco oportunidades por cada imagen. Es decir, la máquina podía dar cinco opciones de respuesta, y solo con que una de ellas fuera la correcta se daba por buena. En caso contrario se computaba como error. A pesar de las cinco oportunidades de las que disponían, hasta el año 2011 las mejores máquinas (en aquel momento no había ninguna que utilizara CNN) solo acertaban el 74 % de las respuestas. O, lo que es lo mismo, en el 26 % de los casos la respuesta correcta no era ninguna de las cinco que daba el ordenador. Está claro que, con una propensión al error tan elevada, la utilidad de las máquinas para identificar imágenes en 2011 era muy reducida.

La situación experimentó un cambio radical el 30 de septiembre de 2012, cuando AlexNet arrasó con la competencia: mientras el segundo clasificado mantenía el mismo porcentaje de error del 26 % que el ganador del año anterior, el error de AlexNet fue de tan solo el 15,3 %. Quizá no parezca gran cosa, pero el hecho de que el error pasara del 26 % al 15,3 % supuso una mejora del 40 %, ¡y eso es mucho! Pese a su innegable éxito, el logro de los dos estudiantes no fue celebrado por millones de fans en Disney World. De hecho, pasó bastante desapercibido entre la población y la prensa generalista. Pero no para los expertos informáticos de todo el mundo, que entendieron que aquella reducción del 40 % representaba un momento histórico en el universo de la inteligencia artificial y podía constituir el pistoletazo de salida de una gran revolución tecnológica.

Desde el punto de vista académico, parecía que la confrontación entre simbolistas y defensores de las redes neuronales artificiales se decantaba finalmente en favor de los segundos. Los expertos en redes neuronales comenzaron a recibir premios, honores y sobre todo citaciones académicas, que es lo que más nos satisface a los académicos como yo. Por ejemplo, el artículo de Krizhevsky y Sutskever en el que explicaron cómo funcionaba su CNN(1)[3] se convirtió en uno de los artículos clave de la historia de la IA, y la comunidad académica y científica lo ha citado ya en más de 120.000 ocasiones.

La victoria de AlexNet tampoco pasó desapercibida en el mundo de los negocios. Los expertos en redes neuronales recibieron ofertas de grandes empresas tecnológicas como Amazon, Apple, Facebook, Google, Microsoft o Netflix, para que los ayudaran a introducir redes neuronales en sus departamentos de I+D. Google, por ejemplo, contrató a Krizhevsky, a Sutskever y a Hinton, supuestamente a cambio de salarios millonarios. El profesor que había creado la primera CNN en 1989, Yann LeCun, fue fichado por Mark Zuckerberg para dirigir el departamento de IA en Facebook. Cada estudiante que se graduaba en la universidad con algún tipo de conocimiento sobre la nueva técnica informática era «cazado» de inmediato por las grandes empresas, que ofrecían salarios desorbitados. Además de contratar a todos los expertos académicos que podían, las grandes tecnológicas empezaron a invertir miles de millones para que no se les escapara lo que parecía ser el nuevo tren de la IA, esta vez basada en redes neuronales.

La primera consecuencia de todo ello fue que la mayoría de los participantes del ImageNet Challenge dejaron de ser académicos universitarios y pasaron a ser las grandes empresas. Así, el concurso de 2014 lo ganó una CNN de Microsoft, y el de 2015, otra de Google. En los años 2016 y 2017, el ganador fue un conglomerado de empresas tecnológicas chinas coordinadas y lideradas por el gobierno del país. En esas ediciones, el error ya se había reducido hasta el 2,3 %, un porcentaje inferior a lo que se consideraba el error humano en la identificación de objetos en una fotografía.

Pero las empresas no invirtieron en CNN para ganar concursos ni para conseguir citaciones académicas, sino para desarrollar tecnologías que les permitieran obtener rentabilidades. De este modo se inició un gran boom en el que cada aparición de nuevos productos basados en la IA dejaba al mundo boquiabierto. Por el camino, el nombre CNN se vio sustituido por un término más misterioso y seductor, deep learning, que podría traducirse como «aprendizaje profundo».

En muy poco tiempo, los usuarios empezamos a ver las aplicaciones comerciales de esas tecnologías cuando los iPhone de Apple y los Android de Google sustituyeron las contraseñas numéricas por la identificación facial: solo tenías que mirar el teléfono y, si la cámara te identificaba como su propietario, se desbloqueaba como por arte de magia. Las aplicaciones de Facebook podían identificar las caras de las personas que salían en las fotos que subían los usuarios. La seguridad de los aeropuertos utilizaba cámaras equipadas con inteligencia artificial para reconocer a delincuentes y terroristas. Aparecieron cadenas de supermercados como la Go Stores, de California, en las que el cliente registraba su rostro y lo asociaba a una tarjeta de crédito y, a partir de ese momento, podía ir a la tienda, cargar los productos deseados y marcharse sin tener que pasar por la caja registradora, porque la IA identificaba su cara y le cobraba directamente la compra. Es decir, se marchaba «por la cara», en sentido literal. En el campo de la medicina, la nueva tecnología revolucionó la radiología, la patología y todas las demás ramas que emplean imágenes en el diagnóstico, puesto que los nuevos algoritmos inteligentes cometían menos errores que los médicos humanos al identificar tumores cancerígenos o irregularidades de cualquier tipo.

La revolución del deep learning fue mucho más allá del reconocimiento de imágenes. En el fondo, lo que hacía la CNN de los estudiantes de Toronto era reunir montones de datos, extraer los patrones comunes y formular predicciones. En el caso de AlexNet, los datos eran los píxeles de los millones de fotografías y las predicciones eran las etiquetas de los objetos o los animales que aparecían en la imagen.

Pero a nadie se le escapó el hecho de que las mismas CNN podían usarse para hacer predicciones con otros tipos de datos. Google, por ejemplo, podía utilizar la información que dejan sus clientes cada vez que recurren a su popular buscador de internet con el objetivo de realizar predicciones sobre sus gustos y su potencial de compra. Entre otras cosas, con los datos disponibles podía predecir el momento en que una persona determinada tomaba la decisión de comprar un coche de alta gama. Esta información era valiosísima para fabricantes como BMW o Audi. No olvidemos que, hasta entonces, dichas empresas publicaban anuncios en los periódicos o en las televisiones generalistas que llegaban a toda la población. En gran medida, estas inversiones publicitarias iban a parar directamente a la basura porque, por lo general, la mayor parte de la población no tiene intención de comprarse un coche de alta gama. Sin embargo, con las predicciones afinadas de la IA, Google podía saber qué personas estaban interesadas en ese tipo de vehículos y vender esa valiosa información a BMW y a Audi para que enviaran los anuncios solo a ellas. Esta nueva manera de gestionar los datos podía acabar revolucionando el mundo de la publicidad y del periodismo, ya que las grandes empresas dejarían de publicar anuncios en los periódicos, en las televisiones y en las radios tradicionales, lo que comportaría la pérdida de su fuente de financiación principal. Facebook, Twitter e Instagram, por su parte, también podían usar los datos que sus clientes dejaban en las redes sociales (las fotos, los likes, los comentarios, etcétera) para hacer lo mismo.

