A juzgar por la cantidad de literatura que rastrea sus orígenes en el pasado remoto, la historia de la inteligencia artificial es muy larga. La idea de inteligencias alternativas o simuladas atraviesa la literatura desde los autómatas del dios griego Hefesto a la ciencia ficción. Estas inteligencias han ido acompañadas del desarrollo de las formalizaciones lógicas, la descripción de protocolos técnico-performativos, y el diseño de máquinas de calcular, todas ellas concebidas como modelos de la inteligencia humana. Imbuidas en estas empresas narrativas y metafóricas (sean mecánicas o de papel) hay aspiraciones y contingencias de distinto tipo, que pueden estar asociadas al cálculo de las crecidas del Nilo, a la exploración filosófica, a la justificación de la emergencia de nuevos campos disciplinares y comerciales sobre los que no haya competencia, o a la consolidación de un orden socio-bio-tecnológico dentro de un modelo económico específico.

Puede definirse la “inteligencia artificial” como una tecnología que despunta tras la Segunda Guerra Mundial, pero este no es un objeto estable, de límites precisos. Su consolidación en los regímenes políticos, epistémicos y ontológicos ha requerido y requiere una constante movilización de referencias al pasado de los imaginarios, los conceptos, los modos de hacer y los proyectos geopolíticos y civilizatorios que operan como mecanismos de esclarecimiento de su función y objetivos, o de legitimación de su desarrollo y su poder.

Supuestamente, el término “inteligencia artificial” se emplea por primera vez en la propuesta de John McCarthy (1927-2011), Marvin Minsky (1927-2016), Nathaniel Rochester (1919-2001) y Claude E. Shannon (1916-2001) para la celebración de un curso de verano en 1956 en Dartmouth College. Es revelador que lo utilicen en un momento en que el transistor es todavía un proyecto (que no se incorporará al sistema industrial hasta 1966) ¹ y las computadoras grandes monstruos de metal con tubos al vacío que generaban una enorme cantidad de calor para producir algunas centenas de cálculos. Si la “inteligencia artificial” puede anticiparse entonces a su posibilidad técnica es porque la propuesta de estos autores es considerablemente abstracta, orientada por teorías del lenguaje y la mente entendidos en términos puramente lógicos, bajo los cuales pueden descomponerse funciones intelectuales como la abstracción, la generalización, la conceptualización o la creatividad. Las críticas no se harán esperar. ²

Intentando distanciarse de la cibernética y de las máquinas de cálculo, este grupo de investigadores explora las posibilidades del software. ³ La pregunta que los historiadores y estudiosos de la ciencia se han hecho es cómo llega a ser plausible –hasta parecer obvia e inevitable– esta propuesta y cuáles han sido sus consecuencias. La historiografía reciente ha hecho un esfuerzo por generar historias sobre las culturas epistémicas que respaldan estos desarrollos, marcando las trayectorias políticas, materiales e institucionales seguidas en la conformación de necesidades asociadas a la información, yendo más allá de la narrativa clásica sobre la emergencia de la inteligencia artificial (IA) como un problema teórico que evoluciona hacia su aplicación.

Hace ya más de veinte años que Jon Agar exploró los vínculos de la IA con las exigencias de un estilo de gobierno que definía una inteligencia específica. Desde esta perspectiva, el periodo entre 1870 y 1940 es crucial para entender cómo se le va a dotar de sentido a esa inteligencia. Por un lado, el auge del imperio británico, la estabilización de la Tercera República francesa y la consolidación de dos nuevas naciones (Italia y Alemania) van a imponer un giro al tratamiento de la información demandada y procesada por el funcionariado de los respectivos estados. Como consecuencia de las teorías cameralistas, la noción de inteligencia comienza a vincularse a la supervisión administrativa policial. ⁴ Al mismo tiempo, las pugnas políticas por el control de la información del poder ejecutivo determinan la profesionalización del funcionariado y la modernización y mecanización de los sistemas de gestión de la información. ⁵ Por último, las tensiones sociales y culturales que rodean la cuestión de la inteligencia y la información van a marcar la Francia de la Tercera República, cimentando las oposiciones entre la inteligencia convertida por el positivismo en una capacidad organizativa y normalizadora, y su comprensión como capacidad creativa y transformativa. ⁶

La IA nace, pues, con un marcado sesgo político y polémico que se expresa, de acuerdo con aproximaciones que siguen la estela de Weber, como Beniger (1986), en la complementariedad entre el aumento de la capacidad de procesar información y la tendencia a suprimir o ignorar parte de ella (lo que Proctor y Schiebinger denominan producción intencional de la ignorancia); una característica de gran interés para la historia del control social. ⁷ Pero también nace con la aspiración a definir un área de conocimiento refractario a las intersecciones culturales. ⁸ Los usos metafóricos y las prácticas colonialistas producirán una amalgama disciplinar, empujadas por el desarrollo de la neurología, la filosofía cognitiva y las políticas de la guerra fría. ⁹ De estas amalgamas y de la aproximación simbólica saldrán diferentes lenguajes sobre los que pivota la historia del software y que consolidan modelos epistemológicos individualistas y dualistas. [Es decir, basadas en un sujeto epistemológico universal, funcionalmente reducido a conexiones neuronales o lógicas interpretadas como transmisión de información, y supuestamente neutro en términos valorativos y políticos]. ¹⁰

En estas condiciones, la IA se imbrica en el entramado económico: los mecanismos de financiación a los que se acogen estos proyectos requerirán o bien el apoyo de grandes instituciones como el ejército y la administración, o bien la configuración de unos mercados a medida, es decir, la producción de la necesidad de un paquete (software, hardware, imagen empresarial, control laboral, cifrado de información, acopio intensivo de datos) que responda al rango de las potenciales demandas de un mercado laboral emergente.

