Un minuto antes de medianoche
Para hablar de tecnología hay que hablar antes del tiempo. No porque toda invención necesite una fecha, sino porque la distancia que separa unas transformaciones de otras forma parte de su significado. Hay escalas que podemos representarnos porque caben dentro de nuestra experiencia: un año, una década, la duración de una vida. Más allá de ese límite, el tiempo se convierte en una cifra que comprendemos sin llegar a imaginarla. Sabemos que un millón de años es mucho más que cien mil, pero ambos terminan ocupando un lugar parecido en nuestra intuición: un pasado remoto en el que las diferencias se vuelven casi indistinguibles.
Esa dificultad deforma la manera en que pensamos la técnica. La piedra, el fuego, la agricultura, la escritura, la máquina de vapor y el ordenador aparecen como etapas sucesivas de un mismo recorrido, ordenadas con una regularidad que nunca existió. Entre las primeras transformaciones transcurrieron cientos de miles de años; entre las más recientes, apenas unos años. Para hacer visible esa aceleración, recorreremos la historia técnica de la humanidad dentro de un calendario de un solo año. El 1 de enero comenzará con la técnica olduvayense, una de las primeras tradiciones de talla en piedra ampliamente extendidas y reconocibles. La medianoche del 31 de diciembre señalará el presente. No se trata de afirmar que cada avance condujera inevitablemente al siguiente, sino de reconstruir la trayectoria que terminó haciendo posible nuestro mundo: qué capacidad apareció, cuánto tardó en hacerlo y qué nuevas condiciones dejó disponibles.
Durante gran parte de este calendario, una misma forma técnica podía durar más que especies enteras. Ahora, en cambio, varias transformaciones sucesivas pueden atravesar la vida de una sola persona. Podemos experimentarlas como individuos, pero como especie no disponemos del mismo tiempo para comprenderlas. Hemos aprendido a transformar el mundo a una velocidad muy superior a aquella con la que conseguimos entender en qué lo estamos transformando.
1 de enero — El mundo puede ser modificado
El año comienza con la técnica olduvayense. Un homínido golpea una piedra contra otra; del impacto se desprende una lasca afilada, mientras el núcleo queda marcado por bordes cortantes. El gesto parece elemental, pero contiene una diferencia decisiva respecto del uso ocasional de un objeto encontrado: la piedra ya no se acepta tal como aparece, sino que se interviene sobre ella para producir una propiedad que antes no tenía.
La importancia del olduvayense no reside únicamente en las herramientas conservadas, sino en que constituye una tradición reconocible, extendida durante un periodo inmenso a través de territorios y generaciones. Esa continuidad indica que la operación podía transmitirse y enseñarse. Lo importante no era solo producir un filo, sino saber cómo volver a hacerlo.
Una capacidad que el cuerpo no posee por sí solo pasa así a residir en un objeto exterior. Una garra más afilada habría necesitado muchas generaciones de cambio biológico; una lasca capaz de cortar podía fabricarse durante la vida del individuo que la necesitaba, transportarse y reproducirse. La técnica empieza cuando una transformación deja de depender de un hallazgo aislado y puede convertirse en tradición.
Durante los primeros meses de nuestro calendario, esa tradición cambia a una velocidad que desde el presente parece casi inmóvil. Generaciones incontables nacen y desaparecen dentro de una misma forma técnica que, para cada una de ellas, era tan estable como las montañas del paisaje.
29 de abril — El objeto existe antes de estar terminado
Habrá que esperar hasta el 29 de abril, unos 840.000 años, para encontrar los primeros bifaces achelenses. La diferencia no consiste simplemente en tallar más una piedra. Fabricar un bifaz exige trabajar sus dos caras, encadenar extracciones, corregir irregularidades y mantener una forma general durante una secuencia prolongada. Quien lo talla no responde solo al resultado del último golpe: compara lo producido con un objeto que todavía existe únicamente en su mente. La forma final está ausente de la materia, pero ya dirige el trabajo. La herramienta aparece primero como proyecto.
Esta distancia establece el primer gran periodo de espera de nuestra historia técnica: unos 840.000 años para pasar de una forma de talla centrada en obtener lascas y filos útiles a otra que exige planificar y configurar el conjunto de la piedra por ambas caras.
5 de noviembre — Sostener una transformación en el tiempo
Han transcurrido 1,36 millones de años desde la aparición de los primeros bifaces. En nuestro calendario ya es 5 de noviembre cuando puede situarse un control deliberado del fuego capaz de producirlo, conservarlo y utilizarlo sin depender de un incendio natural. La piedra había permitido modificar la materia mediante un objeto; el fuego permite dirigir energía y sostener una transformación mientras se mantengan las condiciones necesarias.
