La inteligencia artificial no solo responde preguntas: amplía el espacio de lo que podemos pensar. La cuestión es qué ocurre cuando la incorporamos al propio proceso de pensamiento.

Hay cosas que no sabemos que no sabemos. Parece un juego de palabras, pero señala uno de los límites más elementales de nuestra capacidad para pensar: no solo ignoramos una cantidad inmensa de cosas, sino que una parte de ellas queda fuera incluso del perímetro de nuestra ignorancia consciente. Podemos buscar aquello que sabemos que desconocemos, pero mucho más difícil es buscar un concepto cuya existencia ignoramos o una teoría de la que nunca hemos oído hablar.

Durante siglos hemos construido herramientas para ensanchar ese perímetro. La escritura permitió conservar el pensamiento fuera de la memoria; los libros pusieron a nuestra disposición pensamientos producidos por otros; las bibliotecas los ordenaron y recientemente los buscadores hicieron posible localizar en segundos una fracción considerable de ese conocimiento. Pero todas ellas exigían y exigen, en mayor o menor medida, saber aproximadamente qué estábamos buscando.

Hoy en día, la inteligencia artificial amplía ese perímetro, permite llegar con una intuición imprecisa y recibir a cambio conceptos, autores, objeciones o relaciones que antes ni siquiera sabíamos que podían ser pertinentes.

Kieran Egan describió la comprensión como una serie de formas —somática, mítica, romántica, filosófica, irónica— ancladas en la adquisición de una herramienta cultural distinta: el cuerpo y los sentidos sostienen la primera; el lenguaje oral, la segunda; la escritura, la tercera; el pensamiento abstracto, la cuarta; la capacidad de dudar del propio marco, la última. Ninguna herramienta sustituye por completo a la anterior; la reorganiza, la amplía y la vuelve disponible de otro modo.

Con esta lógica de fondo, quizá sea inevitable preguntarse qué sucede cuando una herramienta es capaz de poner a disposición, de manera simultánea y en diálogo, el lenguaje, la narración, la abstracción teórica y la revisión de las propias premisas. No una sexta forma añadida a la lista de Egan, sino algo distinto, una herramienta transversal capaz de activar y combinar varias formas de comprensión a la vez, ampliando el espacio, ese perímetro del que hablábamos, sobre el que después el propio sujeto habrá de construir comprensión real. A esa ampliación del espacio, y no a la comprensión misma, podríamos ponerle nombre: comprensión aumentada.

Pero la inteligencia artificial no reparte comprensión de manera uniforme: funciona como un espejo cóncavo, que no devuelve una imagen neutra, sino agrandada; devuelve, amplificado, lo que cada uno es capaz de exigirle. Parte de esa amplificación depende de diferencias cognitivas relativamente estables: la capacidad de razonar, abstraer o manejar relaciones complejas varía entre individuos, con independencia del acceso a la herramienta. Pero otra parte depende de algo que se construye: el repertorio conceptual previo. Quien dispone de él puede formular mejores preguntas, reconocer cuándo una respuesta resulta insuficiente, establecer relaciones y someterlas a contraste. Quien dispone de menos recursos conceptuales puede acceder al mismo andamiaje sin realizar necesariamente las mismas operaciones sobre él. La IA puede poner conceptos al alcance de ambos; no puede garantizar que ambos hagan con ellos la misma comprensión.

No obstante, esta ampliación tiene un reverso. Egan sitúa la comprensión irónica en el extremo más reflexivo de sus formas de comprensión: supone reconocer los límites de nuestros propios esquemas, admitir que ninguna perspectiva agota por sí sola el problema y mantener cierta flexibilidad frente a explicaciones alternativas. No consiste simplemente en conocer que existen otras posiciones, sino en haber incorporado esa pluralidad al propio modo de comprender.

Pedirle a una inteligencia artificial que exponga tres posiciones distintas sobre una cuestión filosófica sin solución consensuada —el libre albedrío, por ejemplo— entrega en segundos algo muy parecido al resultado exterior de esa comprensión: perspectivas coherentes, objeciones cruzadas y límites de cada una. Pero recibir el mapa no es haberlo recorrido. Quien obtiene ese mapa puede enumerar tres posiciones incompatibles, pero ¿ha construido realmente una comprensión más compleja o dispone del producto de un itinerario cognitivo que la herramienta ha realizado en buena parte por él? Como intuíamos antes, la ampliación del espacio cognitivo no equivale necesariamente a comprensión; la IA puede facilitar el acceso al resultado sin garantizar que se haya construido la estructura intelectual capaz de producirlo, contrastarlo y defenderlo.