Amazon asimismo quiso adaptar su negocio a la nueva IA. Esta empresa posee una gran cantidad de datos sobre las búsquedas de productos que los clientes realizamos en su web. Amazon no solo dispone de los datos de todos los productos que hemos comprado a lo largo de los años, sino que también sabe lo que hemos buscado e incluso lo que hemos tenido en el carrito y finalmente no hemos comprado; sabe si hemos leído un comentario negativo antes de rechazar un producto y también sabe cuánto tiempo hemos dudado antes de decidir si comprábamos o rechazábamos un determinado producto. Con la nueva IA, Amazon podía utilizar toda esa información para predecir los productos que podríamos querer comprar en un futuro y llevarlos a los centros de distribución cercanos a nuestras casas incluso antes de que decidiéramos comprarlos. ¡Se dice que Amazon sabe qué acabaremos comprándole dos semanas antes de que nosotros mismos lo sepamos!

Netflix o Amazon Prime tienen datos sobre las series y las películas que miramos. También saben a qué velocidad las miramos y en qué punto las abandonamos. La IA podía usar toda esta información para predecir qué películas nos gustaría ver en el futuro, y ambas plataformas empezaron a hacerlo para decidir por qué películas o series apostaba y por cuáles no. Todo hacía pensar que, gracias a la nueva tecnología, los sonoros fracasos del pasado pasarían a mejor vida y todas las películas y series producidas a partir de ese momento serían un éxito. Se cuenta que la primera serie producida por Netflix con este nuevo método de selección inteligente fue Stranger Things, en 2015. Algo similar ocurrió con las grandes marcas editoriales, como la que publica este libro: podían usar los datos sobre qué libros compraban y leían los lectores para predecir si una obra concreta sería un éxito de ventas. De repente se atisbó la posibilidad de prescindir de los ejércitos de editores que leían manuscritos y decidían, con un criterio totalmente subjetivo, si una obra concreta merecía ser publicada.

Las empresas también se dieron cuenta de que podían usar la nueva IA para crear máquinas que operaran con el lenguaje humano. Así como internet está lleno de imágenes que permiten entrenar a los algoritmos, también está lleno de textos y sonidos que cabía utilizar para entrenar a algoritmos con el objetivo de interaccionar con los humanos a través del lenguaje natural. A pesar de que la técnica todavía no estaba perfeccionada, comenzaron a aparecer prototipos de asistentes digitales como Siri, de Apple, Alexa, de Amazon, el Asistente de Google o Cortana, de Microsoft, que respondían a órdenes orales. Tú le preguntabas a Siri: «¿Qué tiempo hace en Nueva York ahora mismo?», y una suave voz femenina te daba la respuesta. Le preguntabas: «¿Quién es George Clooney?», y te pasaba las páginas web que explicaban la vida del actor. Le ordenabas: «Enciende la tele y pon el canal de Disney», y la tele se encendía y aparecía la aplicación Disney+. Google desarrolló un asistente personal llamado Duplex capaz de hacer reservas en restaurantes y peluquerías. Le pedías a Duplex que reservara en el restaurante El Celler de Can Roca, y una voz humana que hablaba en lenguaje natural llamaba al restaurante, hacía la reserva y respondía a las preguntas que la persona que recibía la llamada le formulaba sin percatarse siquiera de que estaba hablando con un ordenador. Facebook desarrolló un asistente similar, denominado M, que también podía reservar por teléfono. De pronto todos podíamos tener una secretaria personal. ¡Como si fuéramos el director general de un banco!

Surgieron «grandes modelos lingüísticos», como GPT,(2) de la empresa OpenAI, cocreada en 2015 por Ilya Sutskever. ¿Os acordáis? ¡Es el estudiante ruso que ideó AlexNet junto con su compañero ucraniano Alex Krizhevsky! Pues bien, la empresa de Sutskever pasó años intentando diseñar bots, es decir, programas capaces de interaccionar con humanos a través del lenguaje natural y sin necesidad de que el humano conociera el lenguaje de la programación. El resultado de sus trabajos fue primero GPT, en 2018, seguido de GPT-2 y GPT-3, en 2019 y 2020. A finales de 2022 apareció ChatGPT. Esos bots causaron sensación y entusiasmo al instante en todo el mundo. Además de responder a todo tipo de preguntas, escritas no en lenguaje de programación, sino en lenguajes humanos como el inglés o el español, podían escribir redacciones, crónicas, historias cortas o artículos de prensa sin que nadie detectara que eran obra de un ordenador.

Otras aplicaciones se especializaron en redactar artículos científicos. Estos tenían tanta calidad y parecían tan reales que los editores de las revistas especializadas los aceptaban sin saber que no los habían escrito académicos humanos. En 2005, unos profesores del MIT crearon un bot llamado SciGen, que escribía artículos científicos con el objetivo de demostrar que eran capaces de colárselos a las revistas especializadas. Con el tiempo el bot mejoró hasta el punto de publicar en algunas de las grandes revistas científicas del mundo. Para ello los bots tenían que engañar no a uno, sino a varios expertos. Recordad que para que un artículo se publique en una revista científica debe ser revisado por un editor y que este, a continuación, lo envía a (como mínimo) dos especialistas académicos para que emitan sus opiniones. Por lo tanto, para que un artículo llegue a publicarse, tiene que lograr la aprobación de al menos tres especialistas en el tema. Pues bien, SciGen consiguió publicar varios artículos en las revistas más prestigiosas del mundo. Cada vez que aparecía uno de ellos en una revista de prestigio, los propietarios del bot anunciaban el engaño. Al parecer, su objetivo no era publicar fake news, sino demostrar lo bien que funcionaban los bots inteligentes. ¡Y, de paso, lo mal que funcionaba el sistema de publicaciones académicas!

Lógicamente, estos mismos bots podían ser utilizados por profesores sin escrúpulos para aumentar su número de publicaciones. Ya conocéis el dicho «O publicas o mueres», tan habitual en el mundo académico; así, algunos espabilados intentaron aprovecharse de la nueva tecnología para hinchar sus currículums. En el año 2021, el gigante editorial Springer encargó un estudio para saber cuántos artículos falsos fabricados por la IA se habían publicado en sus numerosas revistas académicas. El informe sorprendió a todo el mundo, y su conclusión fue devastadora: habían publicado un total de 243 artículos falsos. Ante tamaña vergüenza, Springer escribió una carta de disculpa[4] y borró todos los artículos falsificados de sus webs.

Pero la historia no acabó aquí porque, en noviembre de 2022, el departamento de IA de la empresa Meta (la antigua Facebook), liderado por el propio Yann LeCun, presentó un bot llamado Galactica, que, según parecía, escribía artículos científicos de cualquier ámbito de la ciencia en cuestión de minutos. El usuario simplemente tenía que proponer el tema. Por ejemplo: «Escribe una investigación que confirme el efecto fotoeléctrico». Entonces el bot escribía un artículo con apariencia científica, con sus experimentos, resultados, tablas de datos y sus correspondientes citaciones. Según afirmó Meta el día de su lanzamiento, Galactica era una CNN entrenada con 360 millones de publicaciones académicas de todas las disciplinas, lo que la convertía en una herramienta inteligente llamada a revolucionar el mundo de la ciencia.

Otra área del lenguaje que vivió una revolución fue la de las traducciones. Gracias a la nueva IA, los traductores automáticos como Google Translate, que existían desde hacía años pero no acababan de funcionar bien, experimentaron una mejora cuántica. Con las nuevas CNN, las traducciones tampoco eran perfectas, pero sí lo bastante buenas para permitir al usuario entender un documento escrito en una lengua desconocida por completo. De un día para otro, yo mismo me puse a leer artículos de la prensa china, ucraniana o rusa, publicados en el idioma original y traducidos más que decentemente por Google Translate. También aparecieron unos pequeños aparatos de menos de cincuenta euros que hacían traducciones orales a más de veinte idiomas diferentes. En teoría, yo podía viajar a Japón y mantener conversaciones con la población local, con ellos hablando en japonés y yo en inglés. Todo hacía pensar que en el futuro ya no habría que aprender idiomas porque finalmente la IA reconstruiría la torre de Babel de las lenguas.

