Ricardo Kleinlein
25 de Noviembre, 2025
Sobre lo olvidado tras el éxito
Un recorrido por los orígenes de la Inteligencia Artificial revela sus aciertos y limitaciones como el fruto de decisiones, intuiciones y tensiones muy humanas. Las ideas excluidas hablan tanto de ello como los triunfos, pero nos ofrecen una mirada más lúcida —y más útil— sobre el presente tecnológico que habitamos.
Habíamos interrumpido nuestra narración en el momento fundacional de la Inteligencia Artificial como disciplina científica: la conferencia de Dartmouth de 1956. El anhelo de Misky y Shannon, sus principales promotores, había sido el de recrear el ambiente de las conferencias de física de Solvay (especialmente las de 1911, 1913 y 1924), que habían juntado a los grandes físicos del siglo XX y que en el imaginario colectivo representan aún hoy los más altos ideales de esfuerzo, genio, creatividad y talento científico. Por desgracia para Minsky y Shannon, Dartmouth no cumplió con las expectativas iniciales. Invitados ausentes, fechas de viaje mal coordinadas y poca predisposición al libre intercambio de ideas fueron los principales factores en su contra. Lo cual resulta llamativo, ya que la mayor parte de quienes participaron compartían una visión de la inteligencia basada en lógica y símbolos. Esto se debía al trabajo monumental tanto de Turing como de Von Neumann, ninguno de los cuales pudo asistir al evento. El primero había fallecido pocos años antes, y el segundo sufría de un cáncer en estado tan avanzado que le impedía desplazarse [1]. Pese a todo ello, Dartmouth será siempre recordado como uno de los momentos definitorios de la historia de la ciencia. A fin de cuentas, logró que la “Inteligencia Artificial” pasara de las páginas de ciencia ficción a las de los cuadernos de laboratorio.
Otro de los motivos de emplear ese término provino de la presión por diferenciarse de otras corrientes como la cibernética [2, 3], un escuela que comenzaba a asentarse y que amenazaba con acaparar rápidamente el liderazgo en la búsqueda de la noogénesis (el origen de la inteligencia). La ciencia es una actividad humana, y como tal, no es ajena a las veleidades y puntos de vista de quienes la llevan a cabo. Eso ayuda a entender por qué muchos de Ustedes nunca han oído hablar de cibernética antes, y explica también por qué su principal adalid, el norteamericano Norbert Wiener (1894 — 1964) no fue siquiera invitado a Dartmouth a exponer sus ideas. Usado con anterioridad en otros contextos, Wiener empleó el término cibernética (en referencia al vocablo griego para “gobernador”) para denotar sistemas con la facultad de regularse a sí mismos en respuesta a las condiciones cambiantes del entorno buscando mantenerse en equilibrio homeostático. En el caso más simple, un termostato actúa y puede entenderse como un sistema cibernético, regulando su acción en función de la temperatura de nuestro hogar en un momento dado para mantener una temperatura constante.
Norbert Wiener contribuyó de manera notable al esfuerzo bélico durante la Segunda Guerra Mundial, desarrollando desde el MIT junto con Julian Bigelow (1913 — 2003) mejores sistemas de defensa antiaéreos [4]. Su meta era obtener sistemas automáticos que reaccionaran en milésimas de segundo a posibles ataques, algo vital dada la velocidad y capacidad de maniobra de las aeronaves enemigas. Fue esta necesidad la que llevó a Wiener a recuperar ideas que ya circulaban desde el siglo XIX bajo el nombre de teoría de control. Ésta había surgido para describir el comportamiento de mecanismos más sencillos, como los reguladores centrífugos de las máquinas de vapor, pero en manos de Wiener iban a tomar un rumbo muy diferente. En 1948, junto con otros dos colaboradores, Wiener materializó su punto de vista en la obra Cybernetics: Or Control and Communication in the Animal and the Machine [5]. Mientras que Turing, dos años más tarde, defendería que lo importante no era medir la inteligencia, sino la capacidad de simularla, Wiener creyó haber encontrado una pieza clave para la noogénesis. Así, Wiener sugería que la esencia de lo inteligente residía en la respuesta flexible y continua a cambios en el entorno, en la danza perpetua entre un organismo —o una máquina— y el mundo que lo rodea.
