La inteligencia de no saber y el aprendizaje en tiempos de la IA

Estamos acostumbrados a pensar la inteligencia como la capacidad de resolver problemas. Un examen de matemática, un test de cociente intelectual, la resolución del cubo Rubik o una partida de ajedrez presentan, con dificultad variable, una estructura conocida. Tenemos un problema, y utilizamos ciertas reglas y algún criterio para distinguir una buena respuesta de una mala.

Pero la vida rara vez nos ayuda formulando organizadamente un problema. Elegir una carrera, cambiar de empleo, invertir los ahorros, o comenzar un nuevo emprendimiento son decisiones sin un esquema claro para resolver. Ni siquiera tenemos la chance de la prueba y error, porque estas decisiones suelen ser poco frecuentes, y diferentes en cada situación.

Pareciera que el obstáculo principal de estas decisiones reside en desconocer el futuro. Pero eso es solo el comienzo. En la práctica ignoramos además qué variables ingresan en la solución, qué experiencias del pasado son pertinentes, si deberíamos cambiar de opinión después de recibir nueva información, y un montón de etcéteras. Resolver el problema exige descubrir primero de qué se trata el problema que hay que resolver.

Pero he aquí la buena noticia. Una corriente influyente de la neurociencia cognitiva describe al cerebro como un sistema que anticipa continuamente lo que va a percibir y corrige sus modelos a partir de los errores de predicción. Andy Clark en su libro Surfing Uncertainty y Jakob Hohwy en The Predictive Mind sostienen que en lugar de esperar pasivamente a que llegue información, la mente trata de adelantarse. Somos capaces de construir representaciones de lo que debería ocurrir, y usamos esta cualidad para comparar esas predicciones con lo observado. De hecho, todo el tiempo practicamos porque podemos pronosticar y fallar sin mucho costo, gracias a que nuestra experiencia cotidiana consiste en sufrir pequeños errores perfectamente tolerables. El colectivo tarda cinco minutos más, un conocido responde de manera inesperada, el aguinaldo se paga una semana tarde. En estos casos, entendemos rápidamente que no tiene sentido reconstruir nuestro modelo del mundo.

Lo que pasa es que algunas sorpresas pesan más que otras. Si el restaurante decepciona cinco veces seguidas, quizás cambió el cocinero. Si una regularidad económica que parecía estable desaparece, empezamos a pensar en un cambio de régimen. La clave es distinguir cambios irrelevantes de estructurales. Un cerebro que revisa completamente sus convicciones frente a cada nueva observación sería tan disfuncional como uno que no modifica actitudes frente a cambios evidentes.

El chiste es que aprender requiere sorprenderse, pero no demasiado. Explorar requiere aceptar algún grado de incertidumbre. Cambiar de restaurante, leer a alguien con quien no estamos de acuerdo, probar una tecnología nueva o abrir un comercio significa exponernos deliberadamente a información cuyo resultado desconocemos. La incertidumbre es también una tecnología de aprendizaje.

Frank Knight diferenciaba hace un siglo entre riesgo e incertidumbre. En el riesgo conocemos, al menos aproximadamente, los posibles resultados y sus probabilidades. En la incertidumbre genuina, esa lista ya no está disponible. Cuando se atraviesa una crisis, una innovación tecnológica o un cambio político importante, no sabemos siquiera cuáles son los eventos que podrían suceder.

Esto da lugar a una forma distinta de racionalidad. Debemos decidir cuáles son los objetivos pertinentes, cómo describir una situación y qué razones deberían pesar cuando no existe un procedimiento mecánico para combinarlas. Es una racionalidad menos parecida a resolver un Sudoku y más cercana a orientarse en una ciudad desconocida: uno avanza, mira, corrige y a veces hasta descubre que estaba usando el mapa equivocado.

Cuando ocurre algo realmente inesperado, durante un tiempo no disponemos de un modelo confiable. Pensemos en los primeros meses de la pandemia. En marzo de 2020, un hotel observa que sus reservas caen casi a cero. Son datos contundentes, pero lo que no estaba claro era qué hacer a continuación. ¿Había que financiar algunos meses sin clientes? ¿Alquilar o vender el edificio? ¿Prepararse para cambiar de rubro? Cada diagnóstico implicaba una estrategia radicalmente distinta. Los mismos datos permiten imaginar distintos mundos posibles.