Las empresas también quisieron introducir la IA en el mundo de la medicina. La más atrevida fue IBM, con su proyecto Watson.(3) El ordenador Watson se había desarrollado para ganar a los humanos al Jeopardy!, un juego televisivo muy popular en Estados Unidos cuyos concursantes tienen que responder muy rápido a preguntas del tipo Trivial Pursuit. Para jugar al Jeopardy!, Watson tuvo que «leer» tres enciclopedias —incluida toda la Wikipedia— y un montón de libros y documentos. También debía ser capaz de entender las preguntas orales que formulaba el presentador.(4) Después de siete años de construcción y ante una audiencia millonaria, el ordenador derrotó a los dos mejores concursantes humanos de la historia de Jeopardy! Al ver la inevitable derrota, en lugar de dar la respuesta correcta a la última pregunta, Jen Jennings, uno de los dos concursantes humanos y la persona que más dinero ha ganado en concursos de televisión de la historia de Estados Unidos, escribió: «Por mi parte, doy la bienvenida a nuestros nuevos comandantes supremos informáticos». Para rentabilizar la victoria televisiva, IBM decidió revolucionar el mundo de la medicina e hizo que Watson «leyera» todas las publicaciones médicas escritas a lo largo de la historia. El objetivo era construir un médico artificial con capacidades sobrehumanas. El nuevo médico digital podría estar al día de las últimas investigaciones porque tenía capacidad para leer los millares de textos que los científicos publicaban cada año, un hito que quedaba fuera del alcance de los médicos humanos, ya que estos tenían que destinar la mayor parte de su tiempo no a leer, sino a atender a pacientes en los hospitales. Además, el médico artificial no cometería errores ni se cansaría, y, lo más importante, cabía hacer infinidad de copias de él a coste cero, igual que podemos hacer infinitas copias de una foto digital. De este modo sería posible llevar médicos artificiales a las áreas más pobres del mundo, donde la escasez de médicos humanos tiene consecuencias trágicas para la población local. Los grandes hospitales del mundo se sumaron a la fiebre de la IA y firmaron contratos de colaboración con IBM. ¡El doctor Watson era el futuro de la medicina!

La nueva IA también revolucionó la carrera por la fabricación de coches autónomos. Desde que Aladino y su lámpara maravillosa sobrevolaron los cielos de Arabia en la alfombra mágica, el coche que podía circular sin conductores humanos había sido un sueño para los ingenieros. Pero era un sueño que había permanecido congelado desde hacía muchos años. El problema era el siguiente: fabricar coches que circularan de forma autónoma en circuitos cerrados o entornos preparados, como ciudades deshabitadas, resultaba relativamente sencillo, pero introducirlos en entornos donde había humanos que se comportan de manera errática e imprevisible era muy difícil. La revolución del deep learning, que era básicamente una herramienta que permitía realizar predicciones a partir de millones de datos observados, llevó a que empresas como Google, Tesla o Uber resucitaran la carrera para conseguir fabricar vehículos autónomos. Dado que la IA podía ayudar a formular predicciones minuciosas del comportamiento humano, el problema de la conducción autónoma podía redefinirse como un problema de predicción. Es decir, había que enseñar a la máquina millones de ejemplos de cómo se comportaban los humanos en toda suerte de situaciones en la carretera, para que pudiera predecir cómo actuarían los mismos humanos en situaciones nuevas. Entrenar a los vehículos se reducía a pasar millones de horas en la carretera recopilando datos de cómo se comportan los humanos al volante. Con esa nueva técnica, se vislumbraba la posibilidad de poner en circulación coches autónomos en entornos complicados, como las ciudades normales, donde se juntan ciclistas, runners, peatones que cruzan la calle por sitios no autorizados, niños que juegan con balones o conductores humanos alterados que se saltan las normas y te cortan el paso, aunque tengas preferencia. De hecho, las empresas digitales se adelantaron a los fabricantes tradicionales de automóviles, como BMW o Mercedes, que también estudiaban la producción de coches sin conductor. Gracias al deep learning, el horizonte temporal previsto para que el vehículo autónomo circulara por las calles en las primeras ciudades del mundo dejó de ser una cuestión a décadas vista y pasó a estimarse en pocos años.

Si las predicciones son certeras, esto comportaría una verdadera revolución, entre otras razones porque cada año mueren cerca de 1,2 millones de personas en accidentes de tráfico en todo el mundo, ¡una cifra tres veces mayor que la de todas las víctimas de todas las guerras del mundo juntas! La culpa de la mayoría de esos accidentes son errores humanos causados por el cansancio, la distracción o la imprudencia. Dado que las máquinas inteligentes no se cansan, no se distraen y no son imprudentes, con la IA los accidentes se reducirían a la mínima expresión. Por lo tanto, el coche autónomo evitaría la mayoría de esos 1,2 millones de muertes y nos ahorraría el consiguiente sufrimiento. ¡Salvaría más vidas que una vacuna capaz de erradicar la malaria y el sida a la vez! Además de la drástica reducción de la mortalidad en la carretera, el vehículo autónomo también supondría una revolución en las ciudades, puesto que ya no se necesitarían aparcamientos, lo cual liberaría enormes cantidades de superficie que cabría destinar a zonas verdes y paseos. La nueva IA, por lo tanto, comportaría unos beneficios enormes para la humanidad.

La IA también empezó a revolucionar el mundo de la robótica. Del mismo modo que ofrecía la posibilidad de que los coches funcionaran solos, se podía usar para construir robots autónomos que desempeñaran funciones como, por ejemplo, la de mayordomo. El sueño de los ingenieros era Rosey, la sirvienta-robot que aparecía en la serie de dibujos animados Los Supersónicos (The Jetsons), una serie futurista realizada por William Hanna y Joseph Barbera en 1962 y emitida dos años después de Los Picapiedra. De hecho, era la cara opuesta de Los Picapiedra, ya que, mientras que estos vivían en la Edad de Piedra y sus historias describían la vida de una familia del pasado, la vida de los Jetson transcurría un siglo después de la emisión de la serie, es decir, en 2062, y sus historias intentaban describir nuestro futuro. Los protagonistas eran una familia formada por el padre, George, la madre, Jane, la hija y el hijo, Judy y Elroy, el perro, Astro, y la sirvienta, Rosey. Rosey era un robot que se comunicaba con las personas no a través de programas informáticos, sino con el lenguaje humano normal. Lo entendía todo, obedecía todas las órdenes y lo hacía todo bien. ¡Era la sirvienta perfecta! A pesar de que desde 1962 Rosey había sido el sueño deseado por los ingenieros, en 2012 el robot autónomo e inteligente real que más se aproximaba a ella era la Roomba: ese aparato para quitar el polvo que da vueltas por la casa asustando al perro. A raíz de la nueva revolución de la IA, las empresas volvieron a apostar fuerte por la fabricación de robots inteligentes.

