Diego Fern\u00e1ndez Slezak es doctor en Ciencias de la Computaci\u00f3n e investiga en la frontera entre la inteligencia artificial (IA) y la neurociencia. Su charla nos llev\u00f3 a un viaje por el interior de las redes neuronales que dan forma a la IA con un enfoque \u00e1gil y did\u00e1ctico; nos invit\u00f3 a mirar m\u00e1s all\u00e1 de la superficie tecnol\u00f3gica y a comprender c\u00f3mo estas arquitecturas invisibles procesan y transforman datos en significado.<\/p>\n\n\n\n
Hoy, la IA penetra casi todas las disciplinas y situaciones cotidianas. Sin embargo, Fern\u00e1ndez insisti\u00f3 en que no se trata de un fen\u00f3meno enteramente nuevo. Para entender su verdadero alcance, propuso volver al origen, a las definiciones iniciales de lo que entendemos por inteligencia artificial<\/em>.<\/p>\n\n\n\n Fern\u00e1ndez explic\u00f3 que la historia de la IA puede rastrearse a partir de dos visiones fundacionales. La primera, de car\u00e1cter m\u00e1s filos\u00f3fico y epistemol\u00f3gico, se remonta a Alan Turing. En 1950, el matem\u00e1tico brit\u00e1nico se pregunt\u00f3 hasta qu\u00e9 punto las computadoras pod\u00edan hacer algo m\u00e1s que c\u00e1lculos. En plena Guerra Fr\u00eda, la inform\u00e1tica hab\u00eda demostrado su utilidad para resolver trayectorias de misiles y otros problemas de precisi\u00f3n, pero Turing fue m\u00e1s all\u00e1: \u00bfpod\u00eda una m\u00e1quina pensar? Esa pregunta dio origen al c\u00e9lebre \u201ctest de Turing\u201d que hasta hoy sirve como referencia para evaluar la capacidad de una computadora de comportarse como un ser humano en una conversaci\u00f3n.<\/p>\n\n\n\n La segunda visi\u00f3n, de tono m\u00e1s ingenieril, surgi\u00f3 en 1956 en el Summer Workshop de Dartmouth College. Diez investigadores se reunieron all\u00ed con un prop\u00f3sito ambicioso: trasladar la cognici\u00f3n humana a las m\u00e1quinas. Su objetivo era crear programas capaces de resolver los mismos problemas que los humanos, pero de forma m\u00e1s eficiente. Fue en ese encuentro donde se acu\u00f1\u00f3 por primera vez el t\u00e9rmino inteligencia artificial<\/em>.<\/p>\n\n\n\n El taller concluy\u00f3 con una lista de siete desaf\u00edos que la ingenier\u00eda deb\u00eda resolver, entre ellos el desarrollo de redes neuronales y el procesamiento del lenguaje natural, es decir, la capacidad de una computadora para comprender y producir lenguaje. Los organizadores cre\u00edan que podr\u00edan alcanzar estos avances en un plazo de diez a veinte a\u00f1os. Sin embargo, el entusiasmo inicial dio paso a la frustraci\u00f3n: para fines de los a\u00f1os setenta, la mayor\u00eda de los objetivos segu\u00eda sin cumplirse. As\u00ed comenzaron los llamados \u201cinviernos de la IA\u201d, per\u00edodos de estancamiento y desilusi\u00f3n que marcaron la evoluci\u00f3n de la disciplina. El primero ocurri\u00f3 a promediando los 70, seguido en los 80 por un resurgir de los sistemas expertos, y un segundo invierno hacia 1988.<\/p>\n\n\n\n El primer gran renacimiento lleg\u00f3 en 1996 con el enfrentamiento entre Gary Kasparov y la supercomputadora de IBM, Deep Blue. Fern\u00e1ndez record\u00f3 que el 10 de febrero de ese a\u00f1o, Deep Blue logr\u00f3 una victoria hist\u00f3rica al ganar una partida oficial al campe\u00f3n mundial de ajedrez. Lo m\u00e1s impactante no fue el triunfo en s\u00ed, sino una jugada inesperada: el sacrificio de un pe\u00f3n central que Kasparov describi\u00f3 como \u201cmaravillosa y extremadamente humana\u201d. Por primera vez, un programa mostraba lo que muchos interpretaron como intuici\u00f3n o creatividad.