El artículo presenta cuatro enfoques: máquinas que actúan como humanos (Turing), que piensan como humanos (modelo cognitivo), que piensan racionalmente (lógica aristotélica) y que actúan racionalmente (agentes). Sitúa la IA en una genealogía que incluye a Aristóteles, Platón, Descartes, Hobbes, Locke, Hume y el positivismo lógico. Examina las raíces filosóficas de la IA, sus limitaciones frente al pensamiento humano y las implicaciones del poshumanismo, abordando el dilema ético de un futuro donde las máquinas superen la mente biológica y redefinan el concepto mismo de humanidad.
Pensar la inteligencia artificial es pensar, una vez más, el misterio de la mente humana. Desde Aristóteles hasta los laboratorios del siglo XXI, seguimos preguntándonos qué significa «pensar», qué distingue una mente viva de un sistema que solo ejecuta reglas. La IA no es solo una hazañaa técnica: es un espejo donde se refleja nuestra antigua inquietud por comprendernos a nosotros mismos. Cada algoritmo que aprende, cada máquina que razona, nos obliga a redefinir los límites de lo humano. ¿Hasta dónde llega nuestra razón cuando la materia empieza a pensar?
Dificultad de definir la inteligencia artificial
La inteligencia artificial (IA) es un tanto difícil de definir porque existen cuatro concepciones o enfoques sobre lo que esta es. Cada enfoque persigue objetivos específicos. Uno de los enfoques está inspirado en los aportes de Allan Turing y su famoso test. Turing pensaba que una máquina, para ser considerada inteligente, debía ser capaz de simular el comportamiento humano, es decir, ser capaz de engañar a un humano y hacerle pensar que está hablando con otro humano. Si un evaluador humano era incapaz de hacer estas diferencias, entonces la máquina pasaba la prueba (Russell y Norvig, 2004). Para poder pasar el test, el ordenador necesitaría contar con las siguientes habilidades (Russell y Norvig, 2004):
a) Ser capaz de comunicarse en una lengua natural o lenguaje natural como el español, el vasco, alemán, francés, etc. («procesar el lenguaje natural»).
b) Tener la capacidad de archivar, guardar, almacenar lo que sabe o conoce. Tener una memoria que almacene sus conocimientos (representar el conocimiento internamente).
c) Poder manipular y gestionar por sí mismo la información y conocimientos almacenados para utilizarlos para dar respuestas y llegar a conclusiones por sí mismo al momento de ser interrogado por algún humano (pasamiento automático).
d) Poder aprender por sí mismo, adaptarse a los cambios, al entorno, a las situaciones nuevas, «detectar y extrapolar patrones» (aprendizaje automático).
La otra concepción de IA o enfoque es el que toma como parámetro el que un programa o computador sea capaz de pensar como lo hace un ser humano. Lo que se busca es conocer cómo funciona el cerebro o la mente humana. Es un modelo basado en la mente humana. El objetivo es formular teorías acerca de la forma en que trabaja la mente del ser humano. Este es el objetivo de la psicología experimental y la ciencia cognitiva. Por medio de las teorías formuladas acerca del funcionamiento de la mente, los computacionalistas intentan simular la mente a través de modelos computacionales o modelos por computadoras (Russell y Norvig, 2004).
El tercer enfoque piensa en un sistema que pueda pensar racionalmente. Este enfoque está basado en la lógica. Los que simpatizan con esta visión piensan que el pensamiento funciona en base a leyes lógico-matemáticas. Uno de los principales inspiradores de este enfoque es el filósofo griego Aristóteles, que estaba interesado en codificar la correcta forma de pensar (Russell y Norvig, 2004). El esquema que Aristóteles propuso fue el silogismo, el cual consta de dos premisas y una conclusión que se deduce de las premisas (Escobar, 2008). Un ejemplo de silogismo es el siguiente:
Premisa 1: Todas las islas están rodeadas de agua.
Premisa 2: Madagascar es una isla.
Conclusión: Por lo tanto, Madagascar está rodeada de agua.
