Que el tópico de la inteligencia artificial esté en boca de todos, en combinación con los recientes avances en el campo, puede llevarnos a creer que la IA está en su época dorada y que nade puede frenar su avance, pero según los expertos en la materia este no es necesariamente el caso, de hecho, algunos prevén un invierno IA para 2024. Por invierno se entiende un período de estancamiento para el desarrollo e investigación en IA a raíz de las limitaciones tecnológicas actuales, las cuales impiden alcanzar ciertos hitos y merman el interés general. Existe un término anglosajón acuñado para describir este fenómeno: AI Winter, el cual básicamente describe períodos de recesión de interés seguidos nuevamente por períodos de crecimiento e interés renovado.
Con eso en mente, no se trata de una visión pesimista o ludita de cara a la inteligencia artificial, sino de una observación de la historia casi cíclica del desarrollo de esta tecnología, la cual se viene documentando por más de 60 años. Si decidimos creer a los expertos, es posible que más pronto que tarde llegue el invierno, pues la siguiente gran fase de la IA, es decir, la AGI (inteligencia artificial general por sus siglas en inglés), está a décadas de distancia.
No podemos negar que la IA ha experimentado un fuerte auge desde finales de 2022. Algunos de los principales avances de la inteligencia artificial que han puesto el tema en boca de toso son el aprendizaje profundo, las unidades de procesamiento de gráficos, el análisis y procesamiento de big data. Sin embargo, todavía hay muchos obstáculos para esta tecnología de cara a su implementación en el mundo real y rentabilidad económica. Y es por las razones mencionadas con anterioridad que, a pesar de todo el Hype, los analistas predicen otro invierno IA.
¿Cuáles son las razones de un AI Winter?
En una ocasión pasada hablamos de cómo la firma de investigación estadounidense Gartner calificó la inteligencia artificial generativa como sobrevalorada en 2023, así como también de las predicciones de un período de expectativas infladas que luego conduce a un período de desilusión para finalmente alcanzar una meseta de productividad varios años (sino es que décadas) en el futuro; bueno esa misma explicación responde en parte a esta pregunta.
Históricamente, los inviernos de la IA se producen cuando las promesas de los proveedores se quedan cortas y las iniciativas basadas en IA resultan más complicadas de llevar a cabo de lo inicialmente previsto. Cuando los productos impulsados por IA no consiguen un retorno de la inversión (ROI) significativo, tanto proveedores como clientes decepcionados dirigen su atención hacia otro lugar. Esto no es exclusivo de esta tecnología, ha sucedido en otros campos y, aunque la IA tiene un enorme potencial, el mundo se mueve por capital y financiar estos proyectos no es barato.
Las empresas y organizaciones que arrojan millones de euros/dólares a estos proyectos tienen expectativas que van más allá de recuperar la inversión y, gradualmente, con el tiempo, si la nueva tecnología no cumple con esas expectativas, pierden interés en la IA. De igual manera, hay muchos startups apostando por esta tecnología disruptiva, y aunque reciban inversiones sustanciales, es natural que no todas consigan el éxito financiero.
¿Qué nos dice la historia?
Lo crean o no, la historia de la inteligencia artificial se remonta al siglo pasado, cuando en 1943 Warren McCulloch y Walter Pitts presentaron su modelo de neuronas artificiales, así que hay mucho que podemos aprender del pasado. Entrando en materia, la primera era dorada de la IA tuvo momento entre los años 1956 y 1974. En ese plazo se creó el primer programa capaz de jugar al ajedrez contra un humano, así como también se diseñaron las primeras redes neuronales y perceptrones. En esta época también se hicieron los primeros intentos de traducción automática.
Para entonces, la Agencia de Proyectos de Investigación Avanzados de Defensa (DARPA por sus siglas en inglés) financió muchos proyectos de investigación durante la década de los 60, los cuales no tenían muchos requisitos funcionales. Sin embargo, a principios de los 70 el panorama cambió, y a medida que el entusiasmo se desvanecía y las primeras redes neuronales probaron no cumplir con las expectativas, DARPA cortó el financiamiento y empezó lo que conocemos como el primer AI Winter.
