¿La IA nos reemplaza o nos amplía?

¿Puede pensar una máquina?

¿Alguna vez le pediste a una IA que te resuma un texto, te explique un ejercicio, te arme una imagen o te ayude con una tarea?

Capaz te sorprendió. O pensaste: “Listo, esto ya piensa”. O sentiste algo más raro: “¿Y si algún día nos reemplaza?”.

Esa pregunta parece muy actual, pero no nació con ChatGPT, ni con los celulares, ni con los videos generados por IA. La hizo Alan Turing hace más de setenta años: ¿Pueden pensar las máquinas?

Y lo increíble es que Turing se la hizo cuando las computadoras todavía no formaban parte de la vida cotidiana.

Antes de que existieran las notebooks, los smartphones, las apps, los buscadores, los videojuegos online y las inteligencias artificiales que hoy usamos casi sin darnos cuenta.

Turing no estaba mirando el futuro desde una pantalla. Lo estaba imaginando.

El matemático que ayudó a ganar una guerra

Alan Turing fue matemático, lógico y uno de los grandes padres de la informática moderna. Durante la Segunda Guerra Mundial trabajó en Bletchley Park, el centro británico donde se intentaban descifrar los mensajes secretos del ejército nazi.

Su trabajo fue decisivo para romper códigos vinculados a la máquina Enigma. Se estima que el esfuerzo de Turing y otros descifradores acortó la guerra por varios años y salvó incontables vidas.

Pero Turing no fue importante solo por la guerra. También fue clave porque pensó algo enorme: que podía existir una máquina capaz de ejecutar distintos procedimientos si se le daban las instrucciones adecuadas.

Hoy eso nos parece normal. Abrís una computadora y puede servir para escribir, jugar, editar videos, programar, hacer cálculos, escuchar música o usar inteligencia artificial.

No comprás una máquina distinta para cada cosa. Usás programas distintos dentro de una misma máquina. Esa idea tiene mucho que ver con la máquina universal de Turing, un concepto teórico que anticipó la lógica de las computadoras modernas.

Para él, una máquina universal podía representar cualquier máquina capaz de computar una función particular, algo parecido a pensar una computadora como un sistema donde pueden implementarse distintos programas.

Dicho más simple: la computadora no es inteligente porque tenga magia adentro; hace cosas porque alguien encontró la forma de convertir problemas en instrucciones.

Como se ve en la película Código Enigma la máquina Enigma, como las que el equipo de Turing trabajó para descifrar en Bletchley Park.

Programar es darle instrucciones a una máquina

Turing explicaba las computadoras digitales comparándolas con un “computador humano”: una persona que sigue reglas para hacer cálculos.

Una máquina, entonces, necesita memoria, una parte que procese operaciones y un sistema de control que siga instrucciones en cierto orden.

Por eso, una idea básica de la informática es esta: programar es darle a la máquina una tabla de instrucciones para que realice una tarea determinada.

Si querés que sume, le das instrucciones para sumar. Si querés que ordene datos, le das instrucciones para ordenar. Si querés que juegue, traduzca, clasifique imágenes o genere texto, necesitás otro tipo de instrucciones, datos, entrenamiento y modelos.

Y ahí empieza la zona más interesante. Porque una cosa es que una máquina siga reglas. Otra cosa es que pueda aprender.

El juego de imitación

Cuando Turing preguntó si las máquinas podían pensar, no se quedó atrapado en una discusión eterna sobre qué significa “pensar”.

En vez de eso, propuso un juego.

Imaginá que una persona conversa por escrito con dos interlocutores. Uno es humano. El otro es una máquina. La persona que pregunta no puede verlos ni oírlos. Solo lee respuestas. Si después de conversar no logra distinguir cuál es la máquina y cuál es el humano, ¿podríamos decir que la máquina piensa?

Ese es el famoso juego de imitación, que después se conoció como Test de Turing.

Turing plantea sustituir la pregunta “¿pueden pensar las máquinas?” por otra más concreta: qué pasa si una máquina ocupa el lugar de una persona en ese juego y logra confundir al interrogador.

Es una idea muy potente para pensar la IA actual. Porque cuando una IA responde, conversa o escribe, muchas veces no nos preguntamos qué “siente” por dentro. Nos preguntamos otra cosa: ¿lo que hizo sirve?, ¿tiene sentido?, ¿parece una respuesta humana?, ¿me ayudó a pensar mejor?

La IA no significa una sola cosa

Cuando decimos “inteligencia artificial”, parece que hablamos de un solo monstruo tecnológico. Pero no.

La IA es un campo amplio. Dentro de ella hay muchas ramas: aprendizaje automático, redes neuronales, aprendizaje profundo, IA generativa y otros modelos.

La IA generativa —la que puede producir textos, imágenes, código, música o videos— es una parte de un universo más grande.

Por ejemplo, una IA puede: reconocer si en una imagen hay un perro o un gato; detectar patrones en estudios médicos; traducir un texto; recomendar canciones; predecir tráfico; jugar ajedrez; generar una respuesta escrita; ayudar a explorar una conjetura matemática.