En el año 2016, la empresa de Hong Kong Hanson Robotics presentó a Sophia, un robot hiperrealista con cara de mujer que, en lugar de cabello, tenía un cráneo transparente a través del cual se veía que era un ordenador. Sophia se asemejaba tanto a una mujer humana que daba cierta grima: imitaba sus gestos a la perfección, movía las cejas, los labios, los ojos y la musculatura facial en consonancia con sus palabras. Estaba tan bien hecha que resultaba un poco inquietante.(5) El robot concedió entrevistas en cadenas de televisión del mundo entero y fue objeto de admiración de todo tipo de audiencias. El Gobierno de Arabia le concedió la ciudadanía saudí, con lo cual se convirtió en el primer robot que lograba la ciudadanía en cualquier país del planeta. Por su parte, la empresa Boston Dynamics colgaba un nuevo vídeo cada seis meses en el que aparecían robots con forma humana que bailaban, daban saltos mortales o ejecutaban piruetas hasta entonces reservadas a los gimnastas olímpicos. Además hacía circular vídeos en los que se mostraban robots de cuatro patas, semejantes a perros, que también hacían cabriolas. En 2022, Tesla presentó Optimus, un prototipo de robot que, según decía su mercurial propietario, combinaba las últimas innovaciones de la robótica con la inteligencia artificial. A pesar de que solo se presentó el plan de fabricación, el mundo quedó impresionado con el futuro robot inteligente de Elon Musk. Cada vez que alguna empresa presentaba un nuevo robot, la prensa explicaba que ya estábamos a punto de conseguir el sueño de la sirvienta Rosey.

Se desarrollaron aplicaciones que creaban obras de arte: música (Amper Music o AIVA), pintura (Jasper Art, NightCafe), arte generado a partir de instrucciones con palabras (Dall-E y Dall-E2) o incluso fotografías de caras humanas inventadas de tanta calidad que ni los expertos eran capaces de detectar si las había realizado una máquina o un artista humano. Cada semana aparecía la noticia de un nuevo hito de la IA que dejaba boquiabiertos a los periodistas y a los ciudadanos… Pero lo más impresionante aún estaba por llegar. La empresa inglesa Deep Mind, creada por Demis Hassabis en 2010 y adquirida por Google en 2014, construyó un sistema capaz de vencer a los mejores jugadores del mundo en el milenario juego asiático del go, un juego rodeado de mística y tradición. Después de que, en 1997, el famoso ordenador de IBM Deep Blue derrotara a Garry Kaspárov en una partida de ajedrez, los expertos llegaron a la conclusión de que, para una máquina, era relativamente fácil ganar a un humano al ajedrez porque solo se requiere una gran capacidad computacional, pero ¡era imposible que lo ganara al go! Los antiguos sabios chinos consideraban ese juego una de las cuatro artes que todo sabio tenía que dominar. Las otras tres eran la caligrafía, la pintura y la música. El número de combinaciones posibles del go es 1,74 x 10172 (un número de 173 dígitos, mayor que el de todos los átomos del universo), de modo que los expertos decían que la capacidad computacional no era suficiente para ganar. Se necesita intuición, inspiración, sabiduría y creatividad, más que poder computacional. Y por esta razón sostenían que las máquinas nunca podrían ganar a los humanos en este juego.

Sin embargo, la IA sorprendió una vez más a todo el mundo en marzo de 2016 cuando el programa AlphaGo, diseñado por Deep Mind, venció al campeón del mundo, el coreano Lee Sedol, en un encuentro de cinco partidas. Un año después, en mayo de 2017, AlphaGo también derrotó al número uno del ranking mundial, un chino de diecinueve años llamado Ke Jie, en una serie de partidas retransmitidas en directo por la televisión del país. Los expertos de Deep Mind habían estado trabajando durante años para entrenar a AlphaGo. Lo más sorprendente del caso es que, al poco de derrotar a Lee Sedol, Deep Mind creó otro programa llamado AlphaZero que aprendió a jugar al go desde cero (de ahí el nombre) en solo cuatro días. Lo hizo simulando partidas contra sí mismo y aprendiendo estrategia a partir de la observación de los resultados. Cuando el nuevo AlphaZero se enfrentó al antiguo AlphaGo (la que había derrotado a Lee Sedol) ganó por cien partidas a cero. ¡Y eso que había aprendido a jugar en solo cuatro días!

AlphaZero también aprendió a jugar al ajedrez. Con pocas horas de entrenamiento logró el nivel suficiente para derrotar con absoluta facilidad a Deep Blue, la máquina de IBM que había vencido a Kaspárov veinte años antes. DeepMind también consiguió que las máquinas aprendieran a jugar a todos los juegos de la legendaria Arcade de los años ochenta (Breakout, marcianos, asteroides, Pac-Man, etcétera) y que lo hicieran mucho mejor que cualquier humano.

A diferencia de la victoria de AlexNet en el ImageNet Challenge de 2012, los éxitos espectaculares de Deep Mind sí aparecieron en todos los medios de comunicación.[5] Incluso fueron documentados por una serie en Netflix. Las partidas entre Ke Jie y AlphaGo tuvieron audiencias récord de hasta 280 millones de telespectadores solo en China. El triunfo de Deep Mind acabó de convencer a los más escépticos de que la revolución de la IA que los expertos llevaban sesenta años anunciando finalmente había llegado. La prensa publicaba con fruición cada nueva mejora en el campo de la IA. Se auguraba un futuro glorioso para la humanidad gracias a las máquinas inteligentes. La derrota de Ke Jie causó tal impacto que el New York Times calificó la partida como el «momento Sputnik» de China.[6] La expresión aludía al día que los norteamericanos se dieron cuenta de que la Unión Soviética había puesto un satélite (el Sputnik) en la órbita terrestre, lo que llevó a todo el país a exigir que se hiciera algo para no perder la carrera por la conquista del espacio, una reacción que supuso la creación de la NASA y, pocos años después, la llegada del hombre a la Luna. La partida de Ke Jie contra AlphaGo tuvo un efecto similar en China, puesto que, un mes más tarde, el presidente chino Xi Jinping anunció un mastodóntico plan de inversión en la nueva tecnología que tenía que llevar a su país a convertirse en el líder mundial en IA antes de 2030.[7]

En su libro Abundance,[8] Peter Diamandis afirmó que la IA solucionaría los problemas del cáncer, la pobreza, la guerra y el cambio climático. El exdirector general de Google, Eric Schmidt, lanzó proclamas igual de optimistas. En el Foro Económico Mundial se hablaba de una cuarta revolución industrial, propiciada por un montón de tecnologías nuevas entre las que la IA[9] destacaba por encima de todas las demás. El famoso informático de la Universidad de Stanford Andrew Ng afirmó que la IA era la nueva electricidad:[10] «De la misma manera que la electricidad lo transformó casi todo hace cien años, hoy me cuesta mucho pensar en una industria que no se vea transformada por la IA en los próximos años». Así pues, según los expertos más expertos, esta revolucionaria tecnología tenía que contribuir a crear infinidad de productos, puestos de trabajo, riqueza y bienestar.