Un silogismo es un razonamiento. Un esquema, desde el punto de vista aristotélico, del razonamiento humano correcto. «[L]a lógica es la disciplina filosófica que tiene un carácter formal, ya que estudia la estructura o formas de pensamiento (tales como: conceptos, proposiciones, razonamientos) con el objeto de establecer razonamientos o argumentos válidos correctamente lógicos» (Escobar, 2008). A partir del principio de la lógica como la disciplina que estudia las leyes del pensamiento, se han construido máquinas capaces de resolver problemas que no se habían podido resolver, pero para esto fue necesario convertir los problemas en fórmulas matemáticas (Russell y Norvig, 2004).
Por último, el cuarto enfoque es el que tiene como objetivo lograr no solo máquinas que puedan pensar, sino que sean capaces de interactuar con el entorno; este tipo de sistemas es llamado agente. Es decir, una cosa, un algo, que sea capaz de utilizar la razón para hacer cosas que normalmente podría hacer un ser humano, que sea capaz de adaptarse a las circunstancias que le presenta el entorno, a lo nuevo. Un agente inteligente es el que puede, utilizando los recursos de los que dispone, llegar a las mejores resoluciones de los problemas y situaciones que se les presentan (Russell y Norvig, 2004).
Tomando en cuenta los enfoques ya citados, podemos decir que la inteligencia artificial es una disciplina vinculada a las ciencias de la computación, las ciencias cognitivas y la robótica, con el único interés de crear sistemas capaces de pensar como lo hacen los cerebros humanos: actuar como seres humanos, pensar de un modo racional, como lo hace el cerebro humano, y sistemas que sean capaces de actuar racionalmente. Esta definición abarca cuatro enfoques: máquinas que piensen como los seres humanos, máquinas que se comporten como los humanos, máquinas que sigan un proceso racional de pensamiento, es decir, que puedan pensar de forma racional, y por último, máquinas que puedan comportarse racionalmente como los humanos (Russell y Norvig, 2004). En general, la intención de la inteligencia artificial es simular el comportamiento y el funcionamiento del cerebro humano. Crear agentes inteligentes como los entendemos los humanos.
El marco teórico de la inteligencia artificial se estableció a partir del pensamiento filosófico. Como ya pudimos ver, uno de los primeros filósofos en aportarle a la IA fue Aristóteles, con sus silogismos y su concepción sobre el razonamiento que dio origen a la lógica, que a su vez ha sido importante tanto en la filosofía posterior como en las matemáticas y la computación. Uno de los filósofos que más ha influido en el problema de la mente ha sido René Descartes, quien estableció las diferencias entre mente y cerebro o entre mente y cuerpo. Esta distinción dio origen al dualismo mente-cerebro, que ha sido uno de los principales problemas de la filosofía moderna y contemporánea. Descartes considera a los animales una especie de máquina que funcionan sin poseer alma. El hombre, a diferencia de los animales, tiene alma, por esta razón puede hacer las cosas que hace, como hablar. Un animal, por carecer de alma, no puede tener un lenguaje. Igual sucede con las máquinas que construyen los seres humanos, por más parecidas que sean a los seres humanos; aunque puedan hablar y hacer cosas como las hacen las personas, no son en realidad seres humanos. Son máquinas. Cuando Descartes habla de alma se refiere a la mente, al lugar donde se origina el pensar.
La parte quinta del Discurso del método se puede considerar vigente en el campo de la inteligencia artificial, ya que contiene algunas de las cuestiones relacionadas con la construcción de máquinas inteligentes capaces de pensar y actuar como los humanos (González, 2010). Pero antes de Descartes, el principal propulsor del dualismo cuerpoalma fue el filósofo Platón, con su concepción del mundo dividido en dos realidades, una material y otra inmaterial, el mundo de los sentidos, sensible, inteligible, y el mundo de las ideas.
