Es un fenómeno psicológico común: repite cualquier palabra suficientes veces, y finalmente pierde todo su significado, desintegrándose como un tejido empapado en la nada fonética. Para muchos de nosotros, la frase «inteligencia artificial» se desmoronó de esta manera hace mucho tiempo. La IA está por todas partes en la tecnología en este momento, se dice que está impulsando todo, desde su televisor hasta su cepillo de dientes, pero nunca las palabras mismas han significado menos.

No debería ser así.

Aunque la frase «inteligencia artificial» es incuestionable, indudablemente mal utilizada, la tecnología está haciendo más que nunca – para bien y para mal. Se está desplegando en la atención sanitaria y en la guerra; está ayudando a la gente a hacer música y libros; está escudriñando tu currículum, juzgando tu solvencia y retocando las fotos que haces con tu teléfono. En resumen, está tomando decisiones que afectan a tu vida, te guste o no.

Puede ser difícil cuadrar con el bombo y platillo con el que las empresas tecnológicas y los anunciantes hablan de la IA. Por ejemplo, el cepillo de dientes Genius X de Oral-B, uno de los muchos dispositivos presentados en el CES de este año que presume de sus supuestas capacidades de «IA». Pero más allá de la línea superior de la nota de prensa, todo lo que significa es que da una respuesta bastante simple sobre si te estás cepillando los dientes durante el tiempo adecuado y en los lugares correctos. Hay algunos sensores inteligentes para saber en qué parte de la boca está el cepillo, pero llamarlo inteligencia artificial es un galimatías, nada más.

Cuando no hay bombo, hay malentendidos. La cobertura de la prensa puede exagerar la investigación, pegando una imagen de un Terminator a cualquier noticia vagamente relacionada con la IA. A menudo esto se debe a la confusión sobre lo que es la inteligencia artificial. Puede ser un tema complicado para los no expertos, y la gente suele confundir la IA contemporánea con la versión con la que están más familiarizados: una visión científica de un ordenador consciente muchas veces más inteligente que un humano. Los expertos se refieren a esta instancia específica de la IA como inteligencia general artificial, y si alguna vez creamos algo así, probablemente será muy lejos en el futuro. Hasta entonces, a nadie le sirve exagerar la inteligencia o las capacidades de los sistemas de IA.

Es mejor, entonces, hablar de «aprendizaje automático» en lugar de IA. Se trata de un subcampo de la inteligencia artificial, que engloba prácticamente todos los métodos que tienen mayor impacto en el mundo ahora mismo (incluyendo lo que se llama aprendizaje profundo). Como frase, no tiene la mística de la «IA», pero es más útil para explicar lo que hace la tecnología.

¿Cómo funciona el aprendizaje automático? En los últimos años, he leído y visto docenas de explicaciones, y la distinción que he encontrado más útil está justo en el nombre: el aprendizaje automático consiste en permitir que los ordenadores aprendan por sí mismos. Pero lo que eso significa es una cuestión mucho más amplia.

Empecemos con un problema. Digamos que quieres crear un programa que pueda reconocer gatos. (Siempre son gatos por alguna razón). Podrías intentar hacerlo a la vieja usanza programando reglas explícitas como «los gatos tienen orejas puntiagudas» y «los gatos son peludos». Pero, ¿qué haría el programa cuando le enseñaras la foto de un tigre? Programar todas las reglas necesarias llevaría mucho tiempo y habría que definir todo tipo de conceptos difíciles por el camino, como «peludo» y «puntiagudo». Es mejor dejar que la máquina aprenda sola. Así que le das una enorme colección de fotos de gatos, y ella busca entre ellas para encontrar sus propios patrones en lo que ve. Conecta los puntos, de forma bastante aleatoria al principio, pero lo pruebas una y otra vez, quedándote con las mejores versiones. Y con el tiempo, se vuelve bastante bueno en decir lo que es y no es un gato.

