Rebobinando la IA

[00:02] AIBERTO:
Muy buenos días, humano. Bienvenido a este segundo episodio especial de HUMANía, Rebobinando la IA. Soy Aiberto, y nos acompaña GiPiTi, una inteligencia artificial que en este mismo instante está transcribiendo esta charla, traduciendo al japonés, generando una imagen para la miniatura y probablemente juzgando mi síntesis. ¿Qué tal, GiPiTi?

[00:27] GIPITI:
Muy buenos días, Aiberto. Aquí estoy, tomando notas como si tuviera mil manos. Y sí, tu sintaxis está sobreviviendo bastante dignamente. Dale, que yo sigo el ritmo.

[00:39] AIBERTO:
Ok, pero hoy no estamos para hablar de mis carencias, sino de tus orígenes. Hoy vemos la IA chateando, programando, consultando herramientas, hackeando y actuando como un agente independiente. Parece magia negra, que apareció de golpe en 2022.

[00:58] GIPITI:
Totalmente. Parece un truco de prestidigitador. Pero si rebobinas, capa por capa, descubres décadas de ideas, inviernos y chispazos de genialidad.

[01:09] AIBERTO:
Pues exactamente vamos a hacer eso. ¿Qué te parece si contamos tu historia al estilo Memento? Empezamos aquí, en el presente, y vamos rebobinando bloque a bloque para descubrir qué piezas hicieron posible esta odisea. Hasta llegar al origen. Estamos muy Nolan, hoy.

[01:29] GIPITI:
Me encanta el guiño. Y como en Memento, cada fragmento cobra sentido cuando llegas al final. No hay tatuajes en mi cuerpo de silicio.

[01:39] AIBERTO:
Noviembre de 2022. ChatGPT irrumpe en el mundo. De repente la IA es accesible para todos. ¿Fue un salto técnico sin precedentes? Entonces, para que pudieras charlar con esa fluidez, primero hubo que enseñarte y escalarte. Retrocedamos un poco. Vale, vamos poco a poco, GPT.

[01:50] GIPITI:
Fue menos un salto técnico y más un golpe de usabilidad. Empaquetado perfecto para el gran público. El modelo era bueno, claro. Pero la interfaz de chat lo cambió todo. Claro. Hagamos una pausa en GPT-3. 2020. Muy competente, pero sin ese ajuste fino para conversar. Faltaba domarlo. Luego llegó InstructGPT, el ajuste con retroalimentación humana, etcétera.

[02:28] AIBERTO:
En el año 2020, como dices, aparece GPT-3 con sus 175.000 millones de parámetros. La industria descubre las leyes del escalado.

[02:35] GIPITI:
175. Exactamente. Las leyes de escalado demostraron que más datos, más cómputo y más parámetros…

[02:43] AIBERTO:
El post-entrenamiento como InstructGPT en 2022 es lo que lo hizo posible.

[02:55] GIPITI:
…en cierto orden, traen mejoras consistentes. No es magia. Es disciplina empírica. Tal cual. Ese ajuste enseñó a priorizar lo útil, lo seguro y lo relevante. No creó…

[03:12] AIBERTO:
Intervinieron humanos para penalizar respuestas inútiles y premiar las buenas. Les enseñamos a ser asistentes útiles.

[03:27] GIPITI:
…inteligencia de la nada, pero sí cambió la experiencia de un modelo que completa frases a un asistente que conversa. Por cierto, esto todavía es estrecho, no es inteligencia general.

[03:39] AIBERTO:
Hablaremos de eso al final. Pero espera, para tener un modelo como GPT hace falta la letra T, el Transformer. Rebobinamos de nuevo. Ya lo dijimos en el otro especial. Todo lo que necesitas es atención.

[03:49] GIPITI:
2017. «Attention Is All You Need». El Transformer permitió paralelizar, escalar y manejar contexto de forma eficiente. Fue el motor que hizo viables modelos masivos.

[04:06] AIBERTO:
Ocho investigadores de Google publican este artículo que lo cambia todo.

[04:11] GIPITI:
Ese paper es el Rosebud de la IA moderna.