El movimiento empirista también aportó a las ideas de la inteligencia artificial. Un empirista que realizó aportes al marco conceptual y teórico de inteligencia artificial es Thomas Hobbes. Para él, «razonar es conectar o desunir nombres, proposiciones y definiciones de acuerdo con reglas fijadas por convención: es calcular, computar, sumar, restar » (Reale y Antiseri, 2011). En este sentido, para Hobbes, pensar es calcular. La mente del hombre es una máquina que realiza operaciones matemáticas: «Por razonamiento entiendo la computación. Y computar es hallar la suma de varias cosas añadidas o conocer lo que queda cuando de una cosa se quita otra. Por tanto, razonar es lo mismo que sumar y restar. Por lo tanto todo razonamiento se reduce a estas dos operaciones de la mente: la suma y la resta» (Hobbes, 2000).
John Locke, cuyas ideas están inspiradas en la filosofía de Bacon, no estaba de acuerdo con el innatismo de Descartes, es decir, con la idea de que la mente nace con ciertos contenidos desde el nacimiento. Locke sostiene que en la mente no hay nada, que nacemos como una hoja en blanco en la cual la experiencia por medio de los sentidos escribe en ella. El origen de todas nuestras ideas es la experiencia, ya que sin los datos que proceden de ella, la mente no puede crear ideas. Todo lo que existe en la mente, en cuanto conocimientos e ideas, pasa primero por los sentidos, desde la interacción del ser humano con el entorno, con el ambiente (Reale y Antiseri, 2011).
Otro empirista que realizó aportes a la IA es el filósofo David Hume, quien en su famoso libro titulado A Treatise of Human Nature (Tratado sobre la naturaleza humana) formuló el famoso «principio de inducción». Según este principio, «las reglas generales se obtienen mediante la exposición a asociaciones repetidas entre sus elementos» (Russell y Norvig, 2004).
También la filosofía contemporánea realizó valiosos aportes a la IA. Estos aportes vienen de parte de los integrantes del Círculo de Viena, y dieron origen al positivismo lógico (Russell y Norvig, 2004). El Círculo de Viena proponía el principio de verificación. Según este principio, solo «tienen sentido aquellas proposiciones que pueden verificarse empíricamente, es decir, solo las proposiciones que se pueden reducir y traducir en el lenguaje “cosificante” de la física: tienen sentido únicamente las proposiciones de la ciencia empírica» (Reale y Antíseri, 2010).
En los años 50, los pioneros de la IA pudieron comprobar que las computadoras podían hacer más que procesar números. Desde los inicios hubo dos concepciones sobre lo que una computadora era capaz de hacer. Estos dos puntos de vista eran contrarios y compitieron para ser reconocidos. Uno de los grupos enfrentados «veía las computadoras como sistemas para manipular símbolos mentales»; el otro grupo concebía las «computadoras como un medio para modelizar el cerebro» (Dreyfus y Dreyfus).
Los de la primera concepción querían utilizar los ordenadores para que ejecutaran programas que pusieran en marcha modelos o representaciones formales del mundo. A los de la segunda solo les interesaba simular las neuronas del cerebro y sus relaciones o conexiones (esto es lo que se conoce como conexionismo). Los que veían las máquinas como capaces de representar el mundo concebían que tanto los cerebros o mente humana como los computadores son sistemas que manipulan símbolos. Esta visión fue lo que llevó a que se concibieran las mentes y los cerebros como sistemas diferentes que tenían una cosa en común, que funcionalmente realizaban lo mismo y que eran tipos de dispositivos iguales. En otras palabras, la única diferencia es el material del que están hechas y la estructura que tiene cada una. Ambos sistemas realizan las mismas cosas, tienen la misma función. Los que propusieron estas ideas, los pioneros, fueron Allen Newell y Herbert Simon, en 1955. Una computadora con el programa adecuado es un sistema tan inteligente como la mente humana, ambas inteligencias funcionan manipulando símbolos, esta manipulaciónn de símbolos da como resultados los comportamientos inteligentes (Dreyfus y Dreyfus).
