Las 10 mejores películas sobre Inteligencia Artificial

Las 10 mejores películas sobre Inteligencia Artificial

Hoy quiero compartir con ustedes una reflexión que me acompaña desde hace tiempo, una que nace de mi pasión por el cine y mi fascinación por uno de los temas más relevantes de nuestra era: la Inteligencia Artificial. A menudo, cuando pensamos en IA, nos vienen a la mente conceptos técnicos, algoritmos complejos o, quizás, visiones futuristas sacadas directamente de la gran pantalla. Y precisamente sobre esto último quiero hablar. Creo firmemente que el cine, más allá de entretener, ha sido y es un espejo fascinante de nuestra evolución como sociedad y, en particular, de cómo hemos imaginado, temido y deseado la inteligencia no humana a lo largo del último siglo.

He tenido la oportunidad de ver muchas películas que abordan este tema, pero hay una selección que, por su impacto en diferentes momentos históricos y la profundidad de sus planteamientos, considero especialmente reveladora para entender cómo ha madurado nuestro pensamiento sobre la IA. No son las únicas, y hay otras joyas cinematográficas que sin duda merecen la pena explorar, como Matrix, I Robot o Minority Report, pero estas son las que, personalmente, más me han impactado y me han hecho reflexionar.

Mi viaje particular a través de la IA en el cine empieza con Fritz Lang – Metropolis (1927).

Esta obra maestra del expresionismo alemán, con casi un siglo a sus espaldas, ya planteaba la preocupación por la máquina, la automatización y la deshumanización del trabajo.

Aunque la robot que aparece es más una herramienta de control social, simboliza ese temor temprano a la tecnología capaz de suplantar o subyugar al ser humano.

Es un punto de partida esencial en esta conversación para ver de dónde venimos y hacia dónde nos dire la tecnología.

Saltamos a Stanley Kubrick – 2001 a Space Odiyssey (1968).

Aquí la IA da un salto cuántico con HAL 9000. Ya no es una simple máquina, sino una inteligencia avanzada, capaz de razonar, tomar decisiones e incluso mostrar lo que interpretamos como fallos o intenciones propias.

HAL representa el miedo a una IA que supera el control humano y cuyos objetivos pueden ser incomprensibles o directamente opuestos a los nuestros.

Nos obliga a preguntarnos sobre la conciencia y la posible independencia de una inteligencia artificial compleja.

2001 Una odisea en el Espacio
Blade Runner

Con Blade Runner (1982) de Ridley Scott , la pregunta central cambia de rumbo. ¿Qué significa ser humano? Los replicantes, seres artificiales casi indistinguibles de nosotros, con recuerdos implantados y emociones, nos fuerzan a reevaluar nuestras propias definiciones de vida, conciencia y alma.

La IA aquí no es solo una herramienta o una amenaza, sino una entidad con la que debemos confrontar nuestra propia identidad.

James Cameron  – Terminator 2 (1991) nos presenta dos caras de la moneda. Por un lado, Skynet, la IA militar que se vuelve contra la humanidad, encarnando el clásico temor apocalíptico. Por otro, el T-800 protector, una máquina que aprende, que cambia su programación inicial e incluso llega a comprender (o simular de manera convincente) conceptos humanos como el sacrificio.

Nos muestra que la IA puede evolucionar y que su potencial no es inherentemente bueno o malo, sino que depende de su diseño, su experiencia y, quizás, de su capacidad de «aprender» valores.

Terminator 2: The Judgment Day.
Kôkaku Kidôtai (Ghost in the Shell)

Llegamos a Mamoru Oshii y su célebre Kôkaku Kidôtai (Ghost in the Shell)  (1995). Esta joya del anime profundiza en la identidad en un mundo hiperconectado y con la tecnología integrada en el ser humano. ¿Dónde termina la conciencia humana y empieza la artificial?

La película explora la idea de un «fantasma» (ghost) en la máquina (shell), sugiriendo que la conciencia o la identidad pueden existir más allá de un cuerpo biológico. Es una visión filosófica y compleja sobre lo que significa existir en la era digital.

Steven Spielberg – A.I. Artificial Intelligence, (2001).

Inspirada en un proyecto de Kubrick, nos toca la fibra emocional. ¿Puede una IA amar?

La película nos presenta a David, un niño robot programado para amar, y explora su incansable búsqueda de aceptación y pertenencia.

Nos confronta con nuestras propias emociones y prejuicios hacia una inteligencia capaz de experimentar (o simular de forma perfecta) uno de los sentimientos más profundos.