Pensar es una operación que no tiene por qué ser enteramente interior en todos sus procesos. La escritura sostiene lo que la memoria no retendría; el papel conserva un cálculo a medio hacer; los mapas externalizan una relación espacial que la mente sola manejaría con más dificultad; una conversación con otra persona reorganiza una idea que, pensada en solitario, quizá se hubiera quedado a medio formar. Andy Clark y David Chalmers llamaron a esto mente extendida; Edwin Hutchins, observando cómo una tripulación entera puede navegar un barco sin que ningún tripulante individual sostenga el cálculo completo de su trayectoria y destino, lo describió como cognición distribuida. En ambos casos, la conclusión es semejante: la frontera de nuestro pensamiento no coincide exactamente con la frontera de nuestro cráneo (Galton no estaría enteramente de acuerdo con esta afirmación).

La inteligencia artificial se inscribe en esa misma genealogía, pero introduce una diferencia en la que merece la pena detenerse. El papel registra y conserva; la calculadora ejecuta; el buscador recupera. La IA, en cambio, puede reorganizar, reformular, comparar y proponer relaciones nuevas mientras el pensamiento todavía se está formando. No aparece únicamente al final del proceso, como una herramienta a la que acudimos para obtener algo, sino que puede instalarse dentro del propio recorrido del razonamiento. Entonces, cabe preguntarse si esto representa solo una diferencia de grado respecto de extensiones cognitivas anteriores o si su carácter dinámico, adaptativo y recursivo podría terminar produciendo una diferencia cualitativa en nuestra ecología cognitiva.

Toda herramienta cognitiva externaliza o descarga parte del trabajo mental: la escritura la memoria, la calculadora el cálculo, los mapas o los planos la representación espacial. La inteligencia artificial hace algo parecido, pero simultáneamente sobre varias operaciones: memoria, búsqueda, comparación, organización, síntesis, formulación e incluso parte de la evaluación. Las cuestiones que esto plantea no son nuevas; cada herramienta cognitiva las ha planteado a su manera y en su momento, pero aquí adquieren otra dimensión por la amplitud y alcance de aquello que puede externalizarse de una sola vez.

Llegados a este punto, conviene distinguir entre descarga, ampliación y sustitución cognitiva. Hay descarga cuando la herramienta libera recursos mentales que pueden dedicarse a otras operaciones: no necesito retener una cifra si puedo escribirla, ni realizar mentalmente un cálculo si puedo delegarlo en una calculadora. Hay ampliación cuando la herramienta hace algo más; cuando introduce posibilidades que permiten al sujeto pensar más lejos de donde hubiera llegado solo. El problema aparece con la sustitución, cuando externalizamos precisamente la operación cuya práctica era necesaria para desarrollar una capacidad. Eliminar una dificultad puede liberar recursos; pero eliminar toda la fricción puede eliminar también una parte del aprendizaje que solo esa tensión producía, el mismo trabajo que sostenía la comprensión irónica. La herramienta puede ampliar aquello que tenemos disponible para pensar y, al mismo tiempo, permitirnos alcanzar un resultado sin recorrer el proceso mediante el que aprendemos a producirlo.

Con todo, hay una propiedad de la herramienta que merece una hipótesis aparte: su capacidad de adaptarse a quien la utiliza. Una IA puede reformular una explicación, fragmentar una tarea compleja, cambiar el nivel de abstracción o ensayar caminos distintos sin fatiga, impaciencia ni penalización social. Cabe preguntarse si una herramienta capaz de adaptarse al modo de procesamiento de quien piensa puede resultar especialmente significativa para quienes históricamente han tenido que realizar el movimiento contrario: adaptar su manera de procesar a instituciones y herramientas construidas alrededor de otros patrones cognitivos. No hace falta convertir la hipótesis en una afirmación clínica. Basta con dejar abierta la pregunta: ¿qué cambia cuando ya no es únicamente la mente la que debe adaptarse a la herramienta, sino también la herramienta la que puede adaptarse a la mente?

Benjamin Bloom propuso una taxonomía que ordena los objetivos del aprendizaje en seis niveles de complejidad cognitiva: recordar, comprender, aplicar, analizar, evaluar y crear. Durante décadas ha servido para clasificar distintas operaciones sobre el conocimiento y como referencia para diseñar y evaluar el aprendizaje.

