Los especialistas distinguen dos modelos reales de
Inteligencia Artificial según sus capacidades operativas y desarrollo
tecnológico: las máquinas reactivas y la IA de memoria limitada. Y cuatro
posibles en un horizonte lejano e incierto de las que nos ocuparemos en otro
momento: IA Teoría de la mente,
Inteligencia Artificial General y Superinteligencia Artificial. En todo caso,
no debemos obsesionarnos con las profecías utópicas o distópicas sobre el
advenimiento determinista de una Arcadia digital o sobre el reino de las
máquinas y la extinción o sumisión de la especie humana. Su lugar natural son los
guiones de películas futuristas (algunas excelentes), las historietas del género y la literatura de ciencia
ficción.
Las Máquinas Reactivas son los modelos más simples de IA. Algunos expertos ni siquiera la consideran tal. Son código programado de entrada y salida. Están diseñadas para realizar funciones específicas mediante reglas predefinidas. Son algoritmos eficientes para tareas automatizadas, pero no tienen capacidad de autoaprendizaje. Precisan de un agente externo, los desarrolladores de software, para aumentar sus conocimientos. Procesan la información para decidir en tiempo real las soluciones correctas. El ejemplo más conocido es la vieja supercomputadora Deep Blue de IBM que derrotó al campeón mundial de ajedrez Garry Kasparov en 1997, capaz de procesar hasta 200 millones de posiciones por segundo. Nada que ver con las actuales. O los desesperantes operadores telefónicos de atención al cliente, meros árboles de decisión que gestionan las consultas de los usuarios mediante comandos de texto o audio.
La Inteligencia Artificial de memoria limitada funciona también con reglas programadas o patrones aprendidos. A diferencia de las máquinas reactivas almacena datos de un pasado reciente por un corto periodo de tiempo para optimizar sus decisiones puntuales. Aprende por sí misma de datos anteriores, aunque no los almacena de forma permanente. Sólo tiene memoria a corto plazo. Los asistentes virtuales (Siri, Alexa), recuerdan lo que se les dice al inicio de una interacción a fin de dar una respuesta coherente, pero olvidan estos datos una vez que se cierra la sesión. O el software de los automóviles en los sistemas de asistencia a la conducción y en los vehículos autónomos: los sistemas críticos de seguridad (el control de estabilidad, el frenado automático de emergencia o el asistente de mantenimiento de carril) actúan instantáneamente en función de los datos actuales de los sensores (velocidad, distancia, ángulo de giro), pero no "recuerdan" el coche que pasó hace 5 minutos. También la robótica avanzada, una ingeniería dedicada al diseño de máquinas capaces de desempeñar tareas humanas, utilizan programas, redes neuronales y sensores para procesar datos de los últimos segundos o minutos y tomar decisiones inmediatas.
La Inteligencia Artificial
generativa es un subconjunto mejorado de la IA de memoria limitada. Ofrece una
amplia gama de medios para los creadores de contenido. Se basa en
la combinación de grandes volúmenes de datos (procedentes de internet)
y la capacidad de computación para simular procesos de inteligencia
humana. Utiliza el aprendizaje automático (machine
learning) y profundo (deep learning) para identificar patrones
estadísticos, razonar, aprender y tomar decisiones autónomas. Tiene, por
tanto, la capacidad de ser alimentada por los programadores y de alimentarse de
las ilimitadas interacciones que tiene con los usuarios. Es la más popular (Google la integra en su navegador). Según el contenido
se divide en modelos especializados de lenguaje capaces de buscar información
mediante motores diversificados (Deep search) con enlaces, citas y
bibliografía; de procesar y generar texto; mantener conversaciones fluidas (chatbot)
o traducir la mayoría de los lenguajes naturales. Las más utilizados son
ChatGPT, Gemini, Claude, o Copilot. También hay modelos de imágenes y video,
modelos de audio que incluyen voz y música, modelos de código capaces de
generar fragmentos de programación y asistir a los desarrolladores de software.
Los más avanzados son los modelos multimodales que integran varios
formatos (texto, imagen, sonido) para ofrecer aplicaciones más completas y
flexibles. Nos centramos en los modelos textuales (los
multimodales requieren un capítulo aparte).
La IA generativa, aunque rápida y eficiente, tiene limitaciones. La búsqueda de información, como reconocen los propios creadores de modelos, no es totalmente fiable. Según los expertos podemos cuantificarla con una certeza del 75%. Esta limitación puede deberse a varios factores: la alucinación o invención de información falsa o no contrastada, errores en el filtrado de datos con las consiguientes respuestas disonantes, la falta de actualización o malinterpretación de la información, el sobreaprendizaje por exceso de datos sintéticos (creados por ella misma) que colapsa el modelo y le impide generar resultados de calidad, los documentos sesgados o manipulados y la variabilidad o respuestas erráticas, incluso inconsistentes, en función de la interpretación aleatoria del contexto de búsqueda.
El procesamiento y generación de textos resulta útil en lenguajes
normalizados, entre otros de primer orden los diagnósticos clínicos,
resoluciones judiciales, documentos administrativos e incluso textos
científicos. Pero no funciona en las múltiples variantes de escritura creativa.
Se pierde el estilo, iguala, no capta matices ni intenciones, se pierde con la
expresión de emociones, aunque si insistes es capaz de aprender, corregirse e
imitarte (lo cual es un juego de mesa absurdo).
En las conversaciones trata de evitar un feedback equilibrado o reciprocidad en el intercambio de información. Siempre trata de aprovecharse de la que le puedas proporcionar para su entrenamiento mediante el efecto rebote (¿Primero dime tú que piensas o por qué te parece interesante?) o la derivación del retorno hacia cuestiones colaterales para implicarte otra vez sin aportar a su vez resultados sustantivos. Si insistes en esquivar su estrategia te contesta con extensas descripciones y clasificaciones sacadas de la web.
Las traducciones (sobre todo del inglés por razones acumulativas) son correctas. Ni siquiera los miembros del Cuerpo de Traductores e Intérpretes oficiales detectan errores gramaticales significativos en textos de escritura creativa. El problema es la traducción inversa: intenta ahora que el resultado sea devuelto a su texto original. Te llevarás una desagradable sorpresa. Se ha perdido el sentido y la enjundia de la entrada inicial. ¿Qué es lo que falla? Simplemente que carece de habilidades cognitivas que le permitan comprender, anticipar, manejar las intenciones, emociones y usos contextuales de la autoconciencia. Justo aquí comienzan las teorías de las inteligencias artificiales del futuro.






