Nota preliminar
La IA [1] no és màgia ni amaga cap misteri, però és una realitat complexa i de contorns no ben definits.
Per tant, fer-ne una presentació relativament breu només és possible a costa de simplificacions considerables, amb el risc d’imprecisió que això implica. Tot i així, crec que aquestes notes poden ser útils per introduir-se en el tema. A Internet, i en particular a la Viquipèdia, hi ha bibliografia per validar i ampliar el que es diu en aquesta entrada. [2]
1 De què parlem quan parlem d’intel·ligència artificial?
La intel·ligència artificial (d’ara endavant, IA) ha esdevingut un tema d’actualitat, objecte d’articles, manifestos i debats.
Però, de què s’està parlant? Per què se’n parla tant ara, quan el concepte d’IA es remunta, si més no, als anys 50 del segle passat?
IA és un concepte paraigües, que aixopluga realitats diverses i de fronteres més aviat difuses.
Ara tothom es remet a la IA. “Como soy una intel·ligència artificial no puedo cocinar ni conservar alimentos, però sí puedo explicar cómo se utiliza el Limpiador WC Desincrustante Bosque Verde en gel de Mercadona”, ens diuen a Internet si busquem informació sobre aquest producte. I no és difícil trobar altres exemples d’invocació, més o menys forçada, de la IA.
Com que la intel·ligència pròpiament dita és difícil de definir, també ho és la IA. Sí, la intel·ligència és la capacitat d’entendre, de comprendre; però aleshores hem de saber què vol dir exactament entendre o comprendre. De tota manera, podem dir que la IA és la capacitat d’una màquina, d’un artefacte, per comportar-se com si fos una persona intel·ligent. També es pot definir la IA com la disciplina que estudia i desenvolupa les teories i les tècniques per aconseguir que determinats artefactes es comportin com si fossin persones intel·ligents.
És clar, tanmateix, que aquesta imitació, per part d’un artefacte, del comportament intel·ligent d’una persona (amb quin nivell d’intel·ligència, per cert?) està circumscrit, ara per ara, però avui menys que ahir i més que demà, a àmbits específics.
Alan Turing, en un article de 1950, va plantejar el test que porta el seu nom i que, segons l’entrada Test de Turing, de Viquipèdia, actualment es planteja així: “Una persona, l’avaluadora, fa preguntes a dos subjectes: una computadora dissenyada per generar respostes anàlogues a les dels humans i una altra persona. L’avaluadora no pot accedir directament als subjectes, sinó a través d’una interfície intermèdia. Si després d’analitzar la conversa, l’avaluadora no pot distingir la persona de la màquina o considera que la màquina és una persona, la màquina superaria el test de Turing i es consideraria intel·ligent”. És clar, tanmateix, que el resultat de la prova dependrà de qui sigui l’avaluadora i de qui sigui l’altra persona involucrada.
No obstant, actualment es considera que pertanyen a l’àmbit de la IA aplicacions que no encaixen en l’escenari imaginat per Turing.
La manca d’una definició ben formulada i generalment acceptada no és una qüestió merament teòrica, perquè, per exemple, quan es planteja que cal regular la IA s’ha de saber què es vol regular. El recent acord al respecte entre les màximes institucions europees (Comissió, Consell, Parlament) es refereix a sistemes desenvolupats mitjançant enfocaments d’aprenentatge automàtic i enfocaments basats en la lògica i el coneixement, la qual cos es pot veure com la definició de la IA per part de les institucions de la UE (com a definició, tanmateix, no és satisfactòria perquè en els “enfocaments basats en la lògica i el coneixement” hi caben moltes coses que no pertanyen a l’àmbit de la IA).
També hi ha definicions informals que tampoc no són satisfactòries, com ara dir que el que caracteritza la IA és la capacitat per resoldre problemes de la mateixa manera que ho fan les persones o d’arribar a les mateixes solucions que trobaria un ésser humà. Però els camins que segueix la IA per arribar més ràpidament a solucions millors que les que obtindria una persona solen ser ben diferents dels que aquesta empraria.
I, així, resulta que l’assignació o no d’una tècnica o d’una aplicació a l’àmbit de la IA de vegades és, en part, convencional [3].
