Era diciembre de 2022 y, en la fila del bufet de despedida de año de la Universidad, abrí el celular para matizar la espera. Circulaba un mensaje en cadena sobre algo llamado ChatGPT. Lo leí, lo probé y la fila avanzó sin mí. Quedé entre alelado y absorto. Salí con la sensación de haber visto algo extraordinario y con la certeza de no entender qué era ni cómo funcionaba. Me puse a estudiar y pronto me enfrenté a un nuevo vocabulario, me enteré de la antigüedad de la “novedad” y comprendí la intención, desde su origen, de encontrar una fuente de imitación humana.
Aquella fila terminó y sigo leyendo, porque el vocabulario llega más rápido que la comprensión y, solo por mencionar algunos, aún hay que entender que los ‘transformers’ no son los de la película, que su ‘entrenamiento’ no es en el gimnasio, que ‘prompt’ es indicación y que los ‘tokens’ pueden convertirse en la nueva medida de la productividad humana.
Y en realidad, esto no es nuevo. En 1936, Alan Turing describió una máquina imaginaria capaz de ejecutar cualquier procedimiento que pudiera escribirse paso a paso. Catorce años después, en la revista Mind, cambió la pregunta. En lugar de indagar si las máquinas pueden pensar, propuso un juego: si un interrogador conversa a ciegas con una persona y con una máquina y no logra distinguirlas, la máquina gana. Es la prueba de Turing y, también, “el pecado original” de la IA: la idea de que la máquina pueda hacer algo que parezca humano. Que no se note.
El nombre surgió en 1955, en la propuesta con la que John McCarthy convocó para el verano siguiente a un taller en Dartmouth sobre máquinas capaces de simular el pensamiento humano. Necesitaba una etiqueta para distinguir esa nueva disciplina de la cibernética: “artificial” porque era creada por el ser humano e “inteligencia” porque aspiraba a resolver problemas a la manera de la mente.
Algo quedó de aquel juego de 1950. Turing sustituyó una pregunta sobre el funcionamiento por una pregunta sobre la apariencia y seguimos en ese juego. El “éxito” es que no parezca hecho por IA, aun a sabiendas de que la usan tanto quienes hacen como quienes reciben. Un estudio de investigadores de la Universidad Duke confirma ese estigma: cuando se nota, sus autores tienden a ser evaluados como menos competentes, menos comprometidos o más perezosos. Se usa y se calla.
Un asunto es empeñarse en que no se note y otro muy distinto es saber qué hace cuando la usamos. Quien ignora cómo produce sus respuestas tampoco puede juzgar cuándo y cuánto confiar en ellas.
Tres despedidas de año después, la pregunta de Turing cambió. Ya no es si la máquina puede pasar por humana, sino si sabemos qué tenemos entre manos. La respuesta exige algo más que usarla: es necesario aprender a dirigirla.