La emergencia de estos mercados no fue ajena a la expansión de los estilos de gobierno a los que, en cada caso, se asoció la tecnología.

La deriva que la IA toma, a finales de la década de 1970, hacia la máquina de medios universal concebida por Alan Kay y Adele Goldberg ¹¹ terminará por desbordar –en su convergencia con los desarrollos del machine learning– los presupuestos filosóficos y económicos del programa simbólico. Construida sobre la noción de interfaz, la simulación de prácticas físicas en vez de intelectuales y la apropiación de estilos históricos de producción técnica, las consecuencias de la expansión comercial y cultural de la máquina de medios caerán del lado del sujeto como nodo de intersecciones que puede ser radicalmente individualizado. Por supuesto, este viraje filosófico solo se hizo posible porque la enunciación de la idea de máquina de medios implicaba la reproducción o “re-mediación” de prácticas y contenidos ya consolidados para hacerlos accesibles para una amplia población en soporte digital. Al popularizarse y estandarizarse en los años 80 la interfaz gráfica basada en la metáfora de escritorio, se consolidó el uso de las computadoras con fines económicos y laborales. La máquina de medios tenía ahora un sistema operativo gráfico. El modo en que se llevó a cabo este “volcado” tendrá como efecto, por un lado, la intensificación y amplificación de algunos presupuestos y prácticas coloniales; por otro, la transformación de las formas de considerar la subjetividad y la intersubjetividad humano-máquina –tal como había sido definida por el programa simbólico de la IA y desde las disciplinas lingüísticas, cognitivas y antropológicas– y el surgimiento de la cultura del algoritmo.

El objetivo de este artículo es ofrecer un modesto recorrido por la literatura que compone la historia de la IA a partir de esta narrativa que vincula lógica e intersubjetividad, medios y mercados, gobierno y algoritmos como elementos de la producción y organización “inteligente” de la información en sus varios contextos. La intención no es producir una imagen global, ni un relato exhaustivo, sino un ovillo, una matriz que pueda guiar una búsqueda o un trayecto en un laberinto bibliográfico que admite múltiples recorridos y niveles de densidad.

Las historias de carácter internalista que dominan los primeros años de la IA tienden a presentar la historia de la computación como la historia ininterrumpida del trabajo para crear máquinas mecánicas destinadas al cálculo matemático, que alcanza su límite y culminación en el siglo XIX con las máquinas mecánicas de Charles Babbage (1791-1871), ¹² pero que deja como legado, a través de Ada Lovelace (1815-1852), la programación, entre otras cosas. ¹³ La historiografía de la ciencia anterior a la década de los 80 se esforzaba por comprender el progreso de la empresa científica y tecnológica como un empeño de marcado carácter civilizatorio. Las historias canónicas y más populares en nuestros días de la IA, algunas de indudable valor para la prosopografía, en general tienden a construir continuidades lineales entre, por ejemplo, la zairja (za’irajah) ¹⁴ o Ramon Llull (1232-1316) y la actualidad, para consolidar la autonomía y continuidad de las “thinking machines”. ¹⁵ Matizar dichas continuidades requiere explorar el intercambio de expectativas, significados y economías que tienen lugar en momentos específicos en los que una innovación produce un reordenamiento –o una flexión– en el entramado físico, social y cultural.

Un ejemplo son las máquinas tabuladoras de Hermann Hollerith (1860-1929) utilizadas desde 1896 en EE. UU. –en Inglaterra desde 1906– para hacer el cómputo de los censos y otras aplicaciones. ¹⁶ Este es uno de los desarrollos derivados de la automatización de los telares realizada por Joseph Marie Jacquard a principios del siglo XIX –basado ya entonces en tarjetas perforadas que actúan como soportes de programas– es decir, de uno de los mecanismos de control de secuencia más exitosos del momento. Pero las nuevas máquinas son electromecánicas: este hecho transformará las metáforas y expectativas respecto a las trayectorias de la IA y su proyección sobre las relaciones entre máquinas y humanos.

Leonardo Torres Quevedo (1852-1936) reconocería que el escalamiento de las máquinas “inteligentes” dependía de la electromecánica, ¹⁷ y que esto ponía en tensión la noción de inteligencia. Torres sostenía que muchas de las actividades realizadas por los humanos no precisaban inteligencia, o mejor, no estaba claro qué actividades necesitaban de eso que llamamos “inteligencia”. ¹⁸ La inteligencia, desde esta perspectiva técnica, parecía asociarse a la idea de ruptura de una secuencia, a una intervención que no obedece a una conexión causal previsible sino emergente, creativa. Estos titubeos sobre qué constituye o no una acción inteligente refleja la ambigüedad y polisemia en la que se mueve el concepto hacia 1914. El sentido técnico que adquiere la inteligencia militar durante la Primera Guerra Mundial facilitará la bifurcación entre creatividad y racionalidad. ¹⁹

Implícitamente, Torres reconocía que la identificación de rasgos esenciales del ser humano basados en funciones (de la naturaleza que fuera) era intrínsecamente discutible. Si cabía la descripción en términos de un algoritmo de planificación, si cabía la simulación funcional, entonces la línea divisoria artificial/natural basada en la inteligencia podía revisarse. O bien, el concepto de inteligencia tenía que redefinirse. Y es precisamente entre 1870 y 1930 cuando la cuestión sobre la naturaleza de la inteligencia y su conexión con la creatividad se convierte en el objeto de nuevas exploraciones sobre su significado social. ²⁰ Como dijimos, la computación como práctica y el computador como modelo de una inteligencia son en parte un producto de la mecanización del funcionariado que tenderá a mantener escindidas funciones como imitación, secuenciación y creatividad. Pero si el eje de una inteligencia general es la idea de la continuidad de una tarea, llevada a término por profesionales intercambiables en función de una nota de instrucciones que especifique cómo se debe continuar esta, ²¹ no es extraño que los juegos de mesa hayan sido el modelo para entender este tipo de inteligencia general.

