¿Qué tiene que ver la sopa enlatada con la inteligencia artificial? Pese a lo peculiar de esta asociación, lo cierto es que mucho, al menos en una de las historias más curiosas de la historia de esta tecnología.

Aunque el interés por la inteligencia artificial ha experimentado un auténtico boom desde que, en noviembre de 2022, OpenAI presentara ChatGPT, lo cierto es que su desarrollo a un nivel práctico se remonta, al menos, hasta los años cuarenta y cincuenta del siglo XX. Incluso antes, si tenemos en cuenta los intentos pioneros del ingeniero español Leonardo Torres Quevedo. Es más, la historia de la inteligencia artificial se puede resumir en una serie de épocas cíclicas de apogeo y declive desde entonces, con «veranos» de hype desmedidos e «inviernos» de consecuente decepción.

Ahora nos encontramos en el tercero de esos veranos, el de los sistemas generativos, que comenzó en 2011, y solo el tiempo dirá si conseguiremos evitar un nuevo invierno o si, en esta ocasión, la inteligencia artificial iniciará esa transformación social profunda sobre la que se lleva debatiendo tanto tiempo. La diferencia con épocas anteriores es que estos sistemas están, por primera vez, al alcance del usuario doméstico. El primer verano de la inteligencia artificial fue el de los sistemas simbólicos, entre mediados de los años cincuenta y mediados de los setenta del siglo XX, y estuvo más adscrito al mundo académico. El segundo, el de los sistemas expertos, tuvo lugar alrededor de los años ochenta, y en él la inteligencia llegó hasta el mundo profesional y empresarial… y se aplicó incluso en las tareas más inesperadas.

Sistemas expertos

Un sistema experto es, básicamente, un programa pensado para emular el desempeño y conocimiento humanos en un dominio muy específico, por ejemplo, el diagnóstico médico, el análisis financiero, asistir al soporte técnico de un producto en concreto… y funcionan muy bien para muchas cosas. Tanto es así que se han seguido desarrollando, mejorando y adaptando a la tecnología disponible a lo largo de las últimas décadas y están más presentes en nuestras vidas de lo que pensamos. El popular AlphaFold de DeepMind para la predicción de la estructura de las proteínas podría ser un ejemplo.

En los años ochenta, cuando los sistemas expertos estuvieron en todo su apogeo, no eran, ni mucho menos, tan avanzados como los actuales. El desarrollo de redes neuronales y algoritmos de aprendizaje automático era muy incipiente, pero eso no impedía que ejercieran entonces una fascinación similar a la que la IA generativa causa hoy en nosotros. Al menos, los miedos que suscitaban parecían muy familiares: ¿nos sustituirían este tipo de algoritmos?, ¿nos robarían el trabajo?, ¿dónde quedaría el factor humano en las labores que hacemos?

Algunos de los primeros sistemas expertos que se crearon fueron DENDRAL, en los años sesenta, para el análisis de moléculas en química orgánica; MYCIN, en los setenta, para el diagnóstico y tratamiento de enfermedades infecciosas, y R1/XCON, de finales de la misma década, un sistema de la compañía DEC que usaban los técnicos y comerciales para asesorar al cliente en cuanto a la configuración más apropiada de sus computadores de la serie VAX.

Los sistemas expertos demostraron ser muy útiles para la resolución de problemas muy concretos, sin embargo, una de las grandes limitaciones que tenían, sobre todo cuando empezaron a llegar a las empresas, es que, como se trataba de algoritmos basados en reglas e inferencias que obtenían la información de una base de datos que había que introducir a mano, era muy engorroso programarlos y, más aún, mantenerlos actualizados. Aun así, se les encontró una aplicación muy valiosa.

En los tiempos anteriores a internet y al acceso masivo a los datos y la información, el conocimiento muy especializado y cualificado se encontraba solo en la mente de personas que tenían años y años de experiencia en su campo. Contar con sistemas en los que ese conocimiento se pudiera guardar, sistematizar y hacerlo accesible podía llegar a suponer una enorme ventaja.

La jubilación de los expertos humanos

Eso mismo fue lo que sucedió alrededor de 1985 en Sopas Campbell cuando Aldo Cimino, el responsable de mantenimiento de las máquinas de esterilización de los productos de la marca, se encontraba cerca de su jubilación. Tras cuarenta y seis años trabajando allí, sustituirlo no iba a resultar una labor fácil, así que sus superiores se plantearon crear un sistema experto que recogiera todos los años de experiencia y el saber que el empleado había acumulado durante todas aquellas décadas al servicio de la compañía. Un equipo dirigido por Richard Herrods, experto en inteligencia artificial de Texas Instruments, se encargaría de desarrollarlo.

El primer pensamiento de Cimino cuando la compañía le informó de sus intenciones de volcar toda su experiencia en una máquina fue el de que le iban a despedir, «Pero entonces me di cuenta de que tenía sesenta y cuatro años y me iba a jubilar de todas formas. Solo querían salvar parte de lo que yo sabía». El equipo de Herrods tardó siete meses en hacerlo: «Ahora, cuando algo va mal con uno de los esterilizadores, el personal de mantenimiento puede introducir un diskette en un ordenador IBM, arrancar el sistema experto e interaccionar con él de una forma muy parecida a como lo haría con Aldo al teléfono», diría. Aquel programa fue un éxito y Aldo Cimino se jubilaría muy poco tiempo después.

Sopas Campbell no fue la única compañía que había tomado ese camino, General Electric también lo hizo con su sistema DELTA (diesel locomotive troubleshootng aid), creado para la detección y diagnóstico de averías en locomotoras eléctricas, que se basaba en el conocimiento y experiencia de un ingeniero histórico de la compañía a punto de jubilarse: David Smith.

Esto que sucedió con los sistemas expertos tal vez nos dé también pistas acerca de lo que podría suceder con la inteligencia artificial generativa y responda a algunas de las preguntas que se plantearon al principio. ¿Nos sustituirán este tipo de algoritmos? En algunos casos, sí. ¿Nos robarán el trabajo? Probablemente no, pero sí transformará la forma en que lo hacemos o abordamos nuestras tareas. ¿Dónde quedaría el factor humano en las labores que hacemos? Dejemos que Aldo Cimino responda a esto último: «He recopilado muchísima información a lo largo de los años. Hay determinadas cosas que jamás han ido mal en la cocina y que [si surgen] la computadora no sabrá arreglar. Siempre existirá el factor humano»… Pero ha llegado el momento de valorar cómo ese factor humano y nuestro papel en el nuevo mundo que estamos creando también se transforman.

Bibliografía

United Press International/L. A. Times Archives (7 de noviembre de 1989). ‘Expert System’ Picks Key Workers’ Brains : Computers: From airport gate-scheduling to trouble-shooting, technology allows companies to store key employees’ know-how on floppy disks. Los Angeles Times. https://www.latimes.com/archives/la-xpm-1989-11-07-fi-1112-story.html

Baños, G. (2024). El sueño de la inteligencia artificial. Shackleton Books.

Oravec, J. A. (2014). Expert systems and knowledge-based engineering (1984-1991): implicactions for instructional systems research. International Journal of Desings for Learning, 5(2), 66-75.

Sancho Azcoitia, S. (10 de abril de 2019). IA en el mundo de la mecánica: Delta. Telefónica Tech. https://telefonicatech.com/blog/delta-sistemas-expertos-en-el-mundo-de-html

Sobre la autora: Gisela Baños es divulgadora de ciencia, tecnología y ciencia ficción.