Imagen vía Hardvard University
Este invierno duraría una década, y aunque había proyectos pequeños e hitos en la materia, esta época marcó un descenso importante en el interés general. En ese entonces, el mayor obstáculo al que se enfrentaban los desarrolladores era la falta de poder computacional. Los ordenadores de la época simplemente no tenían la capacidad de almacenar y procesar suficiente información como para dar resultados prácticos.
En la década de 1980, el interés en la IA se reavivó gracias a dos avances: una expansión del conjunto de herramientas algorítmicas y un aumento de los fondos. John Hopfield y David Rumelhart popularizaron las primeras técnicas de “aprendizaje profundo” que permitían a las computadoras aprender utilizando la experiencia.
Segundo AI Winter
El segundo invierno de la inteligencia artificial tocó a las puertas aproximadamente en 1987, cuando el mercado para máquinas LISP (hardware especializado para correr aplicaciones de inteligencia artificial) empezó a colapsar y DARPA decidió nuevamente reducir el presupuesto para investigación en el campo de la IA. En combinación con fracasos en replicar el razonamiento humano y de mantener conversaciones e interpretar imágenes, queda claro que no fue una época muy fructífera para la IA.
A mediados de los noventa todo repuntaría una vez más, y la investigación en el campo de la IA volvió a prosperar incluso sin financiamiento gubernamental, esto gracias a los incrementos de poder computacional, las mejoras a los algoritmos y el uso de big data para entrenar modelos.
En 1997, el actual campeón mundial de ajedrez y gran maestro Gary Kasparov fue derrotado por Deep Blue de IBM, un programa informático para jugar al ajedrez, y lo crean o no, eso constituyó un evento histórico.
Como verán, la historia del desarrollo de la IA es una montaña rusa llena de altibajos, pero si algo es consistente, es la tendencia de saturar las capacidades de la IA al nivel de nuestra potencia computacional actual y de luego esperar a que la Ley de Moore se ponga al día, pues el aumento de poder computacional ha posibilitado gran parte de este progreso.
Todo esto nos trae a la época actual, y tal como ocurre en la serie literaria Canción de hielo y fuego de George R.R Martin, el verano ha durado mucho, y ya varios expertos temen que el siguiente invierno esté en ciernes, pero ¿qué los lleva a pensar esto? Después de todo, hoy más que nunca hemos podido probar los frutos de la inteligencia artificial, pues veamos algunos de los argumentos.
¿Qué dicen los expertos?
Pues según Rodney A. Brooks, uno de los expertos más destacados del mundo en robótica e inteligencia artificial, 2024 no será una segunda época dorada para la inteligencia artificial como algunos aseguran, de hecho, afirma que el interés actual “sigue un ciclo de exageración muy gastado que hemos visto una y otra vez durante los más de 60 años de historia de la IA”.
En su más reciente serie de predicciones, el experto habló sobre modelos de lenguaje como ChatGPT, Bing y Deep Mind, así como también de coches autónomos, aprendizaje automático e inteligencia artificial general. A pesar de estar invertido en la materia por ya décadas, el experto no se muestra muy emocionado por los avances actuales, y si suena cínico es por la experiencia que tiene observando el mismo ciclo de promesas, decepciones y contratiempos que experimenta la industria.
Al hablar de IA en su cuadro de mando para 2024, Brooks anima a las personas “a hacer cosas buenas con los LLM, pero no a creer en la presunción de que su existencia significa que estamos al borde de la Inteligencia General Artificial”.
El experto también ahondó en las razones por las cuales no le tiene tanta estima a la actual generación de inteligencia artificial generativa, expresando que por muy hábiles que sean en la generación de texto/programación, la traducción de lenguajes y demás, solo son sistemas basados en probabilidades y correlaciones lingüísticas. Encima de eso, todos los modelos de lenguaje existentes se han entrenado en datos masivos de texto y código, un conjunto de datos que probablemente está sesgado y contiene contradicciones. Por ende, es de esperarse que cometan errores y devuelvan información sesgada.
¿Se avecina un invierno para la inteligencia artificial?
Hay que reconocer que en los últimos años la IA ha hecho grandes avances, desde nuevas técnicas de aprendizaje automático hasta big data, pasando por sistema de reconocimiento facial y conducción automática, eso por no mencionar los modelos de lenguaje que impulsan chatbots como ChatGPT.