Centrarse en modelos particulares (como el ajedrez, o el go), fácilmente protocolizables y susceptibles de ser programados, tendría consecuencias: desde los estudios sociales y culturales de la ciencia se han explorado las implicaciones epistémicas y culturales de utilizar estos modelos. ²² El modelo del ajedrez –la “drosophila de la IA”, según Alexander Kronrod– ²³ consolidará, en primer lugar, la deriva hacia conceptos de limitación de las rutas disponibles hacia un objetivo (pruning), producto de representaciones en forma de árbol de las posibles tomas de decisiones (decision tree); por otro, la disputa sobre si la IA tenía que proceder como un simulador de la forma de pensar de los seres humanos o ceñirse a patrones funcionales.

De este modo, los juegos contribuyeron no solo a la modelización de la programación y de la subjetividad del programador ²⁴ a través de la imposición de un régimen de la anticipación, ²⁵ sino a la espectacularización de la informática y de la definición de la propia inteligencia artificial, ²⁶ al prestigio de los programadores y diseñadores de IA como asesores políticos, ²⁷ y al perfilado del usuario final. Este último proceso se ha asociado a los mecanismos de anticipación que subyacen al modelo de mercado que acompañó a la expansión de las redes sociales, comerciales y clientelares generados en Internet. Pero también a la transformación de la antropología y la sociología que tiene lugar a lo largo de las décadas de los 50 y 60. ²⁸

El contenido socio-político de la inteligencia artificial proviene del espacio interdisciplinar que le da forma. La influencia de la cibernética en este respecto no puede minimizarse. ²⁹ Alan Turing encuentra su inspiración en la teoría general del control de Wiener, que abarca tanto sistemas artificiales como naturales (vivos); esta presupuesta afinidad permite la pregunta sobre si una máquina puede ser inteligente, decidirlo a través de un juego (el juego de la imitación) y el análisis de los argumentos en contra de esta posibilidad. ³⁰ Y de este modo el artículo produce e identifica una intersubjetividad entre personas y máquinas. ³¹ Este resultado es también un decantado de sinergias interdisciplinares (que involucran, entre otras, a la lingüística, la semiótica, el psicoanálisis, la psicología o la arquitectura) que sientan las bases para, por un lado, la extensa circulación de conceptos compartidos que se van a redefinir, como el de “algoritmo”; ³² y, por otro, la aparición de nuevas consideraciones epistémicas y ontológicas sobre la interacción con el entorno que terminan por configurar la comunidad humano-máquina.

La propuesta de Allen Newell y Herbert A. Simon –conocida desde 1963 como la hipótesis del sistema de símbolos físicos– ³³ insistirá en las limitaciones de los juegos de mesa como modelo de una inteligencia general, en la medida en que no contemplaban la (auto)referencialidad y el dinamismo estructural inherente a un sistema capaz de integrar nuevos estados (nuevas designaciones y nuevos procesos). Para los autores, comprender cómo se incorporaban nuevos elementos a un sistema requería el análisis de la resolución de problemas y de los mecanismos de simplificación del entorno (o el espacio del problema), respecto del cual, secuencialmente, se iban ofreciendo y ensayando posibles soluciones, priorizando –y esta era la cruz del problema– aquellos mecanismos de generación de soluciones más económicos en tiempo y que produjeran las alternativas más plausibles (búsqueda heurística). De ahí su insistencia en el reconocimiento de patrones ligados al espacio del problema y la exploración de los procesos de modificación de los patrones en ese mismo espacio.

En 1962, un año antes de la formulación de esta propuesta, el antropólogo Claude Levi-Strauss, profundamente interesado en el impacto de las nuevas tecnologías de la información en la evolución de las ciencias humanas, ³⁴ publica La pensée sauvage, donde explora las constricciones históricas y culturales que dominan las prácticas no científicas de modificación de patrones a través de prácticas de reagrupamiento y catalogación. La aproximación del estructuralismo antropológico a las culturas como sistemas simbólicos que precisan constante reelaboración de elementos previos no solo contribuiría a la fundamentación de la universalidad de las estructuras del pensamiento humano y del lenguaje, sino a una concepción de la cultura marcada por el paralelismo con la programación. Parte de su aportación tenderá a superar el carácter “autista” de la IA tal como se concibe desde el juego de la imitación de Turing, ³⁵ para reafirmar la naturaleza situada, arbitraria y racional de las interpretaciones del mundo, subrayando su carácter colectivo y su potencial como mecanismos cohesivos y disciplinadores. A mediados de la década de los 60, si parte de las ciencias humanas y sociales se inclinaban a explicar el comportamiento en función de esquemas o patrones, autores como Greetz ³⁶ o Leroi-Gourham insistirán en que los cambios tecnológicos y las prácticas emergentes reelaboran los repertorios, las habilidades y las formas de producir y sostener (o dejar caer) relaciones, dando lugar a discontinuidades que hacen obsoletos los patrones.

El problema del carácter regenerativo, innovador y adaptativo de los sistemas no era nuevo. En el ámbito de la computación McCulloch y Pitts lo habían abordado a partir de los modelos neurológicos del momento, encontrado serios problemas de aceptación. A pesar de ello, su teorema ³⁷ le servirá a Warren Weaver (1894-1978) para justificar desde 1946 la financiación de programas de traducción automática. Cuando las expectativas sobre las posibilidades de estas iniciativas comienzan a decaer, en 1952 la Rockefeller Foundation reaviva el proyecto. En el contexto de la Guerra Fría, cualquier posibilidad de guardar el paso con una prolífica producción científica rusa merecía la pena, y para ello era necesario traducir rápido grandes volúmenes de información publicados en ruso. ³⁸ Que la retórica pública sobre la utilidad de invento descansara en el argumento de que la pluralidad lingüística frenaba la comunicación entre los pueblos era sintomático del inherente colonialismo de la empresa. En cualquier caso, en 1964 estaba claro que el éxito de la traducción mecánica dependía del acceso a amplios repositorios de usos contextualizados –inexistente entonces– y el programa propuesto por Weaver, basado en una perspectiva criptográfica, se suspenderá por ineficiente.