<\/p>\n\n\n\n Veinte a\u00f1os m\u00e1s tarde, en 2016, la historia se repite. Google DeepMind present\u00f3 AlphaGo, un sistema dise\u00f1ado para jugar al Go, un juego milenario mucho m\u00e1s complejo que el ajedrez. Su oponente fue Lee Sedol, campe\u00f3n mundial y referente indiscutido. Durante una de las partidas, AlphaGo realiz\u00f3 una jugada tan at\u00edpica \u2014una piedra colocada lejos del centro de acci\u00f3n\u2014 que desconcert\u00f3 por completo a su contrincante. Sedol reconoci\u00f3 luego: “Cre\u00ed que AlphaGo era solo una m\u00e1quina calculando probabilidades, pero cuando vi esta jugada, esa piedra all\u00e1 lejos, cambi\u00e9 de parecer. Seguramente AlphaGo es creativa”, concluy\u00f3 Sedol. Desde entonces, esa estrategia ha sido incorporada a la ense\u00f1anza moderna del Go.<\/p>\n\n\n\n Ambos episodios marcaron un cambio en nuestra percepci\u00f3n de las m\u00e1quinas: ya no se trataba solo de herramientas que replicaban tareas humanas, sino de sistemas capaces de producir conocimiento nuevo y desafiar la noci\u00f3n misma de creatividad.<\/p>\n\n\n\n El tercer gran hito corresponde a 2023, con la aparici\u00f3n de ChatGPT. A diferencia de los anteriores, no hubo un enfrentamiento entre la IA contra un jugador humano, sino contra la cultura misma. Fern\u00e1ndez cit\u00f3 al historiador Yuval Noah Harari, quien advirti\u00f3 que la IA, al dominar el lenguaje, hab\u00eda encontrado la \u201cllave maestra de la civilizaci\u00f3n\u201d, capaz de intervenir directamente en el sistema operativo de la cultura humana.<\/p>\n\n\n\n Aunque Harari tiene una mirada apocal\u00edptica sobre el tema, Fern\u00e1ndez se mostr\u00f3 m\u00e1s optimista. A su juicio, ChatGPT no tiene un rival \u00fanico: \u201csu adversario somos todos nosotros\u201d, afirm\u00f3, en tanto que es la humanidad en su conjunto la que debe enfrentar los desaf\u00edos de una tecnolog\u00eda que replica, combina y transforma los modos de pensar y comunicar.<\/p>\n\n\n\n El cuarto hito mencionado en la charla corresponde al inicio de 2025, cuando la aparici\u00f3n de la IA china DeepSeek fue descrita por muchos como un \u201cmomento Sputnik\u201d. En este caso, la palabra clave no fue lenguaje<\/em>, sino razonamiento<\/em>. Modelos como DeepSeek, Gemini y los m\u00e1s recientes desarrollos de OpenAI ya no se limitan a generar texto coherente: buscan reproducir la secuencia misma del pensamiento.<\/p>\n\n\n\n Este avance abri\u00f3 una suerte de \u201cguerra fr\u00eda tecnol\u00f3gica\u201d orientada a alcanzar una IA con verdadera capacidad de razonar. De hecho, algunas de ellas han comenzado a superar pruebas de razonamiento l\u00f3gico y matem\u00e1tico dise\u00f1adas originalmente para humanos.<\/p>\n\n\n\n En este punto, Fern\u00e1ndez hizo referencia a Demis Hassabis, fundador de DeepMind, figura central en el desarrollo de AlphaGo y AlphaFold. Record\u00f3 que Hassabis, adem\u00e1s de ser neurocient\u00edfico y excampe\u00f3n de ajedrez, obtuvo el Premio Nobel de Qu\u00edmica por su trabajo sobre el plegamiento de las prote\u00ednas, un descubrimiento con enormes implicaciones en el descubrimiento de drogas.<\/p>\n\n\n\n Hassabis pronostica que en los pr\u00f3ximos cinco o diez a\u00f1os podr\u00eda alcanzarse la llamada Inteligencia Artificial General<\/em> (IAG): un sistema capaz de razonar, dialogar y resolver problemas de cualquier tipo, sin limitarse a tareas espec\u00edficas. Fern\u00e1ndez coincidi\u00f3 en que este horizonte ya no parece tan lejano. Por eso, enfatiz\u00f3 la importancia de entender c\u00f3mo funciona la IA y desmitificar su poder, para convertirnos en usuarios m\u00e1s conscientes y cr\u00edticos.<\/p>\n\n\n\n Para emprender este viaje de conocimiento, Fern\u00e1ndez explic\u00f3 c\u00f3mo las m\u00e1quinas representan im\u00e1genes y textos. Ambas, se\u00f1al\u00f3, se procesan de modo similar. Una imagen puede entenderse como una cuadr\u00edcula de p\u00edxeles, cada uno con valores num\u00e9ricos que indican niveles de rojo, verde y azul en un formato estandarizado como el RGB. El n\u00famero de combinaciones posibles en una imagen peque\u00f1a es tan grande que supera la cantidad de \u00e1tomos del universo.