Pero en todos esos casos hay algo en común: datos, patrones, modelos y matemática.

La IA no salió de la nada

Eduardo Sáenz de Cabezón, matemático y divulgador español, lo explica con una idea muy clara: las matemáticas son, en gran parte, el descubrimiento de patrones.

Y eso conecta directamente con la IA.

Desde muy temprano, las máquinas intentaron mecanizar el cálculo. Sumar, multiplicar, ordenar, repetir procedimientos.

Calcular parecía una de las formas de pensamiento más fáciles de convertir en instrucciones.

Pero la IA actual va un paso más allá: no solo calcula. También puede reconocer patrones en cantidades enormes de datos.

Una IA puede mirar miles de ejemplos y ajustar sus respuestas. Puede aprender a detectar regularidades que una persona quizás no ve a simple vista.

Puede ayudarnos a probar casos, buscar ejemplos, explorar conjeturas o encontrar relaciones escondidas.

Pero ojo: eso no significa que sea una varita mágica.

Como dice Sáenz de Cabezón, la IA puede ayudarnos mucho si la dirigimos. Si le decimos qué buscar, qué probar, qué ejemplos generar, qué hipótesis explorar.

La IA no reemplaza la mirada humana. La amplifica.

La IA puede tirar centros buenísimos, pero alguien tiene que saber hacia qué arco estamos jugando.

¿La IA reemplazará a los matemáticos?

Esta pregunta aparece cada vez más. Si una IA puede demostrar teoremas, resolver problemas o encontrar caminos que a los humanos no se les ocurrieron, ¿para qué harán falta matemáticos?

Pero en realidad, no estamos ante el final de los matemáticos, sino ante una nueva tierra de oportunidades. Y algo de lo que Turing creía sobre la matemática, tal vez encierra la respuesta:

El razonamiento matemático combina intuición e ingenio.

Alan Turing

La IA generativa actual no funciona como la lógica clásica pura: trabaja con optimización y probabilidad; no deduce siempre con certeza, sino que “apuesta” con una eficacia sorprendente.

Esto cambia la forma de trabajar. Pero no elimina la necesidad humana. Porque alguien tiene que hacer las preguntas. Alguien tiene que decidir qué problema importa. Alguien tiene que interpretar si una respuesta tiene sentido. Alguien tiene que conectar un resultado con una idea, una teoría, una necesidad o una consecuencia.

El mismo texto señala que en las próximas décadas la colaboración entre humanos e IA será esencial, pero que los problemas valiosos seguirán siendo planteados por matemáticos, y que las propias IA necesitan más matemática para avanzar, no menos.

Entonces la pregunta no debería ser solamente: ¿la IA nos va a reemplazar? Lo mejor es preguntar: ¿qué podemos hacer mejor si aprendemos a usarla con inteligencia?

Calcular no es lo mismo que entender

Una calculadora puede hacer una cuenta más rápido que vos. Eso no significa que entienda el problema.

Una IA puede escribir una respuesta elegante. Eso no significa que sepa si esa respuesta es justa, verdadera, útil o peligrosa.

Ahí aparece una diferencia importante: resolver una tarea no siempre es comprenderla.

Turing ya veía parte de este problema. En su texto discute objeciones como la idea de que una máquina “solo hace lo que le mandamos” o que nunca puede producir algo nuevo. Incluso responde con una frase muy humana:

Las máquinas me sorprenden muy a menudo.

Alan Turing

Esa frase es buenísima porque rompe el estereotipo del matemático frío.

Turing no veía a las máquinas solo como cajas obedientes. Veía posibilidades. Veía preguntas. Veía futuro.

¿Se puede educar a una máquina?

Turing también imaginó algo que hoy suena increíblemente actual: en lugar de intentar construir una máquina adulta desde cero, ¿por qué no pensar en una máquina que aprenda?

Como un niño o una niña, pero en versión artificial. Una máquina que reciba entrenamiento, correcciones, premios, castigos, lenguaje e interacción.

Eso se parece mucho a lo que hoy llamamos aprendizaje automático.

No porque la máquina aprenda como una persona, sino porque mejora su desempeño a partir de ejemplos, datos y ajustes.

Cuando una IA distingue perros y gatos, alguien tuvo que mostrarle muchos perros y muchos gatos. Cuando detecta patrones médicos, alguien tuvo que entrenarla con datos. Cuando genera texto, lo hace porque fue entrenada con enormes cantidades de lenguaje.

Pero hay una diferencia enorme con los humanos.

Nosotros no solo resolvemos tareas que alguien nos da. También tenemos deseo, miedo, curiosidad, dudas, ganas de entender, necesidad de crear, impulso de preguntar.

Una IA puede responder. Pero todavía somos nosotros quienes debemos preguntarnos para qué, para quién y con qué consecuencias.

Porque la inteligencia no está solo en encontrar patrones: también está en decidir qué hacemos con ellos.