Cocinar desplaza fuera del cuerpo una parte del trabajo de la digestión, amplía lo que puede comerse y elimina sustancias dañinas. El fuego también protege, ilumina y transforma materiales. Su novedad más profunda, sin embargo, no reside solo en sus usos, sino en que introduce un proceso que debe mantenerse en el tiempo. Hay que alimentarlo, protegerlo, vigilarlo y producirlo de nuevo.
Esa continuidad no depende únicamente de un individuo, sino del grupo. El fuego puede sobrevivir porque distintas personas sostienen sucesivamente las condiciones que lo mantienen activo. La capacidad técnica deja así de residir solo en un objeto y pasa también a un proceso colectivo que debe conservarse mediante una cadena continua de acciones. Durante más de diez meses de nuestro año, cada noche había devuelto el mundo a la oscuridad.
30 de diciembre, por la mañana — Actuar sobre un futuro que todavía no existe
La siguiente gran transformación llega en la mañana del 30 de diciembre, cerca de 390.000 años después. La agricultura no surge en un único lugar ni sustituye de inmediato a la caza y la recolección, pero introduce una relación distinta con el futuro. Cultivar exige seleccionar semillas, preparar el terreno, controlar el agua, proteger el cultivo y esperar un resultado que todavía no existe. El bifaz había requerido anticipar una forma; la agricultura obliga a anticipar un ciclo y modificar el entorno para que pueda repetirse.
Esa intervención no se limita a las plantas. Al elegir qué animales se reproducen, cuáles se conservan y qué rasgos resultan útiles, las comunidades comienzan también a transformar otras especies a lo largo de las generaciones. La técnica deja de actuar únicamente sobre objetos o procesos localizados y empieza a modificar el paisaje, ciclos biológicos y seres vivos.
En algunas sociedades, el excedente agrícola permite que parte de la población se dedique de manera más estable a otras tareas. La experiencia se concentra, el conocimiento colectivo aumenta y se distribuye entre personas especializadas. Pero, a medida que la comunidad sabe más, cada individuo reúne menos de las destrezas necesarias para sostener su vida por sí solo. La capacidad del conjunto crece al mismo tiempo que aumenta la dependencia entre sus miembros.
Cuando esa organización alcanza suficiente escala, aparece además la necesidad de registrar almacenes, propiedades, intercambios y obligaciones. La agricultura no produce solo alimentos. Produce también cuentas.
31 de diciembre, por la mañana — La memoria abandona el cuerpo
La escritura aparece en la mañana del 31 de diciembre, unos siete mil años después. La memoria abandona entonces su dependencia exclusiva de las personas que recuerdan. Una cantidad se convierte en una marca; un nombre permanece cuando quien lo pronunció ya no está; una obligación puede consultarse cuando sus protagonistas han olvidado sus términos.
Esa permanencia amplía también la capacidad del poder para organizar la sociedad y extender su influencia. Las leyes pueden fijarse como referencia, los tributos y excedentes registrarse, los recursos administrarse y las órdenes transmitirse a territorios lejanos. La escritura permite coordinar personas, producción y obligaciones sin depender de la presencia directa de quienes gobiernan ni de la memoria de quienes participan en cada intercambio.
Una idea escrita puede atravesar generaciones sin que nadie tenga que conservarla de manera continua en su memoria. También puede releerse, dividirse, compararse y corregirse. El conocimiento adquiere así una estabilidad nueva, aunque durante milenios continúe siendo escaso: cada tablilla debe inscribirse y cada rollo o códice copiarse a mano. La escritura resuelve la permanencia del conocimiento, pero todavía no su difusión.
31 de diciembre, 22:00 — El conocimiento se multiplica
Habrá que esperar hasta las diez de la noche del último día para que la imprenta europea multiplique la reproducción de textos. Han transcurrido aproximadamente 4.600 años desde las primeras escrituras. El copista repite el trabajo sobre cada ejemplar; la imprenta desplaza ese esfuerzo hacia la preparación de una matriz capaz de producir muchos. El cambio no consiste solo en fabricar libros más deprisa, sino en separar la producción del contenido de la reproducción de cada copia.
El conocimiento entra así en una lógica que después será propia de la fábrica: el esfuerzo se concentra en construir un sistema capaz de repetir una unidad, en lugar de reconstruirla por completo cada vez. Un mismo texto puede llegar a lectores alejados entre sí, las versiones pueden compararse y una edición corregir a la anterior.
La imprenta no solo multiplica libros: multiplica los lugares desde los que puede producirse nuevo conocimiento. Cuanto más conocimiento circula, más personas pueden partir de él, combinarlo y ampliarlo. La aceleración empieza entonces a actuar sobre sus propias condiciones. Después de la imprenta, bastarán apenas dos horas de nuestro calendario para que aparezcan la industria, la computación, internet, el teléfono inteligente y la inteligencia artificial.
31 de diciembre, 23:00 — La máquina empieza a fabricar máquinas
A las once de la noche, apenas una hora después en nuestro calendario, la máquina de vapor convierte la energía en trabajo mecánico regular. En 1712, la máquina de Newcomen bombea el agua de las minas de carbón; ese mismo carbón alimenta después nuevas máquinas que permiten extraer todavía más. La técnica empieza a producir las condiciones materiales de su propio crecimiento.