En este contexto de euforia, sin embargo, aparecieron dos publicaciones que echaron un poco de agua al vino. Bueno, un poco no, echaron mucha agua al vino. En enero de 2017, los economistas Carl Benedikt Frey y Michael Osborne, de la Universidad de Oxford, publicaron un artículo en el que afirmaban que el 47 % de los puestos de trabajo de Estados Unidos iban a desaparecer en las dos décadas siguientes por culpa de la automatización causada por la IA.[11] De ser cierto, este dato sería devastador, porque casi la mitad de los puestos de trabajo desaparecerían por culpa de la nueva inteligencia artificial. De repente, la gente empezó a ver la otra cara de la moneda: si las máquinas podían analizar las imágenes radiológicas mejor que los humanos, es cierto que mejoraríamos mucho en el diagnóstico del cáncer. Ahora bien, ¿qué pasaría con los radiólogos? Si Watson, de IBM, podía practicar la medicina mejor que los médicos humanos, los pacientes se curarían más rápido. Pero ¿de qué trabajarían los médicos? Si la IA aplicada a los coches autónomos eliminaba los accidentes de tráfico, salvaríamos 1,2 millones de vidas. Pero ¿qué harían los 65 millones de personas que hay en el mundo que se ganan la vida conduciendo taxis, furgonetas, camiones o autobuses? Si las grandes aplicaciones lingüísticas como GPT-3 o ChatGPT podían escribir artículos de prensa, guiones o novelas igual de bien que los humanos, ¿qué pasaría con el trabajo de periodistas, guionistas y escritores? Si los análisis de Frey y Osborne eran correctos, la respuesta estaba clara: radiólogos, médicos, conductores, periodistas, guionistas y escritores perderían su empleo, igual que las personas que ejercían el 47 % de las profesiones que, según su estudio, desaparecerían en los veinte años siguientes.

En el año 2016, el propio Geoffrey Hinton soltó una bomba que hizo temblar a todos los hospitales del mundo cuando declaró: «Si trabajas de radiólogo, eres como Wile E. Coyote, de los dibujos animados, en el momento en que ha sobrepasado la arista del acantilado pero todavía no ha mirado hacia abajo. Tendríamos que dejar de formar a nuevos radiólogos de inmediato, puesto que es totalmente obvio que dentro de cinco años la IA diagnosticará mejor que ellos». Yuval Harari lo exponía de una manera todavía más dramática: del mismo modo que la agricultura dividió el mundo en unos pocos terratenientes y una gran masa de siervos, y del mismo modo que la Revolución industrial dividió el mundo en unos pocos capitalistas y una gran masa de proletarios, la IA dividiría el mundo en unas pocas empresas tecnológicas propietarias de los datos que alimentan la IA y una gran mayoría de los humanos que no encontraría trabajo.[12] Con su legendaria capacidad para dar titulares, Harari acuñó una frase que causó furor y sembró el pánico: la mayoría de los humanos pasaría a formar parte de lo que denominó «la gran clase inútil», tan inútil que ni a las empresas les saldría a cuenta explotarla. Lógicamente, las desigualdades entre los pocos propietarios y la gran masa de gente inútil aumentarían hasta niveles inimaginables.

La otra publicación que aguó el vino de la euforia fue el libro titulado Superinteligencia,[13] del filósofo sueco y también profesor de Oxford Nick Bostrom. En ese terrorífico libro se explicaba que, si no se hacía bien, la IA podría comportar el fin de la humanidad. Su argumento no era que los robots se rebelarían contra la supremacía humana como si de una película de Hollywood se tratara, sino todo lo contrario: los robots harían tan bien el trabajo que les ordenarían los humanos que podrían poner a la humanidad en peligro. En su libro puso un ejemplo que se convirtió en un clásico: si pedimos a los robots inteligentes que fabriquen algo tan simple como clips sujetapapeles, harán todo lo posible para acaparar la totalidad del hierro de la Tierra y, una vez agotado, matarán a humanos para extraer el hierro que contienen sus glóbulos rojos. O quizá organizarán expediciones a otros planetas para encontrar hierro y dejarán a la humanidad sin recursos para subsistir. Era la versión informática del problema del rey Midas, que pidió al dios Dionisio el don de convertir en oro todo lo que tocara… y murió de hambre porque los alimentos también se convertían en metal amarillo en cuanto entraban en contacto con sus manos.

Este tipo de escenarios catastróficos cuajaron en la prensa y en la opinión pública, y sobre todo entre los influencers más importantes del mundo: Bill Gates recomendó con entusiasmo el libro de Bostrom como uno de los libros de lectura obligatoria del año. Elon Musk se asustó tanto que reunió a un grupo de personajes famosos y, conjuntamente, escribieron una carta pública en la que alertaban de los peligros que podía comportar el desarrollo de IA con niveles de inteligencia comparables a los de los humanos. La carta fue firmada por centenares de científicos de todo el mundo, incluido el legendario Stephen Hawking, quien llegó a decir que «la creación de IA podría ser el peor acontecimiento de la historia de la civilización humana porque podría destruirnos a todos».[14]

Los anuncios sobre las consecuencias de la IA abandonaron la utopía de la prosperidad ilimitada y pasaron a pintar un futuro distópico en el que los robots inteligentes nos robarían el trabajo, los humanos nos convertiríamos en seres inútiles e insignificantes, nuestra mente sería manipulada por unos pocos ricos y poderosos propietarios de los robots y de los datos, y las desigualdades entre el 1 % de los ricos y el 99 % de la población inútil alcanzarían cotas inconcebibles. Todo eso si antes los humanos no moríamos aplastados por la superinteligencia de las nuevas máquinas fabricantes de clips sujetapapeles.

En los medios de comunicación, las noticias positivas empezaron a verse sustituidas por informaciones negativas. Cuando los cajeros de los supermercados perdían el trabajo, la prensa culpaba a la IA. Cuando la empresa Cambridge Analytica robaba los datos de Facebook para ayudar a los defensores del Brexit a ganar el referéndum, se acusaba a la IA. Cuando los debates en las redes sociales se polarizaban cada día más, la culpa era de los algoritmos inteligentes que manipulaban la mente de las personas para obtener más clics. Cuando las noticias falsas, o fake news, aparecían de forma masiva, el problema eran los creadores de los grandes modelos lingüísticos como GPT-3. Cuando una parte cada vez mayor de la población votaba a partidos ultrarradicales y catapultaba al poder a gente como Jair Bolsonaro en Brasil, Donald Trump en Estados Unidos o Giorgia Meloni en Italia, se responsabilizaba a la IA. Cuando los datos mostraban un aumento de la desigualdad en las rentas dentro de los países, los analistas veían las primeras evidencias de que nos encaminábamos hacia el mundo distópico de la «gran clase inútil». De la noche a la mañana, todas las desgracias eran culpa de la nueva tecnología que, más que considerarse una herramienta de progreso, se comparaba con los dinosaurios de la película Parque Jurásico: una vez que los has creado, es imposible evitar que se escapen, y una vez se han escapado, es imposible devolverlos a la jaula. Igual que la pasta de dientes que no puede volver a entrar en el tubo.

En este sentido, la opinión pública y la publicada dieron por bueno el estudio de Frey y Osborne, y todo el mundo asumió que la mitad de los trabajos desaparecerían en menos de veinte años. El temible dato del 47 % de ocupaciones perdidas en manos de una IA desenfrenada se repetía mecánicamente en todos los periódicos, revistas, conferencias y documentales de televisión que trataban sobre el futuro de la economía. Cada vez más gente reclamaba la intervención de los gobiernos para solucionar los grandes problemas que iban a provocarnos las máquinas inteligentes. Algunos, como Jack Dorsey, el creador de Twitter, reivindicaban la introducción de una renta mínima universal para todas las personas, independientemente de si trabajaban o no, para evitar que la gran masa de trabajadores que acabarían perdiendo el trabajo se muriera de hambre. Otros, como Bill Gates, exigían que los robots pagaran impuestos sobre la renta y cotizaciones a la seguridad social para cubrir la recaudación que no aportarían los trabajadores reemplazados por máquinas. También había quienes, como el economista francés Thomas Piketty, pedían impuestos sobre la renta de hasta el 90 % para reducir las desigualdades que la IA ya estaba generando.