La dificultad de los sistemas de traducción automática para tratar con los contextos a partir de un conjunto de reglas tenía su correlato en las dificultades y limitaciones para explicar o predecir comportamientos culturales a partir de relaciones regladas explicitables y exhaustivas. ³⁹ Las perspectivas hermenéuticas desarrolladas por la filosofía comienzan entonces a hacerse atractivas tanto en la teoría de la traducción (por ejemplo, la desarrollada por Catford), ⁴⁰ como en la antropología (por ejemplo, para Geertz) y en la inteligencia artificial. En el caso de esta última, entrañó el regreso a los modelos conexionistas de la mente dejados de lado tras las críticas de Minsky. ⁴¹ Se regresaba así a la metáfora de las redes del siglo XIX, que pusieron en relación funcional las redes de distribución de energía, las redes neuronales cerebrales y las redes de información. ⁴² Las redes neuronales artificiales de la AI subsimbólica, en las que conjuntos de elementos simples, llamados neuronas, simulan funciones cognitivas sin manipular representaciones de elementos de la realidad (símbolos) sino probabilidades y correlaciones, traerán consigo –junto a las aspiraciones a terminar con la teoría– nuevos sesgos y efectos socialmente estructurantes dando pie a posiciones de optimismo determinista y a la perplejidad teórica. ⁴³

El paso de la concepción de la inteligencia como una característica individual a su consideración como una propiedad emergente de la gestión colectiva de la información, que podía reproducirse en máquinas a partir de una serie de procesos compartidos (que Castelle equipara al habitus de Bourdieu) ⁴⁴ , ha reconfigurado las expectativas sobre la inteligencia colectiva, ⁴⁵ pero este tránsito no se realizó sin una serie de desarrollos empresariales y políticas científicas vinculantes.

Las metáforas que acompañan a los conductores eléctricos y el desarrollo de distintas disciplinas (desde los radares a la psicología) en distintos contextos y culturas locales, van dando forma a nociones de control que posteriormente se insertan en el universo cibernético. ⁴⁶ Unas nociones que, a su vez, se engarzan en una tradición que vincula los automatismos al gobierno y a la economía. ⁴⁷ Ahora bien, como las formas que adoptan las relaciones entre gobierno y mercado se alteran en función de las características de las tecnologías que (los) sostienen, la IA dio lugar a alteraciones de los mecanismos de mercado y a nuevas expectativas de reorganización sociolaboral. Entre otras razones porque los modos de transformación del concepto de información se acompañaron de nuevas formas de organización y almacenaje de la información tras la Segunda Guerra Mundial y durante la Guerra Fría. Pero este proceso fue también el resultado de urgencias y estrategias comerciales.

Una de las primeras publicaciones sobre la historia y el futuro de los “cerebros electrónicos”, Faster than Thought (1953), en la que se ahondaba en las posibles aplicaciones comerciales de los computadores, fue realizada bajo la dirección de Bertrand Vivian Bowden (1910-1989). Bowden había trabajado en el desarrollo del radar durante la guerra y sería marketing manager de la empresa Ferranti Ltd ⁴⁸ entre 1950 y 1953. Solo dos años antes, la empresa había puesto en el mercado el primer ordenador digital. Parte de la estrategia de creación de mercado era identificar las tareas específicas conectadas con la clasificación y combinación lógica de la información en negocios y entornos específicos. En estos momentos, solo el ejército, el gobierno, o las universidades podían adquirir –o, principalmente, alquilar– y mantener uno de estos aparatos, y contar, además, con personal preparado para manejarlo.

Lograr orientar la demanda para consolidar un mercado amplio no solo requirió un trabajo de miniaturización que dio lugar a los primeros ordenadores personales y consolas de juego; o trabajar en la modelización y estandarización de los entornos en los que los programas se iban a aplicar. Requirió también y fundamentalmente un esfuerzo de propaganda y publicidad. En los años 1960, durante el lanzamiento al mercado de la segunda generación de sistemas, las compañías americanas gastarían, por lo menos, dos dólares en marketing por cada dólar gastado en desarrollo. ⁴⁹ [La comparación de estilos nacionales e implicaciones del despliegue publicitario de la nueva tecnología –sea gubernamental o comercial– es la aportación del libro recientemente editado por Dick van Lente]. ⁵⁰ Paralelamente, el mercado, liderado por las estrategias de IBM, evolucionará en sucesivas olas en un periodo muy corto de tiempo –de 1958 a 1972– de tal modo que el bucle de retroalimentación generado por las expectativas de la publicidad, la expansión de las ventas y los ajustes de producción –empaquetando en un mismo producto elementos dispersos (hardware, software, memoria, pantalla, impresora o perforadora)– hará que la expansión del ordenador como herramienta sea exponencial. ⁵¹

Laeorientación del mercado hacia los computadores de uso doméstico –el primero en llegar será el Atari 8800, en 1974– va a provocar un desbordamiento y una estabilización. Como señala Vayre, el “invierno de la IA” es solo relativo: independientemente de que, tras el informe negativo sobre la IA que prepara, a petición del Scientific Research Council del Reino Unido, James Lighthill en 1973 –coincidiendo con la pérdida de entusiasmo por los sistemas expertos y la IA en EE. UU.– los desarrollos de estas aproximaciones estarán incorporadas a los propios paquetes informáticos. ⁵² Si, como Agar sostiene, lo que resultaba sospechoso del programa lógico para Lighthill no era la aplicación de la IA a la automatización industrial, o a la exploración del sistema nervioso central (Computed-based CNS research), sino la comunicación, inherente a la disciplina, entre estos dos campos, ⁵³ también podríamos concluir que la retirada de fondos llegó tarde, cuando el propio gobierno había catapultado el desarrollo de esta vinculación hacia el mercado.