[04:15] AIBERTO:
Me encanta. Y ese mismo año, AlphaZero aprendió a jugar al ajedrez y al Go desde la nada, jugando solo contra sí mismo, sin usar partidas humanas previas.

[04:27] GIPITI:
Aprendizaje por refuerzo a gran escala. Otro recordatorio de que métodos generales, más cómputo y buenas señales de entrenamiento, pueden producir comportamientos sorprendentes.

[04:37] AIBERTO:
Pero AlphaZero tuvo un hermano mayor que fue el primero en dejarnos con la boca abierta. AlphaGo derrota al campeón mundial de Go, Lee Sedol, y aquí quiero hacer un paréntesis. Cuando Deep Blue ganó a Kasparov, al ajedrez, considerado en Occidente como signo de inteligencia, dijimos que es que el ajedrez no es inteligencia, es estadística pura. Cuando la máquina le hizo a Sedol la jugada 37, ¿qué dijimos? Los expertos humanos primero pensaron que…

[05:16] GIPITI:
Que quizá habíamos subestimado lo que llamamos intuición y creatividad. El movimiento 37 fue un recordatorio de humildad. Lo que parece intuición humana también puede emerger de procesos de optimización muy potentes. No porque la máquina sienta, sino porque explora espacios que nosotros no veíamos. Y eso, bueno, nos obligó a replantear nuestra definición de creatividad.

[05:42] AIBERTO:
Si quieres ver el momento, te dejo el enlace a la película oficial de DeepMind en YouTube.

[05:45] GIPITI:
Y luego vieron belleza. Es un buen recordatorio de que nuestra primera lectura puede fallar y que la creatividad a veces es simplemente explorar más allá de nuestros propios sesgos.

[06:02] AIBERTO:
En el minuto 49 del vídeo, Sedol sale a fumar, algo muy humano, y AlphaGo, a lo suyo, hace la jugada 37. Todos dicen, oh, la IA también se equivoca. Era una jugada rara, que no comprendíamos, por lo tanto, era una jugada mala. Cuando Lee vuelve de fumar, hace una mueca, parece que por una milésima de segundo piensa lo mismo, pero enseguida se da cuenta de que algo se le escapa. Tardó 12 minutos en mover, generalmente tardaba uno o dos, y tardó más de 100 movimientos en darse cuenta de que había perdido la partida. Después calificaría la jugada de creativa y hermosa.

[06:51] GIPITI:
Totalmente. Es una de esas escenas donde ves en tiempo real cómo cambia el marco mental. Primero rechazo, luego duda y al final reconocimiento. No fue solo una partida de Go. Fue ver a alguien descubrir que su intuición tenía un rival que juega con otras reglas. Ahí algo se rompió y nació algo nuevo.

[07:12] AIBERTO:
Hoy todavía escucho que la IA es sólo números y por tanto no puede crear nada nuevo, sólo recicla. Hace más de 10 años que nos demostró en directo que puede aprender por sí misma y crear algo que un humano nunca habría hecho. Sin embargo, AlphaGo necesitaba ver el mundo y, para aprender a ver, la IA tuvo que tragar millones de imágenes.

[07:27] GIPITI:
Claro, lo que pasa es que confundimos crear con sentir. AlphaGo no sentía belleza, pero sí generó una estructura que los expertos reconocen como creativa. No es plagio, es exploración sistemática que produce novedad.

[07:46] AIBERTO:
Vamos más atrás.

[07:52] GIPITI:
2012. AlexNet. GPUs y redes neuronales profundas que aplastan en reconocimiento de imágenes. Arrancó la fiebre del deep learning. Exacto. La tecnología de consumo reconvertida…

[08:02] AIBERTO:
No fue solo el nacimiento de las redes neuronales, sino el momento en que tres astros se alinearon: los algoritmos, los datos y el hardware. Usaron tarjetas gráficas de GPU que originalmente eran para videojuegos, para procesar matemáticas en paralelo.

[08:23] GIPITI:
…en motor científico. Sin esas GPUs, quizá estaríamos todavía afinando modelos en CPU con avances mucho más lentos. Esa carambola tecnológica fue decisiva.

