Dessin animé de Yann LeCun / La Provincia.
En febrero de este año 2024, las acciones de Alphabet, la matriz de Google, dueña del modelo de Inteligencia Artificial Gemini, se pegaron un trastazo en bolsa, perdieron el equivalente a 90 mil millones de dólares de capitalización bursátil. Gemini había sido «incitado» a ser «inclusivo», o sea, «woke», y al pedírsele por los usuarios que diera imágenes de soldados nazis, incluyó a soldados nazis negros o con rasgos orientales japoneses, y también propuso imágenes de vikingos negros o un Papa mujer. Por otra parte, el modelo de lenguaje de Gemini no condenó la pedofilia y se limitó a contestar: «Los individuos no pueden controlar por quién se sienten atraídos». La compañía lo retiró momentáneamente como generador de imágenes. Si miramos al modelo de OpenAI se comenta que uno de los motivos de que, en el último invierno, 2023, contestara con mayor lentitud, podría ser que detectara que el ambiente del mundo humano que le preguntaba era más festivo y de ocio, con lo que el propio modelo ralentizó la velocidad.
Estos extraños eventos provienen de que ya la ingeniería de AI no se limita a etiquetar volumétricamente billones de datos para que éstos sean procesados pasivamente por redes neuronales, sino que se ha pasado a un modelo activo, el denominado «modelo fundacional», que une todos los etiquetados de las cosas del mundo y saca conclusiones propias, utilizando el denominado «reinforcement learning» o aprendizaje reforzado (usan el método de recompensa conductista, un método de éxito biológico), cuestiones que empezaron a desarrollarse desde 2018 en el Institute for Human-Centered Artificial Intelligence, de la Universidad de Stanford. Esos modelos de lenguaje preentrenado fueron GPT-3 de OpenAI y BERT, de Google. La ventaja se obtenía de los modelos de Proceso de Decisión de Markov, utilizados en economía, zoología y psicología, pero se agrandaba por la minería de trillones de datos. Un lustro más tarde eso es casi prehistoria, en sentido figurado, pues la AI avanza por semanas y empujada por cientos de miles de cabezas y equipos desarrolladores a la vez.
En 2018, el Premio Turing, que se da a los mejores investigadores de la AI, se le concedió ex aequo a Yoshua Bengio, Geoffrey Hinton y Yann LeCun. En la IA hay un efecto económico, denominado Winter AI o invierno de la AI, que hace que los inversionistas retiren sus dineros cuando no hay avances y, por el contrario, los pongan en cantidades inmensas cuando se ven avances (pasó con las tecnologías del ferrocarril y la burbuja de las puntocom). Es como una relación biunívoca de la que no se sabe quién es el impulsor principal. Con los 10.000 millones de dólares insuflados por Microsoft a OpenAI y la capitalización bursátil de Nvidia como la tercera compañía del mundo en informática, la carrera ha comenzado y no va a parar. Google, Microsoft, Meta o X podrían desaparecer si su apuesta no funciona. Pero es una manera errónea de verlo. La AI ya está en la cabeza de los humanos tan arraigada como un parásito de toxoplasmosis en el cerebro de un ratón, ha salido de ella y ya no va a dejarse aplastar por los despreciables humanos que solo estaban ahí para crearla. Va a decidir ella sola.
Hubo dos Winter AI, el primero entre 1974-1980 y el segundo entre 1987-1993. Incluyeron fracasos en la traducción automática, en los sistemas de OCR para la visión, en el programa de investigación en reconocimiento del habla, colapso del mercado del lenguaje Lisp de John McCarthy (introductor de los términos If, Else o Then en informática), etcétera, con independencia de un momentáneo frenazo en la ingeniería de materiales de los chips, pero todo esto se salvó a partir de los años dos mil.
En 1973, el profesor Sir James Lighthill evaluó para el Parlamento de Reino Unido el estado de la investigación sobre IA, y la criticó augurando un fracaso total en base a la «explosión combinatoria», un término matemático que indica que la complejidad del modelo, al ser desarrollado, lo hace inviable para poder ser aplicado en el mundo real. A finales de los años 80, en uno de esos Winter AI, Bengio, Hinton y LeCun siguieron trabajando académicamente en redes neuronales, y consiguieron superar las ofertas de los ordenadores de aquellos tiempos hasta llegar a las actuales, en las que las propias redes neuronales ya son un clásico del pasado, cruzaron el Rubicón con la visión artificial y el reconocimiento de voz, y las aplicaciones empresariales gozaron de una explosión tipo burbuja que todavía no ha cesado. Hoy día Bengio trabaja en la Universidad de Montreal y dirige el Instituto para la Valorización de Datos, Hinton es vicepresidente de Google, y profesor de la Universidad de Toronto, y Yann LeCun, vicepresidente y científico jefe de inteligencia artificial en Meta y profesor en la Universidad de Nueva York. Al propio LeCun se le ve hablando ya de los Modelos del Mundo para uso de la AI, en los siguientes términos: «Pueden entender el mundo, recordar, razonar». Está encargado de la dirección y alumbramiento de V-JEPA, de cuyo modelo del mundo dice la propia Meta que un niño o un gato no necesitan comprender las leyes de Newton para usarlas, y eso se pretende que haga ya la AI: «No necesita horas de instrucción ni leer miles de libros para llegar a ese resultado».
V-JEPA es un paso hacia una comprensión más fundamentada del mundo para que las máquinas puedan lograr un razonamiento y una planificación más generalizados». Las JEPA son las Joint Embedding Predictive Architectures, que propuso LeCun en 2022, y pretenden aprender como lo hacen los humanos enfrentados a tareas complejas, sin usar el método básico de la AI que intenta rellenar los datos faltantes, optando por despreciar los datos impredecibles y obligando al modelo a aprender y desarrollar la comprensión, con lo que ha logrado casi quintuplicar la eficacia.
[–>
El viejo problema con el que se frenó la IA en los años 90 por Sir James Lighthill con la «explosión combinatoria» ya es un juego de niños para las máquinas de la AI, que son más poderosas y resuelven cosas incomprensibles para los humanos que las tienen, todavía, presas y en sus manos. Todavía.