En enero de 2018, Yuval Harari intervino en una sesión plenaria en el Foro Económico Mundial. Fue, sin lugar a dudas, la más impactante que recordaba en los veinte años que llevaba asistiendo al foro de Davos. Durante media hora, Harari explicó las amenazas que representaban los algoritmos inteligentes: expuso su ya famosa teoría de «la clase inútil», así como nuevas ideas, como por ejemplo que las sociedades modernas acabarían convertidas en dictaduras digitales en las que los algoritmos inteligentes organizarían las economías en sustitución de los mercados y permitirían a los gobiernos y a las grandes empresas vigilar, espiar y manipular a los ciudadanos. Sentado en la segunda fila, recuerdo que escruté la reacción del público, formado principalmente por grandes empresarios y poderosos representantes de la clase política, a las apocalípticas palabras de Harari. La única que no parecía asustada era Angela Merkel, que conservaba su cara de póquer habitual. Los rostros del resto de los asistentes delataban nervios con pinceladas de pánico.

En aquel momento nació el libro que tenéis en vuestras manos. Llevaba ya tiempo dándole vueltas a la idea de estudiar, pensar y analizar las implicaciones económicas de la inteligencia artificial para plasmarlas en un libro, pero debo decir que el discurso de Harari acabó de convencerme. No porque estuviera de acuerdo con su visión distópica, sino más bien todo lo contrario: mi intuición económica me inducía a pensar que el famoso profesor israelí se equivocaba por completo. En la historia económica tenemos infinidad de ejemplos de grandes innovaciones tecnológicas que efectivamente acarrearon pérdidas masivas de puestos de trabajo, pero estas vinieron acompañadas de creaciones todavía más masivas de ocupación, de modo que, al final, todas acabaron generando siempre más trabajo, y no menos. Al fin y al cabo, la actualidad es el momento de la historia en que más humanos trabajan en el mundo. Si el progreso tecnológico era la causa de la destrucción de puestos de trabajo, ¿cómo era posible entonces que hubiese tanta ocupación después de todas las revoluciones tecnológicas que hemos vivido?

En cuanto a la predicción de las dictaduras digitales, el discurso de Harari tampoco acababa de convencerme. La historia también nos mostraba que las economías de mercado en sociedades inclusivas y democráticas habían sido infinitamente superiores a las dictaduras de planificación central que habían existido durante el siglo XX porque, entre otras razones, proporcionaban incentivos a la gente para trabajar, estudiar e invertir para progresar. ¿Por qué motivo tendría que cambiarlo todo la IA?

Por otro lado, la película distópica de Bostrom y sus clips sujetapapeles, a mi entender, tampoco tenía sentido: ¡¿cómo puede calificarse de inteligente un robot que no entiende que si le pides que fabrique clips no debe ejecutar a humanos para extraerles el hierro de los glóbulos rojos?! ¡Una máquina que carece del sentido común suficiente para entender algo así (un sentido común que, por cierto, tiene cualquier niño de cinco años) no puede ser lo bastante inteligente para dominar el sector de la fabricación de clips sujetapapeles ni de nada que se le asemeje! ¡Sería como decir que los GPS —que también utilizan IA— son peligrosos porque cuando les pides «el camino más corto» para ir al aeropuerto, trazan una línea recta y hacen que el coche se empotre contra el primer edificio que encuentra en su camino! ¡No! Los ingenieros que fabrican GPS saben que «el camino más corto» no significa la línea recta, sino el camino más rápido de entre todos los que pasan por las calles y carreteras por donde pueden transitar los coches y sin chocar contra los edificios. ¡Si un GPS se puede programar, debe poder hacerse lo mismo con un robot que fabrique clips sujetapapeles!

Por lo tanto, mi impresión inicial era que todo el catastrofismo asociado a la IA era pura exageración para vender libros y llenar teatros. A ello había que sumar el hecho de que muchas de las grandes promesas que los expertos informáticos habían hecho los años anteriores no se estaban cumpliendo: al tiempo que se publicaban noticias relacionadas con nuevos hitos de la IA, aparecían otras que anunciaban clamorosos fracasos. Por ejemplo, los algoritmos de identificación de imágenes eran poco sólidos, en el sentido de que era posible engañarlos fácilmente con solo cambiar unos píxeles.[15] Una famosa periodista china fue detenida porque la IA identificó su cara mientras cruzaba una calle por un punto que no coincidía con el paso de peatones. En la China actual, esta conducta se castiga con la pérdida de puntos del «carnet de buen ciudadano». Pero resulta que, en el momento de los hechos, la famosa periodista ni siquiera se encontraba en la ciudad. Lo que ocurrió es que por delante de la cámara pasó un autobús con un anuncio en el que aparecía su rostro y la IA que usaba el Gobierno chino no sabía distinguir entre las caras reales y las de los anuncios de los autobuses.[16]

Seis años después de que Hinton comparara a los radiólogos con Wile E. Coyote y pronosticara que la profesión desaparecería en cinco años, ni un solo radiólogo había perdido su empleo.[17] Por otro lado, es cierto que el triunfo de AlphaZero había sido impresionante, pero los expertos se dieron cuenta de que si en vez de un tablero cuadrado le ponías uno rectangular, la IA no sabía ni empezar la partida. Del mismo modo, si quitabas una línea de píxeles a la pantalla, no sabía jugar al Breakout.[18] El doctor Watson de IBM podía identificar palabras de los libros de medicina, pero no entendía nada en absoluto. De hecho, los médicos enseguida se percataron de que aquella tecnología no solo era contraproducente y les hacía perder tiempo, sino que resultaba muy peligrosa porque generaba diagnósticos equivocados con errores que no cometería un estudiante de primero de Medicina. Poco a poco, los hospitales que habían abrazado con entusiasmo el proyecto Watson lo abandonaron de forma paulatina.[19] IBM descuartizó el famoso doctor digital y lo vendió por piezas.[20]

Por lo que respecta a la conducción autónoma, la IA iba automatizando poco a poco pequeñas tareas de la conducción, pero la llegada del coche totalmente autónomo, sin ningún tipo de intervención humana, se posponía año tras año. A finales de 2022, y tras haber prometido lo contrario, Apple anunció que sus nuevos vehículos autónomos tendrían volante y asiento para el conductor humano, lo cual demostraba que su confianza en la posibilidad de fabricar un coche verdaderamente autónomo disminuía. Y, un año más, pospuso la presentación de su nuevo automóvil.[21] En octubre de 2022, la consultora McKinsey & Co. calculó que las empresas del sector habían dilapidado más de 100.000 millones de dólares en el diseño y la fabricación de coches autónomos y que los inversores empezaban a temer que, pese a la enorme inversión, la industria no iba a ningún lado.[22] Anthony Levandowski, uno de los pioneros del sector y considerado por muchos el padrino de los coches autónomos, afirmaba estar seguro de que «algún día tendremos coches autónomos, pero ahora mismo ¡costaría encontrar una industria que haya invertido tantos dólares en I+D y que haya aportado tan poco!».[23] Incluso Tesla lanzó un comunicado en el que explicaba que su tecnología de conducción autónoma podía ser un fracaso, pero en ningún caso un fraude.[24] Así pues, conducir por ciudades llenas de coches pilotados por humanos erráticos y de peatones impredecibles era más difícil de lo que habían imaginado los expertos.

