EL RENACIMIENTO DEL MITO DE FRANKENSTEIN

Por: Carlos Vermejo

Aún existe en el imaginario común de las personas, el personaje del monstruo Frankenstein creado por la escritora inglesa Mary Shelley en 1818, ese personaje creado con partes de cadáveres cocidas torpemente por el Doctor Víctor Frankenstein y que, con una descarga eléctrica especial captada de un pararrayos, lo vuelven a la vida y visualizado en múltiples películas de Hollywood.

Sin embargo, hoy en el mundo de la postverdad, se repiten una a una en el imaginario común, la absurda idea que efectivamente, el Dr. Frankenstein tenía razón y ahora nos encontramos en la posición de poder dar vida a un cadáver y manejar a control remoto como robots a los seres humanos como en los mejores capítulos de mi marciano favorito.

Sin duda la visión que se tenía en el género de la ciencia ficción influyó en parte en el ambiente tecnológico, sin embargo varias de sus afirmaciones se han convertido en concepciones anacrónicas y largamente superadas por la fuerza de la realidad, para nuestra desgracia algunas de esas ideas sobreviven como realidades a pesar de ser pura fantasía.

Esto nos explica que fácilmente hemos caído en el engaño del control eléctrico de las personas humanas como si fuésemos robots controlados por la supuesta señal del 5G, se han inventado nanochips, nanorouters, que leen nuestros pensamientos, monitorean nuestra fisiología y controlan nuestra conducta, no les podemos culpar, tienen un relato repitiendo algunas de estas cosas desde los años ‘60, que es la época en que se inicia la influencia hinduista oriental en nuestra cultura, la idea de que debemos estar en “armonía” con el universo y de que en la realidad somos energía en una visión panteísta de la vida, la vibración es lo que está en el espacio, la vibración es Prana y Prana es Dios, nosotros somos uno con Dios, tenemos que entrar en esa vibra, ser uno con el Universo, el error típico del panteísmo de confundir a la creatura con el creador.

Solo para precisar el estado del arte de la electrónica al día de hoy se fabrican microchips con transistores de un tamaño de 2 nanometros, aprox. 20 átomos de tamaño, para hacer un procesador de los que utilizamos, se requieren alrededor de 4 mil millones de transistores, lo que ocupa un espacio de varios milímetros imposible de entrar en una aguja, el “nanorouter” más pequeño del mundo tiene varios centímetros de tamaño, cabe mencionar que la fabricación en esos tamaños requiere muchísima energía y tecnología muy especializada, por ejemplo, no son fáciles de manipular ni de fabricar porque no se puede trabajar con la luz, esta afecta el resultado, además en esos tamaños tan pequeños, las propiedades físicas de los materiales comienzan a comportarse en forma diferente, en resumen es casi imposible reducir aún más la capacidad ya extraordinaria de estos componentes, lo que están haciendo los grandes fabricantes de chips y computadores es ir por la investigación de la computación cuántica que es diferente a la computación normal, solo podrá resolver ciertos tipos de problemas y no todos, aunque si de manera muy rápida y poderosa, para los más optimistas calculan que falta aún unos 10 años más de investigación para llegar a algo útil, y por si acaso los grandes fabricantes de chips, ninguno está viendo la viabilidad de hacer chips con grafeno o alguna de sus variantes porque la limitante sigue siendo la misma con el agravante de que un componente de grafeno no se comporta como un transistor sino como un conductor eléctrico, no reemplaza para nada al silicio.

Con respecto a esa visión hinduista del mundo, ésta ha tenido su cuarto de hora en los 70, recuerdan el hare krishna, la revolución sexual y las drogas; y parte de su influencia con la tecnología médica y el desarrollo de las pruebas de la tomografía axial computarizada (TAC) y la concepción de que el procesamiento cerebral era eléctrico, apoyando al desarrollo de la “inteligencia artificial” que venía de cierta forma con Allan Turing a manera de juego el año 1936 tomando de la ciencia ficción el concepto y redefiniéndolo creando el famoso test de Turing, el cual establecía que si se lograba comunicar con una máquina y no podíamos identificar si este era humano o no, entonces ya teníamos Inteligencia Artificial.

En 1956 el informático John McCarthy con la ayuda de Marvin Minsky y Claude Shannon. Volvieron a redefinir el concepto de inteligencia artificial en la conferencia de Dartmouth como “la ciencia e ingeniería de hacer máquinas inteligentes.” Un año después, sobre las ideas conceptuales y filosóficas del modelo de neuronas de Warren McCulloch y Walter Pitts de 1947, se desarrolla el concepto de redes neuronales de Frank Rosenblatt.

