El escritor es fundador de tamizadouna empresa de medios respaldada por FT que cubre las nuevas empresas europeas
Como sabemos ahora, los modelos generativos de IA, como ChatGPT y DALL-E, son excelentes para inventar cosas. En su mayoría, esto es diversión inofensiva, generando letras falsas de Beyoncé o una pintura de Rafael simulada de una Madonna y un niño comiendo pizza. A veces, sin embargo, esta capacidad de “alucinar” los hechos genera desinformación y deep fakes.
Idealmente, queremos que las máquinas inventen cosas que sean confiables, no solo plausibles, y que amplíen el rango de conocimiento humano. ¿Podemos usar modelos de aprendizaje automático para generar ideas verdaderamente novedosas en áreas difíciles, incluidas las matemáticas y las ciencias, y enriquecer la creatividad humana? Está empezando a verse de esa manera.
Primero, sin embargo, debemos definir la creatividad. Margaret Boden, profesora de investigación en la Universidad de Sussex, tiene tres clasificaciones útiles: combinatoria, exploratoria y transformacional. La creatividad puede consistir en combinar combinaciones improbables de ideas familiares (piense en imágenes poéticas) o explore nuevos espacios conceptuales (piense en jazz), las formas más comunes, sugiere. Las máquinas son bastante buenas en estas tareas de reconocimiento y replicación de patrones, como han demostrado los modelos generativos de IA.
Pero el tipo de creatividad más difícil de alcanzar, y posiblemente más valioso, es la transformacional: generar ideas o conceptos nunca antes imaginados. “La máxima reivindicación de la creatividad de la IA sería un programa que generara ideas novedosas que inicialmente nos dejaran perplejos o incluso nos repelieran, pero que fuera capaz de persuadirnos de que eran realmente valiosas”, escribió Boden en un artículo publicado en 1998.
Desde entonces, la creatividad de las máquinas ha fallado en la prueba de Boden. Pero en una discusión reciente organizada por el Instituto de Ciencias Matemáticas de Londres, los investigadores destacaron cómo los modelos de aprendizaje automático estaban comenzando a remodelar las matemáticas al generar nuevas conjeturas importantes, que posteriormente demostraron ser ciertas, en áreas como la teoría de nudos. “El campo se encuentra en un delicioso punto de inflexión: se han probado las posibilidades, pero aún no se ha explorado por completo”, dijo un participante.
Las matemáticas pueden ser un campo de pruebas particularmente bueno para la creatividad de las máquinas transformadoras. ChatGPT es una máquina de correlación lingüística impresionante, que predice cuál es la probabilidad estadística de que sean las siguientes palabras en cualquier oración. Sin embargo, se pueden entrenar otros tipos de modelos de aprendizaje automático para generar resultados más sustantivos y comprobables. “No hay coincidencias en las matemáticas puras. O es cierto o no es cierto”, como señaló un participante.
Según Alex Davies, líder fundador de la iniciativa AI for Maths en DeepMind, propiedad de Alphabet, matriz de Google, los modelos de aprendizaje automático pueden ayudar a abordar tres barreras a la creatividad: el aburrimiento, la vergüenza y la visión. La IA puede realizar tareas aburridas y repetitivas. Tampoco se avergüenzan de generar salidas aparentemente tontas, pero ocasionalmente inspiradas, que los humanos pueden sentirse demasiado avergonzados de ventilar.
Pero el aspecto más intrigante es la visión. La promesa es que las herramientas de aprendizaje automático pueden explorar problemas matemáticos en dimensiones que los humanos no comprenden por completo. En la actualidad, Davies dice que los expertos están trabajando con sistemas de aprendizaje automático para guiar su intuición hacia resultados creativos, pero anticipa más avances. “Creo que finalmente veremos que el aprendizaje automático tiene un impacto transformador en las matemáticas”, me dice.
Todo eso suena muy teórico. DeepMind ya ha utilizado modelos de aprendizaje automático para predecir las estructuras 3D de más de 200 millones de proteínas. “Es como desbloquear la exploración científica a velocidad digital”, dijo Demis Hassabis, cofundador de DeepMind. ¿Qué significa en la práctica hoy? Los investigadores están utilizando estos modelos para ayudar a crear proteínas completamente nuevas y generar hipótesis para nuevos materiales de batería. También los están utilizando para diseñar medicamentos antivirales.
Por el momento, las empresas de este sector siguen siendo en su mayoría “máquinas de optimización financiera”, que utilizan modelos de aprendizaje automático para optimizar los procesos y maximizar las ganancias, dice Martin Reeves, coautor de La máquina de la imaginación. Pero sugiere que tendrán que convertirse cada vez más en “máquinas de imaginación” que puedan usar modelos de aprendizaje automático para impulsar la creatividad y desarrollar nuevos productos y servicios. “Más que un visionario o un poeta, las empresas imaginan cosas que aún no existen. Necesitamos esa imaginación más que nunca para hacer frente a problemas como el cambio climático”, dice.
Se dice que el artista Pablo Picasso, un excelente ejemplo de la creatividad humana, dijo que “las computadoras son inútiles, solo pueden darte respuestas”. La vida se volverá más interesante a medida que nos ayuden a formular preguntas originales.
