La chispa que encendió a la máquina: origen y huella de la Inteligencia Artificial

Hay preguntas que parecen inocentes y terminan cambiando el rumbo del mundo. Una de ellas la formuló, en 1950, un matemático inglés llamado Alan Turing: ¿puede pensar una máquina? No la respondió con certeza —nadie podía—, pero propuso algo más útil: una forma de ponerla a prueba. Si un humano conversaba con una máquina y no lograba distinguirla de otra persona, esa máquina merecía llamarse inteligente. Turing publicó su artículo «Maquinaria e inteligencia informática», donde formuló esa pregunta clave, y propuso el experimento que pasó a conocerse como «test de Turing», destinado a probar si una máquina podía mostrar un comportamiento inteligente equivalente al de un ser humano. argentina

Turing no vivió para ver bautizado el campo que había ayudado a imaginar. Murió en 1954. Dos años después, en el verano de 1956, un grupo de investigadores se reunió en el Dartmouth College, en Estados Unidos, convocados por un joven matemático llamado John McCarthy. La propuesta de ese encuentro había sido elaborada en 1955 por John McCarthy, Marvin Minsky, Nathaniel Rochester y Claude Shannon, quienes plantearon que las características de la inteligencia podían describirse con suficiente precisión como para que una máquina pudiera simularlas. Fue McCarthy quien le puso nombre a esa idea todavía informe: inteligencia artificial. Así nació, oficialmente, un campo que hoy nos acompaña —o nos persigue— en cada bolsillo. scribd

Vale la pena anotar algo que suele olvidarse en las crónicas apresuradas: la IA no la inventó una sola persona ni un solo instante de lucidez. Nació de la combinación de varias disciplinas: matemáticas, lógica, psicología, lingüística y hasta filosofía, tejidas por manos que no siempre se conocieron entre sí. scribd

El optimismo, la desilusión y el renacer

Los pioneros de Dartmouth creían que en pocos años las máquinas razonarían como personas. Se equivocaron por décadas. En esa conferencia se hicieron previsiones triunfalistas a diez años que nunca se cumplieron, lo que provocó el abandono casi total de las investigaciones durante quince años —el episodio que los historiadores llaman «el invierno de la IA». La ciencia, como la vida en el campo, tiene sus sequías.

El deshielo llegó con los datos masivos y la potencia de cálculo del nuevo siglo. En marzo de 2016, en Seúl, un programa llamado AlphaGo, de la empresa DeepMind, se sentó frente al campeón surcoreano Lee Sedol para jugar Go, un juego milenario que se creía demasiado intuitivo para una máquina. La ganó. El hecho conmovió a Corea y al mundo entero, y se convirtió en un símbolo: la IA ya no imitaba reglas, aprendía por sí misma.

Los aportes que asombran

Aquí es donde la crónica se vuelve esperanzadora. En 2020, el sistema AlphaFold, también de DeepMind, resolvió un enigma que había desvelado a la biología durante medio siglo: predecir la forma tridimensional de una proteína a partir de su secuencia genética. AlphaFold fue desarrollado en 2018 y terminó recibiendo el Premio Nobel de Química en 2024, por ofrecer una solución mayormente exacta al reto de predecir estructuras proteicas. Ese logro, silencioso para el público de a pie, hoy acelera el diseño de medicamentos y la comprensión de enfermedades que antes tomaban años descifrar. clemson

No es el único caso. La misma familia de tecnologías hoy ayuda a leer radiografías con más precisión que el ojo cansado de un turno médico extenso, a traducir idiomas en tiempo real, a predecir cultivos y sequías. Son los aportes que uno quisiera contar primero, porque devuelven algo de fe en el oficio humano de crear herramientas.

Las amenazas que no se pueden callar

Pero toda crónica honesta debe mirar también la sombra. La noche del 18 de marzo de 2018, en Tempe, Arizona, un vehículo autónomo de prueba de Uber atropelló y mató a una peatona, Elaine Herzberg, mientras cruzaba la calle. Fue la primera muerte conocida de un peatón relacionada con un vehículo autónomo en una vía pública. Uber descubrió que su software había decidido no tomar ninguna acción después de que los sensores del auto detectaran a la peatona, y el informe de las autoridades reveló que el sistema automático de frenado de emergencia del vehículo estaba desactivado en modo autónomo. La empresa suspendió sus pruebas; el episodio quedó como advertencia de que la máquina puede ver y, aun así, no actuar a tiempo. incidentdatabase

Otra sombra, menos visible pero igual de dañina, se cuela en la letra pequeña de los algoritmos que deciden por nosotros. En Estados Unidos, un software llamado COMPAS se usaba para calcular el riesgo de reincidencia de personas acusadas de delitos, y ayudaba a los jueces a fijar condenas. Una investigación de ProPublica, en 2016, reveló la posibilidad de sesgos raciales en ese algoritmo, que tendía a calificar como más riesgosas a personas afroamericanas aunque su historial fuera igual o menor que el de personas blancas. La máquina no nació racista: aprendió del archivo desigual de un sistema judicial que ya lo era. filoara

Amazon vivió su propia versión del mismo tropiezo: construyó un sistema para filtrar hojas de vida que, entrenado con una década de contrataciones mayoritariamente masculinas en cargos técnicos, aprendió a penalizar currículos que mencionaran palabras asociadas a mujeres. La empresa terminó por retirarlo.

Lo que queda para pensar

Setenta años separan la pregunta de Turing de los algoritmos que hoy escriben, diagnostican y deciden. En ese trayecto la inteligencia artificial nos ha regalado curas más rápidas y nos ha quitado, a veces, la certeza de que una decisión importante fue tomada con justicia. Ese es el filo con el que convivimos: una herramienta tan capaz de salvar una vida como de no frenar a tiempo.

Quizás la pregunta de Turing merece una versión campesina, más nuestra: no si la máquina piensa, sino si quienes la construyen piensan lo suficiente en las consecuencias antes de soltarla al mundo.

¿Y tú, qué le confías hoy a una máquina que antes solo le confiabas a otra persona?