Una forma de razonamiento útil en estas circunstancias es la abducción, asociada al filósofo Charles S. Peirce. Esta estrategia se distingue de la deducción, que obtiene consecuencias a partir de premisas, y de la inducción, que busca regularidades a partir de observaciones repetidas. La abducción se usa cuando sucede un hecho novedoso, tratando de imaginar una explicación que, si fuera cierta, volvería inteligible lo que estamos viendo.

Las crisis económicas funcionan de un modo parecido, aunque en otra escala. Una caída de la actividad puede ser una recesión convencional que se revertirá, o la manifestación de una transformación persistente. Un salto del dólar puede responder a una noticia puntual o indicar que los agentes dejaron de confiar en las políticas vigentes. Al principio, muchas historias pueden ser compatibles con los mismos datos. Esperar hasta contar con evidencia concluyente tampoco es una opción, porque para entonces probablemente ya haya sido necesario decidir.

Por eso, actuar racionalmente en una crisis supone mucho más que actualizar probabilidades (la estrategia asumida por los “bayesianos”). Implica generar hipótesis, compararlas, experimentar, y estar dispuesto a abandonar rápidamente las que dejan de explicar lo observado. Nótese en esta estrategia la combinación necesaria de convicción y provisionalidad: necesitamos una interpretación para poder actuar, pero debemos recordar que esa interpretación fue construida, precisamente porque todavía no sabemos qué está ocurriendo.

Quizás una de las capacidades más valiosas frente a la incertidumbre sea la de mantener varias historias abiertas al mismo tiempo. El experto demasiado seguro de su evaluación puede quedar atrapado en su modelo por demasiado tiempo. El desorientado que cambia de explicación con cada noticia, por su parte, se perderá en decisiones contradictorias. Entre ambos, una inteligencia que nos suena muy humana, y que utiliza provisoriamente un cuadro sinóptico sin olvidar que puede tener que dibujarlo de nuevo.

La irrupción de la inteligencia artificial parece cambiar el panorama de nuestra incertidumbre porque pone a disposición máquinas extraordinariamente efectivas para responder preguntas. Pero sería ingenuo pensar que esto reduce automáticamente el problema. En muchos casos, simplemente lo desplaza. Cuando obtener una respuesta se vuelve barato, gana importancia decidir qué preguntas vale la pena hacer, qué hipótesis merecen atención y qué evidencia debería hacernos abandonar una explicación (pensalo: ¿en qué momento te convencés de que la IA está equivocada?).

Es cierto que la IA no se limita a resolver problemas bien definidos. También puede proponer hipótesis, reformular preguntas, sugerir analogías y diseñar escenarios alternativos. Pero esto puede derivar en otro problema que es el exceso de hipótesis. Nos vemos obligados, en estos casos, a desarrollar y perfeccionar el juicio necesario para elegir entre ellas. La abducción, por ende, sigue siendo necesaria.

La paradoja final es que la IA nos ofrece una tecnología extraordinaria para producir respuestas mientras se convierte ella misma en una enorme fuente de incertidumbre. ¿Tiene sentido preguntarle qué efectos tendrá su propio desarrollo sobre el empleo, la educación, la ciencia o incluso sobre nuestra chance de supervivencia? Como siempre, la máquina tendrá una respuesta, pero podemos estar seguros de que, como los humanos, también ella navega en la incertidumbre knightiana.

La inteligencia, en suma, no consiste solamente en acertar mucho. En situaciones inciertas, su valor radica en descubrir relativamente rápido cuándo dejamos de entender lo que está pasando. En un mundo estable, una buena teoría permite predecir. En un mundo que cambia, hace falta además algo que suena paradójico, pero es muy humano: la capacidad de sospechar de nuestras propias teorías.

Inteligencia artificialPensamientoTecnologíaCiencia

---

Conforme a