Imaginemos a un grupo de jóvenes reunidos en un pintoresco campus universitario de Nueva Inglaterra, Estados Unidos, durante el verano norteño de 1956.
Se trata de una pequeña reunión informal, pero los hombres no están aquí para hacer fogatas y realizar caminatas por las montañas y los bosques circundantes. En cambio, estos pioneros están a punto de embarcarse en un viaje experimental que generará innumerables debates durante las próximas décadas y cambiará no solo el curso de la tecnología, sino también el de la humanidad.
Bienvenido a la Conferencia de Dartmouth, la cuna de la inteligencia artificial (IA) tal como la conocemos hoy.
Lo que sucedió aquí finalmente condujo a ChatGPT y a muchos otros tipos de IA que ahora nos ayudan a diagnosticar enfermedades, detectar fraudes, crear listas de reproducción y escribir artículos (bueno, este no). Pero también crearía algunos de los muchos problemas que el campo aún está tratando de superar. Tal vez, si miramos hacia atrás, podamos encontrar un mejor camino a seguir.
A mediados de los años 1950, el rock and roll estaba conquistando el mundo. El álbum Heartbreak Hotel de Elvis encabezaba las listas de éxitos y los adolescentes empezaban a adoptar el legado rebelde de James Dean.
Pero en 1956, en un tranquilo rincón de New Hampshire, estaba ocurriendo un tipo diferente de revolución.
La acreditación Proyecto de investigación de verano de Dartmouth sobre inteligencia artificialLa Conferencia de Dartmouth, a menudo recordada como tal, comenzó el 18 de junio y duró aproximadamente ocho semanas. Fue una iniciativa de cuatro científicos informáticos estadounidenses (John McCarthy, Marvin Minsky, Nathaniel Rochester y Claude Shannon) y reunió a algunas de las mentes más brillantes de la informática, las matemáticas y la psicología cognitiva de la época.
Estos científicos, junto con algunas de las 47 personas que invitaron, se propusieron abordar un objetivo ambicioso: crear máquinas inteligentes.
As McCarthy lo puso en la propuesta de la conferencia.Su objetivo era descubrir “cómo hacer que las máquinas utilicen el lenguaje, formen abstracciones y conceptos y resuelvan tipos de problemas que ahora están reservados a los humanos”.
La Conferencia de Dartmouth no solo acuñó el término “inteligencia artificial”, sino que fusionó todo un campo de estudio. Es como un Big Bang mítico de la IA: todo lo que sabemos sobre aprendizaje automático, redes neuronales y aprendizaje profundo tiene su origen en ese verano en New Hampshire.
Pero el legado de ese verano es complicado.
El término inteligencia artificial se impuso a otros que se propusieron o se utilizaban en ese momento. Shannon prefirió el término “estudios de autómatas”, mientras que otros dos participantes de la conferencia (y los futuros creadores del primer programa de IA), Allen Newell y Herbert Simon, siguieron utilizando el término “procesamiento complejo de información” durante algunos años más.
Pero aquí está el asunto: una vez que nos decidimos por la IA, por mucho que lo intentemos, hoy parece que no podemos evitar comparar la IA con la inteligencia humana.
Esta comparación es al mismo tiempo una bendición y una maldición.
Por un lado, nos impulsa a crear sistemas de IA que puedan igualar o superar el desempeño humano en tareas específicas. Celebramos cuando la IA supera a los humanos en juegos como el ajedrez o el Go, o cuando puede detectar el cáncer en imágenes médicas con mayor precisión que los médicos humanos.
Por otra parte, esta comparación constante conduce a conceptos erróneos.
Cuando un La computadora vence a un humano en GoEs fácil llegar a la conclusión de que las máquinas son ahora más inteligentes que nosotros en todos los aspectos, o que al menos estamos en camino de crear esa inteligencia. Pero AlphaGo no está más cerca de escribir poesía que una calculadora.
Y cuando un gran modelo de lenguaje suena humano, Empezamos a preguntarnos si es sensible..
Pero ChatGPT no está más vivo que un muñeco de ventrílocuo parlante.
Los científicos que asistieron a la Conferencia de Dartmouth se mostraron increíblemente optimistas sobre el futuro de la IA. Estaban convencidos de que podrían resolver el problema de la inteligencia artificial en un solo verano.
