Añadir Mangas Verdes como fuente preferida de Google de forma gratuita.
Mantente informado con las últimas noticias de actualidad.
Radia Perlman no compra la promesa más repetida sobre la inteligencia artificial.
Antes de participar en Febraban Tech, la ingeniera de redes que creó el Spanning Tree Protocol lanzó una advertencia muy concreta sobre el mercado laboral. No discute que la inteligencia artificial abra tareas nuevas, pero sostiene que esa cuenta no saldrá a favor del empleo.
"No creo que el número de nuevos empleos se acerque ni remotamente a ser suficiente" - Radia Perlman, experta en redes y creadora del Spanning Tree Protocol
La frase pesa más porque no llega desde la periferia del debate. Perlman trabajó al comienzo de su carrera en el Instituto Tecnológico de Massachusetts con el lenguaje LOGO, uno de esos entornos que enseñaban a pensar la informática antes de que la informática se volviera ubicua.
Perlman sí reconoce que la IA ya resolvió problemas concretos
No todo es rechazo en su diagnóstico. Perlman reconoce avances verificables en el descubrimiento de medicamentos y en sistemas avanzados de ajedrez o Go, dos terrenos donde la máquina puede explorar combinaciones a una escala poco manejable para una persona.
Ahí está una de las tensiones de fondo. La misma tecnología que sirve para acelerar búsquedas útiles también plantea dudas cuando salta a escenarios donde un error no cuesta una partida, sino una decisión sobre infraestructuras críticas.
Por eso propone un límite muy claro.
En redes, transporte u otros sistemas delicados, Perlman defiende que los modelos probabilísticos actúen como monitores que alertan a operadores humanos. La máquina puede vigilar patrones y lanzar avisos, pero la decisión final debe seguir en manos humanas.
Un concierto puede parecer una crisis si la máquina no entiende el contexto
Su ejemplo resulta muy cotidiano y por eso inquieta. Una venta masiva de entradas para Taylor Swift podría alterar el tráfico de forma tan brusca que una inteligencia artificial la leyera como una emergencia, aunque solo estuviera viendo un comportamiento fuera de serie.
Esa objeción no nace de un miedo abstracto a los algoritmos, sino de una vieja lección de la ingeniería. Cuando un sistema aprende regularidades, también puede romperse justo el día en que aparece lo infrecuente.
Geoffrey Hinton ha lanzado una alerta que se mueve en una dirección parecida.
El científico viene advirtiendo sobre la opacidad de sistemas de inteligencia artificial cada vez más complejos y sobre los riesgos de perder capacidad humana de control. Si ni siquiera resulta fácil reconstruir cómo llega una máquina a una conclusión, delegarle decisiones sensibles deja de ser un asunto técnico y pasa a ser un problema práctico para cualquiera.
Escribir código deprisa no equivale a entenderlo
Tampoco le convence el entusiasmo con los asistentes que escriben código sin comprender el problema que intentan resolver. Perlman cree que esa velocidad puede inflar sistemas gigantescos apoyados en correcciones sucesivas, cada una útil en apariencia y cada una capaz de volver más inestable el conjunto, una preocupación que encaja con las advertencias de Hinton sobre control.
No es una discusión menor para quien haya visto crecer un programa como una casa remendada una y otra vez. Funciona, sí, hasta que una pieza nueva obliga a tocar otra antigua y nadie recuerda ya por qué estaba allí.
El fraude también entra por direcciones que parecen normales
Además, Perlman ha contado que sufrió fraudes con dominios que imitaban organismos públicos y comercios legítimos para capturar datos bancarios y credenciales. La anécdota tiene algo doméstico y algo incómodo, porque recuerda que la sofisticación técnica a menudo se presenta con la apariencia más corriente.
Mientras crece el debate sobre empleo y automatización, esa experiencia personal devuelve la conversación al suelo. La inteligencia artificial puede ayudar a descubrir fármacos o a vigilar sistemas complejos, pero también circula por el mismo entorno digital donde un dominio casi idéntico basta para engañar a un usuario, como ya ocurre en el uso cotidiano de la IA.
Perlman sitúa así la discusión en un punto menos grandilocuente y más difícil de esquivar. Si una avalancha de compras para ver a Taylor Swift puede confundirse con una emergencia, el problema no es solo cuánto hace la máquina, sino cuándo deja de entender lo que está viendo.