Más allá de la geopolítica, el factor más decisivo para explicar el comportamiento de los mercados bursátiles en los últimos dos o tres años son las apuestas de los inversores sobre el potencial de la inteligencia artificial: sobre la velocidad de su difusión y, por ende, sobre las perspectivas de beneficio de las empresas que ofrecen servicios basados en IA o venden los chips necesarios para entrenar estos algoritmos.

Pero nuestra obsesión por el corto plazo nos ha hecho perder de vista una cuestión más amplia: mientras OpenAI, Elon Musk, Anthropic y DeepSeek trabajan en desarrollar una inteligencia artificial general (IAG) parecida a la mente humana, las máquinas ya nos han superado en muchas tareas específicas.

Todavía en 2016, causó sensación mundial que una IA, AlphaGo, venciera al campeón humano Lee Sedol en el juego de go —el equivalente asiático del ajedrez. Hoy en día sería impensable que un humano ganara, dado lo mucho que el algoritmo ha evolucionado.

Nello Cristianini, profesor de inteligencia artificial en la Universidad de Bath y colaborador de Appunti, ha retratado en sus libros La Scorciatoia y Macchina Sapiens (ambos publicados por Il Mulino) el ascenso de esta nueva generación de IA. Ahora publica Sovrumano. Oltre i limiti della nostra intelligenza (Il Mulino). Entrevista.

¿En qué ámbitos la inteligencia artificial ya ha superado la capacidad humana? ¿Y cómo está evolucionando?

Los seres humanos nos consideramos capaces de resolver una gran variedad de problemas, desde traducir del latín hasta diagnosticar enfermedades o inventar nuevos medicamentos. Una misma inteligencia sirve para tareas muy diversas: esto es lo que hoy se conoce como inteligencia artificial general (IAG).

Actualmente se están explorando dos grandes enfoques para alcanzar esa IAG hipotética. El primero se llama la hipótesis del escalado (scaling hypothesis): la idea de que, aumentando el tamaño de los modelos actuales, se mejorará su inteligencia general. Es una hipótesis muy respaldada, con grandes empresas invirtiendo miles de millones convencidas de que, sin cambiar la arquitectura de los modelos, bastará con ampliarlos para obtener resultados significativos.

El segundo enfoque, más reciente, se basa en el razonamiento: la capacidad de la máquina para generar razonamientos lógicos auténticos. Ambos caminos pueden resultar eficaces, tal vez incluso complementarios. No se trata de una cuestión de opiniones o especulaciones, sino de ingeniería.

¿Cómo sabemos si una máquina es más inteligente que nosotros?

Si queremos construir máquinas cada vez más inteligentes, debemos poder medir sus progresos. Si el objetivo es alcanzar cierto nivel de competencia humana, tenemos que ser capaces de determinar cuándo se ha alcanzado.

Existe una ciencia que mide la inteligencia de las máquinas —una especie de "psicometría de máquinas"— mediante baterías de pruebas sofisticadas que evalúan sus capacidades.

Con cada generación, las máquinas mejoran. Y podemos someter a los humanos a los mismos test para ver cuándo las máquinas nos igualan o superan. No son opiniones, sino mediciones objetivas y replicables.

Las empresas compiten activamente en este terreno. Las pruebas se hacen más complejas y las máquinas más competentes: están cerca del nivel humano. Ya no podemos fingir que no lo vemos.

¿Dónde estamos hoy?

Las grandes tecnológicas ya han esbozado una especie de hoja de ruta hacia la inteligencia artificial general. OpenAI, creadora de GPT, prevé cinco etapas:

• Conversacionales: máquinas capaces de interactuar mediante el lenguaje (es donde estamos ahora desde hace unos años);
• Razonadoras: sistemas con capacidad lógica (ya se están desarrollando con buenos resultados);
• Agentes: máquinas capaces de actuar autónomamente en Internet, buscar información, suscribirse a servicios, pagar facturas, todo con el fin de alcanzar un objetivo;
• Innovadoras: sistemas capaces de creación genuina o innovación real;
• Organizaciones: redes de agentes colaborando hacia fines complejos.

Actualmente estamos en la tercera fase: la de los agentes.

¿Qué consecuencias tiene que la IA ya sea “sobrehumana” en algunos ámbitos?

Tenemos que admitir que ya hemos sido superados en ciertas áreas y que en otras podríamos estarlo pronto. A partir de ahí, debemos desarrollar nuestra reflexión.