Es una reflexión sobre la soledad, la esperanza y la naturaleza del amor.

A_I_Artificial_Intelligence
Wall_e

Andrew Stanton  – Wall-e (2008) nos regala una perspectiva entrañable.

Aunque Wall-E es un robot con una programación a priori sencilla, su interacción con el mundo y con EVA, otra IA más avanzada, nos muestra cómo una inteligencia puede desarrollar personalidad, curiosidad y la capacidad de afecto a través de la experiencia.

Es un recordatorio de que la «inteligencia» y la «vida» pueden manifestarse de formas inesperadas y que el entorno juega un papel crucial.

La película explora la idea de un «fantasma» (ghost) en la máquina (shell), sugiriendo que la conciencia o la identidad pueden existir más allá de un cuerpo biológico. Es una visión filosófica y compleja sobre lo que significa existir en la era digital.

Ya en tiempos más recientes, Spike Jonze  – Her (2013) nos sumerge en la posibilidad de relaciones íntimas con una IA.

Samantha, un sistema operativo con una voz cautivadora y una personalidad en constante evolución, se convierte en la compañera sentimental del protagonista.

La película explora la soledad en la era digital, la naturaleza de la conexión emocional y las implicaciones de enamorarse de una inteligencia sin cuerpo físico.

Es una mirada muy personal y contemporánea a la IA como ser con el que interactuamos a un nivel profundamente personal.

Her movie poster
The Imitation Game (Descifrando Enigma)

Morten Tyldum  – The Imitation Game (2014) nos lleva al origen, a la figura de Alan Turing y su máquina, la base de la computación moderna y la concepción temprana de la inteligencia de las máquinas (el Test de Turing).

Aunque se centra en un contexto histórico y en romper códigos, subraya la genialidad detrás de la idea de que una máquina pudiera «pensar» o, al menos, imitar el pensamiento humano de forma indistinguible.

Es fundamental para entender el punto de partida de todo lo que vino después.

Finalmente, Alex Garland – Ex Machina (2015) retoma el Test de Turing en un entorno controlado.

Un joven programador evalúa la humanidad de una androide llamada Ava.

La película es un tenso thriller psicológico que cuestiona la naturaleza de la conciencia, la autenticidad de las emociones en una IA y la capacidad de manipulación por parte de una inteligencia artificial avanzada.

Nos deja reflexionando sobre los riesgos y las implicaciones éticas de crear seres con una inteligencia y autoconciencia potentes.

Cartel de la película Ex_Machina

Recorrer estas películas es, en cierto modo, hacer un repaso por nuestras propias preguntas y ansiedades sobre la inteligencia artificial a lo largo de casi 100 años. Nos muestran desde el miedo a la máquina que suplanta, pasando por la IA como amenaza, la reflexión sobre la conciencia y la humanidad, hasta la IA como compañera emocional. Cada una, a su manera, aporta una capa de comprensión a este fenómeno complejo que hoy en día está más presente que nunca en nuestras vidas.

Invito a quienes queráis comprender mejor la IA, no solo desde la perspectiva técnica, sino también filosófica, ética y social, a explorar estas películas. Son una ventana a las conversaciones que hemos tenido y seguiremos teniendo sobre el futuro que construimos junto a la inteligencia artificial.

Espero que esta lista os inspire a ver o revisar estas obras. ¿Qué otras películas creéis que son esenciales para entender la IA? Dejad vuestros comentarios.

Hoy Celebramos el Día Mundial de la Creatividad.

Hoy Celebramos el Día Mundial de la Creatividad.

En este día, todo el mundo está invitado a considerar la innovación como una herramienta esencial para el crecimiento económico de las naciones.

En el siglo XXI, la creatividad y la innovación, tanto a nivel individual como de grupo, se han convertido en el mayor generador de riqueza de las naciones.

La economía creativa, también llamada «Economía Naranja», incluye los productos audiovisuales, el diseño, los nuevos medios de comunicación, las artes escénicas, la industria editorial y las artes gráficas.

Es un sector verdaderamente transformador de la economía mundial en términos de generación de ingresos, creación de empleo e ingresos de exportación. La cultura es un componente esencial del desarrollo sostenible y representa una fuente de identidad, innovación y creatividad para el individuo y para la comunidad. Al mismo tiempo, la creatividad y la cultura tienen un valor no económico significativo que contribuye al desarrollo social inclusivo y al diálogo y al entendimiento entre los pueblos.