Si bien estos avances son tangibles, también hay que reconocer que tienen limitaciones importantes que impiden una amplia aplicabilidad y un uso transcontextual. Por ejemplo, el reconocimiento facial aborda desafíos éticos, y sin importar lo que diga Elon Musk, los coches autónomos siguen siendo propensos a sufrir accidentes debido a fallos en el reconocimiento de objetos y por ende todavía no alcanzan el nivel 5 de autonomía.
Estas limitaciones son la razón por la que, incluso después de varios años de creciente interés, avances e implementaciones, algunos analistas predicen otro invierno de IA, especialmente al considerar que la siguiente fase luce distante, y por siguiente fase se entiende la Inteligencia artificial general.
Con eso en mente, los expertos de la materia si bien creen que la IA está aquí para quedarse y conducir a la revolución autónoma, también cuentan que con una meta tan elusiva y difícil de alcanzar como la AGI, es inevitable que tarde o temprano llegue otro período de estancamiento, es decir, otro AI Winter, o puesto de otra manera, un reventón de la burbuja tecnológica de turno.
La inteligencia artificial general está a un largo camino de aquí
Por inteligencia artificial general se entiende una máquina que sobrepase las habilidades cognitivas del humano promedio en todos los frentes posibles, algo similar a un robot consciente propio de la ciencia ficción. El punto es que AGI constituye la siguiente fase, pero las predicciones la sitúan a 50 años en el futuro o un par de décadas en los escenarios más optimistas.
Un obstáculo importante para la AGI es la falta de un marco teórico sólido. Los modelos actuales de IA son eficientes en tareas específicas, pero desafortunadamente carecen de la capacidad de razonar, aprender y generalizar en diversas situaciones como lo hacen los humanos. Esta limitación inherente obstaculiza el progreso hacia la AGI, que requiere una comprensión más integral de la inteligencia, el mundo y sus principios subyacentes.
Encima de todo eso, entrenar a cualquier modelo de IA requiere cantidades masivas de datos etiquetados y clasificados, los cuales muy a menudo no están disponibles para ciertas tareas. Esta escasez de datos claramente limita la generalización y adaptabilidad de los modelos de IA, lo que a su vez dificulta su aplicación en el mundo real.
No podemos pasar por alto los dilemas éticos y morales surgidos de esta conversación, que deben resolverse antes de que la AGI se convierta en realidad, pues existe gran preocupación (y justificada) por los hipotéticos usos de la inteligencia artificial para fines belicistas, manipulación mediática, vigilancia y estafas.
Dadas estas limitaciones, es imperativo moderar las expectativas y mantener un sano escepticismo cada vez que escuchamos algo relacionado con AGI, pues la disparidad entre las exageraciones y la realidad puede conducir a la desilusión y a una disminución del financiamiento en los próximos años, dando paso a un invierno de IA similar a los experimentados en el pasado.
¿Un verano eterno para la inteligencia artificial?
Naturalmente, hay argumentos en contra de todo lo expuesto hasta ahora, pues también hay expertos que sostienen que es improbable que ocurra una tercera era glacial en terreno de la IA gracias a los avances tecnológicos actuales y el hecho de que ya existen aplicaciones prácticas de dicha tecnología.
Entrando en detalles, es totalmente cierto que hoy en día cualquier individuo puede beneficiarse de las aplicaciones basadas en IA gracias a su amplia disponibilidad, algo que dos décadas atrás solo era posible para un número limitado de personas en posiciones privilegiadas. Por si fuera poco, la IA ya se está utilizando en una variedad de aplicaciones en el mundo real y con éxito, incluyendo el campo médico, dónde ya ayuda con el diagnóstico de enfermades. Naturalmente, esto genera demanda por la tecnología a un nivel no visto antes, y eso es lo que podría garantizar un desarrollo sostenido de ésta.
También hay que tener en cuenta que, a diferencia de los años 70 u 80, el desarrollo e investigación en inteligencia artificial ya no está en manos de unos pocos investigadores y organizaciones gubernamentales. Hoy en día las empresas más grandes del mundo compiten en el campo, y que mejor que la competencia para avivar el interés por algo indefinidamente.
