¿Y si el problema no fuera la inteligencia artificial, sino nuestra incapacidad para pensarla?

La inteligencia artificial parece obligarnos a escoger un bando. Para algunos representa una de las mayores oportunidades de progreso de nuestra historia. Para otros, una amenaza capaz incluso de poner en riesgo nuestra supervivencia.

No es una exageración retórica. En 2023, Marc Andreessen, uno de los inversionistas tecnológicos más influyentes de Silicon Valley, publicó un ensayo titulado Why AI Will Save the World. Su planteamiento era contundente: la inteligencia artificial “no destruirá al mundo y, de hecho, puede salvarlo” (Andreessen, 2023). Ese mismo año, más de 350 científicos, investigadores y líderes de la industria, entre ellos Geoffrey Hinton, Yoshua Bengio, Sam Altman, Demis Hassabis y Dario Amodei, respaldaron una declaración según la cual mitigar el riesgo de extinción derivado de la inteligencia artificial debería considerarse una prioridad global comparable a las pandemias y la guerra nuclear (Center for AI Safety, 2023).

Años antes, Elon Musk había utilizado una expresión todavía más radical durante una intervención en SXSW: la inteligencia artificial era “mucho más peligrosa que las armas nucleares” (Lawler & Pandey, 2018).

¿Quién tiene razón?

La tentación inmediata consiste en entrar en la discusión, buscar argumentos, tomar posición y decidir a cuál de los extremos concedemos mayor credibilidad. Pero existe una pregunta anterior y quizá más interesante: ¿por qué una tecnología extraordinariamente compleja termina produciendo una conversación pública formulada tantas veces en términos extraordinariamente simples?

La seducción de los extremos

Los extremos tienen una ventaja formidable: se entienden rápido.

Salvación o catástrofe. Oportunidad o amenaza. Progreso o destrucción. Las categorías binarias ordenan una realidad que de otra forma exige tiempo y esfuerzo para ser comprendida. Un fenómeno complejo termina convertido en una posición.

Esto no ocurre solamente con la inteligencia artificial. Buena parte de nuestra conversación pública parece organizada alrededor de oposiciones semejantes. Las posiciones matizadas compiten en desventaja porque necesitan contexto, condiciones y explicaciones. Una afirmación extrema, en cambio, cabe perfectamente en un titular, una publicación o treinta segundos de video.

El entorno digital favorece además ciertas formas de comunicación. Una amplia revisión publicada en Annual Review of Psychology señala que las plataformas sociales participan de una economía de la atención y que los contenidos moral y emocionalmente evocadores pueden captar atención y generar interacción. Los autores describen a las redes sociales como aceleradores de dinámicas ya existentes, capaces de amplificar tanto la indignación, la búsqueda de estatus y el conflicto entre grupos como formas más constructivas de acción colectiva (Van Bavel et al., 2024).

No significa que los algoritmos nos obliguen a pensar de una manera determinada ni que toda polarización sea producto de las redes. El fenómeno es más sutil: algunas formas de expresión encuentran mejores condiciones para circular que otras.

La contundencia viaja bien. La incertidumbre necesita más espacio.

Economía cognitiva

Pero responsabilizar solamente a los medios, las plataformas o los algoritmos sería demasiado sencillo. También hay algo profundamente humano en nuestra preferencia por las explicaciones simples.

Pensar exige recursos. Atención, tiempo, memoria de trabajo y esfuerzo. Por eso nuestra mente no analiza exhaustivamente cada decisión o problema que enfrenta. Buena parte de la investigación contemporánea sobre razonamiento distingue entre procesos rápidos y relativamente automáticos y otros que requieren una intervención más reflexiva y demandan mayores recursos cognitivos. Evans y Stanovich señalan que, ante muchos problemas, una respuesta intuitiva aparece primero y sólo en determinadas circunstancias interviene un procesamiento más deliberado. Los propios autores recuperan para esta tendencia la expresión cognitive miser: economizamos esfuerzo cognitivo cuando una respuesta disponible parece suficiente (Evans & Stanovich, 2013).

Esa economía cognitiva no es un defecto. Es necesaria. Sin ella difícilmente podríamos desenvolvernos en un mundo que nos obliga a procesar una cantidad inmensa de información y tomar decisiones constantemente. El problema aparece cuando utilizamos esos mismos mecanismos de simplificación frente a preguntas que necesitan deliberación, contexto y evidencia.

La psicología también ha estudiado las diferencias individuales en la disposición a realizar ese esfuerzo. Cacioppo y Petty denominaron need for cognition a la tendencia de una persona a involucrarse y disfrutar de actividades que requieren pensar. Su trabajo dio origen a una línea de investigación sobre nuestra diferente disposición a invertir esfuerzo en la elaboración y evaluación de información (Cacioppo & Petty, 1982).

Ahí está el riesgo. Una simplificación puede ser el punto de entrada para comprender un fenómeno. Se convierte en un problema cuando sustituye a la comprensión.

Cuando dejamos de preguntarnos qué sabemos, cómo lo sabemos, qué supuestos estamos aceptando o qué evidencia podría contradecir nuestra posición y comenzamos directamente por decidir de qué lado estamos, la economía cognitiva deja de ayudarnos a administrar la complejidad y comienza a ocultarla.

Opinar no es pensar

Vivimos además en una época en la que prácticamente todos estamos invitados a pronunciarnos sobre todo. Cada acontecimiento parece exigir inmediatamente una posición. Las plataformas digitales han democratizado de manera extraordinaria la posibilidad de participar en la conversación pública, pero al mismo tiempo han reducido la distancia entre conocer algo y opinar sobre ello.