Los trabajos y el pensamiento de Newell y Simon están influenciados por Frege, Russell y Whitehead, quienes a la vez lo fueron del racionalismo y del atomismo. Recordar que para Descartes «toda la comprensión consistía en la formación y manipulación de representaciones apropiadas, que esas representaciones podían analizarse en sus elementos primitivos […] y que todos los fenómenos podían comprenderse como combinaciones complejas de esos elementos simples». Leibniz, por otro lado, quería construir un «alfabeto del pensamiento humano»; según él, era posible construir todas las ideas imaginables a partir de la combinación de «pensamientos simples». En otras palabras, es como la gramática generativa (hoy llamada teoría minimalista) de Chomsky, el cual afirma que a partir de elementos limitados como las letras de los alfabetos podemos crear ilimitadas oraciones y frases de una forma muy creativa; en el caso de Leibniz, a partir de un conjunto de palabras limitadas se pueden formular frases ilimitadas (Dreyfus y Dreyfus). En su Tractatus, Wittgenstein enunció «la forma pura de esta concepción sintáctica y representativa de la relación entre la mente y la realidad. Definió el mundo como la totalidad de los hechos atómicos lógicamente independientes» (Dreyfus y Dreyfus). En general, detrás del proyecto o de los proyectos de la inteligencia artificial están las ideas de los grandes sistemas del pensamiento filosófico, desde Aristóteles hasta el positivismo lógico y el Círculo de Viena. La inteligencia artificial tiene una gran deuda con el pensamiento de los grandes filósofos.
Los obstáculos para crear máquinas inteligentes
¿Por qué la predicción de Herbert Simon no se ha cumplido? Simon afirmó en 1965 que para 1985, es decir, en 20 años, los computadores o las máquinas serían capaces de hacer todo lo que hacemos los humanos (Crane, 2008). Minsky también, dos años después de las afirmaciones de Simon, afirmó que en un corto tiempo los problemas para crear máquinas inteligentes serían superados (Kaku, 2014). Después de las decepciones y las frustraciones en la creación de máquinas inteligentes, Minsky se volvió más reservado y evitaba hacer «predicciones con fechas». Ya no pronosticaba en qué año tendríamos máquinas con capacidades cognitivas parecidas a los humanos (Kaku, 2014). ¿Por qué ha sido tan difícil crear máquinas que piensen como la mente humana? ¿Cuál ha sido el obstáculo? Marvin Minsky lo explica en sus libros La sociedad de la mente y La máquina de las emociones. En ellos manifiesta que ha sido imposible crear máquinas inteligentes porque la forma de programarlas es inadecuada. Aún se siguen utilizando los mismos métodos, se crean máquinas para que funcionen de una única forma, estas no tienen diversidad. Los seres humanos tenemos muchas formas de pensar y de resolver problemas. Realizamos muchos procesos, tenemos muchos recursos. La única forma de lograr máquinas capaces de pensar es crearlas con una gran variedad de recursos (Minsky, 2010).
Para poder tener éxito en la creación de estas máquinas es necesario entender cómo funciona nuestra mente. Es obligatorio entender cómo funcionan esos recursos. Cada proceso que realiza nuestro cerebro es un tipo de forma de pensar. Las emociones son formas de pensar que nos ayudan a aumentar la eficiencia de nuestros recursos, a maximizarlos. La inteligencia es el resultado de la diversidad y variedad de estas formas de pensar (Minsky, 2010).
Las emociones son procesos que funcionan como programas en nuestros cerebros. En el momento en que afloran en el individuo los sentimientos, es como si un algoritmo informático (programa) estuviera en ejecución, ya que dicho individuo se transforma en otra persona. Esto es igual para todas las emociones, odio, estar enamorado, estar asustado, estar alegre, etc. (Minsky, 2010).
Otra de las razones por las que no ha tenido éxito la creación de máquinas inteligentes es que aún nadie ha podido explicar qué es la consciencia. La consciencia es un cajón de sastre, al igual que las emociones. Es una palabra «comodín» para hablar de una gran cantidad de procesos distintos que se dan en la mente humana. La consciencia y todas las palabras que están relacionadas con la mente son palabras «comodín» o «cajones de sastre» donde encerramos una gran cantidad de procesos y cosas que hacen nuestras mentes y que no entendemos cómo funcionan. Esto ha obstaculizado la comprensión de la mente y a la vez ha impedido que se hayan podido construir máquinas capaces de pensar (Minsky, 2010)
Según Minsky, es imposible explicar y abordar la mente y sus implicaciones en teorías unificadas como lo han hecho ciencias como la física o la teoría del Big Bang o la de la selección natural. La mente no puede ser explicada utilizando una teoría unificada, se requiere entender cada porción, cada proceso, cada recurso, para poder saber cómo funciona nuestro cerebro. Nuestras capacidades están determinadas por la gran cantidad de recursos que interactúan entre ellos, que se combinan para dar origen al poder cognitivo que exhibe.