Las mejoras posteriores reducen el consumo y transforman el movimiento del pistón en rotación. El vapor deja de accionar únicamente bombas y se convierte en una fuente general de potencia capaz de mover telares, martillos, molinos y vehículos. La producción ya no depende por completo de la fuerza humana, animal o del lugar donde sopla el viento o circula el agua. La energía puede concentrarse y utilizarse de manera continua allí donde la industria la necesita.
La fábrica reúne esa energía con materiales, trabajadores y máquinas dentro de un mismo espacio. En el taller, la herramienta seguía el ritmo del artesano; en la fábrica, el trabajo empieza a seguir el ritmo constante de la máquina. La jornada, la puntualidad y la sincronización adquieren un valor económico nuevo. El reloj deja de limitarse a medir el paso del día y empieza también a organizar la producción, dividir el tiempo y medir el rendimiento.
La transformación industrial no queda encerrada dentro de la fábrica. El vapor extrae carbón; el carbón alimenta motores y hornos; el hierro y el acero permiten construir nuevas herramientas, raíles, barcos, puentes y edificios. El ferrocarril conecta minas, fábricas, puertos y ciudades, mientras el telégrafo coordina a distancia los movimientos de mercancías, personas e información. Producción, transporte, energía y comunicación empiezan a formar un mismo circuito interdependiente.
Las propias máquinas exigen, además, piezas cada vez más precisas. Tornos, perforadoras y fresadoras permiten fabricar componentes para otros mecanismos con una exactitud que ya no depende por completo de la destreza individual. Una máquina mejor hace posible construir la siguiente con mayor precisión. La industria deja así de limitarse a producir objetos: produce las herramientas, la energía y las infraestructuras necesarias para acelerar su propio desarrollo.
31 de diciembre, 23:45 — La máquina que se puede programar
A las 23:45, unos 235 años después de la máquina de Newcomen, surge el ordenador. Los primeros ordenadores electrónicos ocupan salas enteras y utilizan miles de componentes para realizar cálculos que antes exigían largos procesos humanos. En 1947 aparece el transistor, más pequeño, resistente y eficiente que las válvulas empleadas hasta entonces para controlar señales eléctricas. Su importancia no reside únicamente en lo que puede hacer cada unidad, sino en la cantidad que puede reunirse dentro de un circuito.
La industria aplica así su capacidad de producción en serie a componentes capaces de representar y transformar información. El circuito integrado reúne varios transistores dentro de una misma pieza, y la miniaturización empieza a reforzarse a sí misma: los ordenadores ayudan a diseñar circuitos más complejos, y esos circuitos producen ordenadores más potentes con los que diseñar y fabricar la generación siguiente.
Pero la transformación decisiva no es solo el aumento de la capacidad de cálculo. Una máquina industrial está construida para ejecutar una operación concreta; el ordenador puede realizar funciones diferentes según las instrucciones que reciba. La programación permite describir esas instrucciones, almacenarlas, copiarlas, mejorarlas y ejecutarlas de nuevo sin reconstruir físicamente la máquina.
El procedimiento deja así de estar fijado por completo en la forma del mecanismo. Para cambiar la función de la máquina ya no es necesario construir otra: basta con cambiar el programa que organiza su comportamiento. La técnica empieza a operar no solo sobre la materia y la energía, sino también sobre sus propios procedimientos.
Quedan apenas quince minutos para la medianoche. En ese breve tramo aparecerán el ordenador personal, internet, el teléfono inteligente y la inteligencia artificial.
31 de diciembre, 23:50 — La información digital se multiplica
Cinco minutos después, nuestro calendario marca las 23:50. En 1971 aparece el microprocesador, que concentra las funciones centrales de un ordenador dentro de un solo chip. La capacidad de cálculo empieza a abandonar las grandes instalaciones y, con el posterior surgimiento del ordenador personal, entra progresivamente en oficinas, escuelas y hogares.
Hasta entonces, digitalizar consistía sobre todo en convertir información que ya existía en otros soportes —documentos, registros, imágenes o cálculos— a un formato que la máquina pudiera procesar. Con el ordenador personal ocurre algo distinto: una parte creciente del trabajo intelectual empieza a nacer directamente en formato digital. Textos, cálculos, diseños, programas e imágenes ya no necesitan transformarse después en datos, porque se producen desde el principio dentro de una máquina.
La imprenta había reducido el coste de reproducir un contenido; el ordenador distribuye también la capacidad de producirlo y transformarlo. Un archivo puede buscarse, copiarse, compararse, reorganizarse y combinarse con otros sin abandonar el entorno digital. La información deja de ser únicamente algo que debe convertirse para que la máquina pueda procesarlo: una parte creciente de ella nace ya en un formato sobre el que puede actuar desde el principio.