La forma que tomó este nuevo mercado hundía sus raíces en el problema de la organización y acceso a la información que produjo la Segunda Guerra Mundial. La investigación intensiva de aquellos años, la producción de informes, la captura de informes industriales al enemigo (fundamentalmente, Alemania), demandó la exploración de nuevos procesos de catalogación, ordenación, conservación y rápido acceso al diluvio de datos y documentos. En esta demanda se fundó la estrategia de los primeros años de la industria, fundamentalmente volcada al desarrollo de sistemas expertos –periodo que abarca el estudio comparativo de Gandy (2013)–.

Para el experto en catalogación y archivo de la información Mortimer Taube (1910-1985) era imposible traducir el orden analógico al digital porque la formalización de las reglas de la información estaba asociada a procesos de estandarización (industrial) que se oponía a los elementos intuitivos, gráficos y no mecanizables de la organización analógica de la información. ⁵⁴ No solo los elementos idiosincráticos se perdían, sino que la toma de decisiones basadas en determinados marcadores tenía consecuencias éticas, económicas y políticas, ya que se perdían las relaciones de confianza y expectativas justificadas de cambio. ⁵⁵ Para quién se organizaba la información era un factor que determinaba las ontologías de partida, lo que condicionaba la inteligibilidad de la clasificación e imponía un marco conceptual específico. Pero estos aspectos teóricos no se explicitaban: dado que los trabajos de formalización lingüística se derivaban de contratos del gobierno y el ejército y los resultados se presentaban en informes y simposios restringidos, no había debate sobre estas limitaciones. En todo caso, Taube sería el primero en proponer búsquedas booleanas a través de palabras clave, alimentando la ruptura radical con la ordenación catalográfica basada en árboles del conocimiento y su propuesta ontológica jerárquica.

La propuesta de Taube representa una alternativa al reconocimiento de patrones que impuso el trabajo de inteligencia de los decodificadores durante la guerra, el cual encuentra continuidad en el manual Pattern Classification and Scene Analysis (1973) de los ingenieros Richard Duda y Peter Hart. ⁵⁶ El resultado de este cambio sería una concepción sintética del saber y la educación. ⁵⁷ La relacionalidad emergente que resultaba de los nuevos sistemas de búsqueda podía proporcionar información no explicitada, y la aproximación teórica desembocó, por un lado, en nuevas técnicas estadísticas para el acceso a la información y, por otro, en la gestión de bases de datos relacionales basadas en la atomización de la información para la producción de nuevos ensamblajes de información. En la medida en que esto proporciona nuevas formas de diferenciación entre grupos, también dará lugar a bio-políticas “blandas” y a formas de identidad. ⁵⁸

La pregunta sobre para quién se organizaba la información dio así forma a la evolución del reconocimiento de patrones en un ámbito acotado como modelo de aprendizaje, ⁵⁹ orientado a un espacio de mercado bien definido. Por supuesto, el reconocimiento de patrones como forma de interpretación de la información antecede a la IA y al machine learning. Uno de sus efectos es el desplazamiento de los mecanismos de producción de objetividad hacia valoraciones subjetivas de la información, guiadas por un método de interpretación de cualidades que permite aprender en breve tiempo a identificar o tipificar lo que se consideran “anomalías”. ⁶⁰ Pero el reconocimiento de patrones ofrecía una cierta garantía de que la semejanza entre el razonamiento humano y el maquínico era sostenible; y también permitía operar en un espacio sin un problema bien definido ni un método óptimo. ⁶¹

Pero hay también otras consideraciones materiales que hay que tener cuenta para explicar las derivas del proyecto IA. Una, central, era el tipo de soporte de la información y sus necesarias transformaciones para la gestión digital. Aunque los grandes centros de datos como el World Data Center, o el National Space Science Data Center trabajaban con imágenes ⁶² , las principales búsquedas se realizaban sobre texto, por lo que el reconocimiento óptico de caracteres (OCR) parecía un buen proyecto (sobre todo para aplicaciones como la clasificación automática del correo por medio de la lectura del código postal). El proyecto nace, sin embargo, de forma un tanto marginal bajo la presuposición de que es posible la reconstrucción de una totalidad a partir de un conjunto de rasgos, abriendo las puertas al imperio de la conjetura. ⁶³ La impronta epistémica y cultural de esta tecnología consolidó la definición del aprendizaje como una decisión satisfactoria evaluable en función no de su margen de error, sino de su coste-beneficio. Mendon-Plasek ha señalado que fue la incapacidad de medir satisfactoriamente la efectividad del machine learning en el OCR lo que determinó la aplicación de la teoría de juegos o de toma de decisiones a su diseño. Y que esta decisión cambió la naturaleza de la capacidad que se pretendía imitar, universalizando un procedimiento sin unificar la disciplina a través de la consolidación de dos etiquetas que neutralizaban las profundas inquietudes en el campo: aprendizaje “supervisado” y “no-supervisado”.

