Qué es un invierno-IA y cómo evitarlo
A lo largo de su historia el desarrollo de la Inteligencia Artificial (IA) ha experimentado altibajos: momentos en los que ha recibido más atención y recursos y momentos de desilusión y estancamiento.
Estos períodos de pérdida de interés por la Inteligencia Artificial se conocen como invierno-IA ("AI-winter"). Hasta ahora se han identificado dos inviernos-IA en los últimos 50 años, y tenemos el reto de evitar un tercero.
Consecuencias de un invierno-IA
Durante los inviernos-IA la desilusión por la Inteligencia Artificial se traduce en un desinterés generalizado. Desinterés que resulta en la reducción de apoyo y financiación para su investigación y desarrollo.
En esos períodos que duran años apenas hay avances significativos. Y los pocos que hay acaban en decepción. Incluso después de un momento de gran entusiasmo, en un invierno-IA la Inteligencia Artificial desaparece de la conversación y de los medios de comunicación.
Actualmente la Inteligencia Artificial vive una explosión 'cámbrica' que algunos califican como hype e incluso burbuja. En cualquier caso estamos en un período de altas expectativas. Todo lo opuesto a un invierno-IA. Y precisamente porque es un patrón ya conocido, la pregunta es inevitable: ¿estamos a las puertas de un tercer invierno-IA?
Inviernos-IA a lo largo de la historia
Los expertos identifican dos AI-winters. Los dos después de avances notables y de momentos de euforia por parte de la industria, los medios y el público:
Imagen generada con Bing
- Primer AI-winter, finales de la década de 1970 y principios de la década de 1980: Durante este período las expectativas respecto a la Inteligencia Artificial también eran altas. Pero los avances no cumplieron con las promesas, exageradas por la ciencia-ficción. Como resultado, hubo una disminución significativa en la financiación y en el interés por la investigación y el desarrollo de la Inteligencia Artificial.
- Segundo AI-winter, finales de la década de 1980 y primera mitad de la década de 1990: Después del primer AI-winter resurgió el interés por la Inteligencia Artificial. De nuevo, las expectativas fueron mayores que los logros. La falta de avances significativos y esa diferencia entre expectativa y realidad propiciaron un nuevo período de desilusión y desinterés.
En 1996 Deep Blue, el superordenador de IBM, venció por primera vez al entonces campeón del mundo en ajedrez, Gary Kaspárov.
Factores que podrían propiciar un 'Tercer Invierno-IA'
Algunos escépticos no descartan la posibilidad de que, tras el actual periodo de altas expectativas, se produzca un tercer invierno-IA. Sobre todo porque en esta oleada entran en juego nuevas variables. Incluyendo las relativas a la privacidad, la seguridad o a la ética.
Esto es debido a que esta vez la Inteligencia Artificial no solo está encontrando aplicabilidad en las empresas, también para el público general. Es el caso de los asistentes digitales o de la Inteligencia Artificial Generativa, formas de IA muy accesibles para el usuario final.
Esta aplicabilidad generalizada de la Inteligencia Artificial debería descartar un nuevo invierno-IA, pero hay factores que podrían propiciarlo. Y el primero es el miedo.
- Miedo: a medida que la Inteligencia Artificial se vuelve más avanzada y capaz surgen temores y se propagan noticias en torno a las preocupaciones y miedos sobre su impacto en la sociedad: miedo a una IA descontrolada, a la pérdida de empleos, a la invasión de la privacidad, a la falta de transparencia... y al siempre presente escenario distópico.
Estos temores pueden generar desconfianza y escepticismo en torno a la tecnología. Pero hay más factores que pueden propiciar un tercer invierno-IA:
- Legislación restrictiva en torno a la Inteligencia Artificial: Si se implementan regulaciones excesivamente restrictivas o mal concebidas se podría dificultar la investigación y el desarrollo de la Inteligencia Artificial, limitando la innovación y el progreso.
- Escasez de datos de calidad: La Inteligencia Artificial se basa en grandes cantidades de datos, que se utilizan para entrenar y “enseñar” a los algoritmos. Si hay una falta de datos relevantes y de calidad en ciertos dominios, o si los datos no tienen en cuenta las diferencias demográficas y sociales, podría obstaculizar el desarrollo de modelos de Inteligencia Artificial de confianza.
- Limitaciones técnicas: Una potencia computacional limitada, una escasa eficiencia energética, la falta de escalabilidad de los algoritmos o fenómenos técnicos como las alucinaciones de la Inteligencia Artificial podrían ralentizar su avance.
Claves para evitar un invierno-AI
- Legislación equilibrada. Las regulaciones deben abordar las preocupaciones legítimas en torno a la Inteligencia Artificial (incluyendo las referentes a privacidad, seguridad o no-discriminación) pero sin obstaculizar su desarrollo y beneficios potenciales. La colaboración entre legisladores, expertos en Inteligencia Artificial y la industria es imprescindible para lograr ese equilibrio.
- Apoyar la formación y los avances tecnológicos. Invertir en investigación y desarrollo para impulsar avances tecnológicos significativos requiere fomentar la investigación académica y la colaboración entre industria e instituciones. También acercar esta formación también a niños y estudiantes jóvenes.
- Fomentar una Inteligencia Artificial de confianza. Es esencial abordar las preocupaciones en torno a la privacidad y la seguridad y su impacto social. Además la ética, la transparencia, la explicabilidad, junto con la responsabilidad y la gobernanza adecuada, son principios imprescindibles para evitar un AI-winter.
Aunque es difícil predecir un nuevo AI-winter, es necesario aprender del pasado y tomar medidas para mantener el progreso sostenible de la Inteligencia Artificial.
Solo de este modo podemos evitar un tercer AI-winter y aprovechar todo el potencial de progreso que nos ofrece esta tecnología.
Imagen de apertura generada con Bing.