31 de diciembre, 23:53 — La digitalización se vuelve global
A las 23:53, en 1991, la apertura pública de la World Wide Web permite organizar y consultar mediante páginas enlazadas la información que circula por Internet. Un archivo deja de estar limitado al ordenador o al soporte físico en el que fue creado: puede publicarse en un punto y ser consultado por millones de personas desde cualquier parte del mundo. La información digital ya no solo puede reproducirse con facilidad, sino circular de manera continua a través de una infraestructura común.
Esa capacidad genera una abundancia nueva. Cuando los documentos se cuentan por millones, publicarlos deja de ser suficiente: hay que encontrarlos, relacionarlos y decidir cuáles deben aparecer antes que otros. Para resolver ese problema surgen los buscadores, que recorren la red, registran las páginas disponibles, analizan sus enlaces y construyen índices capaces de responder a una consulta.
Sin embargo, las relaciones entre páginas no bastan para determinar qué resultado puede ser más útil para una persona. Los buscadores comienzan entonces a registrar también qué palabras se emplean, qué resultados se eligen, cuáles se ignoran y qué sucede después de cada búsqueda. La actividad de los usuarios aporta señales que permiten reorganizar la información según su relevancia probable y corregir progresivamente el orden en que se presenta.
Las plataformas amplían esa lógica. Una parte creciente de la actividad deja de ocurrir en páginas abiertas y pasa a desarrollarse dentro de servicios controlados por empresas. Conversar, comprar, orientarse, escuchar música, ver vídeos, trabajar o mostrarse producen contenidos, pero también dejan registros sobre la forma en que esos contenidos son utilizados: quién accede a ellos, desde dónde, durante cuánto tiempo, en qué secuencia y con qué reacción posterior.
La red empieza así a contener dos capas de información diferentes. La primera está formada por los textos, imágenes, vídeos, programas y mensajes que circulan por ella. La segunda registra las relaciones entre esos contenidos y las personas que los utilizan: qué buscan, qué eligen, qué abandonan, qué repiten y qué asocian con qué. Una describe lo que existe en la red; la otra, la manera en que millones de personas lo recorren y le atribuyen valor.
La diferencia decisiva aparece en la forma en que ambas capas se distribuyen. Los contenidos pueden quedar repartidos entre millones de páginas, dispositivos y usuarios, mientras los registros de su uso se concentran principalmente en las empresas que controlan los buscadores, las plataformas y los centros de datos. Esas organizaciones no poseen toda la información de internet, pero acumulan algo que ningún usuario puede reconstruir por separado: una visión agregada de cómo millones de personas encuentran, relacionan, seleccionan y valoran los contenidos. No controlan únicamente una parte de los archivos, sino el mapa que conecta la información con la conducta de quienes la utilizan.
31 de diciembre, 23:56 — La vida cotidiana se convierte en datos
Han transcurrido treinta y seis años desde la aparición del microprocesador y unos dieciséis desde la expansión de la World Wide Web. En nuestro calendario son las 23:56. En 2007 surge el teléfono inteligente moderno: un ordenador conectado que reúne cámara, micrófono, geolocalización, navegación, contactos, pagos, entretenimiento, trabajo y acceso a servicios dentro de un objeto que acompaña de manera permanente a su usuario. La computación deja de ser un lugar al que se acude y empieza a convertirse en un medio dentro del cual transcurre una parte creciente de la vida cotidiana.
La digitalización había atravesado ya varias etapas. Primero fue una actividad especializada: instituciones, empresas y administraciones convertían determinados documentos o registros en información que las máquinas pudieran procesar. Después, con el ordenador personal, una parte creciente del trabajo intelectual comenzó a nacer directamente en formato digital. Internet añadió otra dimensión: las búsquedas, los clics y las elecciones realizadas dentro de determinadas plataformas empezaron a dejar información sobre la conducta de los usuarios.
El teléfono inteligente amplía esa digitalización de la conducta hasta una escala nueva. El registro ya no queda limitado a los momentos en que una persona se sienta ante un ordenador o entra en un servicio concreto. Una conversación, una fotografía, una búsqueda, una compra, un desplazamiento o una elección pueden dejar una huella digital como parte de la propia acción. Al acompañar al usuario durante todo el día, el dispositivo conecta esas actividades con su hora, su ubicación, su secuencia y el contexto en el que ocurren. La vida cotidiana empieza así a producir no solo contenidos, sino también una representación cada vez más continua de quienes los generan y utilizan.
La diferencia entre las dos formas de digitalización resulta decisiva. La digitalización de la cultura produce textos, imágenes, música, programas, mensajes y vídeos. La digitalización de la conducta registra las relaciones que se establecen alrededor de ellos. Una fotografía puede quedar asociada a una fecha, un lugar, una persona y una descripción. Una búsqueda conserva la pregunta, los resultados mostrados y la elección realizada. Un recorrido deja posiciones, horarios y destinos. Una canción, un vídeo o una noticia pueden vincularse al tiempo de atención, al abandono, a la repetición y a la reacción posterior. Ya no se registra únicamente qué contenido existe, sino también cómo circula, quién lo utiliza y qué hace después.
