Raphaël Millière es filósofo. Estudió en la Université Paris 1 Panthéon-Sorbonne, en 2020 terminó su doctorado en filosofía en la Universidad de Oxford y actualmente es profesor del Departamento de Filosofía de la Universidad de Columbia.

Calcula que ya cumple siete años trabajando en inteligencia artificial como programador y como filósofo.

“Desde el principio del doctorado (en 2015) comencé a trabajar en un proyecto que involucraba el uso de inteligencia artificial. Me capacité para programar y usar algoritmos y avancé en un proyecto paralelo que luego se convirtió gradualmente en mi enfoque principal, porque me di cuenta de que había muchas preguntas filosóficamente interesantes que surgían de los desarrollos recientes en IA en las que quería centrarme”, comenta en una conversación por Zoom con DF MAS. 

Al día siguiente, el martes 10, tomará el vuelo desde Nueva York a Chile, para viajar primero al sur del país a conocer las Torres del Paine y luego participar del Congreso del Futuro el jueves 19 de enero a las 17.20 horas como parte del bloque titulado Conectar con la caja negra. 

Actualmente, explica en su sitio raphaelmilliere.com, está trabajando en dos proyectos de investigación: uno acerca de las capacidades y limitaciones de las redes neuronales artificiales profundas. Y el segundo sobre la naturaleza y el alcance de la autorrepresentación. “También estoy interesado en temas éticos y de seguridad relacionados con el desarrollo y despliegue de IA y cuestiones filosóficas relacionadas con arte y tecnología”, sintetiza el texto. 

Sobre el ritmo de la investigación en IA, Raphaël señala que en ciertos aspectos éste se ha ido acelerando, pero explica que el principal hito en este terreno tuvo lugar hace diez años con la aparición de la técnica llamada deep learning o aprendizaje profundo.

“El primer gran éxito público del aprendizaje profundo ocurrió en el campo de la clasificación y reconocimiento de imágenes: que una computadora sepa distinguir si aparece un perro o un gato. Ese fue un problema difícil en la IA durante mucho tiempo y se resolvió a principios de los años 2010s”. 

Hoy en día existen ejemplos exitosos, afirma, en el campo conocido como procesamiento del lenguaje natural, incluidos los algoritmos que generan lenguaje para aplicaciones de Open AI como ChatGPT. Éstas pueden entablar una conversación con el usuario y recibir la instrucción para, por ejemplo, escribir un ensayo que se refiera a la salud mental a finales del siglo XIX en Inglaterra citando a tres autores.

“Este progreso parece estar acelerándose. Al menos así lo demuestran la tasa de artículos publicados e investigadores jóvenes que se entusiasmaron con el aprendizaje profundo y comenzaron a trabajar en él. Es una gran comunidad a nivel internacional”. 

-Aún no sabemos cómo estas nuevas herramientas podrían alterar el desarrollo cognitivo de las nuevas generaciones que crecerán con ellas. Como académico y filósofo, ¿te resulta válido que un estudiante utilice estas aplicaciones?

“No tengo una respuesta definitiva a esa pregunta, que es muy complicada desde una perspectiva pedagógica. Si les doy un ensayo a mis alumnos como tarea en casa, ¿qué garantía tengo de que no le darán la pregunta al bot para generen un ensayo? Y para ser honesto, lo que estos bots de ChatGPT pueden generar en estos días se ha vuelto mejor que muchos ensayos que obtendrías en una clase de primer nivel. Es realmente una pregunta difícil. Pero creo que hay formas de aprovechar el poder de estos algoritmos con fines pedagógicos tratando de innovar. Una idea que tengo y que probaré pronto en mis clases es decirles explícitamente a los estudiantes que usen esta herramienta para generar dos ensayos en respuesta a una pregunta, uno que argumente a favor de puntos particulares y otro que argumente a favor del opuesto. Por lo tanto, generar dos reflexiones y que luego los alumnos analicen críticamente sus fortalezas y también sus limitaciones. Creo que esa es una forma en la que uno puede usar explícitamente estas herramientas sin que sea  trampa y obliga a los estudiantes a pensar mejor que el algoritmo”.