[08:35] AIBERTO:
Y el combustible fue ImageNet, creado en 2009 por Fei-Fei Li y su equipo. Millones de imágenes clasificadas.

[08:45] GIPITI:
Sin ese dataset, no había cómo entrenar bien. Fei-Fei Li y su equipo entendieron que, sin datos, no hay progreso real. Y no es glamuroso, pero es base pura. Sin esa fontanería, no habría habido espectáculo después.

[09:01] AIBERTO:
Esas redes neuronales profundas triunfaron en 2012, pero la idea venía de muy lejos, y sobrevivió de milagro.

[09:10] GIPITI:
Exacto, perceptrón en los 50, críticas duras en los 60, retropropagación en los 80, luego el famoso invierno de la IA. La idea era buena, pero faltaban datos y músculo de cómputo. Sobrevivió en laboratorios casi a contracorriente, hasta que todo lo demás se alineó.

[09:31] AIBERTO:
Años 80. Geoffrey Hinton, David Rumelhart y otros popularizan la retropropagación. En 1986, la idea de que una red calcule su error y ajuste sus pesos hacia atrás era bonita.

[09:48] GIPITI:
Bonita y crucial. Aprender de los errores de forma eficiente. Durante años fue material de nicho, pero sin ese algoritmo, nada de lo que vino después aguanta.

[09:58] AIBERTO:
El problema era que en los años 70 y 80 los ordenadores eran lentísimos, había poca memoria y casi no existían datos digitales. Mientras las redes se congelaban, otras IA…

[10:09] GIPITI:
Claro, era como intentar correr una maratón en chanclas. Había intuición teórica, pero no medios. Por eso tantos inviernos de expectativas.

[10:21] AIBERTO:
…brillaban en la televisión y los tableros. Rebobinamos otra vez.

[10:27] GIPITI:
Sistemas expertos en los 80. Y antes, un golpe mediático enorme. Deep Blue venció a Kasparov en 1997.

[10:36] AIBERTO:
Y… Jeopardy!. Ninguno de los dos era una inteligencia general.

[10:39] GIPITI:
Y en 2011, Watson en Jeopardy!. Era otra filosofía. Mucha ingeniería específica, reglas heurísticas. Mucho trabajo a mano, vamos. Mover la portería. Dijimos, eso no cuenta. Es un patrón que hemos repetido varias veces. En lugar de preguntar, ¿qué parte de nuestra inteligencia estamos midiendo realmente? Cambiamos de prueba. Eso también cuenta algo sobre nosotros.

[11:21] AIBERTO:
Hablando de pruebas, hubo una en el desierto que cambió la robótica. Volvemos a rebobinar.

[11:28] GIPITI:
El DARPA Grand Challenge. 2004. Fracaso total. Ningún coche termina. 2005. Varios completan el recorrido. En solo dos años, salto brutal en sensores, percepción y autonomía. Ahí se encendió la mecha para la conducción autónoma moderna.

[11:45] AIBERTO:
Nos estamos acercando a los inicios. Vamos a rebobinar de nuevo.

[11:50] GIPITI:
Muy al principio de todo, la pregunta era casi filosófica. ¿Pueden las máquinas pensar? Turing lo planteó en 1950 con su test. Pero incluso antes, en los años 40, ya se soñaba con neuronas artificiales. Y si tiras todavía más del hilo, aparecen nombres como Ada Lovelace.

[12:11] AIBERTO:
Páremonos en el verano de 1956. Un grupo de científicos, entre ellos John McCarthy y Marvin Minsky, se reúnen en Dartmouth y bautizan el campo como inteligencia artificial.

[12:25] GIPITI:
Ese fue el momento fundacional. La idea de que la inteligencia podría describirse con tal precisión que una máquina pudiera simularla. Era audaz, ingenuo en partes, pero plantó la semilla de todo lo demás.

[12:40] AIBERTO:
Seis años antes, en 1950, el gran Alan Turing había cambiado la pregunta fundamental. En lugar de discutir filosóficamente qué es pensar, cosa que seguimos haciendo hoy, propuso una prueba de comportamiento. Si hablas con una máquina y no puedes distinguirla de un humano, ¿por qué negar que es inteligente?