Durante casi toda la historia de la humanidad, producir un registro duradero fue una actividad minoritaria. Con Internet y el teléfono inteligente, miles de millones de personas se convierten simultáneamente en productoras de textos, imágenes, vídeos, mensajes y programas, pero también de información sobre sus preferencias, recorridos, relaciones y decisiones. No entran en las plataformas para construir conjuntos de datos, sino para comunicarse, trabajar, comprar, orientarse, entretenerse o mostrarse. Sin embargo, al hacerlo generan de manera continua una cantidad de contenidos, asociaciones, elecciones y respuestas que ninguna institución anterior había podido reunir a esa escala.
Esa producción está extraordinariamente distribuida, pero su registro no lo está. Los contenidos pueden circular entre millones de usuarios y servicios, mientras la información sobre la conducta se concentra principalmente en las empresas que controlan las plataformas, los sistemas operativos, los buscadores y los centros de datos. Millones de personas producen las señales; un número muy reducido de organizaciones conserva la posibilidad de reunirlas, relacionarlas y analizarlas como un conjunto.
31 de diciembre, 23:57 — La máquina aprende de los ejemplos
Han transcurrido solo cinco años desde la aparición del teléfono inteligente moderno. En nuestro calendario son ya las 23:57. Hasta entonces, los programas ejecutaban instrucciones formuladas de manera explícita: para resolver una tarea, alguien debía describir qué propiedades buscar y qué respuesta producir. Este método funcionaba ante problemas reducibles a reglas precisas, pero encontraba un límite en capacidades como reconocer un rostro o identificar un objeto, que las personas ejercen sin poder enumerar todas las operaciones necesarias para conseguirlo.
El aprendizaje automático propone una vía diferente. En lugar de introducir una descripción completa de la capacidad, se proporciona al sistema una gran cantidad de ejemplos. La máquina produce una respuesta, la compara con el resultado correcto y modifica sus parámetros para reducir el error. Al repetir el proceso sobre millones de casos, encuentra regularidades que puede aplicar a imágenes que nunca había visto.
En 2012, AlexNet demuestra el alcance de este procedimiento. La red se entrena con aproximadamente 1,2 millones de imágenes de ImageNet, distribuidas entre mil categorías y clasificadas previamente por personas. Ante cada imagen calcula a qué categoría podría pertenecer, compara su respuesta con la etiqueta correcta y ajusta sus conexiones internas. Mediante esa repetición aprende a reconocer contornos, texturas, partes y configuraciones cada vez más complejas sin que nadie tenga que describirlas una por una.
La idea de entrenar redes neuronales no era nueva. Lo que cambia es la escala disponible. Las cámaras digitales e internet habían producido y reunido millones de imágenes; el trabajo humano de clasificación las había convertido en ejemplos utilizables; los procesadores gráficos permitían realizar en paralelo una cantidad de cálculos antes inabarcable. AlexNet aparece cuando el archivo digital, su organización y la capacidad de procesarlo alcanzan conjuntamente un umbral suficiente para producir resultados muy superiores a los anteriores.
La consecuencia va más allá del reconocimiento de imágenes. Una colección suficientemente grande de archivos clasificados puede utilizarse para generar una capacidad que no estaba escrita explícitamente en ninguno de ellos. Ninguna fotografía explica por sí sola cómo reconocer todas las imágenes semejantes; esa capacidad surge de las relaciones que el sistema construye al comparar millones de casos.
La información digital deja así de ser únicamente aquello que un programa almacena, ordena o transforma siguiendo instrucciones previamente definidas. Puede convertirse en un conjunto de ejemplos que modifica el propio sistema hasta permitirle responder ante casos nuevos. La capacidad ya no tiene que describirse por completo de antemano: puede construirse a partir de regularidades encontradas en los datos.
31 de diciembre, 23:58 — El lenguaje se convierte en entrenamiento
Cinco años después de AlexNet, en 2017, nuestro calendario marca las 23:58. El aprendizaje mediante ejemplos había demostrado que una máquina podía adquirir capacidades difíciles de expresar mediante reglas, pero seguía dependiendo de una intervención humana costosa: para clasificar imágenes, cada fotografía debía estar asociada previamente a una categoría correcta. Aplicar el mismo procedimiento a una parte significativa de la cultura habría exigido etiquetar manualmente una cantidad inabarcable de palabras, frases y textos.
El lenguaje planteaba además una dificultad distinta. Una palabra no posee un significado que pueda determinarse de manera aislada, sino que depende de las relaciones que mantiene con las demás. Su función cambia según la frase en la que aparece, el párrafo que la precede o una referencia introducida mucho antes. Para procesar lenguaje, una máquina necesita representar no solo cada unidad, sino también cómo unas modifican el sentido de otras dentro de cada contexto.