Y esa distancia importa.

Una opinión puede ser inmediata. El criterio no.

Construir criterio requiere informarse, contrastar, comprender, cuestionar y sopesar antes de emitir un juicio. También exige reconocer algo que no siempre resulta cómodo: los límites del propio conocimiento. La literatura psicológica denomina humildad intelectual precisamente a esta capacidad metacognitiva de reconocer que nuestras creencias y conocimientos tienen limitaciones y pueden estar equivocados (Porter et al., 2022).

Esto no conduce al relativismo. Pensar críticamente no significa asumir que todas las posiciones valen lo mismo, ni permanecer indefinidamente en la duda. Significa que la fuerza de nuestras conclusiones debe guardar relación con la calidad de la evidencia que las sostiene.

La opinión debería ser el final de un proceso, no su punto de partida.

La universidad y el tiempo de pensar

Aquí la universidad ocupa un lugar diferente.

La universidad busca, contrasta y discute. Formula preguntas, somete argumentos a prueba, distingue evidencia de interpretación y reconoce los límites del conocimiento disponible. Profundiza en problemas que no pueden resolverse mediante una reacción inmediata.

Por eso la universidad se tarda.

No se trata de lentitud burocrática ni de incapacidad para responder a los acontecimientos. Se trata del tiempo que requiere transformar información en conocimiento y conocimiento en criterio.

La práctica científica comparte esa exigencia. No sólo necesita producir resultados; también reconocer sus limitaciones, hacer explícita la incertidumbre y someter sus conclusiones a revisión. Hoekstra y Vazire (2021) han señalado precisamente la humildad intelectual —la transparencia respecto de las limitaciones del propio trabajo— como una norma fundamental para fortalecer la credibilidad de la ciencia.

La universidad, por tanto, no compite con la velocidad de las redes sociales ni con la necesidad del medio de producir un titular. Su responsabilidad es otra: profundizar precisamente cuando el entorno simplifica.

La universidad llega tarde a la certeza porque antes tiene que recorrer el camino de la evidencia.

Esta función resulta particularmente valiosa cuando aparecen tecnologías capaces de alterar rápidamente nuestra vida social, económica y cultural. Frente a ellas, la tarea universitaria no consiste en decidir anticipadamente si debemos celebrarlas o temerlas, sino en construir las condiciones intelectuales que permitan comprenderlas antes de juzgarlas.

Dejar de hacerlo no significaría simplemente perder profundidad académica. Significaría renunciar a una parte esencial de su razón de ser.

Recuperar la complejidad

La inteligencia artificial nos ofrece hoy un magnífico laboratorio para observar este problema. Su velocidad de desarrollo, las expectativas que genera y la incertidumbre sobre sus consecuencias crean condiciones propicias para la aparición de discursos absolutos.

Pero este artículo no pretende decidir cuál de ellos tiene razón.

Pretende detenerse un paso antes.

Antes de preguntarnos si la inteligencia artificial será una amenaza o una oportunidad, necesitamos preguntarnos si estamos construyendo las condiciones necesarias para comprender aquello sobre lo que estamos opinando.

La diferencia parece pequeña, pero cambia por completo la conversación. Nos obliga a preguntar qué sabemos realmente, de dónde procede la evidencia, qué supuestos contiene un argumento, qué desconocemos todavía y qué podría llevarnos a cambiar de posición.

En otras palabras, nos obliga a recuperar el criterio.

Nunca habíamos tenido acceso a tantas respuestas ni habíamos podido producirlas con semejante velocidad. La inteligencia artificial acelerará todavía más ese proceso. Precisamente por eso, el valor de pensar no estará en responder más rápido, sino en saber cuándo una respuesta rápida es insuficiente.

Porque disponer de respuestas no equivale a comprender.

Y quizá ése sea el verdadero problema que la inteligencia artificial está poniendo frente a nosotros: no si las máquinas llegarán algún día a pensar como los seres humanos, sino si los seres humanos seguiremos dispuestos a hacer el esfuerzo que implica pensar.

Referencias

Andreessen, M. (2023, 6 de junio). Why AI will save the world. Andreessen Horowitz.

Cacioppo, J. T., & Petty, R. E. (1982). The need for cognition. Journal of Personality and Social Psychology, 42(1), 116–131. https://doi.org/10.1037/0022-3514.42.1.116

Center for AI Safety. (2023, 30 de mayo). Statement on AI extinction risk.

Evans, J. St. B. T., & Stanovich, K. E. (2013). Dual-process theories of higher cognition: Advancing the debate. Perspectives on Psychological Science, 8(3), 223–241. https://doi.org/10.1177/1745691612460685

Hoekstra, R., & Vazire, S. (2021). Aspiring to greater intellectual humility in science. Nature Human Behaviour, 5, 1602–1607. https://doi.org/10.1038/s41562-021-01203-8

Lawler, D., & Pandey, E. (2018, 11 de marzo). Elon Musk on what the first Mars colony will look like. Axios.

Porter, T., Elnakouri, A., Meyers, E. A., Shibayama, T., Jayawickreme, E., & Grossmann, I. (2022). Predictors and consequences of intellectual humility. Nature Reviews Psychology, 1, 524–536. https://doi.org/10.1038/s44159-022-00081-9

Van Bavel, J. J., Robertson, C. E., del Rosario, K., Rasmussen, J., & Rathje, S. (2024). Social media and morality. Annual Review of Psychology, 75, 311–340. https://doi.org/10.1146/annurev-psych-022123-110258