un vuelo?
Hay muchas posibilidades de que en algún momento, tal vez por vacaciones, tal vez por trabajo, lo haya hecho. En el aeropuerto, cuando entregas tu equipaje, este desaparece en el mundo oculto del manejo de equipaje. Luego, en la mayoría de los casos, su equipaje reaparece mágicamente en su destino. En realidad, no hay mucho que decir sobre esto.
Pero antes de llegar al mostrador de servicio, debes recoger tu equipaje allí. Y los aeropuertos son grandes. Si alguna vez tuviste que cruzar un centro importante como Dubai, Frankfurt, Heathrow, Estambul o Beijing mientras arrastrabas bolsas, sabes lo que se siente.
Ahora imagina hacerlo sin una maleta con ruedas.
En algún momento, a alguien se le ocurrió poner ruedas pequeñas a una maleta y añadirle un asa. Eso es todo; nada especial. No hay aprendizaje automático, ni sistemas distribuidos, ni problemas del nivel del “problema más difícil del mundo”. Sólo ruedas en una bolsa. Sin embargo, esta simple idea cambió la forma en que millones de personas se mueven por el mundo, no solo cuando vuelan.
Casi nunca pensamos en la maleta con ruedas como una “innovación”. En nuestra opinión, las innovaciones siempre parecen estar transformando el mundo, pasando de cero a uno en un instante. Pero el carrito es un invento y, como muchos otros, importante.
El problema de las bolsas con ruedas
¿Qué tiene que ver el carro con la IA? Bueno, en este momento, la IA suele ser aclamada como el ingrediente que falta para resolver los desafíos más grandes y difíciles de la humanidad.
X (la fábrica de Google) y organizaciones similares anuncian su enfoque en energías renovables, agua potable y alimentos fiables y saludables. En muchos de estos discursos, la IA se muestra como una herramienta esencial: optimizar las redes energéticas, modelar el rendimiento de los cultivos y mejorar el diagnóstico médico. Estos son objetivos nobles y no dudo de la sinceridad o profundidad técnica detrás de muchos de estos esfuerzos*.
Pero hay una brecha.
Gran parte de la narrativa de la IA vive en el ámbito de los disparos a la luna: historias espectaculares, listas para la prensa, de “esto podría cambiarlo todo”. Esto es atractivo y queremos creer en este tipo de anuncios. Basta pensar en llevar un hombre a la luna.
Sin embargo, los inventos que silenciosamente hacen avanzar a la sociedad son a menudo aquellos que constituyen mejoras mundanas y casi invisibles:
Las ruedas del equipaje La carretilla La cremallera El encendedor Enchufes estandarizados Las señales de tráfico
Son inventos aburridos, eso sí, y nadie los considera como tales. Pero también son enormes. Reducen la fricción para miles de millones de personas cada día.
La mayoría de los proyectos de IA actuales no apuntan a este nivel de utilidad aburrida. Ellos:
Optimizar experiencias que probablemente no queramos optimizar mucho más (“mejores” recomendaciones de contenido, predicción de clics en anuncios un poco más rápida), o Apuntar a enormes desafíos globales donde el impacto es real pero lento, incierto o fuertemente limitado por factores no técnicos.
Lo que falta en esta lista es el equivalente en días de IA de la bolsa con ruedas: inventos simples y confiables que día tras día eliminan la fricción para usted y para mí de maneras que apenas notamos, pero que pasarían desapercibidas de inmediato si se las quitaran.
Sobreestimar el impacto cotidiano de la IA
Para la mayoría de las personas, apuesto a que los siguientes fundamentos siguen siendo más importantes que los últimos lanzamientos de modelos de IA (incluso si pasan de 100 mil millones a 500 mil millones de parámetros):
Buenas relaciones.
Comida buena.
Un hogar seguro y estable.
Buena salud.
En la etapa actual, la IA no los mejora dramáticamente en la forma en que a veces sugiere la publicidad. No para la mayoría de la gente, y todavía no al nivel de “ruedas en una bolsa”.
Claro, los sistemas de IA pueden:
Te indicará cuándo regar tus plantas. Sugiere un nuevo vídeo de YouTube. Redacte un correo electrónico o resuma un documento.
Estos son agradables, pero en su mayoría marginales y, a menudo, requieren ajustes humanos adicionales. Básicamente, no mejoras tu vida si un modelo te recuerda que debes regar tus plantas. En su lecho de muerte, (con suerte) no pensará: “Ojalá hubiera tenido mejores recomendaciones de contenido”.
Esto no significa que la IA sea inútil. Ya es valioso en muchos flujos de trabajo, incluido el mío (¡piense en la asistencia de codificación, por ejemplo!). Pero deberíamos repensar nuestras expectativas: tales mejoras en herramientas no son lo mismo que invenciones que moldean la civilización. Y en este momento, gran parte de la atención de la IA está sesgada hacia narrativas espectaculares y lejos de las mejoras silenciosas, estructurales y aburridas.
