Innerarity, D. (2026): Una teoría crítica de la inteligencia artificial, Barcelona, Galaxia Gutenber...
Política humana condicionada por la inteligencia artificial
Innerarity, D. (2026): Una teoría crítica de la inteligencia artificial, Barcelona, Galaxia Gutenberg. [552 pp., 24 €].
El propósito central de Daniel Innerarity en su último libro (1) es muy ambicioso: sostiene que la tecnología, hoy, es filosofía encubierta. Si se acepta esta premisa, la tarea es hacer que esta tecnología sea abiertamente filosófica. ¿Cuál puede ser una filosofía de la tecnología, y concretamente de la inteligencia artificial (IA)?
Innerarity lo desmenuza en este libro de 600 páginas, merecedor sin duda del Premio Eugenio Trías en su 3.ª edición. Vamos a condensar lo fundamental de su pensamiento a través de diez ideas clave.
- Hemos creado una máquina de inteligencia artificial y estamos desconcertados —perplejos, diría yo—, ante sus prestaciones
La solicitud de una moratoria digital —por parte de autoridades académicas e informáticos— en 2023 evidenció que una tecnología más sofisticada conlleva mayores riesgos. Esta pausa buscaba establecer un enfoque regulador y ético. Sin embargo, detener la investigación no tiene sentido, según Innerarity. Una moratoria describe un mundo ficticio porque, por un lado, cree posible que la IA gane a la inteligencia humana, y por otro, sugiere que solo se necesitarían unas pocas actualizaciones técnicas para que la IA deje de ser peligrosa. Innerarity concluye que la reflexión profunda sobre la lógica algorítmica debe hacerse al mismo tiempo que el desarrollo tecnológico.
Por otro lado, la apelación a criterios éticos, como la creación de códigos de conducta, no frena el desarrollo tecnológico y corre el riesgo de excusar responsabilidades o ser ingenua. Se necesita un análisis político además de un criterio moral.
- Los límites intrínsecos de la inteligencia artificial (IA)
Aunque la IA es extraordinariamente potente en el cálculo, es inherentemente limitada en la comprensión, ya que su lógica es puramente instrumental. Los grandes modelos de lenguaje procesan grandes cantidades de datos preexistentes, pero carecen de la capacidad de generar verdadera novedad o nuevo conocimiento, según nuestro autor.
Innerarity sostiene, además, que la IA únicamente simula algunos aspectos concretos de la inteligencia humana, como el cálculo y la rapidez, pero no lleva a cabo tareas completas como la comprensión y la reflexión. Las IA, especialmente los grandes modelos de lenguaje, tienen limitaciones inherentes: son potentes procesando datos preexistentes, pero no produciendo nuevas visiones o conocimiento. La verdad no es una propiedad intrínseca para la IA, porque no se mueve en un contexto físico y de relaciones humanas.
- La redefinición de la inteligencia humana
La inteligencia humana, por el contrario, se distingue por su capacidad para manejar la novedad, gestionar la incertidumbre y la capacidad crítica. Innerarity afirma que el peligro de la IA no es que nos supere, sino que cometamos el error de competir con ella.
En resumen: la IA es inteligente, pero carece de sabiduría. Es buena descubriendo patrones, analizando datos masivos y manejando casos rutinarios. Los humanos comprendemos, contextualizamos y decidimos reflexivamente con pocos datos, e incluso de manera creativa. Poseemos entendimiento básico (sentido común) y conocimiento no escrito (implícito). La diferencia fundamental entre la inteligencia natural y la artificial es la corporalidad. Los humanos podemos alucinar, pero nuestros sentidos están en permanente contacto con el mundo físico. Es la inteligencia que siente o percibe la realidad (inteligencia sentiente, podemos añadir, bien explicada por Zubiri).
- La crítica a los «mitos de los Big Data»
Vivimos bajo la ilusión de que un gran volumen de datos objetivos y transparentes hará innecesario el debate político (una política basada en la evidencia, en lugar de la opinión). Innerarity identifica tres mitos asociados a esta adoración de los datos:
a) El mito de la cantidad
La recopilación masiva de datos (datificación) se presenta como un procedimiento para descubrir la realidad. El sueño es que, si se tienen todos los datos, estos coincidirán exactamente con la realidad. Sin embargo, las cantidades no hablan por sí mismas; la cantidad no resuelve el problema de la interpretación.
b) El mito de la neutralidad
Los datos se presentan con la idea de que son imparciales y ciertos, sugiriendo que no puede haber discrepancia en su interpretación. Se promete que esta neutralidad dará credibilidad a la acción política. No obstante, los datos no son algo «dado» sino ideas o estructuras creadas para entender la realidad (construcciones epistémicas); su relatividad es el punto de partida que justifica la crítica.
c) La necesidad de interpretación
Sin interpretación, los datos no revelan si son válidos o verdaderos en un contexto dado. El análisis se basa en el reconocimiento de patrones, pero la inferencia no es un paso único; la inducción debe combinarse con la deducción. Personalmente diría más: tenemos la sensación de conocimiento sólido cuando modelizamos los eventos más diversos, y aún más si estos modelos son predictivos. Modelos fuertes toleran datos discrepantes. Datos discrepantes cuestionan modelos provisionales. La magia humana estriba en cuestionar modelos fuertes por una pequeña discrepancia en los datos (la precesión del perihelio de Mercurio se desajustaba 43 segundos por siglo, con el modelo gravitatorio newtoniano, un fracaso que impulsó el modelo de relatividad general de Einstein, cuya primera gran victoria fue la predicción exacta de esta anomalía).
