“Yo nunca he trabajado en inteligencia artificial”. Así empezó una entrevista que tenía todas las papeletas para hacer aguas. Tenía delante a Michael I. Jordan, uno de los mayores expertos del mundo en inteligencia artificial y yo acababa de hacerle una pregunta de contexto, de esas que lanzamos para romper el hielo y preparar el terreno: “¿Podrías resumir tus principales contribuciones al campo de la IA?”. La respuesta me descolocó y en una fracción de segundo repasé mentalmente el dosier que había preparado la Fundación BBVA. Michael I. Jordan había sido premiado con el premio Fronteras del Conocimiento en Tecnologías de la Información y la Comunicación.

En aquel dosier, a pocos centímetros de su fotografía, en la página 39, rezaba “el trabajo de Jordan proporcionó algoritmos clave para que los ordenadores realicen predicciones precisas a partir de grandes conjuntos de datos, impulsando el desarrollo de modelos de inteligencia artificial generativa”. Y, un par de páginas más adelante añadía que “Jordan se planteó cómo multiplicar las posibilidades del aprendizaje automático, ejecutando los programas en cientos o miles de ordenadores en lugar de en uno solo. Los algoritmos que desarrolló […] condujeron a la creación de la empresa Anyscale, cuya plataforma Ray sirve de base a modelos de lenguaje como Chat-GPT”. Y, sin embargo, en la habitación todavía resonaban aquellas primeras palabras “nunca he trabajado en inteligencia artificial”.

El aprendizaje automático

Los segundos parecieron eternos, pero posiblemente solo pasaron cinco hasta que Jordan volvió a romper el silencio. “Esa no es una palabra que usáramos en nuestro campo; nosotros hablábamos de aprendizaje automático. ‘Inteligencia artificial’ de los años 50 y se enfocaba más en el razonamiento lógico, la planificación y tratar explícitamente de imitar a los humanos”. Volví a respirar y apacigüé las inseguridades que sus primeras palabras había disparado en mí, un médico intruso en el mundo del periodismo. “Era otro campo con promesas exageradas. Crearon mucha expectación y no cumplieron sus metas. En cambio, el aprendizaje automático siempre ha sido pragmático, y sus métodos funcionan en el mundo real”. En realidad, no es la primera vez que escuchaba a un experto revindicar el mal uso del término “inteligencia artificial”. De hecho, es una crítica frecuente entre los matemáticos y, como matemático que es Jordan, abanderaba la causa hasta la última coma.

“Los que trabajábamos en aprendizaje automático estábamos investigando un campo muy cercano a la estadística, orientado al análisis de datos a gran escala y usado para resolver problemas globales. Ese era nuestro enfoque y, con los años, empezamos a lograr mejores resultados. Ya hace unos 20 o 30 años que usamos el aprendizaje automático para cosas como el triaje en hospitales, la gestión de cadenas de suministro en grandes empresas, o la detección de fraudes o suplantación de identidad. Todo eso se hacía con aprendizaje automático, no la IA”. Pero, si antes teníamos tan clara la diferencia… ¿cómo hemos terminado llamándole IA a lo que antes se llamaba “aprendizaje automático?”. La respuesta es una mezcla de éxito y mercadotecnia.

Necromancia etimológica

Jordan se detuvo para dar un sorbo al té y, tal vez, pensar en tiempos más sencillos en los que solo hablaban de la IA quienes sabían de lo que estaban hablando. “Hace unos cinco años comenzamos a aplicar la misma metodología al lenguaje natural, al texto. Las computadoras eran aún más rápidas, pero básicamente usábamos los mismos algoritmos del antiguo machine learning. La diferencia es que había una cantidad inmensa de texto en la web y lo que hacen estos modelos de lenguaje es predecir la siguiente palabra en una oración, dada toda la secuencia anterior”.

Cuantos más ejemplos tengan, más fácil es encontrar esas tendencias y eso se sumó a algoritmos más eficientes y mayor poder de cómputo. “Antes solo se podía mirar las últimas diez palabras para predecir la siguiente”, añadió Jordan. “¡Ahora se pueden considerar las últimas diez mil! La predicción es tan buena que las respuestas de estos modelos parecen lenguaje humano real, pero sigue siendo solo aprendizaje automático. Sin embargo, algunas empresas que estaban ganando mucho dinero con esto y sintieron la necesidad de decir que estaban haciendo algo más grande que ‘solo’ análisis de datos y predicción. Así que resucitaron el término ‘IA’”.