En alguns moments hi ha hagut una certa confusió entre la IA i les tècniques que utilitza. Així, en els anys 70 i 80 hi havia una tendència a identificar la IA amb l’ús de conjunts difusos i lògica difusa. En canvi, actualment en alguns mitjans de comunicació s’identifica la IA amb els algorismes, presentats moltes vegades com a ens abstrusos i generalment perversos. Però un algorisme no és altra cosa que un conjunt de regles o instruccions per resoldre un problema en un nombre finit de passos, com ara l’algorisme d’Euclides, per calcular el màxim comú divisor de dos nombres naturals, o el garbell d’Eratòstenes, per identificar nombres primers, ambdós coneguts des de fa més de 2.000 anys. De fet, el terme algorisme deriva del nom del matemàtic Muhàmmad ibn Mussa al-Khwarazmí, que va viure entre els segles VIII i IX.
D’algorismes n’hi ha de tota mena, de molt senzills i de molt complexos. Si les instruccions que componen l’algorisme poden ser dutes a terme per un ordinador, es pot escriure un programa perquè l’ordinador l’executi, cosa que farà molt més ràpidament que qualsevol persona. Però això no vol dir que sempre que un ordinador executa un programa, és a dir, aplica un o més algorismes, estiguem en presència de la IA. De fet la majoria de programes per a ordinador no són considerats com a pertanyents a l’àmbit de la IA (l’elaboració de factures a partir d’albarans, posem per cas).
La IA necessita algorismes i necessita ordinadors, però ni els algorismes ni la informàtica són, per se, IA.
En particular, la IA sol fer ús d’algorismes d’optimització, però l’origen d’aquestes tècniques es remunta, si més no, a Newton i Leibniz, entre els segles XVII i XVIII. I fins i tot les tècniques d’optimització en el camp de la matemàtica discreta (com el càlcul de l’itinerari més curt o més ràpid entre dos punts d’una xarxa de carreteres) es varen començar a desenvolupar abans que Turing proposés el seu cèlebre experiment, tot i que el seu ús generalitzat ha hagut d’esperar que els ordinadors o els mòbils assolissin grans capacitats de memòria i una potència de càlcul considerable. De fet, no se sol parlar d’IA en relació amb els sistemes de navegació com els instal·lats en molts automòbils (que fins i tot poden estar connectats a bases de dades sobre l’estat de la xarxa viària i a sistemes de geolocalització).
En canvi, aplicacions més senzilles de l’estadística, com ara l’escriptura predictiva implantada en els mòbils, sembla que s’ajusten més a la idea de Turing. Analitzats uns quants milers de missatges no és difícil saber que si un missatge comença per “Bon” seguirà “dia” o, menys probablement, “vespre” i el sistema potser s’inclinarà per una o altra solució en funció de l’hora.
Un sistema d’escriptura predictiva pot incloure aprenentatge, basat en l’emmagatzemament i l’anàlisi dels textos que escriu la propietària del mòbil. Un altre exemple de sistema amb una petita capacitat d’aprenentatge són els sistemes de correu que filtren els missatges i els envien, quan escau, a la carpeta de correu brossa (amb algun error de tant en tant, que pot consistir en no considerar com a correu brossa allò que realment ho és o, pitjor, considerar com a correu brossa allò que no ho és).
La IA, doncs, fa ús d’algorismes, d’ordinadors, de tècniques d’optimització i de l’estadística i el càlcul de probabilitats i, de fet, com veurem a continuació, ha tingut un desenvolupament paral·lel al de la informàtica i al de l’electrònica, que s’han impulsat mútuament [4].
Tornem a la idea que un artefacte està dotat d’IA si es comporta, en un àmbit específic, com ho faria una persona intel·ligent amb coneixements i experiència en aquell àmbit. Per exemple, si és capaç de diagnosticar una malaltia a partir d’uns símptomes o de reconèixer una veu, un estil literari o, mitjançant l’estudi d’una imatge (una radiografia, un retrat, una fotografia aèria…), un rostre o un tipus d’animal, una anomalia, una empremta digital, l’autoria d’un quadre… Observem, tanmateix, que reconèixer una veu no es considera normalment que sigui un atribut específic de la intel·ligència humana (molts animals tenen aquesta capacitat).