Este exceso de confianza ha sido un tema recurrente en el desarrollo de la IA y ha dado lugar a varios ciclos de exageración y decepción.
Simon afirmó en 1965 que “las máquinas serán capaces, dentro de 20 años, de realizar cualquier trabajo que pueda hacer un hombre”. Minsky predijo en 1967 que “dentro de una generación […] el problema de crear ‘inteligencia artificial’ estará sustancialmente resuelto”.
Futurista popular Ray Kurzweil ahora predice Faltan sólo cinco años: “aún no hemos llegado, pero llegaremos, y en 2029 será comparable a cualquier persona”.
Entonces, ¿cómo pueden los investigadores de IA, los usuarios de IA, los gobiernos, los empleadores y el público en general avanzar de una manera más equilibrada?
Un paso clave es aceptar la diferencia y la utilidad de los sistemas de máquinas. En lugar de centrarnos en la carrera hacia la “inteligencia artificial general”, podemos centrarnos en Las fortalezas únicas de los sistemas que hemos construido – por ejemplo, la enorme capacidad creativa de los modelos de imágenes.
También es importante cambiar la conversación de la automatización a la mejora. En lugar de enfrentar a los humanos contra las máquinas, centrémonos en Cómo la IA puede ayudar y aumentar las capacidades humanas.
También debemos hacer hincapié en las consideraciones éticas. Los participantes de Dartmouth no dedicaron mucho tiempo a debatir las implicaciones éticas de la IA. Hoy sabemos más y debemos hacerlo mejor.
También debemos reorientar las líneas de investigación. Hagamos hincapié en la investigación sobre la interpretabilidad y la solidez de la IA, la investigación interdisciplinaria sobre IA y exploremos nuevos paradigmas de inteligencia que no se basen en la cognición humana.
Por último, debemos gestionar nuestras expectativas sobre la IA. Claro que podemos estar entusiasmados con su potencial, pero también debemos tener expectativas realistas para evitar los ciclos de decepción del pasado.
Al recordar aquel campamento de verano de hace 68 años, podemos celebrar la visión y la ambición de los participantes de la Conferencia de Dartmouth. Su trabajo sentó las bases de la revolución de la inteligencia artificial que estamos viviendo hoy.
Al reformular nuestro enfoque de la IA (haciendo hincapié en la utilidad, la mejora, la ética y las expectativas realistas), podemos honrar el legado de Dartmouth y, al mismo tiempo, trazar un rumbo más equilibrado y beneficioso para el futuro de la IA.
Después de todo, la verdadera inteligencia no reside sólo en crear máquinas inteligentes, sino en cómo decidimos utilizarlas y desarrollarlas.
Este artículo fue republicado en La conversación bajo una licencia Creative Commons y su autor es Sandra Peter, Director de Sydney Executive Plus, Universidad de Sydney
Un marco para evaluar tecnologías digitales y relacionadas en rápido desarrollo: IA, grandes modelos de lenguaje y más
Este documento de debate proporciona el esquema de un marco inicial para informar las múltiples discusiones globales y nacionales que tienen lugar en relación con la IA.
Preparación de ecosistemas nacionales de investigación para la IA: estrategias y avances en 2024
El informe ofrece un análisis exhaustivo de la integración de la inteligencia artificial en la ciencia y la investigación en varios países. Aborda tanto los avances realizados como los desafíos enfrentados en este campo, lo que lo convierte en una lectura valiosa para líderes científicos, formuladores de políticas, profesionales de la IA y académicos.
Organizaciones científicas en la era digital
El documento de debate sintetiza los resultados de una amplia encuesta, entrevistas detalladas y estudios de casos que involucran a miembros del ISC. Sirve como un reflejo actual del estado digital en la comunidad científica y como una guía para las organizaciones que se embarcan en su transición digital.
Imagen de Billy Wilson en Flickr
Lea más sobre Unidos en la ciencia: Reinicie la acción climática
Leer más sobre Solicitud de propuestas de servicios de consultoría
Lea más sobre WorldFAIR: Continuar transformando datos para abordar desafíos complejos en un proyecto de seguimiento
