La idea de la inteligencia artificial general (IAG) como el «último invento» que la humanidad necesita ha cobrado fuerza en las últimas décadas, especialmente desde que el matemático y criptógrafo I. J. Good planteó su famoso experimento mental en la década de 1960. Good sugirió que una «máquina ultrainteligente» podría diseñar máquinas aún más avanzadas, generando una explosión de inteligencia que superaría a la cognición humana. Hoy, esta visión ha dejado de ser solo ciencia ficción y se ha convertido en el objetivo de instituciones como Google DeepMind, donde su director, Demis Hassabis, habla de «resolver la inteligencia» para abordar todos los demás problemas.
Sin embargo, la premisa de que la IAG pueda sustituir completamente al ser humano se basa en varios supuestos cuestionables. El primero es que la innovación avanza de manera lineal y sin obstáculos, lo cual no es cierto. En realidad, el proceso de descubrimiento es más comparable a una cadena, donde la fortaleza de cada eslabón determina el éxito del conjunto. Un ejemplo claro de esta fragilidad es el desastre del transbordador espacial Challenger en 1986, que se desintegró debido a un fallo en una pequeña junta de goma, como expuso el físico Richard Feynman en las audiencias sobre el accidente.
A pesar de que la IAG tiene el potencial de acelerar la investigación médica y otros campos, su eficacia está condicionada por su capacidad para gestionar ensayos clínicos y obtener aprobaciones regulatorias. Si estos aspectos no se dominan, el avance tecnológico no se traduce en mejoras prácticas para la vida humana. A medida que se automatizan las primeras fases del descubrimiento, el papel del ser humano no desaparece; se desplaza hacia los cuellos de botella restantes, donde el criterio, el conocimiento práctico y la experiencia son cruciales.
Además, la IAG tendría que superar no solo a los humanos, sino a los humanos que utilizan la IAG. Esto plantea un dilema: para que la IAG sea considerada el «último invento», sería necesario que los seres humanos se convirtieran en prescindibles, incluso en su función como supervisores. La inteligencia no es simplemente una cuestión de cantidad; «más» no reemplaza a «menos». Una IAG, por muy avanzada que sea, podría mostrar debilidades en situaciones poco comunes, donde la intervención humana puede ser decisiva.
El juego de Go ofrece un ejemplo pertinente. Tras la victoria de AlphaGo, desarrollado por Google DeepMind, sobre el campeón Lee Sedol en 2016, parecía que la superioridad de la IA estaba asegurada. Sin embargo, en 2023, se demostró que un aficionado humano, al llevar a los mejores motores de ajedrez a situaciones inusuales, podía derrotar a los mejores programas. Esto sugiere que las apariencias pueden ocultar debilidades sistémicas, y es precisamente en esos puntos donde la intervención humana proporciona un valor añadido.
Otro problema relevante es la propia naturaleza del conocimiento. La idea del «último invento» asume que toda la información necesaria puede ser codificada, lo cual no siempre es así. Un ejemplo histórico es el Ford T, que revolucionó la industria automovilística no solo por su diseño, sino por la forma en que organizó la producción. Delegaciones de diversos países viajaron a estudiar las fábricas de Ford, dado que el conocimiento esencial no se podía extraer de un plano, sino que estaba integrado en las rutinas de trabajo.
De manera similar, el sistema de producción ajustada de Toyota es difícil de replicar debido a su integración en la cultura y las prácticas humanas. La mayor inteligencia no resuelve automáticamente el «problema del conocimiento», que se basa en información dispersa y a menudo tácita. Si el conocimiento fuera fácilmente transferible, las industrias no se concentrarían en lugares específicos como Silicon Valley o la City de Londres.
Los entusiastas de la IA podrían proponer la instalación de sensores y cámaras para registrar el conocimiento humano. Sin embargo, esta estrategia ignora las complejidades de la comunicación humana y las barreras legales, como el Reglamento General de Protección de Datos de la Unión Europea, que limita la recopilación masiva de datos.
En última instancia, la IAG podría automatizar ciertos aspectos de la inteligencia, pero la invención y su implementación requieren algo más. Lo complicado no es encontrar una solución, sino hacerla viable en el mundo real. Se necesita conocimiento local, confianza y capacidad institucional para que algo funcione de manera fiable. A medida que la inteligencia se haga más accesible, cambiarán los activos de mayor valor, y la ventaja recaerá en aquellos que puedan generar resultados tangibles.
La noción de que la IAG representará «el último invento de la humanidad» es, por tanto, una afirmación exagerada. Para que esto ocurra, tendría que existir un mundo donde los conocimientos prácticos sean completamente transferibles a través de canales digitales y donde la responsabilidad pueda ser automatizada junto con la cognición, algo que claramente no es el caso en la actualidad. En lugar de volverse prescindibles, los humanos están adquiriendo un papel cada vez más crucial como los cuellos de botella más decisivos en el desarrollo de la inteligencia artificial y su aplicación práctica.