«La idea de inteligencia como capacidad de respuesta a cambios en el entorno nos parece razonable a simple vista, y por un motivo muy simple»
Desde esa perspectiva, la inteligencia no era ya tan sólo un mecanismo exclusivamente humano para lidiar con problemas lógicos, sino que constituía un rasgo definitorio de la propia vida. Una bacteria desplazándose hacia una fuente de nutrientes, un ave exhibiendo su plumaje para atraer una pareja sexual, un robot obedeciendo nuestras órdenes o un simio empleando una rama para extraer alimento de un hormiguero son así manifestaciones distintas de un mismo principio: la inteligencia como posibilidad de respuesta a condiciones externas para lograr un equilibrio, ya sea para consigo mismo (alimentación, fuente de energía) o con respecto al resto del entorno en que se integra. No obstante, Wiener fue incapaz de presentar resultados de la misma calidad que sus colegas trabajando en IA simbólica [6], por lo que sus teorías fueron relegadas al olvido, y las voces que defendían sus ideas, silenciadas. Y si bien es cierto es que aunque al partir de unos principios tan poco delimitados era fácil incurrir en tautologías sin valor, esta teoría de la inteligencia abordaba el problema desde una perspectiva que la conectaba al reino natural. Su legado vive todavía hoy en conceptos como “ciberseguridad” o “ciberguerra”, donde la frontera entre la intervención de sistemas automáticos y humanos es cada día más difusa.
La idea de inteligencia como capacidad de respuesta a cambios en el entorno nos parece razonable a simple vista, y por un motivo muy simple. Nuestros cerebros han evolucionado durante millones de años para asociar a cada consecuencia una causa. Este principio, conocido como principio de causalidad, es parte integral de nuestra psique. Es el mecanismo responsable de que tengamos la tendencia a ver patrones hasta en las circunstancias más inverosímiles. La astrología (”aquel evento terrible es consecuencia de la alineación de los astros esta semana”) y el marketing (”si compras este producto, tu vida será así”) explotan este sesgo de nuestra inteligencia de una manera muy efectiva, pero la IA que usamos a diario la ignora por completo. El primero en abordar de manera científica el problema de la causalidad fue Sewall Wright (1889 — 1988), quien logró unificar así la teoría de la evolución darwiniana con la genética mendeliana [7].
Esto se debe a que el destino quiso que nuestras nociones de estadística nacieran de estudiar juegos de azar, donde cada tirada de dados era totalmente independiente de la anterior (como corrobora la correspondencia entre Blaise Pascal (1623 — 1662) y Pierre de Fermat (1607 — 1665) [8] ). Si a ello le añadimos la unión entre lógica discreta (afirmaciones y negaciones categóricas) y electrónica (donde un circuito eléctrico está o conectado o apagado, componiendo un sistema binario) llevada a cabo por Shannon, tenemos lista la receta para algunas de las mayores limitaciones de la IA actual, a saber: que son sistemas que no pueden discernir entre correlación o causalidad, y que precisan por ello de ingentes cantidades de datos para que las asociaciones cuantitativas que aparecen entre los elementos con que se entrenan se pongan de manifiesta de una manera efectiva. En otras palabras, si un modelo de lenguaje actual requiere de hectáreas completas dedicadas a centros de datos se debe, al menos en parte, a que no es capaz de entender el lenguaje; en su lugar, ha codificado la frecuencia con que ciertas palabras aparecen juntas en base a observar todo el contenido escrito disponible (a veces parece que obtenido ilegalmente) en Internet. No se sorprenda por ello si ChatGPT le presenta un texto “mediocre”. Está realizando a la perfección aquello para lo que fue programado. Queda además preguntarnos qué implicaciones tiene emplear ese contenido digitalizado para entrenar nuestros algoritmos. Y es que no sólo el acceso a los recursos informáticos es desigual en diferentes partes del mundo, sino que la mayor parte del conocimiento a lo largo de la historia de la humanidad existe de manera ni verbal, ni visual: danzas, rituales, costumbres, gastronomías, cantos tradicionales… Son una parte fundamental de nuestro tejido social que, nos guste o no, son inaccesibles para las IAs actuales [9].