El problema de las redes neuronales es el mismo problema de los modelos, y es que no son la realidad, y cuando hay mucha distancia entre la realidad y el modelo, este termina no sirviendo para nada, las redes neuronales asumían unos cuantos “tipos” de neuronas con conexiones variables de una a cinco conexiones como máximo, hoy se sabe que las conexiones de una neurona se cuenta en el orden de los cientos de miles, el otro punto que asumía el modelo era que el procesamiento era eléctrico, hace décadas que se sabe que el procesamiento cerebral no es eléctrico sino bioquímico y a pesar de haber muchísimos avances aún no se descubre completamente todos sus misterios, finalmente solo indicar que tampoco tenemos redes de cobre en todo el cuerpo para trasmitir impulsos eléctricos.

El programa ELIZA fue el otro punto de inflexión en el desarrollo de la inteligencia artificial. Este proyecto desarrollado por Joseph Weizenbaum (1966) en el Massachussets Institute of Technology (MIT), en la realidad era un juego que consistía en identificar la oración de entrada, determinar el sujeto de la oración y con ello construir una respuesta con el pronombre correcto, por ejemplo si la oración empezaba con yo, respondías con tu, y si era nosotros, se respondía con Ustedes, luego el verbo, para esto se tenía una tabla de verbos básicos y sus conjugaciones, y se respondía con el mismo verbo y la conjugación de respuesta, luego se añadía el mismo predicado en signo de interrogación, si el verbo no se encontraba en la lista, se respondían con frases hechas que se seleccionaban aleatoriamente de una tabla, frases como, “me podrías hablar más al respecto”, “podrías decirme eso en otras palabras”, “que sientes cuando me dices esto”, etc. e incluyendo las respuestas típicas a preguntas populares como cuál es tu nombre, cuántos años tienes, como te sientes hoy día, etc.

Los siguientes años seguiría re-definiéndose constantemente el termino, donde por ejemplo se considera inteligencia artificial si un sistema puede hacer inferencias lógicas, luego si es capaz de crear sus propias reglas, luego si es capaz de crear su propio conocimiento, y claro no lo indican pero esta carrera tiene muchísimos errores y fracasos llegando a la actualidad en que existen fabricantes con tecnologías propias y donde cada uno redefine el término a su real antojo y de cierta forma se aprovechan de la imagen de ciencia ficción que persiste en la mayoría de la gente.

Y este problema de ser un término tan impreciso ha llegado a ser una babel de cosas y de tecnologías totalmente diferentes, comienza desde el origen del término, es decir cuando se crea una definición que es un objetivo, es decir, no define el cómo, ni describe en que consiste la tecnología, como si lo hacen por ejemplo un “router” que es “un dispositivo que enruta el tráfico entre dos redes”,, un “lenguaje de programación”, que es “un conjunto de algoritmos formulas e instrucciones que nos permiten resolver un problema”, o la definición de un “firewall”, que es “un dispositivo que nos permite filtrar el tráfico entre dos redes”, etc. aquí la definición en el ideario común es que es “cuando una máquina es capaz de desarrollar la inteligencia humana o más que humana”.

La babel es tan grande que se tuvo que clasificar las soluciones con tecnologías diferentes en dos rubros, la inteligencia artificial débil, que es la más basada en matemáticas y correlaciones estadísticas y que tiene un mayor uso profesional y menos magia y la inteligencia fuerte, que mayormente está basada en los algoritmos de redes neuronales y que tiene una aplicación más pequeña en la identificación de imágenes y el manejo lingüístico y ahora último como parte de los autos de manejo autónomo o con ayudas para la conducción.

En la inteligencia débil tenemos las tecnologías como Business Inteligence, Machine Learning, Sistemas Expertos, metodologías como design thinking, lenguajes de reglas como Lisp y Prolog, principalmente en el campo de la ciencia de los datos, los cuales son de campos de acción bastante amplios y con resultados positivos y bastante difundidos dentro del empleo correcto de estos sistemas.

Por el contrario, las tecnologías que emplean la inteligencia fuerte son las que tienen un campo de acción bastante específico y con mayores problemas en todo tipo de aplicación, en algunos de ellos se limita fuertemente el esquema de “aprendizaje” para poder mantener una operación esperada y predecible, sin embargo hay muchas fallas garrafales con estos sistemas, a continuación menciono algunos.

