Ilya Sutskever, cofundador de OpenAI, duda de la capacidad de la IA: la analogía de los estudiantes que afianza su planteamiento

Pocas son las personas que hoy en día tengan dudas acerca de las posibilidades que ofrece la inteligencia artificial. Otra cosa son sus consecuencias, pero desde el punto de vista de la investigación y la evolución el panorama es de un crecimiento exponencial.

Imperfecta por el momento, sin duda, pero con un margen de actuación tan elevado que no es de extrañar que las compañías más importantes y que impulsan los principales modelos de lenguaje hablen de alcanzar la inteligencia artificial general (AGI), gran anhelo entre otros de Sam Altman, CEO de OpenAI.

Precisamente en los primeros pasos de la empresa detrás de ChatGPT estuvo presente el informático teórico israelí-canadiense Ilya Sutskever. Su formación de la mano de Geoffrey Hinton, considerado uno de los padrinos de la inteligencia artificial, le confiere un prestigio que ha reforzado con su trabajo. También por él, sus valoraciones del futuro son tenidas muy en cuenta por la comunidad.

¿Puede ser la especialización un problema para la IA?

En una de sus últimas apariciones en espacios de divulgación científica y tecnológica, Sutskever planteó una analogía con la que quiso explicar la naturaleza de la capacitación y la especialización de los modelos de inteligencia artificial y a través de la cual sugirió que un nivel extremo de especificidad es precisamente la razón por la cual la IA no logra trasladar su conocimiento a otros dominios o tareas que no ha visto en su proceso de preparación.

El espacio escogido para ello fue el pódcast de entrevistas que dirige y presenta Dwarkesh Patel, quien cuenta con más de un millón de suscriptores en su canal de YouTube gracias a sus diálogos en profundidad sobre los temas que ocupan el espectro tecnológico actual. En su charla, Ilya Sutskever comparó los modelos de inteligencia artificial con estudiantes que solo se preocupan de memorizar la materia de la que se van a examinar, pero no en comprenderla.

Para ello, se sirvió de una analogía en la que presentaba dos estudiantes de programación. El primero, centrado en dominar la materia y dedicando una ingente cantidad de horas a preparase con toda la información, problemas y algoritmos: “Resolverá todos los problemas, memorizará todas las técnicas de demostración y será muy hábil en la implementación rápida y correcta de todos los algoritmos, convirtiéndose así en uno de los mejores”, describió Sutskever.

En el lado opuesto, un estudiante que, pese a dedicar menos horas obtuvo una preparación óptima sobre la materia. Pese a esa dedicación menor y tal como planteó el experto, alcanzó un conocimiento suficiente como para afrontar esas tareas de programación: “El segundo estudiante pensó: "¡Oh, la programación competitiva es genial!". Quizás practicó 100 horas, mucho menos, y también le fue muy bien. ¿Cuál crees que le irá mejor en su carrera profesional?”, planteó como cuestión tras presentar a los protagonistas.

Adaptación frente a profundidad en una única materia

Para Sutskever, la inteligencia artificial es como ese primer estudiante, con una base de conocimiento mayor, si bien, el futuro sonreirá más al segundo estudiante por contar con una capacidad de adaptación mayor, así como un enfoque que le permita aprender y aplicar sus habilidades en otras tareas. La justificación de Ilya Sutskever para dicha opinión se basa en el entrenamiento intensivo y específico en campos concretos, lo cual puede suponer una limitación en sí mismo a la hora de mirar a otras tareas o cuestiones.

Desde el punto de vista de Sutskever, un vasto conocimiento de un área no confiere al modelo en cuestión la flexibilidad y adaptabilidad necesarias que es más factible que sí tenga el segundo estudiante. Es decir, que las limitaciones de los modelos actuales están fuera de su entrenamiento y tal vez esa especialización de la que se busca dotar a los modelos sea un arma de doble filo de cara a su potencial y capacidades.