Otra cuestión importante era la maximización del beneficio a través de la reutilización de soluciones a problemas que habían surgido en la guerra. Empresas como IBM maximizaron su conocimiento sobre la gestión de datos en tiempo real, que –de la mano del MIT– habían desarrollado a partir de la lectura de la red de sensores y radares del sistema de defensa antiaérea (SAGE-Semi-Automatic Ground Environment), para aplicarlo a programas de reserva simultánea de billetes de avión u otras aplicaciones comerciales. ⁶⁴ SABRE (Semi-Automatic Business Research Environment) se implementa a partir de 1959 y se completa en 1964. Y su evolución ilustra la historia de la imprevisión en la (evolución de la) gestión de grandes volúmenes de datos, los límites de la tecnología para resolver problemas de competitividad, y las implicaciones de las estrategias de marketing y publicidad. ⁶⁵ Generaría además el modelo de mercado basado en las necesidades individualizadas de los pasajeros y los perfiles comerciales: los registros del nombre y datos del pasajero (PNR- passanger-name record) constituirían la base para los programas de lealtad del cliente, pero también para una nueva forma de entender la privacidad, su dimensión política, y el papel que las empresas podían tener en su gestión como servicio (se sugería ya entonces la anonimización de los viajeros israelíes que sobrevolaran territorio árabe). La instalación de estos sistemas se produce en un momento de desregulación, y cuando en los años ochenta se intenten corregir las violaciones a la ley de competitividad en EE. UU. el resultado será la inmediata mercantilización de los datos de los pasajeros, que debían ponerse a disposición de todas las compañías aéreas. Se anticipa así el capitalismo semántico que guiará la evolución de Google, que –marcando una diferencia con otras empresas de servicio de acceso a la información digitalizada, como Yahoo, por ejemplo– comienza a organizar los perfiles de usuarios de tal manera que la publicidad pueda orientarse a usuarios potencialmente interesados en el producto de la empresa contratante. ⁶⁶ Steinhoff explora las precondiciones ideológicas y consecuencias de esta estrategia comercial, a partir de la definición marxista de capital y desde los estudios de la ciencia, analizando los movimientos del capital para apropiarse de la capacidad de recursión de la computación y así amplificar su propia valorización. ⁶⁷ Entre las propagandas y expectativas iniciales y las consecuencias reales de la implantación de las economías basadas en IA se va a abrir una gran brecha, que puede rastrearse en la implementación de las gig economies a través de las plataformas. ⁶⁸

En los años 90, cuando la expansión digital permita abordar la gestión de una gran masa de datos (Big Data) –dentro de una larga historia política de la acumulación de la información– algunas de las consideraciones de Taube entrarán a formar parte de las discusiones: sea para explorar formas de creatividad y emocionalidad computacional (la utilización, por ejemplo, de emoticonos por máquinas); sea para explorar la carga política e histórica de toda ontología semántica; sea para reflexionar sobre la política extractivista que alimentará la acumulación de una información sobre la cual no se habría llevado a cabo ningún tipo de reflexión respecto a los sesgos en su producción y categorías, ni sobre los límites de su almacenaje y uso. ⁶⁹

Como dijimos, al incorporarse al espacio doméstico y burocrático el ordenador pasó de ser una máquina para realizar cálculos, a ser una máquina para procesar medios. En 1957 Russel Kirsch digitaliza una imagen (la de su hijo) y durante la década de los 60 fueron agregándose distintos métodos para digitalizar sonido, texto (ASCII ⁷⁰ ) y otros. La digitalización abrió un campo enteramente nuevo: permitió iniciar un programa de entrenamiento en el reconocimiento automatizado de las imágenes, y cuando se consiguió una compresión estandarizada de las imágenes su circulación virtual se amplió exponencialmente. ⁷¹

El programa de reconocimiento de imágenes que tiene lugar en los años setenta, en medio de la guerra de los EE. UU. con Vietnam, estaba orientado a identificar tanques desde distintas perspectivas (lateral, frontal, aérea) y diferenciar aquellas imágenes que no corresponden a un tanque. La historia del reconocimiento facial comienza aquí. Y con ella la historia de poder y gobierno que explora quién elige las imágenes test (proxies) a partir de las que se generan los estándares de los algoritmos, a quién van a representar, bajo qué perspectiva, con qué usos y quién las puede utilizar. Los problemas y sesgos derivados alimentarán la creciente negociación social en torno a los algoritmos que se ven implicados en conflictos de distinta naturaleza. El texto de Mulvin (2021) sobre el trabajo cultural de los proxies (que pueblan las estrategias de las políticas públicas basadas en cálculos estadísticos, estableciendo una relación con el mundo que define las condiciones para intervenir en él) nos recuerda el esfuerzo de mantenimiento que requieren y toda su arbitrariedad.

Dado que la IA es una tecnología fundamentalmente basada en modelos y cálculos estadísticos, y que requiere una constante especificación y constatación de la correlación con el modelo para mantener la robustez de la predicción, la cultura de proxies está en el corazón de la IA, del mismo modo que esta se mueve en una “cultura de algoritmos”. Tanto el uso masivo de algoritmos –fundamentalmente desde la generalización del acceso a Internet a partir de los años 1990– como la propia noción de algoritmo han producido cambios en la forma de comprender la historia y la cultura, la organización socio-política y nuestra autopercepción como entes que emergen de ellas y las reelaboran, las producen. La identificación de los individuos según sus pautas de consumo y los equipos y redes de intercambio de la información que utilizan los desvinculó de la trazabilidad de la identidad supervisada por los gobiernos, es decir, de la ciudadanía. Surgen así las nuevas identidades digitales.