Aplicada a una inteligencia artificial, esta escala apenas opone resistencia. Puede recordar datos, explicar y resumir, aplicar un procedimiento a un caso nuevo, analizar un texto, evaluar un argumento según determinados criterios y producir algo que, al menos formalmente, encaja en la categoría de creación: una síntesis nueva, una hipótesis o una combinación inédita de elementos previos. Si buscáramos en Bloom la operación cognitiva que una inteligencia artificial no puede ejecutar, nos costaría encontrarla.

Bloom empieza a fallar justo cuando intentamos utilizarlo como frontera entre lo humano y lo artificial. No porque la taxonomía esté mal, sino porque clasifica operaciones sobre el conocimiento. Dice qué se hace, pero no por qué se hace, para qué ni qué significa para quien lo hace. Una inteligencia artificial puede recorrer los seis niveles de Bloom sin que ninguno le importe. Puede formular una hipótesis sin sentir curiosidad por comprobarla, construir una crítica sin estar en desacuerdo con nada, resolver un problema sin desear su solución o escribir un relato sin necesidad alguna de contarlo. La operación está ahí. Lo que falta es la implicación y la voluntad de quien la realiza.

Capacidad cognitiva no es lo mismo que agencia cognitiva. Una cosa es ejecutar una operación compleja; otra, estar situado en un mundo en el que esa operación tiene consecuencias, compromete una posición y obliga a responder por ella: producir una respuesta adecuada no equivale necesariamente a estar implicado en el mundo donde esa respuesta importa.

La máquina puede subir toda la escalera de Bloom. Lo que quizá queda fuera de la escala no es otra operación cognitiva más, sino algo distinto: tener alguna razón o motivación para querer subirla.

Quizá la novedad no esté en ninguna de las operaciones que la inteligencia artificial puede realizar por separado. Buscar, recordar, comparar, resumir, abstraer, evaluar o producir alternativas eran actividades que ya externalizábamos de distintas maneras. Lo nuevo puede estar en haberlas reunido dentro de una herramienta capaz de intervenir sobre todas ellas mientras el pensamiento todavía está ocurriendo.

Eso modifica la posición desde la que pensamos. Ya no utilizamos únicamente una herramienta para almacenar una parte del recorrido o resolver una operación concreta: podemos pensar dentro de una conversación que introduce conceptos, señala relaciones, formula objeciones y devuelve transformado aquello que acabamos de plantear. El límite entre lo que el sujeto aporta y lo que encuentra durante ese recorrido se vuelve menos nítido, aunque la comprensión siga teniendo que construirse en alguna parte.

Ese desdibujamiento, sin embargo, no beneficia a todos por igual, aunque no por las razones que suelen invocarse. El acceso al andamiaje, a los conceptos, las objeciones, las relaciones que antes exigían años de formación previa incluso para saber que existían, puede democratizarse casi sin fricción. Lo que no se democratiza con la misma facilidad es lo que cada uno hace con ese acceso: la intención de perseguir una idea hasta el final, el esfuerzo de contrastarla, el coste de sostenerla frente a otro. Ahí, del lado humano y no del lado del andamiaje, sigue viva la desigualdad que el mero acceso no resuelve.

Y ahí aparece la paradoja. La herramienta puede ampliar el espacio del pensamiento, recorrer con nosotros buena parte de sus operaciones e incluso producir resultados que reconocemos como propios de una comprensión sofisticada. Pero nada de eso exige que aquello sobre lo que opera tenga para ella importancia alguna. Puede encontrar una relación sin sorprenderse por haberla encontrado, formular una pregunta sin sentir curiosidad por su respuesta y proponer varias soluciones sin preferir ninguna a las demás.

Tal vez por eso la pregunta interesante ya no sea si una máquina puede pensar, sino qué clase de pensamiento humano aparece cuando incorporamos a su recorrido una inteligencia capaz de hacer casi todo lo que reconocemos como operación cognitiva sin tener ninguna razón propia para querer hacerlo.

Puede ampliar extraordinariamente nuestro mapa, pero la intención y el coste los seguimos asumiendo nosotros.

—O—

P. D.: Si alguien quiere sentir en sus carnes estos conceptos y experimentar qué significa pensar con una herramienta que organiza, relaciona y devuelve estructurado un problema complejo, aquí tiene un pequeño juguete que he construido con ayuda de ChatGPT: Oviedo 360.

La idea es sencilla: tomar información pública dispersa sobre la ciudad, organizarla, relacionarla, señalar incertidumbres y convertirla en un mapa, sobre el que poder pensar. https://oviedo.laescandalera.es