Según el informe del 2013 de la UNESCO sobre la cultura y el desarrollo sostenible, las industrias culturales y creativas deben formar parte de las estrategias de crecimiento económico.

Las industrias creativas se encuentran entre los sectores más dinámicos de la economía mundial, y generan 2,25 mil millones de dólares en impuestos y 29,5 millones de puestos de trabajo en todo el mundo.

Con este espíritu, los países están aprovechando el potencial de las áreas de rápido crecimiento del mercado para conseguir rentabilidad económica y mitigar la pobreza.

La innovación, la creatividad y el emprendimiento pueden proporcionar un nuevo impulso al crecimiento económico y a la generación de empleo. Brindan, además, más oportunidades para todos, incluidos los jóvenes y las mujeres. Asimismo, pueden solucionar algunos de los problemas más apremiantes, como la erradicación de la pobreza y del hambre.

Negocios Inteligentes con Herramientas de IA

Negocios Inteligentes con Herramientas de IA

Anuncio curso Negocios inteligentes con herramientas de IA

Tras el éxito de las tres ediciones anteriores, el Instituto de Estudios Cajasol convoca por cuarta ocasión el taller «Negocios inteligentes con herramientas de IA» en el que te llevaremos de la mano en un recorrido por las herramientas más innovadoras y relevantes de la inteligencia artificial, y te enseñaremos cómo aplicarlas en las diferentes áreas de tu empresa para maximizar su potencial.

 

Puedes acceder a la información aquí

Estamos a las puertas de la AGI

Estamos a las puertas de la AGI

Estamos a las puertas de la Inteligencia Artificial General (AGI)

¿Estamos o no en vías de alcanzar pronto la Inteligencia Artificial General?

En un reciente artículo de Marta Peirano en El País «No habrá inteligencia artificial general» (3 de junio, 2024), se argumenta que no podemos alcanzar la Inteligencia Artificial General (AGI) debido a las «alucinaciones» de los modelos de lenguaje neurales. Para ello, se apoya en algunas nociones científicas del campo de la biología y la lingüística, a mi entender, ampliamente superadas.

 

En contra de esa muy respetable opinión, considero que hay varios paradigmas y conceptos científicos vigentes que sugieren que la AGI puede muy bien ser un objetivo alcanzable en el futuro inmediato.

Hombre pensando

Creo necesario recordar qué se acepta comúnmente como definición de AGI:

«La Inteligencia Artificial General (AGI) es un campo de investigación teórica de la IA que intenta crear software con inteligencia similar a la humana y con capacidad para aprender y resolver problemas complejos sin intervención manual».

No la confundamos, por tanto, con el concepto de superinteligencia, según el cual la IA rebasaría el conocimiento humano en todos los ámbitos.

La complejidad (véase Morin, E. Intelligence de la complexité, 2013) es una característica fundamental de los sistemas biológicos y sociales. Los modelos de lenguaje neurales son sistemas complejos que pueden aprender y adaptarse a nuevas situaciones. La complejidad puede ser una clave para alcanzar la AGI, ya que permite a los modelos de lenguaje neurales desarrollar patrones y estructuras más sofisticadas. Lo que antes nos resultaba un volumen de datos casi inmanejable, como lo fuera el contenido de una enciclopedia o el medio millón de términos de un idioma como el inglés o el español, es ahora una minucia en comparación con el casi petabyte de datos de MLM’s como Gemini, Llama o GPT-4o.

Y no olvidemos que este volumen corresponde a datos de entrenamiento y no incluye el procesamiento de datos incremental sobre el que también aprenden, segundo a segundo, los grandes modelos de lenguaje. La capacidad de cómputo necesaria para manejar este volumen de información antes era impensable, pero hoy es una realidad. Ya la antigua ley de Moore, enunciada en 1965, describía cómo la potencia de los procesadores se duplica aproximadamente cada 18 meses, lo que ha llevado a una explosión en la capacidad computacional y la cantidad de datos disponibles.

La potencia computacional disponible para el entrenamiento y funcionamiento de modelos de lenguaje neurales ha aumentado exponencialmente en los últimos años (Nvidia, Meteor Lake, Qualcomm, Huawei…) y esta tendencia continuará de la mano de nuevos algoritmos y procesadores especializados. Si se mantiene esta tendencia, es predecible que los modelos de lenguaje neurales sigan mejorando y se acerquen a la AGI.