En 2017 surge una nueva arquitectura diseñada para resolver ese problema: el Transformer. En lugar de procesar el texto únicamente como una sucesión de palabras, introduce un mecanismo de atención que calcula qué relaciones resultan relevantes para interpretar cada una. El texto se divide en unidades representadas mediante números, y cada unidad puede relacionarse con el sujeto de la frase, con un pronombre escrito varias líneas antes o con otro término que altera su sentido. Al repetir esta operación en distintas capas, el modelo construye representaciones cada vez más complejas de las dependencias gramaticales, conceptuales y estructurales que recorren el texto.
Su importancia no reside únicamente en representar mejor el contexto. La arquitectura permite calcular muchas relaciones de manera simultánea y repartir el trabajo entre numerosos procesadores. Frente a sistemas que debían recorrer el texto paso a paso, puede ampliarse con mayor facilidad a modelos más grandes y a cantidades de lenguaje muy superiores. Pero todavía queda por resolver de dónde obtener las respuestas correctas necesarias para entrenarlos.
El propio lenguaje digital proporciona la solución. A diferencia de una fotografía, que necesita una etiqueta añadida para indicar qué contiene, un texto conserva dentro de sí la secuencia que debe aprenderse. Puede mostrarse al modelo una parte y pedirle que prediga cuál será la siguiente, o esconder una unidad y exigirle que la reconstruya. La respuesta ya se encuentra en el documento original. Cada texto puede convertirse así en una sucesión de ejercicios sin que una persona tenga que clasificar manualmente cada frase.
Para reducir sus errores, el modelo debe descubrir qué palabras suelen aparecer juntas, cómo se construyen las oraciones, qué conceptos mantienen relaciones estables, cómo se desarrolla una explicación o qué estructura adopta un argumento. Nadie introduce una lista completa de esas regularidades. El sistema modifica sus parámetros al comparar cada predicción con la continuación real y, después de repetir el proceso sobre cantidades inmensas de texto, incorpora relaciones que puede aplicar a secuencias que nunca había encontrado.
El entrenamiento no introduce los documentos dentro de la máquina como una biblioteca que después pueda consultarse ejemplar por ejemplar. Ajusta una estructura de parámetros para reproducir regularidades presentes en el conjunto: asociaciones entre conceptos, formas sintácticas, estilos, dependencias entre fragmentos y procedimientos expresados mediante palabras.
La expansión de la información digital resulta por ello indispensable. Durante décadas se habían producido libros, artículos, manuales, páginas web, programas, repositorios de código, conversaciones, traducciones y explicaciones con finalidades muy distintas. Esos materiales no habían sido creados para entrenar una inteligencia artificial, sino para investigar, enseñar, informar, vender, discutir, colaborar o resolver problemas. Al quedar disponibles en formato digital, podían reunirse y procesarse a una escala que ninguna colección elaborada expresamente para enseñar una tarea habría podido alcanzar.
El archivo digital deja entonces de ser únicamente un depósito que una máquina puede almacenar, ordenar o consultar. Se convierte en la materia con la que puede construirse una capacidad lingüística general. La escritura había separado el conocimiento de la memoria de quienes lo poseían; la imprenta había multiplicado sus copias; internet las había conectado dentro de una red global. El Transformer permite ahora procesar una parte de ese archivo y ajustar una estructura capaz de producir una capacidad nueva a partir de las regularidades acumuladas en él.
31 de diciembre, 23:59 — El lenguaje se convierte en instrucción
Solo tres años después, en 2020, nuestro calendario marca las 23:59: queda un minuto para la medianoche. La arquitectura Transformer había permitido entrenar modelos cada vez mayores sobre enormes cantidades de texto. Sin embargo, disponer de una capacidad lingüística general no resolvía por sí solo cómo aplicarla a tareas concretas. Traducir, resumir, clasificar o responder preguntas seguía requiriendo habitualmente ajustar el modelo, añadir componentes específicos o prepararlo de nuevo para cada función.
En 2020 aparece GPT-3, un modelo lingüístico de gran escala construido sobre esa arquitectura. Su aportación decisiva consiste en mostrar que una misma estructura puede deducir qué tarea debe realizar a partir del texto que recibe. No necesita que cada función quede incorporada mediante un nuevo entrenamiento: la instrucción, los ejemplos y el resultado esperado pueden incluirse dentro del propio contexto.
Si se le muestran varias frases junto a sus traducciones, puede continuar el patrón con una nueva. Si recibe un texto acompañado de un resumen, puede intentar resumir otro. Si se le presentan ejemplos asociados a distintas categorías, puede clasificar un caso posterior. El modelo no modifica sus parámetros mientras realiza estas tareas. Interpreta las relaciones presentes en el contexto y orienta temporalmente hacia ellas una capacidad adquirida durante el entrenamiento.