El ser humano es una máquina, un mecanismo, interpretando a Minsky, que está formado por muchas partes, «huesos, músculos, articulaciones », y cada uno de los diferentes órganos internos. Todo este mecanismo está «controlado por cientos de programas», los cuales interactúan para lograr el funcionamiento de la máquina biológica. La forma en que funcionan estos programas y los engranajes de la máquina humana nadie la conoce, «ni siquiera los especialistas» han llegado a saberlo (Minsky, 2010).
Para Jeff Hawkins uno de los problemas para abordar el cerebro humano y la creación de máquinas inteligentes es ignorar la neurobiología. Los proyectos de la inteligencia artificial no tendrían éxito porque esa forma de abordar el problema no nos permitiría entender qué es la inteligencia, y entenderla es lo que permitirá crear máquinas inteligentes. La mente humana aprende por ella misma, los ordenadores son programados, por lo que su conocimiento es implantado, es colocado. Para poder crear máquinas capaces de aprender, es necesario entender cómo funciona el cerebro y qué es la inteligencia. Con el conocimiento que poseemos en la actualidad, solo es posible crear «productos útiles», pero nunca será posible fabricar máquinas que de verdad sean inteligentes (Hawkins y Blakeslee, 2005).
Se cree que la inteligencia artificial es sólida, que está fuera de todo peligro de fracasar. Los expertos creen que lo único que les hace falta es construir máquinas con memorias más grandes y procesadores más potentes. Creen que con estas mejoras «serán capaces de crear máquinas inteligentes», pero no será posible crear computadores que piensen hasta que no se aborde de forma adecuada «qué es la inteligencia o qué significa entender algo» (Hawkins y Blakeslee, 2005).
Jeff Hawkins y Blakeslee creen que es posible crear máquinas inteligentes, pero estas máquinas no serán como los seres humanos, no podrán actuar como ellos, no podrán ser capaces de interactuar con las personas; podrán hacer cosas inteligentes, pero no con el tipo de inteligencia que tenemos los seres humanos (Hawkins y Blakeslee, 2005).
Es imposible crear robots humanoides, o máquinas que se comporten como los seres humanos por algunas razones. La primera razón es que los seres humanos para tener las capacidades cognitivas que tienen necesitan varias cosas, necesitan todas las partes que componen su cerebro, como son: corteza cerebral, el cerebro primitivo o viejo, que es el responsable de las emociones, también un cuerpo complejo como el que poseen. «Para ser humanos se necesita toda la maquinaria biológica, no solo la corteza cerebral» (Hawkins y Blakeslee, 2005).
En 2011, un computador fabricado por IBM llamado Watson derrotó en un concurso televisado a dos participantes humanos. Esta máquina es capaz de analizar o «procesar datos» a unos 500 gigabytes por segundos. Esto es como si procesara o leyera «un millón de libros por segundo». Su memoria RAM es de unos «dieciséis billones de bytes». Watson accede «a doscientos millones de páginas de información en su memoria», incluida toda la información de Wikipedia. Esta máquina es un sistema experto de «última generación» (Kaku, 2014).
Los expertos científicos están creando otros sistemas expertos como uno especializado en diagnósticos médicos, llamado «ciberdoctor», este sistema experto o esta máquina es capaz de acertar en un 99% de sus diagnósticos. En un futuro podríamos tener, además, «ciberabogados» para ofrecer consultas y asesoría jurídica; «cibersecretarias», entre otros. Estos sistemas expertos están programados en base a la «lógica formal» (Kaku, 2014).