Más allá de los casos específicos en los que las máquinas nos superan (como en ajedrez), las IAs generalistas - como GPT-4 o Claude 3.7 - ofrecen mejores resultados en distintas áreas cuando se les somete a pruebas rigurosas.

Por ejemplo, en los test recientes de matemáticas o programación, suelen superar al humano medio, y en ocasiones incluso a personas muy cualificadas. A veces superan incluso a los mejores especialistas, con una ventaja de al menos un 10 % respecto a la población general, una diferencia ya bien documentada. Aprueban exámenes universitarios, diagnostican enfermedades, traducen con fluidez a casi 200 idiomas. En muchos campos igualan, compiten o superan nuestras capacidades.

Los efectos ya se dejan notar. El sector de la traducción fue uno de los primeros en verse afectado: hace poco, un traductor de lenguas raras (como lituano o portugués) podía ganarse la vida. Hoy, cualquier combinación entre 200 idiomas está cubierta con eficacia —y gratuitamente— por las máquinas.

Los radiólogos podrían ser los siguientes —las IAs ya interpretan ciertas imágenes mejor que los humanos— así como los taxistas, periodistas, profesores o médicos.

El mundo está cambiando rápidamente, y debemos prepararnos. También tendremos que hacer la IA más sostenible desde el punto de vista ambiental, con menos consumo energético y mayor cumplimiento normativo.

En el futuro, habrá que superar la dependencia actual del texto: por ahora, las máquinas aprenden del contenido textual de Internet, pero poco a poco deberán generar sus propios datos a partir del mundo real —a través de robots o vehículos— y entonces ya no podremos “ver” todo lo que aprenden. La investigación aún está lejos de terminar.

En el mundo laboral, la sensación de quedar superados que sienten hoy los traductores —al ver que las máquinas hacen su trabajo mejor— pronto podría extenderse a radiólogos, desarrolladores, médicos, docentes, periodistas, y muchos otros.

¿Qué papel queda para los humanos?

Esa pregunta me interesa tanto desde el punto de vista filosófico como práctico. Filosófico, porque es hora de detenerse y pensar: debemos identificar lo que las máquinas nunca podrán hacer. Yo lo llamo —con un poco de ironía— el “residuo”: lo que queda cuando la máquina ha hecho todo lo que puede. Ese residuo es lo propiamente humano. Y funciona también al revés: hay cosas que la máquina puede hacer y nosotros no, es también un tipo de residuo.

Descubriremos esos territorios a medida que se nos vayan haciendo inaccesibles, porque la máquina avanzará, cruzará fronteras, entrará en un mundo que ya no podremos entender. Pero también nosotros tenemos algo único: hay cosas que solo nosotros podemos hacer.

Debemos identificarlas ahora, porque ahí está nuestra identidad, nuestro empleo, nuestra ventaja competitiva. No digo que esta reflexión humanista sea fácil, pero hay que abordarla ya. No cometamos el error de despacharla con el viejo relato de que somos “imbatibles” por una razón vaga o inefable. Si conocemos esa razón, expliquémosla, porque los datos cuentan otra historia.

¿Estamos viviendo una nueva revolución industrial?

En la historia ha habido momentos similares, en los que una innovación tecnológica —como la máquina de vapor— lo cambió todo. Es cierto que la llegada de la máquina de vapor supuso una ruptura, pero las sociedades se adaptaron. Podríamos pensar que pasará lo mismo ahora.

Pero recordemos que la máquina de vapor tuvo consecuencias profundas: puso en marcha un nuevo tipo de industria, concentró trabajadores en las ciudades, provocó la migración del campo a los centros urbanos, creó un proletariado antes inexistente y de ahí surgieron el socialismo, las revoluciones. Una innovación técnica cambió la historia. Podría volver a suceder.

Ese es el tipo de innovación que puede transformar el mundo. Hay que entender que “sobrehumano” suena dramático, pero simplemente significa “más allá de los límites humanos”. No es sobrenatural ni mágico: una máquina sobrehumana es simplemente una que rinde mejor que yo.

En inteligencia, significa una máquina más inteligente que un ser humano, y eso debe abordarse con la serenidad del científico: cómo se mide, cómo se detecta, cómo se diseña, controla y contiene.

Esa, para mí, es la tarea de los investigadores en 2025.

Ver, Dove l’intelligenza artificiale ci ha già superati