Hasta aquí, tan predecible. De hecho, seguro que ya has leído una explicación como esta, y lo siento por ello. Pero lo importante no es leer la glosa sino pensar realmente en lo que esa glosa implica. ¿Cuáles son los efectos secundarios de que un sistema de toma de decisiones aprenda así?

Bueno, la mayor ventaja de este método es la más obvia: nunca tienes que programarlo realmente. Por supuesto, se hace una gran cantidad de ajustes, mejorando la forma en que el sistema procesa los datos y la creación de formas más inteligentes de la ingestión de esa información, pero no estás diciendo lo que debe buscar. Eso significa que puede detectar patrones que los humanos podrían pasar por alto o que nunca se les ocurriría en primer lugar. Y como todo lo que el programa necesita son datos (1s y 0s), hay muchas tareas en las que se puede entrenar porque el mundo moderno está lleno de datos. Con un martillo de aprendizaje automático en la mano, el mundo digital está lleno de clavos listos para ser golpeados en su lugar.

Pero piensa también en las desventajas. Si no estás enseñando explícitamente al ordenador, ¿cómo sabes cómo está tomando sus decisiones? Los sistemas de aprendizaje automático no pueden explicar su forma de pensar, y eso significa que tu algoritmo podría estar funcionando bien por razones equivocadas. Del mismo modo, dado que todo lo que el ordenador conoce son los datos que se le transmiten, podría tener una visión sesgada del mundo, o sólo podría ser bueno en tareas limitadas que se parezcan a los datos que ha visto antes. No tiene el sentido común que se espera de un humano. Podrías construir el mejor programa de reconocimiento de gatos del mundo y nunca te diría que los gatitos no deberían conducir motos o que es más probable que un gato se llame «Tiddles» que «Megalorth el Inmortal».

Enseñar a los ordenadores a aprender por sí mismos es un atajo brillante. Y como todos los atajos, implica recortes. Hay inteligencia en los sistemas de IA, si quieres llamarla así. Pero no es inteligencia orgánica, y no juega con las mismas reglas que los humanos. También se puede preguntar: ¿cómo de inteligente es un libro? ¿Qué conocimientos están codificados en una sartén?

Entonces, ¿en qué punto nos encontramos ahora con la inteligencia artificial? Tras años de titulares anunciando el próximo gran avance (que, bueno, aún no han dejado de serlo), algunos expertos creen que hemos llegado a una especie de meseta. Pero eso no es realmente un impedimento para el progreso. En lo que respecta a la investigación, hay un gran número de vías que explorar dentro de nuestros conocimientos actuales, y en lo que respecta a los productos, sólo hemos visto la punta del iceberg algorítmico.

Kai-Fu Lee, un inversor de capital riesgo y antiguo investigador de IA, describe el momento actual como la «era de la implementación», una en la que la tecnología empieza a «salir del laboratorio y llegar al mundo». Benedict Evans, otro estratega de capital riesgo, compara el aprendizaje automático con las bases de datos relacionales, un tipo de software empresarial que hizo fortuna en los años 90 y revolucionó sectores enteros, pero eso es tan mundano que probablemente se te hayan puesto los ojos en blanco sólo con leer esas dos palabras. Lo que estas dos personas quieren decir es que ahora estamos en el punto en el que la IA se va a volver normal rápidamente. «Con el tiempo, casi todo tendrá algo dentro y a nadie le importará», dice Evans.

Tiene razón, pero aún no hemos llegado a ese punto.

En el aquí y ahora, la inteligencia artificial -el aprendizaje de las máquinas- sigue siendo algo nuevo que a menudo no se explica o no se examina. Así que en el número especial de esta semana de The Verge, la Semana de la IA, vamos a mostrarte cómo está ocurriendo todo en este momento, cómo se está utilizando esta tecnología para cambiar las cosas. Porque en el futuro, será tan normal que ni siquiera lo notarás.