De la ciencia a la ingeniería: cinco nuevas formas de pensar para encarar la era de la IA

Pero el mundo ha cambiado. Quizás más en unos años de lo que ha hecho durante siglos, y es hora de plantearse nuevas formas de pensamiento. Es al menos lo que sostiene Dan Shipper, un emprendedor y escritor especializado en IA que cuenta con más de 75.000 suscriptores en su newsletter de pago.

En su opinión, a medida que avanzamos en la era de la IA, nos alejamos de lo que Andrej Karpathy, antiguo ingeniero de Tesla y OpenAI, denomina Software 1.0, es decir, software que consiste en instrucciones escritas por humanos y que se beneficia de un estilo de pensamiento científico y racionalista.

En su lugar, nos estamos moviendo hacia el Software 2.0, en el que describimos un objetivo que queremos alcanzar y entrenamos un modelo para lograrlo. En lugar de que un humano escriba instrucciones para que el ordenador las siga, el entrenamiento consiste en buscar en un espacio de posibles programas hasta encontrar uno que funcione. En el Software 2.0, los problemas de la ciencia -que trata de teorías y reglas formales- se convierten en problemas de ingeniería, que trata de conseguir un resultado.

Es decir, nos estamos moviendo, casi sin saberlo, de la ciencia a la ingeniería. Aunque quizás convenga explicar mejor cómo se diferencian estas áreas de conocimiento, interrelacionadas pero no similares.

En el Software 2.0, los problemas de la ciencia -que trata de teorías y reglas formales- se convierten en problemas de ingeniería, que trata de conseguir un resultado

La ciencia se enfoca en la comprensión de fenómenos naturales a través de métodos empíricos y experimentales. Los científicos buscan descubrir y explicar las leyes que rigen el universo, utilizando el método científico para formular hipótesis, realizar experimentos y analizar datos.

Por su parte, la ingeniería aplica principios científicos y matemáticos para resolver problemas prácticos y diseñar soluciones que mejoren la calidad de vida. Los ingenieros utilizan los conocimientos obtenidos por los científicos para crear productos, sistemas y estructuras innovadoras.

Este cambio -de la ciencia a la ingeniería- puede tener un enorme impacto en nuestra forma de pensar sobre la resolución de problemas y de entender el mundo. Shiper asegura que será el mayor impulso al progreso en este siglo. Es, en cualquier caso, una visión que invita a la reflexión.

Cinco nuevas formas de pensar

Ahora bien, ¿cómo se concreta este cambio? El autor habla -y en eso estoy completamente de acuerdo- de un mundo pre-IA y otro post-IA y describe cinco nuevas  formas de resolver los problemas o diseñar nuevos servicios. El primero es cambiar la esencia por la secuencia.

En el mundo anterior a la inteligencia artificial, tanto si se creaba software como si se escribían libros, era necesario reducir los problemas a sus elementos más básicos -su esencia- y avanzar a partir de ahí. Para crear software, hay que definir el usuario principal y el problema que se quiere resolver; para escribir libros, se necesita una tesis y un esquema.

En un mundo post-AI, nos preocupa menos la esencia y más la secuencia: la cadena subyacente de acontecimientos que lleva a que ocurra una cosa determinada. Los modelos lingüísticos hacen esto cuando predicen qué palabra viene a continuación en una cadena de caracteres; los coches autónomos también lo hacen cuando predicen por dónde conducir a partir de una secuencia de datos de vídeo, profundidad y GPS.

Otro cambio sustancial es el de la búsqueda de reglas a la búsqueda de patrones. En un mundo anterior a la inteligencia artificial, era necesario definir las reglas del juego, pensar a partir de los primeros principios y aplicarlos a las circunstancias. En un mundo post-AI, es necesario construir y utilizar modelos que reconozcan patrones subyacentes, que no pueden reducirse a simples reglas.

El tercer cambio significativo es sustituir procesos por intuiciones. Esto puede sonar poco científico, pero tiene su explicación. En un mundo post-AI, se pueden crear aplicaciones para tareas que no pueden reducirse a reglas. Pensemos, por ejemplo, en el reconocimiento óptico de caracteres (OCR), la tecnología que permite a los ordenadores reconocer texto en imágenes. El OCR a nivel humano no es reducible a un conjunto de reglas, pero los enfoques de aprendizaje profundo ahora comunes en aplicaciones como ChatGPT permiten crear software que tiene una especie de “intuición” para reconocer caracteres.

Cambiar escultura por jardinería

En un mundo pre-AI, el trabajo creativo era similar a esculpir. Tanto si codificabas como si escribías, eras responsable de tomar un bloque de mármol y darle forma, poco a poco, en la forma que tenías en la cabeza.  

En un mundo post-AI, el trabajo creativo es similar a la jardinería. El trabajo del jardinero no consiste en arrancar una hoja de la tierra. Es crear las condiciones de sol, tierra y agua que permiten que una planta crezca.

En un mundo pre-AI, el trabajo creativo era similar a esculpir

Y el último cambio es quizás el más difícil: cambiar explicaciones por predicciones. Y eso es así porque las explicaciones son hoy el santo grial de Occidente: son lo que buscamos en la ciencia, los negocios y la vida. Sin embargo, los ganadores del Premio Nobel de Física y Química de 2024 han sido informáticos que construyeron arquitecturas para mejorar las predicciones, no físicos que idearon mejores explicaciones.

La búsqueda de predicciones en lugar de explicaciones convierte los problemas de la ciencia en problemas de ingeniería. La pregunta ya no es «¿Qué es?», sino «¿Cómo construyo algo que lo prediga?».

Nuevas preguntas para nuevos tiempos. El mundo cambió, a mejor, cuando empezamos a cambiar nuestra forma de pensar. ¿Será hora de dar el siguiente salto evolutivo?

*** Alicia Richart es directora general de Afiniti para España y Portugal.