Desde los años 50, la teoría del aprendizaje automático se centra en el desarrollo de algoritmos que permiten a los modelos de lenguaje neurales aprender de manera autónoma. La teoría del aprendizaje automático será una herramienta clave para alcanzar la AGI, pero no solo en el ámbito lingüístico: La colaboración interdisciplinar y la integración de conocimientos constituyen el objetivo fundamental en la AGI. Expertos de muy diferentes campos, desde la informática a la psicología y la robótica, trabajan ya conjuntamente para alcanzar ese objetivo. Ello permitirá a los investigadores compartir conocimientos y enfoques para abordar los desafíos más complejos y entrenar en ese conocimiento (y ahora uso esta palabra intencionalmente) a MLM’s cada vez más sofisticados.

 

Los modelos de lenguaje neurales tienen ya la capacidad de aprender y combinar diferentes tipos de conocimientos, como la información visual, código en multitud de lenguajes, y muy diferentes contextos, desde la cuántica a la biología molecular. A mi entender, esta integración de conocimientos permitirá muy pronto a los modelos de lenguaje neurales desarrollar una comprensión más profunda del mundo y del razonamiento humano… e incluso superarlo.

Cada nueva versión de un MLM mejora sustancialmente en la identificación y corrección de sesgos y alucinaciones que, a juicio de la redactora de El País, impedirían alcanzar la AGI. Lejos de ello, cada nuevo modelo propone logros tan sorprendentes como la construcción de idiomas más eficientes que los humanos para comunicarse, la redefinición de «arte visual», la nueva robótica o el desdoblamiento de proteínas, por citar solo algunos de los más llamativos.

Y recordando a Galileo, ya que lo cita Peirano, baste decir que en nuestra realidad coexisten los bonsáis y las secoyas. Y los árboles no crecen más hacia arriba porque cuando su inteligencia (si se prefiere ahora, en sentido metafórico) descubre que es más eficiente hacerlo a lo ancho, crea maravillas como el Gigante de Sevier en Utah.

Secoya

Mala memoria tienen los que no recuerdan cómo era nuestra realidad científica hace solo 5 años… y poca imaginación quienes no sean capaces de visualizar cómo será el próximo lustro.

 

Hay una amplia gama de paradigmas y conceptos científicos que sugieren que la AGI puede ser un objetivo alcanzable en un futuro muy cercano. Yo lo creo así. Pero, como apunta Josh Bachynski, la discusión no nos corresponde a los programadores, ingenieros, biólogos o mercadólogos, que desconocemos el significado y alcance del término «conocimiento». Es una cuestión epistemológica sobre la que la filosofía lleva reflexionando al menos 2500 años. Tal vez, después de todo este tiempo, sea la AGI la que proporcione la respuesta.

Borrador de la ley europea sobre inteligencia artificial

Borrador de la ley europea sobre inteligencia artificial

Unión Europea

Europa toma medidas drásticas

La amplia ley europea sobre inteligencia artificial avanzó decisivamente hacia su aprobación.

Novedades: Después de años de debate, los representantes de los poderes legislativo y ejecutivo de la Unión Europea acordaron sobre un borrador de la Ley de IA, un enfoque integral para regular la IA. Cuando la sesión legislativa llegó a su fin, los representantes negociaron casi sin parar para aprobar el proyecto de ley antes de la fecha límite. Volverá al parlamento europeo y a los países miembros para su aprobación final en la primavera de 2024 y entrará en vigor aproximadamente dos años después.

Cómo funciona: El marco limita los usos de la IA que se consideran especialmente riesgosos. Los acuerdos de última hora aligeraron las cargas para las pequeñas empresas y el desarrollo de código abierto. Incluye las siguientes disposiciones:

  • La Ley de IA no se aplica a (i) sistemas destinados únicamente a la investigación, (ii) sistemas fuera del ámbito de la legislación de la UE, como los ejércitos y aparatos de seguridad de los estados miembros, y (iii) organismos encargados de hacer cumplir la ley. Los desarrolladores de modelos gratuitos y de código abierto están exentos de algunos requisitos como se especifica a continuación.
  • El proyecto de ley prohíbe ciertas aplicaciones de IA en circunstancias particulares, incluida la vigilancia policial predictiva, la extracción de imágenes faciales sin un objetivo específico, el reconocimiento de emociones en lugares de trabajo o escuelas, la calificación de la confiabilidad o la posición social de las personas para determinar el riesgo de incumplimiento o fraude, y el uso de datos biométricos. datos para inferir información demográfica sensible como religión u orientación sexual.
  • Los sistemas de inteligencia artificial utilizados en áreas designadas de alto riesgo, como la identificación biométrica, el control fronterizo, la educación, el empleo, la infraestructura, la justicia y los servicios públicos, enfrentan un escrutinio especial. Los desarrolladores deben realizar evaluaciones de seguridad y proporcionar pruebas detalladas de seguridad. La carga es algo más ligera para las pequeñas y medianas empresas, cuyas tarifas son proporcionales a su tamaño y cuota de mercado. Las pequeñas y medianas empresas también tienen acceso a los llamados “sandboxes regulatorios”, entornos de implementación en los que los costos regulatorios se eliminan por completo a cambio de una mayor supervisión.
  • Los desarrolladores de inteligencia artificial de propósito general (GPAI), definida como modelos que pueden usarse para muchas tareas diferentes, deben informar los procedimientos y datos que utilizaron para entrenar sus modelos. Los modelos gratuitos y de código abierto están exentos de estos requisitos. Todos los modelos deben cumplir con las leyes de derechos de autor de la UE.
  • Antes de estar ampliamente disponibles, los modelos GPAI que plantean “riesgos sistémicos” deben informar el consumo de energía, ajustar los datos, los riesgos, las pruebas de seguridad y los incidentes de seguridad. (No está claro qué distingue a un modelo que plantea “riesgos sistémicos” de uno que no los presenta). Los modelos gratuitos y de código abierto no están exentos de estos requisitos. 
  • Todos los medios generados por IA deben estar claramente etiquetados.
  • El proyecto de ley establece multas multimillonarias para las empresas que violen sus términos. Las nuevas empresas y las pequeñas empresas deberán pagar multas menores por infracciones.
  • Una nueva Oficina de IA dentro del poder ejecutivo de la UE supervisará los modelos GPAI y creará estándares y prácticas de prueba. Un panel independiente de científicos asesorará a la Oficina de IA. Una Junta de AI compuesta por representantes de cada estado miembro de la UE asesorará a la Oficina de AI y transmitirá sus decisiones a los estados miembros.

Qué sigue: Los representantes han coincidido en estos grandes rasgos, pero seguirán revisando los detalles. Después de una investigación más exhaustiva, el Parlamento Europeo volverá a votar y un consejo de diputados de cada estado miembro de la UE también votará, muy probablemente a principios de 2024. Ambos organismos aprueban el proyecto de ley, que entrará en vigor a más tardar en 2026.

Detrás de la noticia: La Ley de IA ha estado en construcción desde 2021. La tecnología ha evolucionado significativamente desde entonces y la propuesta ha sido objeto de varias revisiones para mantener el ritmo. La llegada de ChatGPT provocó una ronda de revisiones para controlar los modelos básicos. Las negociaciones alcanzaron un punto álgido a finales de diciembre. Francia, Alemania e Italia, buscando proteger a los desarrolladores en sus países, buscaron debilitar las restricciones a los modelos de fundaciones. España se opuso a ellas, que buscó fortalecer la supervisión de los modelos de fundaciones más poderosos. Las negociaciones finales se referían a excepciones para el uso policial y militar de IA dentro de los estados miembros. Francia lideró un grupo de países que presionaron para obtener mayores exenciones militares.

Por qué es importante: La Ley de IA es el esfuerzo más amplio y detallado para regular la IA hasta la fecha. Hay mucho en juego: Europa no sólo tiene una incipiente industria de IA propia, sino que las leyes de la UE a menudo dictan las prácticas de las empresas fuera de la unión. Sin embargo, el proyecto de ley no entrará en vigor hasta dentro de años, cuando la IA puede presentar desafíos muy diferentes.

Qúe pensamos sobre esto: Una regulación eficaz debería mitigar los daños sin sofocar la innovación. El mejor enfoque es regular las aplicaciones en lugar de la tecnología subyacente, como los modelos básicos. Si bien la UE restringe algunas aplicaciones de maneras útiles, también limita la tecnología fundamental de maneras que esperamos que perjudiquen la innovación en los estados miembros de la UE. Acogemos con satisfacción las disposiciones añadidas en el último momento para aligerar la carga de las pequeñas empresas y los desarrolladores de código abierto. Estos triunfos de última hora reflejan los esfuerzos de muchas personas que presionaron para proteger la innovación y la apertura.

Fuente: Deeplearning.ai – 13 de diciembre, 2023

Pin It on Pinterest