La búsqueda de mecanismos para establecer el régimen jurídico aplicable a estas identidades –por ejemplo, determinar si es ciudadano o extranjero– ha dado lugar a lo que Cheney-Lippold demomina un jus algoritmi, que establece los derechos ciudadanos que competen en función de una lógica algorítmica. ⁷² El contexto de monopolio de datos y vigilancia indiscriminada en el que nace esta nueva ciudadanía algorítmica ha puesto en cuestión el horizonte de futuros en los que se suponía que se desarrollaba una sociedad justa. ⁷³ El nuevo orden social generado por la emergencia de nuevas clases dentro de esta economía de datos –como el cybetariat o la élite codificadora (coding elite)– ha tendido a esclerotizar los desequilibrios geopolíticos ⁷⁴ y los sistemas de movilidad social. ⁷⁵ Ejemplos concretos de ello son las protestas originadas por la aplicación del sistema automático de evaluación escolar aplicado por la Ofqual en el Reino Unido en 2020, o por el sistema COMPAS (Correctional Offender Management Profiling for Alternative Sanctions) de EE.UU, analizado por Dressel y Farid, ⁷⁶ que perpetúan la discriminación racial y social con un tratamiento ahistórico y tipificado de los datos sobre los cuales elaboran su predicción y evaluación. ⁷⁷

Más aún, la puesta a disposición de IA para tomar decisiones con el fin de resolver asuntos eminentemente prácticos, como la lentitud de las resoluciones judiciales –recordemos que el beneficio de la IA se ha identificado en distintos documentos institucionales con la “aceleración”, el “crecimiento” del bienestar o la propuesta de “soluciones socio-económicas globales”– ha dado al traste con virtudes epistémicas como la minuciosidad, la pulcritud metodológica y la justicia articulada a través de la bounded rationality de los colectivos humanos. Al mismo tiempo, como se indica desde los estudios críticos de los algoritmos, la interacción entre ellos genera un “ecosistema” ⁷⁸ que dificulta la evaluación del impacto de las aplicaciones consideradas como herramientas singulares. Un ecosistema inscrito en una lógica conjetural que, de forma retórica, tiende a borrar su diferencia epistémica con el conocimiento empírico. A este respecto, si bien las inferencias abductivas y las correlaciones son una de las claves de la generación de conocimiento reconocidas desde Aristóteles a Pierce, como Luke Stark señala, a partir de su aplicación de las tesis del paradigma indiciario de Ginzburg a la IA, la naturaleza incompleta y contingente del detalle sobre el que construyen el razonamiento, la forma indirecta que se utiliza para medirlo o evaluarlo y la opacidad de los algoritmos hacen que los sistemas IA predictivos caigan en la falacia ecológica, asumiendo que lo que es estadísticamente verosímil para un rango de casos, lo sea también para cada caso en particular. ⁷⁹ En términos políticos, además, el que la naturaleza de esta infraestructura relacional invite a buscar patrones ocultos puede, sin duda, producir conocimiento nuevo, pero también degenerar en conjeturas conspirativas y artefactuales.

En su forma actual –orientada a la consolidación de determinadas pautas, funciones o comportamientos, a la justificación política de su impacto medioambiental, a la promoción de economías de la precariedad, a la reproducción de hábitos y estructuras económicamente rentables para una economía capitalista y de monopolios, a la adaptación a subjetividades algorítmicas, a la intensificación de los desequilibrios geopolíticos– ⁸⁰ la IA supone, entre otras cosas, una enorme agresión para el conocimiento situado, así como para la justa representación de la experiencia digital. No es de extrañar entonces que desde los estudios feministas –pioneros del conocimiento y objetividad situada, de la racionalidad y los objetos limítrofes (boundary objects), o de las identidades múltiples y heterogéneas– se haya producido una enérgica respuesta académica a las teleologías que subyacen al proyecto infraestructural y político de la IA.

La reflexión de género abarca más de lo que implica el entorno machista de los laboratorios en los que la IA se desarrolla ya en sus primeros años. ⁸¹ Las marcas de sesgo genérico y raciales se dejan ver en las injusticias o discriminaciones epistémicas que afectan desde la lógica simbólica, ⁸² a los futuros laborales, ⁸³ las concepciones del cuidado, del cuerpo, o a las concepciones sobre un etiquetado inclusivo en los procesos de reconocimiento facial y visual. ⁸⁴

Pero no hay que olvidar que, como señala Barany, por su propia estructura, por la condición de reescribible y reparable del algoritmo, la cultura algorítmica se presenta como un camino indefinidamente perfectible hacia un futuro ideal, homogéneo y universal. ⁸⁵ Esta lógica del progreso indefinido comparte dos características con las narrativas de este tipo: conjuran la diversidad epistémica como un error o un estado de imperfección o inacabamiento, y delimitan material e infraesctructualmente las formas en las que la intervención es factible. Barany argumenta que, a partir del siglo XIX, la corrección algorítmica (y aritmética) artesanal y situada, y la tendencia a producir idealmente sistemas coherentes y totales se retroalimentan, y esto mismo constituye la posibilidad del razonamiento formal. El artículo de Barany forma parte del monográfico de Osiris titulado “Beyond Craft and Code. Human and Algorithmic Cultures, Past and Present”, editado por James Evans y Adrian Johns y publicado en 2023. De acuerdo con los editores, la fractura entre lo codificado y lo artesano ha servido durante años para articular el campo de la historia de la ciencia, pero, una vez inmersos en la cultura algorítmica, la potencia heurística de esta diferenciación se pierde.

Mientras las posiciones de partida de los editores recuerdan lo mejor de las aproximaciones antropológicas de hace sesenta años sobre la co-construcción entre el ser humano y sus tecnologías, ⁸⁶ poner en el centro de la reflexión sobre la evolución y las políticas de la inteligencia artificial la cuestión de la distancia ente lo artesanal y automatizado abre sin duda nuevos objetos de interés social e histórico. Para Evans y Johns el reconocimiento de la diversidad de imaginarios en las culturas algorítmicas es un objeto típico de la historia de la ciencia que necesita ser abordado. Y esto no es discutible.

