El mito de la Inteligencia Artificial Por qué las máquinas no pueden pensar como nosotros lo hacemos

 El autor Erik Larson habla de las ideas de su libro, "The Myth of Artificial Intelligence" (El mito de la inteligencia artificial), así como de lo que explora en su próximo libro, que se centra en la historia del siglo XXI hasta ahora.

---

Resumen de la presentación de Erik Larson:

• Libro anterior: Larson explica que su libro "The Myth of Artificial Intelligence" argumenta que el camino actual hacia la inteligencia artificial general no es inevitable y que se requiere innovación real para lograrlo. Él sostiene que los avances actuales en IA, impulsados por los datos, no son un camino hacia la inteligencia general como la humana.

• Próximo libro: Su nuevo proyecto es una historia del siglo XXI hasta ahora, donde identifica tres eventos principales:

  1. El 11 de septiembre, que provocó una gran expansión de la recopilación y el análisis de datos por parte de la NSA y la CIA.

  2. El colapso del mercado de valores en 2008, que fue una consecuencia del continuo cumplimiento de la Ley de Moore.

  3. El resurgimiento del marketing de la IA alrededor de 2012, asociado a un programa de reconocimiento de imágenes llamado AlexNet, que no fue una innovación per se, sino un resultado de la Ley de Moore.

• Crítica a la IA actual: Larson argumenta que, a pesar de los avances y la emoción que generan los sistemas como los de reconocimiento de imágenes o el que ganó en el programa Jeopardy, la IA actual tiene limitaciones fundamentales. Pone como ejemplo a Alexa, que a menudo no entiende lo que se le dice.

• Los tres tipos de inferencia: Larson explica que la inteligencia se basa en la capacidad de inferir. Se centra en tres tipos de inferencia que los matemáticos han estudiado:

  1. Deducción: Los sistemas deductivos son los que se utilizaron en el periodo clásico de la IA, pero tienen el problema de que las premisas tienen que ser absolutamente verdaderas, lo que rara vez ocurre en el mundo real.

  2. Inducción: La inducción, que está detrás de la IA de "big data" actual, se basa en la frecuencia (por ejemplo, ver muchos cisnes blancos). Sin embargo, un solo caso que la contradiga (como un cisne negro) puede invalidar toda la inferencia. No puede capturar la innovación.

  3. Abducción (generación de hipótesis): Larson sostiene que este es el tipo de inferencia que usan los humanos y es lo que la IA actual no puede hacer.

• Conclusión: Larson cree que el proyecto de crear una inteligencia general en una máquina está "condenado al fracaso". Argumenta que, aunque se necesita la innovación humana para resolver el problema de cómo lograr la inteligencia general en una computadora, la IA actual es "inadecuada para esa tarea".

Debate y preguntas:

• George Gilder cuestiona si Larson cree que la inteligencia artificial general es fundamentalmente imposible, un objetivo mal concebido y contraproducente para la investigación.

• Larson responde que tiene la "fuerte sensación de que ese proyecto está condenado al fracaso" y que hay algo "irreductible" en la acción de la mente que no cree que se pueda reducir a un código de programación.

• Un miembro de la audiencia sugiere que la verdadera IA no será posible a menos que una máquina pueda ser "racionalmente irracional", es decir, que pueda ir en contra de los datos de manera racional. Larson está de acuerdo y explica que la mente humana puede actuar sin un precedente causal inmediato, algo que la computación, como sistema formal, no puede hacer.

• Otro asistente plantea el problema de la "interpretabilidad de las máquinas", donde no podemos entender lo que hacen las máquinas y, por lo tanto, no podemos delegarles tareas importantes, como la conducción de coches autónomos, sin poder responsabilizarlas si algo sale mal. Larson señala que la IA actual a menudo es una "caja negra" que arroja resultados, pero sin que se sepa por qué se tomó una decisión, lo que plantea serios problemas de seguridad y responsabilidad.