¿Sigue haciendo falta la teoría científica si la inteligencia artificial (IA) es capaz de procesar cantidades ingentes de datos y encontrar patrones a una velocidad inaccesible para el ser humano, hasta el punto de extraer conocimiento directamente de ellos?
La filósofa de la ciencia y profesora de la Universidad de Munich Sabina Leonelli respondió este lunes durante la primera jornada del festival de ciencia Starmus, en Tenerife (archipiélago español de las Canarias), que sí, porque detrás de cada dato, cada modelo y cada conclusión científica siguen existiendo decisiones, interpretaciones y juicios humanos que la automatización no hace desaparecer.
Leonelli recorrió la evolución de la ciencia desde las primeras clasificaciones de fenómenos naturales hasta las grandes simulaciones contemporáneas alimentadas por satélites, sensores y enormes bases de datos, y señaló que el desarrollo de la IA puede transmitir la impresión de que esas tecnologías terminarán sustituyendo también el criterio del investigador.
“¿Por qué necesitaríamos teoría?”, planteó al describir esa visión, según la cual sistemas cada vez más automatizados podrían asimilar enormes cantidades de información, generar modelos y obtener resultados sin intervención humana.
Sin embargo, sus estudios sobre cómo trabajan científicos de diferentes disciplinas apuntan en la dirección contraria, pues la teoría, según sostuvo, no aparece únicamente al final de una investigación para explicar sus resultados, sino que está presente desde el momento en que se decide qué observar.
Para Leonelli, hay teoría al diseñar un experimento o un instrumento, al decidir qué partes de la realidad convertir en datos, al clasificarlos y agruparlos, al buscar patrones y al construir con ellos representaciones del mundo.
La interpretación no desaparece
Y en todos esos pasos, añadió, existe interpretación, pues los investigadores seleccionan qué información consideran relevante, qué objetivos persiguen y qué evidencias resultan adecuadas para sostener determinadas afirmaciones.
La IA puede transformar cada una de esas fases, pero eso abre otra pregunta para Leonelli: ¿quién está pensando detrás de esos sistemas, qué interpretaciones, prioridades y valores se incorporan a ellos y quién decide finalmente qué importa?
La filósofa advirtió, además, de que las grandes cantidades de datos disponibles no representan el mundo de manera uniforme.
Como ejemplo citó la distribución desigual de estaciones meteorológicas o del acceso a internet, que provoca que unas regiones y grupos sociales generen mucha más información digital que otros y condiciona, a su vez, los modelos construidos posteriormente con esos datos.
También habló de los “datos zombi”: información almacenada en internet desde hace años o décadas, a veces mal documentada, desactualizada o incluso ya cuestionada, que puede terminar incorporada a sistemas de IA sin que resulte sencillo conocer su origen o determinar si continúa siendo fiable.
Para Leonelli, estas carencias no implican renunciar a la inteligencia artificial, sino prestar mayor atención al cuidado de los datos, a su actualización, a la transparencia y a la participación de personas con conocimientos y perspectivas diferentes.
No invisibilizar territorios y poblaciones
Reclamó, en ese sentido, mantener seres humanos “cuidadosamente involucrados” en estos procesos y evitar que la estandarización tecnológica expulse saberes locales o invisibilice territorios y poblaciones poco representadas en las bases de datos.
Su propuesta pasa por una “inteligencia ambiental” que no conciba la inteligencia únicamente como una propiedad de una persona o una máquina, sino como el resultado de la interacción entre seres humanos, otros organismos, tecnologías y el entorno.
Porque, frente a la idea de una ciencia automática alimentada únicamente por datos, Leonelli sostuvo que producir conocimiento continúa exigiendo algo que ninguna acumulación de información elimina, como decidir qué mirar, cómo interpretarlo y para qué utilizarlo.