No se trata, sin embargo, de hacer de la artesanía un objeto pre-digital, o de la teoría o la observación actividades periclitadas por los algoritmos. Si la discontinuidad entre el pasado y el presente, entre la artesanía y el código, no tiene que darse por sentada, la resignificación de prácticas, materiales y experiencia necesita ser explorada. Cabe preguntarse en qué consiste la artesanía en la era digital (¿ser capaz de programar en LISP es hoy una práctica “artesana”?) y cúal es su función socioepistémica; o, también, si tienen las máquinas su propia artesanía/autoría (derivada de una forma insólita y propia de identificar patrones produciendo creatividad computacional). La aportación de Kim al monográfico, explorando la historia de la codificación del origami y las disputas legales sobre la forma de apropiación de los patrones de pliegues por parte de una artista plástica, ilustra perfectamente la complejidad de la resignificación del hacer y el crear en contextos de mediaciones materiales de diferente orden y tradición, y cómo las infraestructuras legales y los desiguales regímenes del crédito intervienen en los procesos de exclusión o inclusión del reconocimiento de la participación. Es en la exploración de esos intersticios de la exclusión sobre los que, sin duda, la historia de la ciencia tiene aún mucho que decir sobre la resignificación de la experiencia en la era del algoritmo digital y su papel en la gobernabilidad.

Hemos presentado un recorrido, de ningún modo exhaustivo, por la literatura que aborda lo que consideramos tres de los cambios estructurales más señeros de la IA: la intersubjetividad humano-máquina, las estrategias comerciales en función de los perfiles individuales y el gobierno algorítmico. Estos cambios han suscitado una gran cantidad de reflexión filosófica, sociológica y ética. Desde la perspectiva de la historia de la ciencia y los estudios de la ciencia todavía queda un amplio camino por recorrer. Es difícil desligar esa historia de las transformaciones que estos cambios realizan en las propias disciplinas que la abordan (como demuestra el monográfico presentado por Evans y Johns), aun cuando la aproximación se acote a la historia de un producto o problema, un área geográfica o un espacio disciplinar.

No es posible, por otro lado, dejar de intentar aproximaciones sintéticas que den cuenta del estrecho entramado conceptual, moral y cultural que vincula las diferentes disciplinas. Esto no es nuevo para la historia y estudios de la ciencia; pero una de sus funciones, sin duda, seguirá estando relacionada con resistir la acusada tendencia a la parcialidad que suscita la retórica sobre la inteligencia artificial. La historia del conocimiento es la historia de la contingencia, de los modos de habitar en ella de los que guardamos registro, de cómo consolidan ciertas subjetividades y de los abismos que los individuos inmersos en ella han tenido que afrontar. Las continuidades y discontinuidades de las infraestructuras y tecnologías que soportan estos modos de existencia no son nunca gratuitos, ni obedecen a decisiones racionales que anticipen con claridad sus consecuencias. De la historia de sus titubeos pende nuestra capacidad para imaginar y proponer alternativas más felices.

En un horizonte inmediato, ante las demandas de control sobre la expansión desbocada de los sistemas de IA, la historia y los estudios de la ciencia tendrán que abordar las condiciones en que se configuran en torno a ella, como ensamblaje tecnológico, social, económico e infraestructural, las políticas tecnocientíficas de forma global o regional. Cómo soluciones regionales se convierten en globales en virtud de la escalabilidad tecnológica, y qué implicaciones tiene esto, sobre todo cuando se trata de una tecnología que podríamos considerar, por su forma de desarrollo, emergente e inherentemente inmadura o neoténica. Y dentro de estas pulsiones de control, sin duda hay tres ejes cuya exploración podrá contribuir entender el futuro de la persistencia inexorable de la IA en nuestras vidas:

Las implicaciones de la continuidad infraestructural. Como los estudios sobre estándares e infraestructuras han mostrado, construimos sobre restos del pasado. Las grandes infraestructuras demandan continuidad y reaprovechamiento. Esto implica que muchas veces la mejor solución se descarta en favor de la disponible, aunque está presente a largo plazo notorias desventajas, entre las que se incluyen sesgos axiológicos e ideológicos, como puede ser la justificación de la violencia. Y también implica que hay una tendencia a hacer valer los trayectos, por así decirlo, ya asfaltados. Nos interesa saber cómo se ha presentado este problema en el desarrollo de la IA y a qué bifurcaciones históricas ha conducido.

La evolución de las asimetrías geopolíticas entre proveedores de recursos IA y consumidores de dichos servicios. Los modelos grandes de lenguaje (LLM, por sus siglas en inglés), que es la tecnología de IA más vistosa actualmente, son caros de crear, usar y mantener. Su consumo energético es tan depredador como su demanda de agua o de recursos minerales escasos. Esta circunstancia hace más incisiva la división económica y geopolítica entre los países proveedores de servicios que utilizan estos modelos –unas cuantas empresas privadas-- y los países de los usuarios de dichos servicios. Pero, además, las asimetrías, tanto individuales como regionales, están atravesadas por diferentes dimensiones de los privilegios asociados a las economías de gran escala, cuyas cartografías políticas –desde el tipo de intervención que permiten al tipo de subjetividad de conformar– están por dibujar.

La historia del error, la desinformación y la trazabilidad en IA. El impacto de la IA en la desinformación ha promovido la investigación en “provenance”, es decir, en la creación de mecanismos de seguimiento de la información desde su origen, de tal forma que sea posible rastrear su procedencia y así poder evaluar su relevancia. ⁸⁷ Las limitaciones en este sentido, sin embargo, son grandes, ya que la complejidad del procesamiento masivo de datos impide detectar el origen de los errores producidos por el mal funcionamiento del hardware, que produce “silent data corruption”. Esto significa que es necesario abordar desde distintos frentes cómo consideramos el papel del error en el conocimiento (algo nada ajeno a la historia de la ciencia) en las nuevas economías de la información. Y cómo lo incorporamos en las propuestas educativas asociadas a la IA generativa y agencial, pues pasarlo por alto puede generar desplazamientos en las virtudes epistémicas –como la responsabilidad sobre el contenido y el criterio– que las sociedades quieren fomentar en sus individuos y de las que dependen los regímenes políticos participatorios, como la democracia.