Lo que extrañamos cuando solo perseguimos disparos a la luna
Cuando la investigación, la financiación y el talento convergen en torno a los “problemas más difíciles del mundo”, pueden suceder tres cosas:
Los problemas aburridos siguen sin resolverse. Los molestos procesos burocráticos, los flujos de trabajo hospitalarios, los servicios municipales, los problemas de accesibilidad y las peculiaridades logísticas (áreas donde las herramientas pequeñas y robustas de IA podrían eliminar el dolor diario) reciben menos atención. El potencial se confunde con la presencia. Hablamos como si el impacto transformador de la IA ya hubiera llegado por completo, cuando gran parte de él todavía está condicionado: a políticas, infraestructura**, economía y adopción. Sobreestimamos la importancia de la IA para una buena vida. Corremos el riesgo de tratar la alfabetización en IA o el entusiasmo por la IA como más importantes que las cosas básicas, humanas y fuera de línea que realmente impulsan el bienestar (como la amistad o la comida).
La metáfora del bolso con ruedas puede servir como control de cordura: si un sistema de inteligencia artificial desapareciera mañana, ¿la gente sentiría como si perdieran las ruedas de su equipaje? En algunos casos concretos***: sí. En la mayoría de los casos: no, en absoluto.
¿Qué significa esto para usted?
Para anclar esta perspectiva en su pensamiento diario, le sugiero tres formas:
1. Tenga cuidado con las afirmaciones sobre IA
Cuando vea promesas audaces de IA, que contengan afirmaciones del estilo “revolucionar”, “interrumpir”, “resolver X para siempre”, haga una rápida verificación mental:
¿Esto mejora algo concreto en la vida diaria o es más que nada una demostración? ¿El cuello de botella aquí es realmente inteligencia (que podría resolverse mediante un sistema avanzado de IA), o son políticas, incentivos, logística o infraestructura básica? Si este sistema desapareciera, ¿quién estaría realmente en peor situación y cómo?
Tenga en cuenta: no es necesario ser cínico; simplemente tenga un escepticismo bien intencionado.
2. Compare la IA con inventos aburridos y mundanos
Utilice inventos cotidianos como clase de referencia:
¿Este sistema de inteligencia artificial simplifica la vida tan claramente como, por ejemplo, encendedor versus cerillas, cremallera versus botones, maleta con ruedas versus transporte? ¿Es lo suficientemente robusto, barato y potencialmente aburrido como para que la gente confíe en él sin pensar?
Si la respuesta es “ni siquiera cerca”, trate el anuncio en consecuencia: interesante, tal vez útil, pero probablemente no reordene el mundo.
3. Al elegir sus propios proyectos de IA, considere ir en contra de las exageraciones
Si trabajas en ML o AI:
Busque problemas que no sean atractivos pero reales: programación, documentación, accesibilidad, herramientas internas, reducción de errores, controles de seguridad, formularios, facturación, enrutamiento, mantenimiento. Apunte a herramientas que la gente deje de notar porque simplemente funcionan. Optimice la confiabilidad sobre la impresionanteidad.
Pregúntese: ¿Se parece más a una maleta con ruedas o a un remolque de lanzamiento? Si es lo primero, probablemente estés en el buen camino.
Pensamientos finales
No estoy en contra de una investigación ambiciosa en IA. Sería contraproducente para mi propio trabajo. Definitivamente deberíamos explorar lo que es posible y aplicarlo a problemas difíciles. Pero también deberíamos reconocer una brecha aquí:
En este momento, la mayor parte del entusiasmo por la IA vive lejos de las silenciosas mejoras estructurales que dan forma a la vida cotidiana.
Como individuos (investigadores, ingenieros, usuarios) podemos responder manteniéndonos escépticos ante las promesas infladas, valorando mejoras mundanas pero significativas y construyendo intencionalmente herramientas que se parezcan más a un juego de ruedas en una bolsa.
Ese es el tipo de cambios que, con el tiempo, hacen avanzar al mundo.
* De hecho, detrás de tales inventos, fácilmente hay más de 10 años hasta que se produzcan mejoras notables, sin considerar los muchos hombros proverbiales sobre los que se construyen estos años. Por lo que recuerdo, David Silver comenzó a investigar el aprendizaje por refuerzo alrededor del año 2000, ¡pero pasaría una década o más hasta que oímos hablar de AlphaGo!
** Si alguna vez tuvo que implementar un modelo, sabrá que la infraestructura es realmente un punto clave. O piense en los costos de energía utilizados para entrenar estos modelos. El dinero gastado en entrenar la IA probablemente ya podría haber resuelto el problema sin necesidad de IA…
*** Principalmente trabajo, supongo. Para la interacción diaria con las personas, la IA no es necesaria.