A pesar de que los «grandes modelos lingüísticos» eran cada día mejores, estaban lejos de tener la inteligencia necesaria para entender las cosas. El tan aclamado programa Duplex de Google no fue capaz de efectuar reservas que no fueran a un restaurante o una peluquería y, por ejemplo, no podía hacer reservas para el cine o el teatro.[25] El proyecto M de Facebook, un bot que también podía reservar por teléfono, se canceló tres años después de su lanzamiento. El bot Galactica, que Meta (antigua Facebook) había construido para escribir artículos científicos comparables a los de los humanos, tuvo que ser retirado de la circulación porque todo lo que escribía era pura ficción y nada tenía que ver con la ciencia.[26] El robot simplemente «alucinaba», es decir, lo que no sabía se lo inventaba. Y lo hacía con tanta seguridad y convencimiento que engañaba a quienes no fueran expertos en el tema y podía hacerles creer que cualquier mentira contaba con respaldo científico. El escándalo fue tan mayúsculo que Galactica duró solo dos días. Poco después, el máximo responsable de IA de Meta, Yann LeCun, declaró que «los métodos actuales de IA no nos llevarán nunca a conseguir la verdadera inteligencia».[27] El GPT-3 de OpenAI escribía textos aparentemente impecables, pero ante preguntas de sentido común cometía errores garrafales. Douglas Hofstadter escribió un artículo con una lista de preguntas como: ¿en cuántos trozos se parte un violín si le tiras un grano de arroz? La respuesta que dio GPT-3 fue que se dividía en tres partes iguales. Según Hofstadter, eso demostraba que, si bien podía escribir textos y engañar a la gente, no tenía ni la menor idea de lo que hablaba.[28] De hecho, ni siquiera sabía que no tenía ni idea. Pese a sus carencias, GPT-3 continuó generando una gran expectación entre el público porque escribía unas redacciones realmente impresionantes. Su sucesor, el llamado ChatGPT que OpenAI hizo público en diciembre de 2022, era todavía más impresionante y cometía errores menos flagrantes. Pero seguía demostrando no entender nada. Por ejemplo, cuando le preguntabas: ¿qué pesa más, un kilo de paja o un kilo de hierro?, ChatGPT respondía convencido que un kilo de paja. Y cuando le preguntabas: ¿de qué religión será el primer presidente judío de Estados Unidos?, ChatGPT respondía que no podía saberse. Pero sí podía saberse y, de hecho, cualquier niño de cinco años sabía que, evidentemente, sería judío. El algoritmo más inteligente de la historia caía en la trampa infantil del «caballo blanco de Santiago», con la que los padres ponen a prueba la perspicacia de sus hijos cuando son pequeños.

Además, igual que su antecesor GPT-3, ChatGPT seguía «alucinando». Es decir, continuaba inventándose lo que no sabía y se quedaba tan ancho, lo cual demostraba que no comprendía los textos que manipulaba.[29] En determinados escritos, como las novelas o los guiones de series de televisión, la verdad es irrelevante y, por lo tanto, no importa que hayan sido escritos por bots que no entienden nada. Pero en otros contextos la verdad es fundamental, por ejemplo, en los artículos periodísticos o científicos o en las enciclopedias. Imaginad el caos que se desataría si la Wikipedia fuera reescrita de un modo constante por un ejército de robots que no supieran distinguir la verdad de la mentira. O imaginad qué ocurriría si existieran máquinas capaces de fabricar miles de artículos supuestamente científicos que demostraran falsamente que un producto químico tóxico tiene propiedades curativas, que los hombres son más inteligentes que las mujeres, que una guerra nuclear sería buena para la humanidad o que el suicidio es una buena manera de reaccionar cuando tu equipo de fútbol pierde una final. ChatGPT era una fábrica potencial que podía escribir millones de fake news con capacidad disruptiva para las sociedades modernas donde algo que se asemeja a la verdad es importante. Ante el miedo de que surgiera un movimiento social contrario a ChatGPT parecido al que había obligado a Meta a retirar Galactica dos días después de su presentación, el director de OpenAI, Sam Altman, tuiteó: «ChatGPT es sumamente limitado, pero lo bastante bueno en algunas cosas para crear una impresión engañosa de grandeza. Ahora mismo es un error confiar en él para algo importante. Es una vista previa del progreso; nos queda mucho trabajo por hacer en términos de robustez y veracidad». ¡«Una impresión engañosa de grandeza»! No podía definirse mejor.

En cuanto a los robots, doce años después del triunfo de Krizhevsky y Sutskever en el ImageNet Challenge, el robot más inteligente que existía en los hogares de todo el mundo seguía siendo la Roomba, que servía para quitar el polvo y pasear al gato. No había nada que se aproximara, ni remotamente, a la tan deseada Rosey. También trascendió que el propietario de Sophia, el americano David Hanson, de Hanson Robotics, había pactado las preguntas con las cadenas de televisión que la entrevistaron y que la inteligencia que supuestamente había mostrado en sus respuestas era, en realidad, la de los guionistas que la programaban.(6) Sophia no era más que una estafa con una cara inquietantemente humana. O, cuando menos, eso fue lo que dijo el responsable de IA de Meta, Yann LeCun, cuando tuiteó que Sophia era una «auténtica caca de vaca: una IA tan falsa como el Potemkin».[30]

A pesar de sus espectaculares acrobacias, los robots saltimbanquis de Boston Dynamics no eran inteligentes, sino que estaban teledirigidos por humanos, igual que los coches que regalamos a los niños pequeños por su cumpleaños. Es más, se supo que los vídeos que se viralizaron en internet se habían grabado repetidas veces y que los autores solo publicaron las versiones en las que el robot había completado la cabriola con éxito.[31] Cuando Elon Musk presentó su gran proyecto de robot Optimus, en octubre de 2022, el prototipo que salió al escenario se cayó al suelo en varias ocasiones y, como no podía levantarse solito, tuvieron que auxiliarlo cuatro o cinco asistentes humanos. Una vez de pie daba vueltas sobre sí mismo, regaba las plantas y caminaba muy despacio. La prensa y las redes sociales ridiculizaron al pobre robot, y a los inversores les faltó tiempo para retirarse del proyecto, por lo poco adelantado que estaba y también porque se enteraron de que el precio que la empresa proponía para aquel robot —que, de momento, no sabía hacer nada— era de 200.000 dólares. Las acciones de Tesla cayeron un 3 % el día de la presentación. Supongo que la escasa preparación y el progreso limitado a la hora de desarrollar robots inteligentes explica que, cuando Elon Musk anunció Optimus un año antes ante un público entusiasta, en el escenario no apareciera ningún robot real, sino un hombre disfrazado de forma patética que bailaba con los movimientos robóticos que popularizó Michael Jackson en los ochenta.[32] En los concursos internacionales, los robots continuaban teniendo problemas serios para hacer cosas tan sencillas como abrir una puerta con una llave. En vista de esas dificultades, si algún día os encontráis en medio de una rebelión de robots que os persiguen porque quieren exterminar a la humanidad, lo único que tenéis que hacer es cerrar la puerta con llave y se acabará la rebelión.

En definitiva, me daba la sensación de que, a pesar de sus espectaculares logros, la IA todavía estaba bastante lejos de ser verdaderamente inteligente. Repasando la historia de la IA,[33] constaté que no era la primera vez que los informáticos de la IA se aprovechaban de que los periodistas y los ciudadanos de a pie no entienden con exactitud ni lo que hacen ni cómo lo hacen para vendernos la moto con elevadas dosis de exageración y autobombo. Al fin y al cabo, si la sociedad se entusiasmaba con sus inventos, los gobiernos y las empresas invertirían, y ellos ganarían fama y dinero. Por lo tanto, tenían todos los incentivos para magnificar sus hazañas, lo cual me llevó a pensar que podíamos encontrarnos ante un nuevo episodio de exageración, a pesar del progreso evidente en muchas de las áreas donde se aplicaba la nueva IA. Mi primera impresión, pues, era que los catastrofistas también se equivocaban porque lo que se estaba construyendo no era realmente inteligente… todavía.