Varios fabricantes han desechado grandes proyectos de autos autónomos, debido a fallas, accidentes, problemas con los sistemas de sensores y diversos incluyendo atropellados como cuando un sistema de identificación visual no identifico una bicicleta y atropello a un ciclista, a esto se le sumo el problema moral, por ejemplo, en caso de que no exista forma de frenar a tiempo en una carretera y delante se tiene tres personas, ¿a quién atropellar? Al mayor, al hombre, al que tendría más probabilidades de sobrevivir, ¿o si muriesen tres atropellados y solo uno maneja es mejor estrellarse saliendo de la pista?, quien compraría un auto que en casos extremos asesina a su conductor.

Fallos muy similares se tuvieron por ejemplo en la guerra del golfo con el problema del fuego amigo, varios transportes del ejército (humbees) fueron destruidos por misiles provenientes del lado aliado que mal identificaron al enemigo, a raíz de esto la comunidad científica solicito no emplear la inteligencia artificial en aplicaciones militares. Lo que sucede es que se tiene varias ideas erradas sobre la inteligencia artificial, el primer mito de ellas es que no comete errores, lo que no es cierto, lo observamos cuando por ejemplo indican que un sistema de Inteligencia Artificial tiene la capacidad de diagnosticar el 95% de casos médicos en la realidad está indicando que su nivel de error es del 5%, es decir el diagnóstico puede ser errado.

Otro caso famoso de fallas en estos sistemas con autoaprendizaje es cuando una empresa famosa de software que coloco una aplicación de este tipo en línea, al cabo de dos semanas tuvieron que apagar el sistema porque se había vuelto antisemita y comenzaba a ofender a muchas personas. Este otro problema radica en la “capacidad de aprendizaje”, un sistema de Inteligencia Artificial blando que aprende, aprende también las cosas malas o en forma errada y continuamente tiene que ser corregido por intervención humana para mantener consistencia y eficacia, en el caso por ejemplo del auto autónomo, al estar expuesto a la lluvia y al barro, al ver que cuando hay parte de la visión bloqueada, si maneja por ahí no sucede nada, “aprende” que cuando se encuentra en situaciones similares sigue avanzando a pesar que detrás del barro pueda haber una bicicleta o una persona.

Otro mito muy común es cuando contamos con un garaje lleno de cosas en el fondo y no es convencional, el sistema de auto estacionamiento no funciona correctamente porque no llega a identificar las características del garaje, y ese es otro de los puntos, la gente cree que la inteligencia artificial blanda puede resolver cualquier situación, en la realidad no es así, si las condiciones de su aplicación varían lo suficiente, el sistema no ejecutara una acción adecuada.

Pero lo que si funciona mejor, es la inteligencia artificial blanda basada en correlaciones y análisis estadísticos matemáticos, como por ejemplo viendo el historial de ventas de un supermercado puede detectar un aumento de consumo de cerveza y pañales los días viernes, esto es posible debido a que existen padres jóvenes que el fin de semana hacen estas dos compras, eso permite tomar la decisión de colocar estos artículos juntos y crear ofertas el día viernes dirigidos a este segmento de mercado, o los de mayor venta y costo bajos dejarlos cerca de las cajas, sin embargo hay que tomar en cuenta que todos estos sistemas se basan en data histórica, y esto tiene una cierta validez en el corto plazo pero no muy buena en el mediano o largo plazo, por ejemplo si caminamos dos pasos en una calle hacia la izquierda en dos segundos, es muy probable que el siguiente segundo sea también a la izquierda pero si queremos predecir donde estará después de 600 segundos, téngalo por seguro que será muy poco probable que se encuentre a 600 pasos a la izquierda.

Si aún es escéptico de lo falible que es la Inteligencia Artificial, seguro que más de una vez el corrector de su celular inteligente le habrá cambiado una palabra adecuada cuando escribía un mensaje por otra que no tiene sentido y que no fue la que ingresó, pero que estadísticamente ha empleado más veces, a medida que pasa el tiempo, este problema se vuelve más pronunciado porque el sistema saca más estadísticas y hace más predicciones erradas, esto es lo que mágicamente le llaman “aprendizaje”.

Finalmente, indicar que el marketing intencionalmente no clarifica que tecnología de inteligencia artificial se ofrece para hacerle creer intencionalmente que utiliza la inteligencia artificial fuerte cuando en la realidad se emplea por ejemplo un sistema experto o una tecnología blanda basada en su estadística reciente, este tema tiene mucho más aristas porque ya tiene décadas conviviendo con nosotros y porque se emplea para sustentar el post-modernismo, la sociedad de bienestar y también es parte del credo mundialista, por lo que seguiré tratándolo en artículos siguientes, tenemos mito de Frakenstein para rato.