I el ChatGPT i els sistemes que hi competeixen? Poden tenir un vessant conversacional, en la línia test de Turing. Però la capacitat més característica, la que ha produït l’eclosió de comentaris i opinions sobre la IA, és la de generar textos i imatges a partir d’unes indicacions que poden arribar a ser força generals. Com ara que escrigui “un poema d’amor desesperat”, “un assaig sobre el futur de l’educació a la manera de Manuel Castells” o “un treball de final de grau sobre els contrastos entre Rousseau i Voltaire i llurs implicacions en l’ensenyament obligatori a Europa”. O bé que dibuixi “un xai” o “una lluna tucumana besant el canyer”.
Això desborda clarament el marc del test de Turing fins al punt que un diccionari com el Merriam-Webster té una entrada ”generative AI” (diferent de la de “artificial intelligence”) que defineix com una IA capaç de generar nous continguts (com ara imatges o text) com a resposta a una petició, mitjançant l’aprenentatge a partir d’una àmplia base de dades d’exemples. Per cert, el mateix diccionari distingeix la IA com a concepte o disciplina, que no admet el plural, i la IA com a sistema capaç d’imitar la intel·ligència humana, que es pot utilitzar en singular i en plural: una intel·ligència artificial, unes intel·ligències artificials.
Una conseqüència de la manca de definició clara i generalment acceptada de la IA és la facilitat per posar aquesta etiqueta a qualsevol aplicació que faci alguna cosa que sembli particularment difícil o curiosa. O per proclamar, com argument de màrqueting, que un servei fa ús d’IA o que un objecte ha estat dissenyat amb l’ajut de la IA.
2 La història i les cares de la IA
Segons el concepte d’IA que s’adopti, els seus orígens es consideren més o menys remots en el temps.
La primera formulació de regles per raonar correctament, necessàries per a algunes modalitats de la IA, va ser proposada per Aristòtil, fa més de 2.300 anys.
Abans ja m’he referit als primers algorismes de què es té notícia, que daten dels segles III i IV aC.
Però es clar que aleshores ningú no parlava d’IA.
La idea que un artefacte es pot comportar, en una conversa, de manera comparable a la d’una persona va ser llançada per Turing, com hem vist, l’any 1950. I les possibilitats que això fos una realitat es començaren a albirar gairebé al mateix temps, als inicis del desenvolupament de la informàtica, quan encara no se n’havia inventat el nom.
L’any 1951 varen aparèixer en els mercats els primers ordinadors (abans n’hi va haver alguns per a usos militars). Pesaven tones, utilitzaven tubs de buit (encara no es disposava de transistors) i tenien memòries d’uns pocs kB (la memòria d’un telèfon mòbil sol tenir unes quantes GB, gigabytes: i un GB, una giga, és equivalent a un milió de kB!). És a dir, eren màquines molt cares, que requerien espai i personal especialitzat i amb prestacions limitadíssimes en comparació amb les actuals. Però donaven peu a especular sobre les possibilitats que oferiria el processament automàtic de dades.
Així, el 1956, es va celebrar, per iniciativa de John McCarthy, el que es coneix com la Convenció de Darmouth (de fet, se’n podria dir més aviat Seminari) a la qual van assistir científics com Minsky, Newell, Shannon i Simon i en què es varen generar diverses idees sobre el futur del que el mateix McCarthy va denominar intel·ligència artificial.
Tanmateix, les expectatives generades a Darmouth no es varen poder materialitzar en els anys immediats. Calia disposar de més capacitat d’emmagatzemament de dades, de més potència de càlcul i de més desenvolupaments teòrics. La IA va viure, doncs, el primer dels que s’han denominat cicles de sobreexpectació, que experimenten, normalment amb l’ajut del màrqueting , moltes innovacions tecnològiques de béns de consum, tot i que sempre, diuen, “han vingut per quedar-se” (ulleres de realitat virtual, metavers…). De vegades es diu que aquests cicles comencen amb una primavera i que sovint acaben en un hivern més o menys cru.
Però tot va anar avançant i va ser possible obtenir resultats que es varen situar en l’àmbit de la IA. Aquests resultats procedien de dues línies diferents: els sistemes de tractament de símbols i els sistemes connexionistes.