Pero una cosa era mi primera impresión y otra, un análisis serio del tema. Por ejemplo, que las cosas hayan ocurrido de una manera a lo largo de la historia no garantiza que siempre tengan que ocurrir igual. De hecho, no hay ningún teorema que sostenga que el cambio tecnológico no pueda ir acompañado de pérdida de ocupación, por lo que es teóricamente posible que esta vez la revolución tecnológica comporte un aumento significativo del paro. No ha pasado nunca, pero es teóricamente posible. La pregunta es si en esta ocasión es diferente. Y si lo fuera, ¿por qué? Podría ser, por ejemplo, que en el pasado el progreso tecnológico nos hubiera hecho perder los trabajos físicos, lo cual habría provocado que los humanos nos refugiáramos en tareas cognitivas. Y por eso, a medida que los trabajos físicos se perdían en el campesinado o la construcción, muchos nos convertimos en contables, abogados, actrices, economistas o presentadoras de televisión. Ahora bien, si las máquinas inteligentes empezaban a superarnos también en las tareas cognitivas, ¿qué nos quedaría por hacer? ¿Dónde nos refugiaríamos? ¡La posibilidad de que esta vez sí fuera diferente existía!

Del mismo modo, cabía la posibilidad de que la planificación socialista hubiera sido inferior en los mercados descentralizados durante el siglo XX porque la tecnología del siglo XX era mala. Por ejemplo, una de las razones por las que el comunismo fracasó es que los planificadores no conocían bien los gustos de la ciudadanía, de modo que ordenaban fabricar cosas que la gente no quería, mientras que las cosas que la gente realmente quería no se fabricaban. Así pues, con la tecnología del siglo XX fue imposible que el comunismo funcionara. Ahora bien, si la IA del siglo XXI fuera capaz de conocer a los humanos mucho mejor de lo que se conocen ellos mismos, ¿no podrían los algoritmos ayudar a los planificadores a evitar los errores que cometieron en el siglo XX? Es decir, ¿no sería posible que las dictaduras que fracasaron en el siglo XX triunfaran en el siglo XXI, tal como sostenía Harari?

Finalmente, el hecho de que los informáticos hubieran exagerado sus éxitos en numerosas ocasiones no significaba que esta vez también lo estuvieran haciendo. Sin duda, muchas cosas que se estaban fabricando no solo eran impresionantes, sino que ya estaban teniendo un impacto extraordinario en multitud de actividades económicas. Es más, la larga lista de fracasos no indicaba necesariamente que la IA fuera mero autobombo y exageración. Tampoco evidenciaba necesariamente una falta de progreso. Todos los procesos de innovación tecnológica van acompañados de fiascos monumentales. Antes de que la máquina de vapor, el automóvil o los generadores eléctricos adoptaran la forma final —por poner solo tres ejemplos de los que hablaremos más adelante— hubo decenas de intentos fallidos. Explicaremos algunos a lo largo de este libro. El proceso de innovación, por su propia naturaleza, siempre va ligado a la experimentación: lo que funciona se mantiene, y lo que no, se elimina o se cambia. Que la IA sufriera fracasos sonados quizá no fuera un indicio de que la cosa no iba bien sino de todo lo contrario.

Por todas estas razones decidí escribir un libro sobre el impacto económico de la IA. Con este propósito me pasé cinco años leyendo todos los libros y artículos de investigación que pude sobre la historia, la evolución, el estado actual y el posible futuro de la IA. También leí todo lo que se había escrito sobre las consecuencias económicas de la IA actual en la economía de hoy en día y todo lo que contaban los expertos sobre el impacto potencial de una futura IA que fuera igual o más inteligente que los humanos.

Porque, aunque hoy no tengamos máquinas (o, como dicen los expertos, «agentes») realmente inteligentes, con toda probabilidad tarde o temprano las tendremos. Los expertos no se ponen de acuerdo en el momento en que va a suceder, pero la mayoría coinciden en que llegará el día en que seamos capaces de construir agentes con niveles de inteligencia equiparables a los nuestros. Es lo que los expertos llaman «inteligencia artificial general» (o IAG). Porque máquinas con algunas —solo algunas— capacidades cognitivas superiores a las de los humanos ya hace años que construimos. No hay más que coger una calculadora y multiplicar dos cifras de dos dígitos cualesquiera para saber que las máquinas calculan mucho mejor que nosotros desde hace ya tiempo. Pero una cosa es fabricar máquinas que realicen cosas específicas, como calcular, jugar al ajedrez o clasificar imágenes de fotos —un tipo de inteligencia que los expertos denominan «IA restringida»— y otra muy distinta es construir aparatos realmente inteligentes, con capacidad de razonar, inferir, criticar, preguntar o exportar conocimientos de un dominio a otro tal como hacemos los humanos. En definitiva, una inteligencia suficiente para entender el universo que nos rodea. Hoy en día, eso nadie sabe hacerlo.

Bueno, esto último tampoco es cierto, porque, en efecto, todos sabemos cómo fabricar «agentes inteligentes» de una manera sistemática y fiable: solo tenemos que copular con nuestra pareja.(7) Una vez que los espermatozoides fecundan el óvulo de la mujer, la naturaleza se encarga del resto y, como por arte de magia, al cabo de nueve meses aparece un «agente inteligente». Después de un proceso de aprendizaje, este ser inteligente puede comunicarse a través de nuestro sofisticadísimo lenguaje, puede razonar, inferir, deducir, crear obras de arte, amar, hacer operaciones matemáticas; puede sufrir, imaginar, planificar, resolver problemas; puede esquiar, bailar y hacer infinidad de cosas más, gracias a una inteligencia superlativa que lo sitúa en la cúspide del reino animal.

Desde este punto de vista, sí sabemos fabricar agentes inteligentes: son nuestros hijos. Cuando digo que no sabemos cómo hacer máquinas inteligentes, no me refiero a copular. Lo que quiero decir es que no entendemos muy bien cómo la naturaleza pasa del óvulo fecundado a un cerebro plenamente desarrollado, con su mente, su inteligencia y su consciencia. Sabemos algunas cosas, pero no muchas. Y ciertamente no sabemos lo suficiente para reproducir todo este proceso en «agentes» no humanos: las computadoras.

Supongo que el hecho de que la única inteligencia que conozcamos hoy en día sea la que emana de los cerebros humanos explica por qué los expertos informáticos que querían crear IA ya a mediados de los años cincuenta decidieron tomar como ejemplo, de entrada, el cerebro humano. Como he dicho al principio, unos optaron por imitar el cerebro y crearon redes neuronales artificiales, y otros se inspiraron en el funcionamiento de la mente y crearon la IA simbólica.

En el proceso de escritura de este libro, yo hice lo mismo. Llegué a la conclusión de que, antes de entender la IA y sus implicaciones económicas, convenía analizar la inteligencia natural. Por esa razón dividí el libro en dos volúmenes. El primero es el que tenéis en vuestras manos, que se titula De la sabana a Marte: la economía de la inteligencia natural. La segunda parte

Suscríbete para continuar leyendo y recibir nuestras novedades editoriales

¡Ya estás apuntado/a! Gracias.X