Millière recurre a ejemplos de nuevas tecnologías que en su momento alteraron las formas de aprendizaje sin necesariamente deteriorarlo. “Una analogía útil sería la de la calculadora. Antiguamente los estudiantes debían descifrar cálculos aritméticos y cuando inventamos la calculadora, este tipo de tarea específica se volvió obsoleta porque cualquiera puede usar una calculadora.

Hoy lo que se evalúa no es la capacidad de realizar una operación en su cabeza, sino lograr el tipo correcto de razonamiento para resolver la pregunta matemática, y la calculadora es una herramienta. De la misma manera podemos integrar estos nuevos algoritmos en la enseñanza para hacer que participen de manera crítica y en lugar de generar ensayos sin pensar que son todos uniformes y naturalmente hacen uso de las habilidades de pensamiento crítico del estudiante”. 

¿Y qué es arte?
El pasado 9 de diciembre el filósofo publicó en su cuenta de Twitter el registro de una charla entre artistas, filósofos e investigadores del Centro de Ciencia y Sociedad de Columbia, donde se debatía respecto de las obras de arte generadas con IA.

En la introducción al conversatorio el propio académico planteaba que el mundo del arte también tiende a excluir las nuevas formas de producción artística, poniendo como ejemplo la irrupción de la fotografía. Consultado al respecto, se explaya: 

“Cuando apareció la fotografía, el público que estaba acostumbrado a la pintura tradicional y los propios artistas se mostraron muy escépticos y pensaron que se trataba de forma de hacer trampa. ‘Esto nunca puede ser arte’. ‘No hay proceso artístico’. ‘Es solo presionar un botón’. Hoy en día, la mayoría estaría de acuerdo en que esto es miope, porque cuando tomas una fotografía, y casi todos acarreamos una cámara de fotos en nuestros celulares, eso no te convierte en un artista. Pero hay personas que son verdaderos artistas y esto requiere habilidad, saber cómo trabajar con la herramienta, pero también se necesita visión, talento y preferencias estéticas. Lo mismo aplica para esta nueva forma de arte que está surgiendo hoy en día, que es bastante emocionante, pero también controvertida”. 

El llamado “AI art” (arte IA), está hecho con algoritmos de generación de imágenes que pueden crear imágenes basadas en una descripción de texto. Hay plataformas que permiten hacerlo de manera muy fácil, “pero eso no convierte a nadie automáticamente en artista”, afirma Raphaël.

Agrega: “Uno necesita tener algún tipo de visión y también conocimientos y habilidades para experimentar con diferentes indicaciones de texto y mejorar el tipo de resultados. Muchas son variaciones de un mismo estilo. Eso no es artísticamente muy convincente. Pero hay artistas que usan estas tecnologías de formas únicas, originales, creativas e interesantes, y su proceso no equivale a presionar un botón. Hay mucho más que implica pensar”.

Menciona a algunos referentes cuyo trabajo le parece digno de conocer para apreciar mejor las dimensiones de estas nuevas formas de crear arte, como Mario Klingemann, Scott Eaton, Helena Sarin y Sougwen Chung. 

-Hay quienes argumentan que la inteligencia artificial nunca será como la humana porque nosotros cargamos con una herencia cultural que nos define. ¿Crees que llegará un momento en que seremos totalmente predecibles?

“Ahí entran en juego muchas cuestiones en lo que respecta al patrimonio cultural. Un algoritmo de IA puede entrenarse para capturar toda la colección de arte occidental del Louvre, el Museo Metropolitano de Nueva York, y más, y procesar el patrimonio artístico y cultural de ciertos países. Obviamente, esto no es lo mismo que tener la experiencia de un artista que asiste a una escuela de arte. Es importante dejar en claro que estos algoritmos que usan aprendizaje profundo aprenden de los datos, pero no es homologable a la experiencia del ser humano real de crecer en un entorno determinado, en una familia y en una cultura. No está claro cómo se podría criar una IA en un cuerpo robótico como a un niño. Incluso si supiéramos cómo hacerlo, esto implicaría una investigación en una escala de tiempo de 20 años. Pero es fácil caer en la trampa de pensar que estos algoritmos tienen personalidades, creencias, preferencias, objetivos y deseos humanos que en realidad no tienen. Los humanos somos muy propensos al antropomorfismo, a ver rasgos humanos en otras cosas, incluidos objetos inanimados como son los juguetes. Es algo que requiere educar al público en general, y de eso hablaré en el Congreso del Futuro”.