Jensen Huang, CEO de Nvidia, ha participado en una serie de entrevistas donde aborda el impacto de la inteligencia artificial. Recientemente, en The New York Times, discutió temas cruciales como la posible pérdida de empleos, la adaptación educativa y la evolución de las habilidades humanas en un mundo cada vez más automatizado, ofreciendo una perspectiva que genera debate sobre la conexión con la realidad cotidiana.
El CEO de Nvidia, Jensen Huang, ha estado inmerso en un extenso recorrido mediático y político, donde se ha posicionado como una figura clave en la industria de la inteligencia artificial. Su interés radica en mantener el impulso de la IA, ya que su compañía es fundamental en este ecosistema. Huang aprovecha cada oportunidad para minimizar los temores sobre los peligros de la IA, como la seguridad o la pérdida de puestos de trabajo. Sin embargo, en una reciente entrevista con The New York Times, sus declaraciones han generado más interrogantes sobre el futuro de la IA y el mundo que se está construyendo, revelando una posible desconexión con la realidad.
Ezra Klein, columnista de The New York Times, entrevistó a Huang en su podcast, donde se abordaron tres temas principales. El primero, al que Huang ha restado importancia en el pasado, es la potencial pérdida de empleos a causa de la IA. Antes de profundizar en este punto, Huang describe la IA como un pastel con varias capas.
La capa fundamental es la producción física, que representa una nueva Revolución Industrial impulsada por las fundiciones. La siguiente capa son los centros de datos, a los que denomina "fábricas de IA". Por encima se encuentran los modelos, que no solo abarcan el lenguaje, sino también la química, biología, física, robótica o los coches autónomos. La última capa es la de las aplicaciones destinadas a servicios legales, salud y manufactura.
Huang considera que la capa de las aplicaciones es la más crucial, ya que es la que los usuarios emplean en su día a día. Compara la IA con la electricidad o Internet: la mayoría de las personas no necesitan entender cómo funcionan, simplemente las utilizan. Al presionar un interruptor, la luz se enciende; al preguntar algo a Google, se obtiene una respuesta. Con la IA, esta capacidad se expandirá, permitiéndonos "saber todo y hacer cualquier cosa". Según Huang, "le preguntas algo y te devuelve la respuesta. Le das un proyecto y vuelve con una solución. Le das una tarea y vuelve habiéndola hecho". Esto conlleva dos implicaciones importantes: el empleo y la educación.
Retomando el debate sobre la pérdida de empleos, Huang ejemplifica con la radiología. Afirma que la IA ya ha automatizado la tarea de analizar imágenes escaneadas, pero no ha eliminado el propósito del radiólogo. Este propósito, según él, es escanear, y esto ha permitido a los hospitales procesar más pacientes, lo que a su vez ha incrementado la necesidad de radiólogos. Aquí, Huang diferencia entre "tarea", que puede ser automatizada, y "propósito", que es la parte humana inalterable. Reconoce que en ciertos trabajos, como el servicio al cliente, "tarea" y "propósito" pueden ser lo mismo, pero insiste en que la idea de que la IA destruirá empleos es "fundamentalmente errónea". También considera que la ambición humana es un ingrediente insustituible. "El poder de la ambición es la fuerza más grande y la variable que todo el mundo olvida cuando hace previsiones sobre empleo", expresa.
El siguiente bloque de la conversación es más personal y revelador. Se presenta un estudio chino con datos de 26.000 estudiantes de secundaria que usaron IA para sus tareas. Los resultados mostraron un aumento del 18% en las calificaciones y un 30% en el tiempo invertido. Sin embargo, el giro inesperado fue que las notas de los exámenes sin acceso a IA, realizados seis meses después, cayeron un 20%, y las de los exámenes de acceso a la universidad disminuyeron hasta un 24% en dos años. Esto sugiere que, si bien se realizan las cosas más rápido, no se adquieren habilidades a largo plazo.
Ante esta evidencia, Huang no refuta la última parte, pero sugiere la necesidad de encontrar nuevas habilidades. "Prueba a que un niño haga una división larga. Las tablas de multiplicar se olvidan, como hacer raíces cuadradas. Las matemáticas básicas se están olvidando. ¿Importa de algo?" Acto seguido, se responde a sí mismo con un "no creo que importe" y confiesa: "no conozco mi dirección". Cuando el entrevistador expresa su incredulidad, Huang se reafirma y pone como ejemplo un día en que, al repostar gasolina, necesitaba el código postal y "no lo conocía. Tampoco conozco mi número de teléfono. Me olvido de esas cosas y puedo vivir sin saberlas".
"En el futuro no podrás graduarte sin aprender a usar una IA y colaborar con un sistema agéntico. No verás un niño que no lo haga, así que todos tendrán superpoderes" - Jensen Huang
Es innegable que delegamos ciertas tareas cotidianas en la tecnología. Utilizamos navegadores para recordar direcciones, aplicaciones de notas para liberar nuestra mente y calculadoras para operaciones matemáticas. Sin embargo, Ezra Klein, interpelando a Huang, quien es aficionado a la lectura, señala la preocupación de los profesores sobre la disminución de la capacidad de atención y la comprensión lectora. Estas son habilidades que no pueden delegarse a una calculadora o aplicación y son esenciales para casi todo en nuestra vida diaria, además de ser la base del pensamiento creativo. Ante esto, Huang afirma que "vamos a perder algo más de destreza intelectual, pero seremos mejores pensadores de sistemas".
En este tercer bloque, Huang recurre a su experiencia, relatando que, al trabajar en su primer chip con 200 transistores, "conocía cada uno de ellos por su nombre". Hoy en día, los chips contienen miles de millones de transistores, y ningún ingeniero puede replicar ese nivel de conocimiento. Sin embargo, para Huang, el hecho de que no conozcan el nombre de cada transistor no impide que los ingenieros actuales "sean mucho mejores pensadores de sistemas que yo cuando me gradué".
Afirma que él era un "mejor pensador de transistores", pero la industria ya no opera a ese nivel, sino que razona e itera entre sistemas mucho más complejos. Este paralelismo le sirve para relativizar el valor de ciertos conocimientos técnicos profundos, ya que ahora los ingenieros piensan en sistemas completos y en cómo interactúan entre sí. "Parte del conocimiento del nivel más bajo se ha perdido", según Huang, pero lo que se gana es el conocimiento de alto nivel.
La conclusión de Huang es que siempre habrá personas interesadas en el conocimiento más profundo, pero el usuario común y el trabajador convencional podrán utilizar cualquier tecnología sin tener que "lidiar con cálculos, física y química cuántica", simplemente se beneficiarán de ella.
La entrevista de Huang, aunque extensa, ha generado debate. Su aparente falta de conocimiento de datos básicos como su teléfono o dirección personal, y su indiferencia ante ello, ha llamado la atención. Si bien es posible que su posición le exima de necesitar recordar estos datos, existen numerosos estudios que sugieren que ejercitar la memoria, por ejemplo, reteniendo números en orden directo e inverso, produce mejoras significativas en la memoria a corto plazo, la memoria episódica y las funciones ejecutivas en personas mayores sanas o con deterioro cognitivo leve. Aunque no debe considerarse una solución aislada, es un componente útil dentro de programas de estimulación cognitiva, combinada con una buena alimentación y ejercicio físico. Recordar una contraseña compleja puede ser un ejercicio mental, a diferencia de la posible situación de Huang.