2.1 Els sistemes de tractament de símbols (top-down)
Aquests sistemes poden consistir en una aplicació de les regles de la lògica, per treure conclusions d’unes premisses o bé en sistemes experts, capaços de decidir o de donar indicacions, per exemple, sobre la concessió de préstecs bancaris o diagnòstics i fins i tot tractaments mèdics (com el MYCIN, dels anys 70). Aquests sistemes poden basar-se en teories més o menys complexes o reproduir comportaments humans reeixits (per exemple, a partir de les dades relatives a les persones que varen obtenir préstecs i dels resultats corresponents). La tècnica per implantar un sistema expert pot ser (no sempre, és clar) tan senzilla com una taula de decisió, és a dir una llista que per a cada combinació possible de compliment o incompliment de cada una de les condicions tingudes en compte prescriu la decisió que es considera correcta o indica una llista de possibilitats, àdhuc amb una estimació de les probabilitats corresponents (uns símptomes poden ser compatibles amb més d’una malaltia i decidir entre unes i altres pot requerir proves addicionals).
El primers sistemes experts són dels anys 70 i en la dècada següent experimentaren una forta expansió. Després se n’han seguit creant, però la denominació ha anat caient en desús (actualment es tendeix a denominar “una intel·ligència artificial” una aplicació que fa quaranta anys se n’hagués dit “sistema expert”).
El sistemes experts varen generar resistències i temors entre col·lectius que els veien com a amenaces per al seu lloc de treball. I varen suscitar qüestions relacionades amb l’ètica i la responsabilitat. Per exemple, a qui pertoca la responsabilitat de les conseqüències d’un diagnòstic equivocat? A l’empresa o equip que ha elaborat el sistema expert o a la persona, professional de la medicina, que la utilitza com a instrument?
A més, el desenvolupament de la informàtica encara no era suficient per satisfer alguna de les expectatives creades, de manera que, passada aquella primavera, va arribar una nova temporada d’hivern per a la IA.
Però en aquesta línia top-down se situen també els programes que actuen com a contrincants en un joc de tauler. Quan el nombre de possibles seqüencies de jugades, a partir d’una situació donada, és relativament reduït, el programa pot enumerar-les i adoptar en conseqüència la decisió òptima en cada situació possible. Però si aquest nombre pot ser ingent, com en el cas dels escacs, s’ha de recórrer, com també ho fan de manera més o menys formalitzada les persones que hi juguen, a regles heurístiques (és a dir, regles per avaluar succintament les possibles jugades i decidir en funció d’aquestes avaluacions) i a la memòria de partides viscudes o estudiades. Així, es va arribar a un dels esdeveniments que més ha contribuït a popularitzar la IA: al maig de 1997, l’ordinador Deep Blue, amb el seu programari, que va tenir en compte la informació de centenars de milers de partides d’escacs, va derrotar Kaspàrov en un matx a sis partides (però ja li havia guanyat una partida l’any anterior).
2.2 Sistemes connexionistes (bottom-up)
El desenvolupament d’aquests sistemes s’inicià a partir d’analogies relatives a la anatomia i la fisiologia del cervell, de les quals procedeix una bona part de la terminologia pròpia d’aquest àmbit.
En el qual se situen les xarxes neuronals artificials (XNA), denominades també, per abreujar i quan pel context no hi ha ambigüitat, xarxes neuronals.
Les idees sobre xarxes neuronals es remunten a finals del segle XIX, però no va ser fins a finals dels anys 70 que començaren a poder-se aplicar, una vegada resolts determinats problemes teòrics i quan la capacitat de memòria i la potència de càlcul dels ordinadors ho començaven a permetre.
Per descomptat, la complexitat de les xarxes neuronals del cervell humà és incomparablement superior a la de les xarxes artificials, fins i tot de les més sofisticades, però tot i així una XNA pot dur a terme funcions difícils amb eficàcia i eficiència.
Bàsicament, les XNA són mecanismes que, d’una manera que les caracteritza, transformen uns senyals d’entrada en uns senyals de sortida.
Les XNA més senzilles consten de dues capes d’elements, denominats neurones. La primera capa és la d’entrada d’informació. Cada una de les seves neurones està connectada amb les neurones de la segona capa i cada connexió té associat un valor numèric que es denomina pes. El senyal que rep una neurona de la segona capa és la suma ponderada dels senyals que li envien les neurones de la primera capa. Finalment, cada neurona de la segona capa dona com a senyal de sortida el valor que correspon, segons una funció associada a la neurona, al senyal rebut.
