Cómo piensan las máquinas según Víctor Gómez Pin | ✎ Elena del Castillo Gil

IMAGEN: Freepik

➔ Reseña del artículo publicado en el nº 127 de la Revista Ábaco

Elena del Castillo Gil
Investigadora Predoctoral Ramón Areces en el Instituto de Filosofía del CSIC

Antes de preguntarnos si una máquina piensa, habría que preguntarnos qué entendemos exactamente por «pensar». Ese es el movimiento con el que Elena del Castillo Gil abre su artículo en el nº 127 de la Revista Ábaco, un texto que toma como punto de partida «El ser que cuenta», el último ensayo de Víctor Gómez Pin, para desmontar con paciencia casi quirúrgica la pregunta de moda: ¿piensan, aprenden o conceptualizan los sistemas de IA? En vez de responder de golpe, la autora traza un mapa —pensar, conceptualizar, aprender— y va comprobando, paso a paso, en qué se parece y en qué se distancia el razonamiento de una red neuronal del de un animal o del de un ser humano.

Lo más interesante es cómo el artículo convierte ese mapa en herramienta afilada: recupera la habitación china de Searle para mostrar que un algoritmo puede seguir reglas sin comprender lo que hace, echa mano de los «viajes de datos» de Sabina Leonelli para explicar cómo la información se deforma según por dónde pasa antes de convertirse en conocimiento, y termina distinguiendo con precisión entre causación y causalidad: que una IA detecte correlaciones no significa que entienda por qué ocurren las cosas. El resultado no es un artículo tecnófobo ni un panfleto entusiasta, sino un ejercicio de prudencia conceptual que evita tanto humanizar a la máquina como infravalorar lo que sí es capaz de hacer.

Es, además, un artículo que conversa muy bien con el resto del monográfico de este número 127 de la Revista Ábaco: comparte con Carlos M. Madrid Casado el argumento de la caja china y con Paula Lázaro la sospecha de que medir y comprender no son la misma cosa, formando entre todos un recorrido muy completo por los límites reales de la inteligencia artificial.