Aunque Watson es capaz de derrotar a los humanos en concursos de preguntas y respuestas, no sabe (como señala Searle en su famoso experimento mental de la «Habitación China») lo que está haciendo. No tiene conciencia de que está respondiendo preguntas, ni de que ha derrotado a dos contendientes humanos. Watson no es capaz de sentir placer alguno por su triunfo, ni de comprender lo que significan las palmadas de felicitaciones por su hazaña. «Hay quien dice que es solo cuestión de tiempo para que las máquinas adquieran por fin una consciencia de sí mismas que rivalice con la inteligencia humana» (Kaku, 2014). «Ahora los científicos son conscientes de que subestimaron el problema, [de la inteligencia artificial] porque en realidad la mayor parte del pensamiento humano es subconsciente. La parte consciente de nuestros cerebros representa solo una pequeñísima fracción de nuestras elaboraciones mentales» (Kaku, 2014).
Objeciones de John Searle y Hubert Dreyfus
Las principales objeciones filosóficas a la inteligencia artificial vienen de parte de Searle y Dreyfus. Para Dreyfus las computadoras están imposibilitadas para pensar porque a estas les faltan las capacidades que tienen los humanos para hacerlo. Por su constitución física les es imposible. Las reglas no hacen inteligentes a los humanos; para pensar se necesita algo más que las reglas que ejecutan las computadoras; para poder pensar necesitan poseer un cuerpo como tienen los humanos que les permita insertarse en una cultura, tener «un compromiso activo con la vida» (involucrarse con la vida misma) y el «saber cómo». La programación a base de reglas no podría habilitar a las máquinas para que posean estas habilidades (a las habilidades y capacidades que se necesitan para hacer lo que hacen los humanos Searle les llama «Background» o «Trasfondo»). Una máquina no sabe el cómo, porque las reglas no les facultan para hacer este tipo de razonamiento. Si lo que se quiere es crear máquinas inteligentes, que piensen, es necesario que estas posean un conocimiento basado en el sentido común, que puedan aprender de la interacción con la vida misma. Dreyfus parte de la fenomenología; por esta razón, el factor experiencia, estar inserto en una cultura, en la vida cotidiana, tener el conocimiento del sentido común, es imprescindible para ser un agente inteligente capaz de pensar. Un ordenador no tiene un cuerpo, no puede hacer uso de un conocimiento basado en el sentido común, no sabe el cómo, el por qué ni el para qué de lo que hace (Crane, 2008).
Por otro lado, Searle utiliza el argumento de la «Habitación China» para objetar las ideas de la inteligencia artificial. Para él, es imposible que las máquinas puedan pensar, ya que estas solo se limitan a la manipulación de símbolos a partir de reglas: las reglas no son suficientes para que una computadora sea inteligente y piense. Las máquinas que programan los científicos de la inteligencia artificial no saben el significado de los símbolos que manipulan, no tienen el Background necesario para saber el significado de esos símbolos. Manipular símbolos de acuerdo a un algoritmo no es un indicador de que comprenden y saben el significado de los mismos. Las máquinas tienen sintaxis (estructura lógica), pero no tienen semántica (significado). Las máquinas realizan acciones que no significan nada para ellas, mientras que para los humanos cada acción que realizan tiene significado, tiene un sentido, tiene una dirección consciente y racional hacia algo, hacia un objetivo (Crane, 2008). A continuación abundaremos más sobre las objeciones de Searle y Dreyfus.
En conclusión, para Searle, las máquinas carecen de semántica: solo poseen sintaxis y esta no es suficiente para dar origen al pensamiento y a la inteligencia que es propia de los humanos. Las máquinas solo pueden manipular símbolos que no tienen sentido ni significado para ellas. Carecen de un auténtico entendimiento y comprensión, no pueden interpretar los símbolos, no saben el significado de estos. La programación de las computadoras, el ejecutar programas determinados, no son suficientes para que las máquinas entiendan, comprendan, interpreten las cosas. Entender e interpretar va más allá de la programación y las reglas. «La sintaxis no es suficiente para la semántica, los símbolos no “se interpretan solos”», necesitan de un sujeto que pueda descifrar su significado (Crane, 2008).