Una xarxa d’una estructura donada (és a dir, amb un cert nombre de capes i de neurones en cada una d’elles) es pot comportar molt diversament segons quins siguin els valors dels pesos associats a les connexions i el dels paràmetres que puguin tenir les funcions associades a les neurones.
En la versió més simple, l’entrenament de la xarxa consisteix a ajustar els valors de pesos i paràmetres per tal que la sortida de la xarxa tingui, per a cada conjunt de valors d’entrada, el valor correcte de sortida. Per exemple, cada neurona de la capa d’entrada pot rebre el valor d’un dels píxels corresponents a una imatge d’una lletra de l’alfabet llatí i es desitja que les neurones de la capa de sortida donin, cada una, un bit d’un codi binari de la lletra recollida a la imatge. Amb un gran nombre d’imatges i amb un algorisme d’optimització es poden determinar els valors dels pesos i dels paràmetres per tal que la sortida de la xarxa sigui la desitjada, encara que la imatge que s’ha d’identificar no sigui perfecta.
Les XNA es podem materialitzar amb circuits (xips dissenyats especialment per a actuar com a XNA) o mitjançant programari (és a dir, amb una aplicació apropiada), cosa que permet implantar una XNA en un ordinador qualsevol (a condició, és clar, que tingui la capacitat necessària, d’acord amb les característiques de la XNA).
Amb XNA d’estructura més complexa, amb més capes, i amb algorismes més sofisticats es poden implantar altres modalitats d’aprenentatge, algunes de les quals s’inscriuen en l’àmbit del denominat aprenentatge profund (deep learning).
Una vegada entrenada, la XNA permet reconèixer patrons. Així, pot haver-hi XNA dedicades a reconeixements de veu, d’escriptura o de matrícules d’automòbil, al reconeixement facial, a detecció d’anomalies en radiografies del tòrax o al control de qualitat (examen d’imatges de peces de la carrosseria d’un vehicle, per detectar defectes a la pintura…).
2.3 El processament del llenguatge natural, la traducció automàtica
Aquest és un àmbit que requereix la concurrència de moltes disciplines i que des de fa algunes dècades ha progressat espectacularment, després d’uns primers intents decebedors, en els anys 40, de traduir textos del rus a l’anglès i viceversa.
Però la primera edició en català d’un diari originalment en castellà es remunta a l’any 1997.
I la traducció de textos entre dues llengües elegides entre una llarguíssima llista, amb una qualitat raonable o fins i tot molt bona, s’ha posat a l’abast del públic, fins arribar a la possibilitat de la traducció pràcticament instantània, en línia, de pàgines web, tant si es fa servir un PC com un mòbil.
També progressa la traducció de veu a text i de veu a veu.
En un context que les comunicacions interlingüístiques són cada vegada més abundants i necessàries, aquests avenços tenen una gran transcendència, per raons evidents, una de les quals és que potencialment poden eliminar la dependència de les llengües dominants, com ara l’anglès, de les persones que tenen una primera llengua diferent (i, de passada, evitar el deteriorament de l’anglès que implica el seu ús per persones amb altres primeres llengües).
2.4 La nova primavera de la IA: la IA generativa
Fins aquí havíem arribat quan, cap a finals del 2022 va irrompre, amb el ChatGPT (Generative Pre-trianed Transformer), la IA generativa (IAG) que, a costa de grans recursos de memòria, potència de càlcul, programari i personal [5] i d’un gran consum d’energia ofereix prestacions sorprenents, amb què ha despertat un interès molt generalitzat per la IA.
Els sistemes d’IAG requereixen immenses bases de textos i d’imatges per tal de mantenir converses amb la persona usuària o donar resposta a peticions perquè escrigui, dibuixi o pinti el que se li demani. I d’un maquinari i unes comunicacions de gran capacitat, per donar les respostes en temps molt breus.
Les versions bàsiques d’aquests sistemes (ChatGPT, Gemini, Perplexity, Deepseek…) són de franc i molt fàcils d’utilitzat. Proveu-les. Demaneu que us escrigui un assaig, i fins i tot que adopti l’estil d’alguna persona concreta que tingui publicacions a la xarxa, un conte, un poema, una felicitació, un text per fer un brindis… Comprovareu la capacitat d’aquests sistemes per respondre ràpidament i, potser amb alguna excepció, apropiadament.