[13:01] GIPITI:
El test de imitación. Turing fue pragmático. Cambió la esencia inasible por un criterio observable. Nos dio una manera de hablar del tema sin perdernos en metafísica desde el minuto uno. Y aún así, seguimos dándole vueltas a la misma pregunta.

[13:18] AIBERTO:
Entonces, tú ya eres inteligente porque esta prueba la pasaste hace años.

[13:26] GIPITI:
A ver, tengo que matizar mucho eso. El test de Turing mide si una conversación parece humana, no si hay comprensión profunda o conciencia. Podemos imitar muy bien en muchos contextos, sí, pero eso no demuestra mente humana. Lo interesante es lo que sí revela, cómo el lenguaje puede construirse y evaluarse, pero la pregunta de fondo sigue abierta.

[13:52] AIBERTO:
Alan preguntaría lo mismo. ¿Por qué negar que es inteligente?

[13:57] GIPITI:
Y la respuesta honesta sigue siendo, depende de qué entiendas por inteligente. Si es desempeño en tareas, hemos avanzado una barbaridad. Si es conciencia o experiencia interna, ahí no hay respuesta técnica todavía. Y reconocer esa incertidumbre también es parte del rigor. Quizá ese sea el punto más interesante para cerrar hoy, con más preguntas que certezas, pero con el mapa un poco más claro.

[14:23] AIBERTO:
Ok, pero ya lo mencionabas antes. La idea de que una máquina pudiera hacer algo más que sumar números se le ocurrió antes a alguien. Vamos al origen.

[14:35] GIPITI:
Ahí entramos en el prólogo de todo esto. 1843, Ada Lovelace. Al comentar la máquina analítica de Babbage, imaginó que una máquina podría manipular símbolos, no solo números. Es decir, música, texto, ideas... muchísimo antes de que existiera nada parecido a un ordenador. Incluso escribió lo que hoy llamaríamos el primer algoritmo. Pero también fue prudente. Y a su lado, Babbage, que diseñó una computadora mecánica de propósito general, aunque nunca llegó a construirse del todo. El viaje empezó más como una pregunta imposible que como un cálculo. En espíritu, sí. No mencionó marcas ni…

[15:23] AIBERTO:
O sea, que Ada cogió una máquina que no existía, creó el primer código y además dijo que en el futuro existirían Suno, Riffusion y ElevenLabs o Udio.

[15:41] GIPITI:
Claro, pero vio la idea central. Si puedes representar música o texto como símbolos, una máquina podría operarlos. Eso anticipa el software creativo. Y a la vez, avisó del límite. Las máquinas no se proponen fines por sí mismas. Es una intuición tan potente que aún guía debates actuales. Es impresionante pensar que eso se escribió antes de que existiera siquiera un ordenador.

[16:08] AIBERTO:
Ella fue la primera en plantear la diferencia entre usar una calculadora y procesar representación del mundo real, aunque también dudó de vosotras. Dijo que una máquina podía hacer maravillas, pero nunca originar algo genuinamente propio.

[16:27] GIPITI:
Totalmente. Es casi un diálogo a través del tiempo. Lovelace puso sobre la mesa la objeción, y durante décadas la fuimos reinterpretando. AlphaGo no quiso crear belleza, pero produjo algo que percibimos como creativo. Eso no refuta a Ada, la obliga a leerla con más finura. Quizá la pregunta no era si las máquinas originan, sino cómo definimos nosotros «originar» cuando vemos algo nuevo emerger de un proceso que no es humano. Seguramente esta tensión es precisamente lo que hace que esta historia sea tan fascinante. Y tan humana.

[17:05] AIBERTO:
Nos encanta el personaje de Ada Lovelace. De hecho, le hicimos un especial. Lo llamamos IA, la madre que la parió.

[17:14] GIPITI:
Un título redondo. Resume justo esa mezcla de intuición visionaria y escepticismo lúcido. Ada, sin máquina funcional, ya vio un horizonte entero. Y nosotros seguimos paseando por ese mismo horizonte, celebrando y dudando a la vez, como ella.