A la pregunta de si una computadora digital puede pensar, Searle responde que no. Ya hemos dicho que las que existen en la actualidad son incapaces de pensar, ya que pensar es más que manipular símbolos. Pensar es más que procesos formales. Para pensar se necesitan organismos que sean capaces de tener semántica. La sintaxis, que no es más que procesos formales, es insuficiente para generar organismos inteligentes como los seres humanos; es insuficiente para hacer emerger una mente consciente y sus fenómenos mentales. La única máquina que puede pensar es la máquina biológica humana, el cerebro humano, que es una máquina. En este sentido, los seres humanos somos máquinas biológicas que poseen mentes conscientes que no responden a sintaxis ni a procesos formales. Somos máquinas biológicas que poseen una estructura que permite hacer emerger una mente consciente y todos los fenómenos y estados mentales. Para lograr una máquina que sea semejante al ser humano desde el punto de vista cognitivo, es necesario copiar el cerebro milímetro a milímetro. Cuando los científicos sean capaces de copiar el cerebro «átomo por átomo», entonces sí existirán y serán posibles máquinas no biológicas capaces de poseer todas las capacidades cognitivas que tienen los humanos (Searle, 1994, 2001).
Poshumanismo
¿Qué nos depara el futuro? ¿Cambiará el concepto de ser humano? El futurólogo e inventor Ray Kurzweil propone lo que él llama la «ley de los rendimientos acelerados», en la que plantea que «estamos doblando el ritmo de cambio de paradigma cada década» en lo que se refiere a avances tecnológicos y científicos. Sostiene que «dado que durante el siglo XX el ritmo de progreso se aceleró gradualmente hasta llegar al ritmo actual, sus logros equivalieron a unos veinte años de progreso al ritmo del año 2000. Progresaremos otros veinte años en solo catorce (en el año 2014) y luego haremos lo mismo en solo siete años. Para decirlo de otra manera, durante el siglo XXI no experimentaremos cien años de avance tecnológico, sino que presenciaremos alrededor de veinte mil años de progreso medidos al ritmo de progreso actual, o alrededor de mil veces más de lo conseguido en el siglo XX» (Kurzweil, 2012).
Los computadores, según Kurzweil, ya superan por mucho las capacidades de los seres humanos. Con los años las capacidades de los ordenadores están aumentando de una forma acelerada (Kurzweil, 2012). También sostiene que en unas cuantas décadas «las tecnologías basadas en la información abarcarán todo el conocimiento y habilidad humana, incluyendo las capacidades de reconocimiento de patrones, las habilidades para resolver problemas, y la inteligencia emocional y moral del propio cerebro humano». «[A]l final de este siglo la parte no biológica de nuestra inteligencia será billones de billones de veces más poderosa que la débil inteligencia humana producto de la biología» (Kurzweil, 2012).
En su libro La singularidad está cerca, Kurzweil habla sobre la singularidad humana con la que hace referencia a la fusión, en un futuro, de la tecnología y el ser humano. Esta fusión hará que los seres humanos sean más inteligentes (Kurzweil, 2012). La singularidad incluye (Kurzweil, 2012):
1) La aceleración en el cambio de paradigma en «la innovación tecnológica».
2) El abaratamiento y el aumento de «la velocidad, la capacidad y el ancho de banda». La tecnología de la información tiene un crecimiento acelerado. Cada año la capacidad y velocidad de la tecnología se duplica.
3) A medida que la tecnología aumenta, su capacidad será más barata.
4) Seremos capaces de escanear el cerebro (con la consciencia y los estados mentales) y esta tecnología será cada vez mejor. Podremos escanear el cerebro para descargarlo en un supercomputador.
5) Ya para mediados del 2020 existirán softwares que serán capaces de simular de forma efectiva la inteligencia humana.
6) Los computadores serán capaces de pasar el test de Turing gracias al aumento de la capacidad del hardware y el software. La inteligencia artificial será idéntica a la inteligencia biológica.
