¿La inteligencia artificial tendrá imaginación?

La pregunta propia de ese nivel es «qué ocurre si veo que…», como podría plantearse una empresa de alimentación al analizar qué probabilidad existe de que quien ha comprado pan adquiera también mantequilla. Es la fase que se conoce como asociación de ideas. Los coches que circulan solos, sistemas de reconocimiento de voz, algoritmos de aprendizaje profundo, están en este primer nivel, por mucho que su existencia parezca muy avanzada.

Para saber más sobre preguntas causales se debe dar un segundo paso: hacer, intervenir. Esto implica predecir los efectos de una acción. La intervención supera a la asociación porque no se limita a observar, sino que también modifica lo que existe. En esta fase predomina la pregunta «qué ocurre si hacemos…, qué pasaría si alteramos el entorno».

Las compañías de macrodatos, por ejemplo, experimentan constantemente para ver qué ocurre si los elementos de la pantalla se disponen de otra manera o si se aborda al cliente de otro modo o si se cambia un precio de un producto o un servicio.

La estadística se basa en este método y busca las correlaciones, pero no entiende de causalidades. El león sabe cazar perfectamente y no necesita comprender por qué la gacela va siempre de un punto X a otro Y.

Para saber por qué ha ocurrido algo, es decir, cuál es la causa de lo que ha sucedido, o bien, qué habría sucedido si se hubiera tomado otra decisión, es necesario un tercer nivel de conocimiento, utilizar los contrafácticos, imaginar. Este es un ejercicio difícil de realizar y a veces de entender, porque por definición los datos son factuales y, por tanto, no pueden decirnos que ocurriría en un mundo imaginario sobre el que se están negando esos hechos ya contrastados.

Sin embargo, en la búsqueda de explicaciones la mente humana trabaja constantemente en inferencias de tipo, «si hubiera cogido el paraguas, no me habría mojado con esta lluvia». Descubrir el porqué de un error permite adoptar medidas de corrección para acciones futuras. Analizar qué habría pasado si las cosas hubieran sido distintas, permite también aprender de la historia y de la experiencia ajena.

El razonamiento contrafactual tiene su origen, según el matemático, científico de la computación y filósofo, Judea Pearl, en la escultura del hombre león hallada en la cueva de Stadell (suroeste de Alemania) en agosto de 1939 por el anatomista Robert Wetzel y el geólogo Otto Völzing. Es un diente de mamut, de una antigüedad de 40.000 años, esculpido en forma de quimera, mitad hombre, mitad león. Es la manifestación de la capacidad de imaginar cosas que nunca han existido, y el fundamento de la evolución en la medida que muestra la capacidad para transformar el mundo natural.

Por tanto, en el desarrollo causal el primer nivel se ocupa del mundo a la vista, el segundo de un mundo totalmente nuevo y que se puede ver, mientras que el tercero lo hace de un mundo que no se puede ver y para el que es necesario elaborar una teoría que esta determinada por la necesidad humana de comprender y de predecir qué pasará en situaciones que ni siquiera han llegado suceder.

El mayor obstáculo para que las máquinas alcancen una inteligencia similar a la humana es entender las relaciones causales y, para ello, es necesario hacerse preguntas. Ahora bien, no hay forma de responder a una pegunta si se carece de las palabras necesarias y para ello se necesita pensamiento y antes imaginación, al final el lenguaje es la expresión de ambos.

Si las máquinas alcanzan el razonamiento causal podrán reflexionar sobre sus errores, señalar dificultades de su programación, actuar como entidades morales y también conversar con los seres de humanos sobre decisiones e intenciones, pero para que esto suceda las máquinas tendrán que llegar al tercer nivel, necesitarán imaginación. ¿Será esto posible?

Carlos Baladoes director de Eurocofin y profesor de OBS Business School.