Al pan pan

“Los viejos investigadores que llevaban años en la IA estaban felices, porque la palabra volvía a estar en el centro, pero quienes veníamos del aprendizaje automático sabíamos que eso distorsionaría el diálogo… y así ha sido. Todo el mundo empezó a hablar de robots asesinos y barbaridades parecidas. Y por eso no leo lo que dicen los medios de comunicación sobre la IA. La mayoría de los periódicos no entienden bien de lo que están hablando”. Jordan me miró, como preguntándome si era parte del problema o de la solución, y continuó.

“No quiero proyectar la imagen equivocada, me han sorprendido mucho los nuevos modelos de lenguaje natural, pero lo que hacen sigue siendo análisis de datos a gran escala, no son las IAs que perseguían antaño. Y yo entiendo que sea más “sexy” usar el término IA que ‘aprendizaje automático’, pero no creo que eso una buena idea. Ya había suficiente financiación e interés; siempre tenía muchos estudiantes. Lo que ha hecho este cambio es atraer a voces mediáticas, pero poco expertas y, con ellas, ha llegado demasiado dinero y atención”. Porque las tecnologías crecen guiadas por unos propósitos que cambian bajo la luz de los focos. Desde el primer bifaz de sílex hasta el presente se extienden incontables caminos, algunos que nos llevan al bisturí y, otros, que terminan en bayonetas.

Tal vez por eso, la polémica del nombre sea mucho más que una batalla terminológica. Una batalla que el propio Jordan da por perdida. “Es demasiado tarde para cambiar la narrativa. Todo el mundo quiere utilizarla, ya sea como una herramienta o para construir un negocio a su alrededor y da igual lo que digamos, porque ahora el término ‘IA’ ya está en manos de empresas, gobiernos, y el dinero”. Ahora que la historia de éxito de las IAs se ha aquilatado en la cultura pop, ahora que los focos están mutando sus propósitos, la batalla que nos queda por librar es otra.

Ya no hay freno, pero sí legislación

“La velocidad de avance en este campo es inusualmente alta. En otras áreas como la biotecnología, el crecimiento es más lento porque necesitas experimentar en el mundo real. Aquí solo necesitas datos”. Y, si hay algo que sobra en la era de internet, son los datos. Decía Asimov que la humanidad gana conocimiento mucho más rápido que sabiduría y, con esas palabras resonando en la sala, le pregunté si acaso era posible frenar el avance mientras la humanidad nos poníamos al día.

Apenas nos quedaban unos minutos de entrevista y Jordan recuperó el mismo tipo de discurso expeditivo con el que me había dado la bienvenida: “Las moratorias son imposibles”, sentenció. “Hace unos años se intentó y había mucha hipocresía, solo se beneficiaron que ya estaban en la cabeza del aprendizaje automático. La solución es doble. Por un lado, hace falta educación y, por otro, el marco legal tiene que ponerse al día. Ya tenemos leyes que asignan responsabilidades a quienes toman decisiones y que hacen afirmaciones. Eso puede aplicarse también a este problema asignar responsabilidades, pero para eso necesitamos colaboración entre juristas y expertos en tecnología.”

Durante la entrevista había tenido el honor de hablar con uno de los mayores expertos en lo que otros mal-llamamos “IA” pero, sobre todo, había podido ver sus gestos, captar su entonación y sentir en propia carne un discurso cargado de emocionalidad. No hablaba de un campo frío plagado de números y matrices, hablaba del trabajo de equipos humanos, del impacto que tenía en la sociedad y de cómo, algunas personas, se beneficiaban de una situación convulsa. “Yo no quiero que la ‘IA’ sustituya al ser humano”, añadió Jordan justo antes de parar mi grabadora, “trabajo para que sea una herramienta con la que colaborar”.

QUE NO TE LA CUELEN:

• Las discusiones semánticas son mucho más que una cuestión de etiquetas. Para Wittgenstein la definición de las palabras es tan solo una convención y, por lo tanto, no habría ningún problema si mañana decidiéramos llamarle al aprendizaje automático “cianuro” mientras, por supuesto, todos le llamáramos igual y pudiéramos asegurar una buena comprensión. Sin embargo, las palabras tienen una carga histórica y etimológica que no siempre podemos desechar. El cianuro es una sustancia altamente tóxica y la inteligencia una cualidad psicológica con una infinidad de implicaciones.

REFERENCIAS (MLA):

• Fundación BBVA. Premio Fronteras del Conocimiento en Tecnologías de la Información y la Comunicación, XVII Edición. Premios Fronteras del Conocimiento, 21 feb. 2025, www.premiosfronterasdelconocimiento.es/noticias/premio-fronteras-del-conocimiento-xvii-edicion-tecnologias-informacion-comunicacion/. Accedido el 19 de junio de 2025.

Fundación BBVA. Michael I. Jordan. Premios Fronteras del Conocimiento, www.premiosfronterasdelconocimiento.es/galardonados/michael-i-jordan/. Accedido el 19 de junio de 2025.