El propio Minsky llegó a expresar que “en una generación, el problema de crear Inteligencia Artificial estará casi resuelto” [10]. Desde entonces y de forma consistente, expertos han vaticinado que lograríamos ese objetivo en el próximo lustro [11]. Se ha prometido que sectores enteros de la economía serían reemplazados, y que el tejido mismo que compone nuestras democracias se encuentra en peligro inminente ante el auge de sistemas más inteligentes que nosotros mismos. Y lo cierto es que esas predicciones, repetidas generación tras generación, han tendido a decir más sobre nuestros anhelos y temores que sobre el rumbo real de la tecnología. Comprender la génesis de la IA —sus entusiasmos iniciales, sus tropiezos y sus puntos ciegos— nos permite reconocer no sólo aquello que funciona, sino también aquello que hemos pasado por alto. Es, en cierto modo, una antorcha que ilumina los recovecos donde otros no se atreven a mirar, y que resulta imprescindible para entender cómo orientar nuestras decisiones en un terreno que aún estamos aprendiendo a cartografiar. Ahora sí, estamos listos para continuar nuestro camino.
Referencias
[1]: Bhattacharya, A. (2022). The man from the future: The visionary life of John von Neumann. W. W. Norton & Company.
[2]: McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (2006). A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, August 31, 1955. AI Magazine, 27(4), 12.
[3]: Nilsson, N. J. (2009). The Quest for Artificial Intelligence: A History of Ideas and Achievements. Cambridge University Press.
[4]: Wiener, N. (1964). I Am a Mathematician: The Later Life of a Prodigy. MIT Press.
[5]: Wiener, N. (1961). Cybernetics: Or control and communication in the animal and the machine (2nd ed.). MIT Press.
[6]: Dreyfus, H. L. (2012). A history of first step fallacies. Minds & Machines, 22, 87-99.
[7]: Nicholas H Barton, Sewall Wright on Evolution in Mendelian Populations and the “Shifting Balance”, Genetics, Volume 202, Issue 1, 1 January 2016, Pages 3–4
[8]: Nightingale David, F., “Games, Gods, and Gambling” (1998), Dover Publications.
[9]: Dennison, D. V. (2025, 13 de octubre). Holes in the web: Huge swathes of human knowledge are missing from the internet. By definition, generative AI is shockingly ignorant too. Aeon.
[10]: Minsky, M. L. (Ed.). (2003). Semantic information processing (reprint ed.). MIT Press.
[11]: Torres FS. When discussing the impact of AI on radiology, just remember: radiology is an infinite game. Radiol Bras. 2020 Nov-Dec;53(6):VII-VIII. doi: 10.1590/0100-3984.2020.53.6e2. PMID: 33304015; PMCID: PMC7720669.
Ricardo Kleinlein
Post-Doctoral Research Fellow. Brigham & Women’s Hospital, Harvard Medical School. Amigo Foro de Foros
Súmate a Foro de Foros
Descubre todos los beneficios de formar parte de Foro de Foros
Educational Pitch de Foro de Foros
Nuestro principal objetivo es dotar de conocimiento a la sociedad civil siendo puente para el diálogo
¿Quieres aportar a nuestra continua #Conversación?
¡Comparte tu reflexión en Ágora!
Ágora es el espacio de Foro de Foros para compartir, dialogar, aprender y dar continuidad a las conversaciones de FdF. Su objetivo es servir de altavoz a las ideas de los miembros de FdF, donde personas como tú pueden expresar sus inquietudes, ideas y reflexiones.