<\/p>\n\n\n\n Frente a esta inmensidad de informaci\u00f3n, la IA utiliza un mecanismo llamado \u201cautosupervisi\u00f3n\u201d<\/em>, que le permite aprender de grandes vol\u00famenes de datos no etiquetados. Es como si la m\u00e1quina actuara como una refiner\u00eda, ordenando el caos de la red para extraer estructuras con sentido (dise\u00f1o, caras, paisajes). Estos conceptos se aplican tanto para im\u00e1genes como para texto, audio y video.<\/p>\n\n\n\n A partir de esta idea, Fern\u00e1ndez introdujo el concepto de prompting<\/em>, es decir, la t\u00e9cnica de formular instrucciones a la IA para guiar su producci\u00f3n. Lo compar\u00f3 con \u201cmeter la mano en una bolsa\u201d llena de informaci\u00f3n: si sabemos c\u00f3mo hacerlo podemos obtener resultados m\u00e1s precisos y coherentes. El secreto est\u00e1 en las palabras. Cuanto m\u00e1s detallada, rica y descriptiva sea la consigna, mejor ser\u00e1 la respuesta del sistema.<\/p>\n\n\n\n En este sentido, el prompting<\/em> democratiza el acceso a la IA, ya que no requiere conocimientos de programaci\u00f3n ni matem\u00e1ticas avanzadas: basta con saber usar el lenguaje de manera intencional.<\/p>\n\n\n\n Hacia el cierre, Fern\u00e1ndez repas\u00f3 los grandes desaf\u00edos que marcar\u00e1n el futuro inmediato de la IA. Cit\u00f3 nuevamente a Hassabis y mencion\u00f3 cinco conceptos clave: razonamiento<\/em>, multimodalidad<\/em>, alineaci\u00f3n<\/em>, sesgos<\/em> y rehumanizaci\u00f3n<\/em>.<\/p>\n\n\n\n \u2022 Razonamiento.<\/strong> Algunas proyecciones sostienen que hacia 2027 las IAs podr\u00edan alcanzar un nivel de complejidad equivalente al humano. Sin embargo, investigaciones recientes \u2013como las de Apple\u2013 advierten que ese razonamiento sigue siendo una ilusi\u00f3n: las m\u00e1quinas a\u00fan no logran resolver de manera verdaderamente humana problemas simples como las Torres de Han\u00f3i.<\/p>\n\n\n\n \u2022 A<\/strong>lineaci\u00f3n.<\/strong> Es la palabra que hoy domina el mundo acad\u00e9mico. A medida que las IA se transforman en agentes aut\u00f3nomos capaces de interactuar con el entorno \u2013por ejemplo, integradas en robots humanoides\u2013, se vuelve esencial garantizar que sus acciones no se salgan de control y est\u00e9n alineadas con los valores y la seguridad humanas.<\/p>\n\n\n\n \u2022 Sesgos<\/strong>. Todas las IAs tienen sesgos ya que heredan los prejuicios y limitaciones de los datos con los que fue entrenada. Por eso es crucial conocer el origen y las condiciones de cada modelo, especialmente cuando se aplica en contextos culturales y ling\u00fc\u00edsticos diversos.<\/p>\n\n\n\n \u2022 Rehumanizaci\u00f3n.<\/strong> La IA no reemplaza a las personas, sino a las tareas. Todo aquello que pueda medirse y automatizarse ser\u00e1 eventualmente realizado por una m\u00e1quina. Pero eso no implica una p\u00e9rdida de humanidad: m\u00e1s bien, abre un espacio para reconectarnos con lo que todav\u00eda no se puede cuantificar, con las emociones, la empat\u00eda y la creatividad genuinas.<\/p>\n\n\n\n Diego Fern\u00e1ndez cerr\u00f3 su exposici\u00f3n recordando que la IA ya est\u00e1 presente en todas partes \u2013texto, audio, imagen, video, agentes f\u00edsicos\u2013 y que su desempe\u00f1o en m\u00faltiples \u00e1reas es comparable al de los humanos. Cada tarea que puede medirse, dijo, terminar\u00e1 siendo realizada de forma m\u00e1s eficiente por una m\u00e1quina. Pero, lejos de interpretar esto como una amenaza de deshumanizaci\u00f3n nos invit\u00f3 a verlo como una oportunidad para valorar y recuperar lo que nos hace humanos.<\/p>\n\n\n\nTuring y Dartmouth: los primeros en pensar con m\u00e1quinas<\/h2>\n\n\n\n
De Deep Blue a AlphaGo<\/h2>\n\n\n\n
ChatGPT y el \u201cmomento Sputnik\u201d<\/h2>\n\n\n\n
La Inteligencia Artificial General (IAG)<\/h2>\n\n\n\n
Autosupervisi\u00f3n y prompting<\/em><\/h2>\n\n\n\n
Los nuevos desaf\u00edos<\/h2>\n\n\n\n