GPT-3 no convierte, por tanto, una máquina en muchas máquinas distintas. Convierte una misma capacidad lingüística en una base desde la que pueden definirse funciones diferentes mediante lenguaje. La tarea deja de depender exclusivamente de una programación o de un ajuste previo y puede formularse dentro de la propia entrada que recibe el sistema.
El lenguaje adquiere así una función nueva. Había sido primero el material del que el modelo aprendía; ahora se convierte también en el medio con el que se dirige su comportamiento. Durante la etapa industrial, cambiar la función de una máquina exigía modificar su mecanismo. Con el ordenador programable bastaba con sustituir el programa. Con GPT-3, una parte de la función puede configurarse describiendo en lenguaje ordinario qué resultado se busca, qué condiciones debe respetar y qué ejemplos debe seguir.
Sin embargo, predecir una continuación probable no equivale todavía a responder adecuadamente a una petición. El archivo digital contiene explicaciones rigurosas y errores, instrucciones útiles y fragmentos contradictorios, conversaciones cooperativas y agresiones. Haber aprendido sus regularidades permite producir lenguaje coherente, pero no determina por sí solo qué clase de respuesta debe ofrecerse ante una intención concreta.
Para convertir esa capacidad general en una herramienta se necesita una nueva intervención humana. Se preparan ejemplos de instrucciones y respuestas, se comparan distintas salidas y se indica cuáles resultan más útiles, claras o seguras. El entrenamiento inicial había permitido aprender qué continuaciones eran probables dentro del lenguaje; el ajuste posterior incorpora criterios sobre cuáles son preferibles cuando alguien formula una petición.
En este punto reaparece la segunda capa de información generada por la digitalización. Las elecciones, correcciones y valoraciones humanas pueden transformarse en ejemplos con los que orientar el comportamiento del modelo. Una persona compara dos respuestas, señala un error o muestra cómo debería resolverse una tarea, y esa intervención aporta información que no estaba contenida únicamente en los textos originales. No toda conversación se utiliza para entrenar los sistemas ni toda acción del usuario cumple esa función, pero las reacciones humanas pueden emplearse para decidir cómo debe aplicarse una capacidad construida previamente a partir del archivo cultural.
El 30 de noviembre de 2022 se hace público ChatGPT. La conversación lleva un paso más lejos la posibilidad abierta por GPT-3. La tarea ya no tiene que definirse por completo en una única instrucción: puede construirse de manera progresiva. El usuario solicita un resultado, lo observa, corrige lo que no funciona, añade condiciones y continúa desde la respuesta anterior. Cada mensaje modifica el contexto desde el que se producirá el siguiente.
La apertura al público cambia también la escala en la que se explora esa capacidad. Millones de personas empiezan a utilizar el sistema para redactar, traducir, programar, explicar, clasificar, diseñar, resumir o reorganizar información. Sus peticiones revelan aplicaciones, errores y límites que los desarrolladores no podían haber enumerado por completo de antemano. El modelo deja de probarse únicamente sobre tareas preparadas y entra en contacto con problemas reales, intenciones diversas y formas imprevistas de formularlas.
Durante los años siguientes, esta lógica se amplía a imágenes, sonido y vídeo, y los modelos se conectan con buscadores, bases de datos, programas y otras herramientas. El lenguaje deja de servir únicamente para solicitar una respuesta textual. Puede expresar un objetivo que el sistema divide en operaciones, ejecuta mediante recursos diferentes y revisa según los resultados obtenidos.
La apertura pública añade además una nueva fuente de información. El sistema ya no se enfrenta únicamente a materiales producidos con anterioridad, sino a millones de peticiones, reformulaciones y valoraciones generadas durante su uso. No toda conversación se incorpora directamente al entrenamiento, pero el conjunto de las interacciones permite descubrir qué tareas interesan, dónde falla el modelo y qué resultados esperan las personas. La sociedad había proporcionado el archivo cultural del que aprendió; ahora empieza también a proporcionar el mapa de sus posibles aplicaciones.
La llegada de la medianoche
Al llegar a la medianoche, el modelo ya puede traducir, explicar, clasificar, programar o producir imágenes a partir de una misma estructura. Esas capacidades no han surgido de una regla única ni de un procedimiento descrito de antemano, sino del procesamiento conjunto de cantidades inmensas de textos, programas, imágenes, ejemplos y evaluaciones. Lo que antes aparecía distribuido entre actividades, profesiones y personas distintas puede ahora reunirse en un sistema capaz de aplicarlo a situaciones nuevas.
Pero esa capacidad no se origina dentro de la máquina ni puede sostenerse al margen del mundo del que procede. La inteligencia artificial depende de una sociedad que continúe produciendo lenguaje, conocimiento, acontecimientos, problemas, imágenes y criterios con los que interpretar sus resultados. No genera por sí sola la realidad de la que aprende ni decide qué debe considerarse verdadero, útil o valioso. Necesita materiales anteriores a ella y nuevas intervenciones que señalen errores, formulen objetivos y definan qué clase de respuesta se espera. La sociedad no es solo el contexto en el que funciona el sistema: es la fuente continua de aquello que puede aprender.