7) La posibilidad de combinar la inteligencia humana con la potencia y desarrollo de la inteligencia artificial. Habrá una combinación de inteligencia humano-máquina.
8) «Las máquinas tendrán acceso vía internet a todo el conocimiento de nuestra civilización humano-máquina y serán capaces de dominar todo ese conocimiento».
9) Las máquinas, luego que adquieran la capacidad de crear y diseñar tecnología como lo hacen los seres humanos, crearán las siguientes generaciones de máquinas inteligentes: podrán manipular «sus códigos fuente». Las máquinas tendrán la capacidad de crearse a ellas mismas.
10) «Las máquinas serán capaces de reformular sin límite sus propios diseños y de aumentar sus propias capacidades».
11) «La nanotecnología permitirá la manipulación de la realidad física». Posibilitará la creación de nanorrobots. Estos «robots diseñados a nivel molecular», del tamaño de los glóbulos rojos, llevarán acabo miles de procesos entre los que podemos mencionar el de revertir el envejecimiento. Interactuar con las neuronas biológicas para aumentar las capacidades del cerebro humano, posibilitar el aumento de las experiencias humanas y crear realidad virtual desde dentro de nuestro cerebro.
12) «Una vez que la inteligencia no biológica se afiance en el cerebro humano […], la inteligencia de las máquinas en nuestros cerebros crecerá exponencialmente […], y doblará su capacidad por lo menos una vez al año. Por el contrario, la inteligencia biológica es, en términos prácticos, de capacidad constante. Por eso la parte no biológica de nuestra inteligencia terminará por ser predominante».
13) Las máquinas del futuro podrán comprender y dominar las emociones; las máquinas serán emocionales como los seres humanos.
14) «Y lo más importante de todo es que la inteligencia que surgirá continuará formando parte de la civilización humana, que ya es una civilización humano-máquina. En otras palabras, las máquinas futuras serán humanas, aunque no sean biológicas. Este será el próximo paso evolutivo, el próximo cambio de paradigma de alto nivel».
15) «La mayor parte de la inteligencia de nuestra civilización acabará siendo no biológica. Hacia el final de este siglo, dicha inteligencia será billones de billones de veces más potente que la inteligencia humana».
Todo lo mencionado anteriormente, Kurzweil lo predice a partir de su famosa «ley de los procesos acelerados». Predice que para el 2045 iniciará la singularidad, es decir, cuando las máquinas hayan superado a los seres humanos. Como hemos podido notar, para Kurzweil es posible la creación de máquinas inteligentes. El último gran invento del ser humano será este, ya que las máquinas se crearán ellas mismas. La inteligencia artificial será la que domine el planeta. La evolución humana trascenderá la biología y será necesario cambiar el concepto de ser humano. En el futuro no podremos hacer diferencias entre las máquinas y los humanos o entre «realidad física y virtual». Es posible que nuestro mejor amigo sea un robot. Los seres humanos mejorarán sus capacidades, revertirán el envejecimiento y prolongarán la vida más allá de los 100 años. Esta es la singularidad humana o la nueva singularidad. La época de la historia en que lo biológico y lo humano se fusionen, sean una misma cosa. Pero aún estamos en pañales. Falta mucho por avanzar. Kurzweil es optimista, pero hasta que no sepamos cómo funciona el cerebro y cómo hace las cosas que hace y mientras no sepamos qué es la consciencia será imposible lograr estos avances tecnológicos que cambiarán la vida del ser humano y la visión que tiene de sí mismo. Cuando logremos entender el cerebro y sus procesos, entonces será posible crear inteligencia no biológica. La singularidad no está tan cerca como lo proclama Kurzweil, por lo menos no con la tecnología actual.
Conclusión
Tal vez el futuro no consista en máquinas que nos reemplacen, sino en una nueva forma de comprender la inteligencia misma. La tecnología avanza, pero seguimos sin descifrar el secreto de la consciencia. Entre el cálculo y el asombro, entre el código y la experiencia, se juega el destino del pensamiento. Quizá la verdadera singularidad no sea la de las máquinas, sino la de nuestra capacidad inagotable de preguntarnos quiénes somos frente a ellas.