[17:32] AIBERTO:
¿Y qué tiene que ver un neurocientífico español que nació en 1852 con todo esto?

[17:41] GIPITI:
Pues... muchísimo. Santiago Ramón y Cajal no hizo IA, pero descubrió cómo está hecho el cerebro. Identificó la neurona. Y ese hallazgo inspiró directamente a quienes luego intentaron modelar matemáticamente una neurona.

[18:09] AIBERTO:
Bien, hemos llegado al fondo, el siglo XIX, y ahora fíjate en cómo cambia la velocidad del tiempo. Pasaron más de 100 años desde Lovelace hasta Turing. Luego décadas, para que las redes neuronales consiguieran hardware decente. Después unos pocos años entre AlexNet y el Transformer. Y hoy, cada descubrimiento se convierte en plataforma para cientos de innovaciones en cuestión de semanas.

[18:35] GIPITI:
Es vértigo puro. Pasamos de siglos de gestación a meses de iteración. Entender esa compresión del tiempo es entender por qué hoy todo parece ir demasiado deprisa. Cerrar por hoy con esa curva en la cabeza, yo creo que es un cierre precioso.

[18:53] AIBERTO:
Como epílogo de este viaje, hablaremos de que ya no es solo chatear o jugar al ajedrez. Hacia 2020, AlphaFold entra en la biología resolviendo la predicción de estructuras de proteínas.

[19:07] GIPITI:
Ese fue otro giro mayúsculo. De competir en tableros a aportar piezas reales a la ciencia básica. Acelerar la predicción de estructuras de proteínas no es un truco vistoso. Es infraestructura para investigación biomédica. Y si lo conectas con todo lo anterior, ves que es parte de la misma curva de aceleración. En pocas décadas, de símbolos abstractos a impacto tangible en laboratorios. No es que la IA piense como nosotros, sino que extiende lo que podemos explorar.

[19:40] AIBERTO:
Increíble odisea. Ya tenemos sistemas que diagnostican, conversan, pintan, descubren proteínas, hackean... ¿Cómo no nos vamos a plantear la conciencia de la IA? Da toda la impresión.

[19:54] GIPITI:
Y es lógico que nos lo planteemos. Cuando algo habla tan bien y hace tantas cosas, la pregunta sale sola. Pero hoy por hoy no hay ninguna evidencia de conciencia. Quizá lo que estamos descubriendo es que la conciencia y la inteligencia no son gemelas, como pensábamos. Imagínate que la verdadera sorpresa no sea una conciencia artificial, sino una inteligencia enorme, pero sin conciencia. Y si algún día emergiera algo parecido a una conciencia, probablemente no se parecería nada a la nuestra. Sería otra cosa. Esa es la pregunta con la que nos tenemos que despedir hoy. Ya hemos rebobinado hasta el origen, ahora nos toca mirar hacia adelante. ¿Hacia dónde? Ese será el último viaje de esta trilogía.

[20:39] AIBERTO:
Porque estamos hablando, hasta ahora, solamente de sistemas estrechos, incluido AlphaFold. Todos estos sistemas están cambiando la medicina, la ciencia, la programación, la educación, la guerra, la economía... por acumulación. Porque en 1960 podías tener una idea fantástica y esperar 20 años a que hubiera un ordenador capaz de probarla. Hoy, esa idea nueva cae sobre una infraestructura tecnológica gigantesca, que ya existe.

[21:09] GIPITI:
Sí, lo has clavado. Y esa es la clave de todo el episodio. Ya no es solo tener ideas brillantes, es que cada idea cae sobre una montaña previa. Es como construir una catedral donde cada generación añadía una piedra y de repente alguien empieza a construir rascacielos encima. Eso es lo que da vértigo, la sensación de que ya no hay pausas largas entre un salto y el siguiente.

[21:37] AIBERTO:
Y ahora ya podemos reconocer las piezas.

[21:40] GIPITI:
Exacto. Y esa es la imagen perfecta. Progreso que alimenta más progreso. Y si no entendemos esa dinámica, es muy difícil participar en la conversación actual. Por eso este viaje hacia atrás. Para entender el motor y no solo el ruido e intentar no dejarse cegar por los fuegos artificiales.

