Las profesiones de la IA Generativa: de escritora a matemática, ingeniera, arquitecta y armadora

¿Qué puede hacer hoy la IA Generativa y qué podrá hacer en un futuro próximo? La Organización Internacional del Trabajo estima que las capacidades actuales de la IA podrían automatizar en torno el 5% de los trabajos y el 13% de los trabajos se realizarán apoyados por la IA. Además hay un 9% de empleos entre la automatización total y el apoyo de copilotos de IA que no está claro cómo acabarán. También habrá que tener en cuenta qué nuevas profesiones aparecerán, y cómo evolucionará el rango de tareas donde la IA puede ayudar.

Se rumorea que una de las causas que ha contribuido a la crisis de gobernanza en OpenAI fue un desacuerdo sobre los riesgos para la humanidad de un avance fundamental en el proyecto Q* que podría estar relacionado con la habilidad de la IA de manejar matemáticas. Independientemente de que esa fuera una de las causas de la diferencia en la visión sobre los peligros de la IA entre la dirección y el consejo de OpenAI, desde mi punto de vista -como aposté en una entrevista para la revista Nature en 2020-  pronto veremos avances fundamentales en la intersección de las matemáticas, la ingeniería y las redes neuronales. Una publicación científica reciente muestra cómo avanzar las matemáticas guiando la intuición de los humanos con la IA.  ¿Por qué es importante? Curiosamente, estos avances son la llave para que la utilidad de los sistemas de IA generativa evolucione de conceptualizar ideas a materializarlas en el mundo físico.

Los modelos de lenguaje, como ChatGPT, encadenan palabras con fluidez humana. No sólo predicen la siguiente palabra, como el autocorrector de WhatsApp, sino que pueden hilar hasta 20,000 palabras seguidas. Estos “loros estocásticos” o “máquinas probabilísticas” tejen ideas y conceptos como lo haríamos nosotros, los humanos, porque han descifrado el código y la mecánica del lenguaje, una herramienta de comunicación antes exclusiva de nuestra especie. Este dominio del lenguaje puede convertir a la IA generativa en una escritora de éxito o una “vende motos”. Estas herramientas no sólo pueden crear imágenes siguiendo las descripciones que salen de nuestra imaginación, sino que también pueden escribir guiones de series escritas solo para ti que te harían ver capítulo tras capítulo desde ahora hasta el fin de tus días. Pero, ¿qué es lo que no pueden hacer los modelos de lenguaje?

El extremo opuesto de los modelos de lenguaje creados con redes neuronales artificiales son las ecuaciones matemáticas. La ley de la gravedad, e=mc² o las ecuaciones de Maxwell. Conceptos abstractos que explican el funcionamiento del universo -es imposible decir más con menos-, representando la antítesis de una red neuronal de trillones de nodos, que puede crear “alucinaciones” hilando secuencias de miles de palabras que nunca volverá a repetir. Mientras que en matemáticas “1” siempre será igual a “1”, las redes neuronales operan de manera probabilística, a veces acertando pero otras errando. Como experimento, pregúntale a ChatGPT cuántas palabras tendrá su próxima respuesta. No acertará, porque su proceso se centra en la próxima palabra, no en el conjunto. Los modelos de lenguaje pueden ver una hilera infinita de árboles, pero no pueden ver la forma del bosque en su conjunto. Hoy en día, los modelos de lenguaje y la IA generativa no pueden inventar ecuaciones que describan el mundo que les rodea.

En los últimos años hemos visto ejemplos de modelos de IA con conocimientos muy específicos: como predecir la estructura tridimensional de las proteínas en función de una cadena de aminoácidos, encontrar moléculas que podrían usarse como armas biológicas o predecir la lluvia en las siguientes 24h. Sistemas expertos con capacidades sin igual, aunque no poseen la capacidad de generalizar y resolver otros retos. Si la IA pudiera manejar conceptos de matemáticas formales de manera genérica y a escala, daría un salto cualitativo. Significaría que la IA podría aprender arquitectura e ingeniería, incluyendo las leyes de la física, las propiedades de la materia o las reacciones químicas en su contexto operativo. Hace una semana le pedí a Dall-E que me diseñara varios aviones inspirados en pájaros. Mis amigos aeronáuticos me dijeron que ninguno de esos aviones despegaría. Imagina una IA que diseñe aviones cuyas alas respeten las leyes de la aerodinámica, que cree un barco que realmente pueda flotar y resistir tormentas, que optimice todas las geometrías posibles de las palas de un molino de viento, que me diga cien maneras de amueblar mi casa o es cuántos pedazos se rompería un vaso que se me cayese al suelo. Si se conecta esta IA a un brazo robótico capaz de moldear arcilla, el diseño creado por la IA artesana podría tomar forma en el mundo real ya que respetaría todas las leyes de la física y las condiciones del taller. Los modelos de IA generativa como chatGPT van a pasar de ser escritores, burócratas y consultores a convertirse en arquitectos, ingenieros, y armadores. 

¿Cuál será su impacto? No creo que los riesgos aumenten de manera cualitativa, ni que incremente sustancialmente la probabilidad de que una superinteligencia artificial extinga a la humanidad de manera unilateral. Y por supuesto tenemos delante problemas que hay que resolver de manera inminente que se harían más acuciantes: desinformación, sesgos, desigualdad, concentración de poder… Sin embargo, la IA generativa con capacidades matemáticas revolucionaría la ciencia y la ingeniería, abriendo nuevas fronteras para el conocimiento y el desarrollo industrial. Esto tiene unas implicaciones obvias a corto plazo en las estrategias de industria e innovación de países y compañías. Y sin duda aceleraría aún más los cambios sociales y económicos provocados por el tsunami de la IA.