Pero la necesidad de la sociedad como conjunto no garantiza la necesidad de cada individuo. Para construir una capacidad de traducción fueron necesarias generaciones de hablantes, escritores y traductores; para aplicarla a un documento concreto puede bastar con una instrucción. El modelo necesitó programas escritos por innumerables personas, pero no necesita recurrir de nuevo a cada programador cuando produce una función. Necesitó imágenes, descripciones y criterios creados por una multitud, aunque pueda generar una pieza nueva sin convocar a quienes aportaron los materiales de los que aprendió.
Lo colectivo y lo individual empiezan a separarse de forma decisiva. El sistema puede depender cada vez más de la producción conjunta de la sociedad y, al mismo tiempo, depender cada vez menos de cualquiera de sus integrantes por separado. La sociedad continúa siendo indispensable como origen del conocimiento; una persona concreta puede dejar de serlo para aplicar una parte de ese conocimiento.
La producción que alimenta los modelos se encuentra extraordinariamente distribuida. Universidades, administraciones, medios, editoriales, empresas, comunidades técnicas y millones de usuarios escriben, traducen, programan, fotografían, clasifican, corrigen y evalúan sin formar parte de un proyecto común. Cada uno publica un texto, responde una pregunta, comparte un programa o corrige un resultado para resolver una necesidad propia. Rara vez conoce la relación que esa actividad terminará teniendo con una capacidad construida posteriormente a gran escala.
La posibilidad de reunir esas contribuciones no está distribuida de la misma manera. Entrenar y operar los modelos más grandes requiere enormes conjuntos de información, procesadores especializados, centros de datos, energía, personal técnico y recursos financieros. La producción cultural y conductual procede de una multitud, pero la infraestructura capaz de convertirla en una capacidad general queda concentrada en un número muy reducido de organizaciones.
Quienes controlan esa infraestructura pueden transformar una producción colectiva en un servicio cuyas condiciones deciden: quién accede a él, cuánto cuesta, qué funciones incorpora, qué límites impone y hacia qué aplicaciones se desarrolla. Las personas que produjeron los materiales no adquieren por ello una participación equivalente en el sistema construido a partir de ellos. La contribución queda distribuida; la capacidad de organizarla, procesarla y decidir sobre su uso se concentra cada vez más.
La apertura pública de los modelos prolonga esa asimetría. Los usuarios plantean problemas, descubren aplicaciones, encuentran errores y muestran qué resultados consideran aceptables. Cada uno intenta resolver su propia tarea, pero la suma de millones de interacciones revela un mapa general: qué usos se repiten, dónde falla el sistema, qué funciones encuentran demanda y qué capacidades conviene ampliar. Ningún usuario puede reconstruir por sí solo ese mapa; las organizaciones que operan el servicio sí pueden observarlo de manera agregada.
No toda conversación se incorpora directamente al entrenamiento, pero el uso público produce conocimiento sobre el propio sistema. La sociedad no solo había generado los textos, imágenes y programas de los que aprendió. Ahora genera también las situaciones mediante las que se descubre cómo puede aplicarse, dónde necesita corregirse y hacia qué funciones puede desarrollarse.
La relación adopta así una forma circular. La sociedad produce cultura, conocimiento, comportamiento y evaluaciones. Un número reducido de organizaciones reúne una parte de esa actividad y la transforma en una capacidad del modelo. Después devuelve esa capacidad como un servicio cuyo uso produce nuevas señales para corregirla, ampliarla y encontrar más aplicaciones. El sistema continúa necesitando la participación colectiva, pero cada mejora puede reducir la necesidad de individuos concretos en las tareas que aprende a realizar.
La inteligencia artificial no elimina su dependencia de la sociedad. La reorganiza. Las personas contribuyen como multitud, a menudo sin conocer el destino técnico de su actividad; las organizaciones que reúnen esas contribuciones pueden observarlas como conjunto, procesarlas mediante una infraestructura propia y decidir cómo se utilizará la capacidad resultante. La sociedad proporciona la escala; unas pocas organizaciones concentran la posibilidad de convertirla en poder técnico.
La medianoche no representa el instante en que la máquina deja de necesitar a la humanidad. Representa el momento en que la necesidad colectiva de la humanidad puede separarse de la necesidad de cada ser humano concreto. Durante casi todo el año, la técnica amplió lo que las personas podían hacer. En el último minuto comenzó a reconstruir, dentro de una infraestructura concentrada, capacidades que antes permanecían distribuidas entre millones de ellas.
La pregunta que abre la medianoche ya no es únicamente cuánto podrá hacer la máquina, sino qué posición conservarán quienes producen colectivamente aquello que después puede utilizarse sin ellos.