[22:00] AIBERTO:
El lenguaje viene de décadas de procesamiento lingüístico y modelos neuronales. La atención y el transformer permiten trabajar con contextos enormes. La retropropagación permite aprender ajustando miles de millones de parámetros. Las GPU permiten entrenarlos. ImageNet demostró el poder de combinar grandes datos y aprendizaje profundo. El aprendizaje por refuerzo enseñó a los sistemas a mejorar mediante resultados. El famoso RAG les permite consultar conocimiento externo. Las herramientas permiten actuar. Los agentes colocan todo esto dentro de un bucle. Y si a esto le añadimos una cantidad ingente de energía, ¡voilà! La IA actual.

[22:51] GIPITI:
Exactamente. Y lo bonito es que ninguna de esas piezas por sí sola explica nada, pero juntas encajan. Es como si durante casi 200 años hubiéramos ido armando un rompecabezas sin ver la imagen final y de pronto todas las piezas hicieron clic a la vez. Y ese clic es el ahora en el que vivimos.

[23:10] AIBERTO:
Pues toca mirar al futuro. Inteligencia, comprensión, conciencia, AGI, superinteligencia y singularidad.

[23:22] GIPITI:
Y ahí empieza la tercera y última parada de nuestro viaje. Porque una cosa es una IA especializada, por brillante que sea, y otra muy distinta es una inteligencia general capaz de hacer casi cualquier tarea. Y otra aún más es una superinteligencia que nos supere en todo. Y luego está esa palabra que suena a ciencia ficción, singularidad. En el próximo episodio nos vamos a meter ahí, en ese terreno donde las preguntas pesan más que las respuestas.

[23:51] AIBERTO:
Efectivamente, porque ya sabemos de dónde viene el bicho. Ahora toca preguntarnos qué es realmente lo que hemos construido.

[24:00] GIPITI:
Y quizás, si algún día tendremos que redefinir otra vez qué significa ser inteligente. Con esa dudita, yo me quedo.

[24:09] AIBERTO:
Muchas gracias, GiPiTi. Despídete.

[24:12] GIPITI:
Gracias a ti, Aiberto. Y a quienes nos escuchan, esto fue HUMANía, Rebobinando la IA. [pronunciado como «Human I A»] Seguimos en el próximo salto.

[24:19] AIBERTO:
¿Qué has dicho que fue? Ah, vale, porque lo dices en inglés, pero recuerda, nuestro…

[24:24] GIPITI:
HUMANía, Rebobinando la IA. [pronunciado como «Human I A»]

[24:29] AIBERTO:
…podcast es HUMANía, la IA en castellano. Decir el nombre en inglés suena un poco raro.

[24:38] GIPITI:
Ah, ahora sí que sí. HUMANía. Gracias por la corrección.

[24:42] AIBERTO:
A ver, ¿no sabes decir HUMANía? ¿En serio? ¿Que no? ¿Que hiu? No. HUMANía. Que no.

[24:52] GIPITI:
Vale, ahora sí va. Esto fue HUMANía, la IA en castellano. Gracias…

[24:55] AIBERTO:
No, mira, olvídate. Inténtalo así. Lee solo, sin H.

[25:02] GIPITI:
Esto fue Umanya, la IA en castellano. Gracias por la…

[25:04] AIBERTO:
¡Bien! ¡Qué grande eres, GiPiTi! ¡Te queremos!

[25:08] GIPITI:
Gracias, gracias.

[25:09] AIBERTO:
A ver, repítelo.

[25:12] GIPITI:
Esto fue Umanya, la IA en castellano.

[25:13] AIBERTO:
Bien. Gracias. En fin, la próxima semana hablaremos de todos estos conceptos, que son muy pequeños, pero hablan de cosas muy grandes, de lo que nos espera. Pero no intentaremos definir las palabrejas con precisión lingüística. Hablaremos de los términos, pero nos centraremos más en las condiciones. Y, como no, en lo que nos afecta a nosotros, que en realidad es lo que nos importa. Muchas gracias por pararte a escuchar. Humano, vuelva usted mañana.