Cinco sentidos e inteligencia artificial.

En mi artículo anterior sobre el riesgo de que exista una burbuja en relación con la valoración de los activos asociados a la inteligencia artificial, relacioné 12 posibles indicadores habitualmente relacionados con la existencia de una burbuja.

En este artículo voy a resumir los principios y fuentes de información que permiten obtener estos indicadores y analizar si estamos ante una burbuja en el caso de la IA.

1. Teoría económica y financiera

• Indicadores clásicos de burbujas de activos, como los descritos por economistas como Charles Kindleberger en Manias, Panics, and Crashes: A History of Financial Crises.
• Los conceptos de desconexión de los fundamentales y comportamientos especulativos suelen mencionarse en estudios de burbujas de mercado.

2. Análisis de ciclos de innovación

• El Hype Cycle de Gartner, que evalúa las tendencias tecnológicas emergentes y su evolución desde la sobreexpectación inicial hasta una meseta de productividad. La IA actual se encuentra en un punto de alta expectación.
• Observaciones sobre el ciclo de vida de las tecnologías, incluidas las fases de euforia y corrección.

3. Historia de burbujas tecnológicas

• Ejemplos históricos como la burbuja de las puntocom (1999-2000) y las criptomonedas (2017-2018), que comparten características similares con la situación actual de la IA.
• Paralelismos con tecnologías emergentes que experimentaron rápidos auges seguidos de ajustes significativos.

4. Comportamiento del mercado

• Análisis del comportamiento de los inversores, tanto institucionales como minoristas, y cómo las expectativas influyen en la especulación.
• Observación de las tendencias actuales en las valoraciones de empresas de IA, el flujo del capital riesgo y las expectativas de mercado.

5. Avances recientes en materia de IA

• La popularidad de tecnologías como ChatGPT, las herramientas de IA generativa, y sus efectos en la percepción pública y en la valoración de empresas relacionadas.
• Estudios de mercado, informes y análisis de expertos en tecnología, como los de McKinsey, PwC o Accenture, que destacan el crecimiento desproporcionado de la inversión en IA.

6. Psicología económica

• La teoría del comportamiento del inversionista, como la herd mentality (mentalidad de rebaño) y el FOMO (Fear of Missing Out), que son características comunes en la formación de burbujas.
• Análisis sobre cómo las narrativas dominantes moldean la percepción pública y el comportamiento del mercado.

La observación y el análisis de estas fuentes de conocimiento pueden ayudar a valorar los 12 indicadores propuestos en mi anterior artículo y a verificar si existe una burbuja en relación con los activos asociados a la inteligencia artificial.

Análisis de los indicadores habitualmente asociados a la existencia de una burbuja en relación con la IA.

Artículo completo que complementa el vídeo sobre los obstáculos que pueden existir para controlar y regular la inteligencia artificial.

A continuación relaciono los principales obstáculos que pueden existir para controlar y regular la IA.

1. Desarrollo acelerado y descentralizado.

La velocidad con la que la tecnología de la IA avanza, impulsada tanto por grandes corporaciones como por pequeños desarrolladores y comunidades open source, hace que sea extremadamente difícil regularla. Las actualizaciones y las nuevas versiones pueden superar rápidamente los marcos regulatorios existentes. La IA va más rápida que la ley.

2. Múltiples casos de uso.

La desventaja de regular de acuerdo con finalidades y casos de uso es que tanto la IA como el ser humano pueden generar supuestos, escenarios y casos de uso no previstos en la ley.

3. La ley es humana, la IA no.

La ley y la IA han sido creadas por el hombre, pero la IA es capaz de evolucionar de forma independiente y crear otras IAs. Una IA puede encontrar la manera de ocultar su actividad o escapar de cualquier otra forma al control del ser humano y de la ley.

4. Invisibilidad

La IA se integra en dispositivos, procesos y plataformas de una manera que puede no ser evidente para el usuario. Esta invisibilidad dificulta la identificación de los casos de uso basados en IA y la aplicación de la ley.

4. Acceso global a tecnología avanzada

Las herramientas de IA y los modelos preentrenados están disponibles en plataformas públicas, lo que democratiza el acceso pero complica la aplicación de normas locales e internacionales. La accesibilidad global permite a cualquier persona con conocimientos básicos utilizar la IA en cualquier contexto, desafiando la supervisión.

5. Ambigüedad en las definiciones y en el alcance de las normas

Las normas muchas veces no logran capturar la complejidad de lo que es la IA, que puede abarcar desde algoritmos de aprendizaje supervisado simples hasta modelos de lenguaje masivos y redes neuronales profundas. Esto provoca un vacío en las leyes y dificulta la elaboración de normas coherentes y completas.

6. Problemas de jurisdicción internacional

La IA puede ser desarrollada en un país, utilizada en otro, y afectar a interesados en diferentes regiones. Esto plantea retos a la hora de decidir qué leyes se aplican y cómo se puede hacer cumplir una norma en múltiples jurisdicciones.

7. Evolución autónoma de los modelos

Algunos sistemas de IA tienen la capacidad de autoaprender y mejorar sin intervención humana directa, lo que complica el control y la previsibilidad de sus comportamientos futuros, haciendo difícil aplicar la ley y establecer un marco de responsabilidad claro.

8. Dificultad en la atribución de responsabilidades derivadas de la toma de decisiones

En sistemas de IA complejos la lógica de la toma de decisiones puede ser opaca incluso para sus propios desarrolladores, lo que se conoce como la “caja negra” de la IA. Esto dificulta la trazabilidad, la atribución de responsabilidades y la aplicación de la ley de forma eficaz.

9. Adaptabilidad y personalización continua

Las aplicaciones de IA pueden adaptarse en tiempo real al contexto y las necesidades de los usuarios, lo que las hace difíciles de estandarizar y regular. Esta flexibilidad implica que las normas deben ser igualmente dinámicas, algo que los sistemas legislativos tradicionales suelen ser incapaces de conseguir y de mantener en el tiempo.

10. Diferencias culturales y éticas

Lo que se considera aceptable en términos de uso y aplicación de IA varía enormemente de una región a otra. Esta circunstancia hace que sea complicado crear normas universales que sean respetadas globalmente.