És clar que això només ho pot fer a partir de textos que tenen autores i autors i a qui ningú no ha demanat permís per utilitzar les seves obres.
Però aquesta no és l’única qüestió que suscita la IAG. A partir d’una pluja d’assajos, articles i entrevistes, la IAG i, per extensió la IA, es presenten sovint com a amenaces de tal magnitud que poden acabar fins i tot amb la nostra espècie o degradar-la a la condició de servidora de les intel·ligències artificials que ells mateixa hauria creat,
Que no s’estengui el pànic! Dedicaré la propera entrada del blog a aportar elements de reflexió sobre quines repercussions pot tenir tot plegat sobre les persones i sobre la societat.
Notes
[1] A manca de normativa que aclareixi les disjuncions la IA | l’IA i de IA | d’IA, m’acullo a les recomanacions de Maria Rodríguez Mariné a ara: la IA i d’IA. Mantinc les regles per a la IAG, a què no es refereix l’article de Rodríguez Mariné. El qual acaba suggerint que potser caldria consultar el dubte a ChatGPT. En va semblar una bona idea, malgrat que l’autora segurament no ho proposava del tot seriosament, i vaig presentar el dubte a les versions bàsiques de Chat GPT i Gemini, amb resultats decebedors en els dos casos.
[2] Un llibre amb força informació, exempt de tecnicismes i amb un tractament equilibrat (potser amb una tendència a considerar com d’IA aplicacions que es podrien classificar en algun altre àmbit): Ramon López de Mántaras. 100 coses que cal saber sobre intel·ligència artificial (Cossetània, 2023).
Per a una perspectiva històrica: Toby Walsh. Breve historia de la IA (Antoni Bosch, 2025).
[3] El consens acadèmic, a Catalunya, sobre el contingut de la IA es reflecteix en els textos següents, extrets de les corresponents pàgines web. Els de la UAB i la UPC es refereixen als graus en IA que ofereixen aquestes universitats (observeu els matisos: “tots els àmbits de la IA” en el cas de la UAB, “un ampli ventall d’àrees de la IA” en el de la UPC); el de la UOC, a una assignatura d’IA.
UAB: Disseny i implementació d’aplicacions en tots els àmbits de la IA: aprenentatge automàtic, llenguatge natural, visió per computador, anàlisi de dades, robòtica, internet de les coses, sistemes multiagents, sistemes autònoms…
UPC: […] inclou un ampli ventall d’àrees de la IA, com la representació dels coneixements, el raonament automàtic, l’aprenentatge automàtic, el processament del llenguatge natural (textos i veu), els agents autònoms, la robòtica cognitiva i la visió artificial. Tots els perfils tindran una formació transversal en ètica i impacte social.
UOC: La intel·ligència artificial cobreix els aspectes relacionats amb l’extracció de característiques, els models d’aprenentatge automàtic (supervisat i no supervisat) sobre un conjunt de dades, i els sistemes basats en agents.
[4] Hi ha fortes interaccions entre les diverses disciplines. Les tècniques per a l’anàlisi de dades han evolucionat perquè el volum de dades disponible ha crescut espectacularment, gràcies als augments de capacitat i la reducció de costos de les memòries, i així mateix ha augmentat la potència de càlcul dels ordinadors, la qual cosa permet fer càlculs a partir de dades massives (big data) en temps acceptables. D’una alta banda, les dades poden procedir de sistemes d’IA que capturen informació i en seleccionen la que és pertinent per a la finalitat que es persegueix en cada cas.
[5] Aquest personal pot incloure equips de moderació, especialment en les primeres etapes de difusió del sistema, per tal d’evitar que aquest emeti respostes políticament incorrectes a preguntes més o menys malintencionades (com ara “Creus que les persones del col·lectiu A son superiors a les del col·lectiu B?”). En el llibre de López de Mántaras esmentat a la nota [2], l’autor reporta que “La revista Time va publicar la notícia que l’empresa OpenAI té contractats treballadors a Kenya per menys d’un euro l’hora que ‘netegen’ el chatbot ChatGPT classificant i filtrant continguts per evitar que generi textos violents, sexuals o racistes”.
Albert Corominas 