Había un flow especial en programar. Hablo de ese estado mental que bien conoce el que lo ha experimentado: la inmersión completa en un problema, las horas dándole vueltas en busca de la solución y, de pronto, a veces, el momento eureka. Había en aquello algo creativo y a la vez intelectualmente desafiante. Desde que dejé la programación por los medios digitales, hace más de 20 años, y hasta hace poco, siempre tuve ganas de volver a practicarla.
Ese placer, empero, anda en retirada. Creo que el campanazo mediático lo ha dado David Heinemeier Hansson, creador de Ruby on Rails y alguien que hizo bandera de la felicidad del programador, al sentenciar hace un par de semanas: «Es hora de dejar los lápices». Escribir código a mano, sostiene, ya no es una habilidad económicamente viable para la mayoría de los programadores en la mayoría de las empresas.
Por aquí ya hablamos de «El humano cada vez menos en el proceso»: del copiloto al que había que revisarle cada salida pasamos al agente supervisado y, de ahí, a sistemas en los que uno sólo parece necesario al principio y al final del trabajo. La máquina produce tanto código y tan rápido que revisarlo línea a línea en muchos casos ha dejado de salir a cuenta. Lo que con el vibe coding de Karpathy era un juego para proyectos de fin de semana se está volviendo la forma de trabajar. En aquel momento nos creíamos muy listos advirtiendo de la importancia de la revisión de cada línea. ¡Qué ingenuos parecemos ahora!.
En junio, disculpen la autorreferencia, escribí que abrazar la nueva capa de abstracción me parecía a todas luces mejor opción que quedar anclado «en la melancolía de nuestro anterior protagonismo». Lo mantengo, pero a la luz de las noticias de esta semana, creo que los apocalípticos merecen mayor comprensión por parte de los integrados.
Esta semana OpenAI ha publicado un repositorio con 722 manuscritos, agrupados en 372 familias de resultados, obra de un modelo interno todavía sin lanzar al que plantearon unos 4.000 problemas y que dedicó a cada resultado, de media, el equivalente a tres horas de razonamiento de ChatGPT Pro. Conviene subrayar las cautelas: la propia compañía admite que algún resultado podría tener fallos y la verificación externa llevará mucho tiempo. Aun así, creo que no exagero si digo que puede ser uno de los días más importantes en la historia de las matemáticas.
Las matemáticas, al ser objetivamente verificables, entran en el terreno en el que la IA con aprendizaje por refuerzo ya supera al humano. Como hemos venido analizando, es algo que muy probablemente pasará en toda disciplina que cumpla esa condición. Además, pasan a moverse a la velocidad de la máquina. Antes, tras la aparición de una propuesta de demostración de una conjetura, podían pasar meses de comprobaciones, discusiones y refutaciones; Ahora nos encontramos de golpe con cientos de papers, algunos de enorme importancia y con la sensación de que podrían haber sido muchos más.
¿Cómo reaccionar a algo así? Hay un segundo para, exultantes, gritar que es una época extraordinaria para estar vivo, una sensación que convive con el vértigo y una especie de desazón: había vidas enteras dedicadas a esos problemas que, con la IA, se resolvieron en un puñado de días. Terence Tao, medalla Fields y referencia habitual en la disciplina, ha estado clarividente: un problema resuelto no puede volver a estar sin resolver.
¿Cómo reacciona ante esto un matemático dedicado a la investigación? ¿Se entusiasma uno porque su disciplina va a avanzar a una velocidad enorme o se hunde al no ser ya el protagonista de lo que soñaba resolver? Es algo que muchos otros científicos van a tener que enfrentar los próximos años. Tenemos al que ante todo quiere saber, alcanzar la verdad, que el teorema quede demostrado, la aplicación funcione y que el descubrimiento se realice; también a quien quiere realizar él la demostración, dar con el contraejemplo, levantar la teoría, quiere ser el primero en llegar. Aquí hay otro paralelismo con los programadores: están quienes amaban programar por el reto técnico, por la cosa en sí, y quienes programaban porque les permitía crear cosas, que era su verdadero objetivo. Los primeros todavía andan entre la negación y el duelo; los segundos, acelerando sin parar, maravillados con el nuevo mundo.
Llevo décadas explicando esta diferencia mediante el placer de la caza frente al placer del banquete, y durante todo este tiempo atribuyéndole la idea a Carl Jung. Les reconozco que ha sido la IA que utilizo para editar esta lista y que me hace la comprobación factual, la que me ha sacado de mi inmemorial error. La fórmula es del psiquiatra Donald Klein (citado por Maia Szalavitz) y viene a decir que hay dos maneras muy distintas de encontrar el placer. Una es la de desear algo y salir a por ello: la anticipación y expectativa, la excitación de ir acercándose a la presa, el momento de atraparla. La otra es el placer de haber conseguido aquello que se buscaba: satisfacción, consumo, relajación, saciedad, reposo. La distinción surgió, al parecer, de sus observaciones sobre cocaína y heroína, pero de alguna manera creo que también encaja con científicos y la IA.
En cualquier caso, matizaría un aspecto que comentamos en el episodio de hoy de monos estocásticos: el humano sigue en el punto de partida. Formular la gran hipótesis a la contra del consenso previo e identificar el problema a resolver nos llevan a los mejores tiempos para la gente de las ideas, también a unos en los que la gente de la técnica pierde protagonismo.
Ante el mismo fenómeno cabe maravillarse, porque nunca hubo mejor época para crear cosas o para descubrir en ciencia, y sentirse alienado, porque la parte que más disfrutábamos, en la que nos sentíamos al mando y protagonistas, ha dejado en parte de necesitarnos. Las dos cosas pueden ser verdad a la vez, y probablemente lo son. Si en el plazo de nuestras vidas no quedará tarea intelectual en la que una máquina no supere al humano, entonces volveremos una y otra vez sobre el desasosiego: nos sirven el mayor banquete que se ha dado en la historia, siempre y cuando renunciemos a la caza.
El profesor Villatoro está convencido de que harán falta muchísimos más matemáticos para entender lo que produzcan las máquinas, y Tao pide unas «matemáticas 2.0» que den menos peso a resolver problemas en bruto y más a la exposición y a abrir nuevas líneas de estudio. Tiendo a estar de acuerdo, pero también creo que conviene no hacerse trampas. Entender la demostración que ha encontrado una IA, dirigir agentes o divulgar requieren aceptar que tu disciplina ha cambiado, y quien disfrutaba persiguiendo durante años un problema abierto no tiene por qué hacerlo supeditado a lo que una máquina despacha en tres horas de cómputo. Me recuerda a cuando hablamos de un creador 3D al tratar si la inteligencia artificial nos hará crear y jugar menos o si lo haremos más y mejor:
Mi trabajo es diferente desde que Midjourney v5 salió la semana pasada. Ya no soy un artista, ni un artista 3D. Ahora todo lo que hago es prompting, photoshopear e implementar imágenes atractivas. La razón por la que fui a ser un artista 3D en el primer lugar ha desaparecido. Quería crear forma en el espacio 3D, esculpir, crear. Con mi propia creatividad. Con mis propias manos.
Puedo contaros que he vuelto a programar. Soy de los de «Yo me lo guiso (con IA), yo me lo como», un integrado nato. Pero a los cazadores les debemos algo mejor que el «aceptad la realidad» y es que, aunque hemos tratado el asunto desde el placer o lo que preferimos hacer, ciertamente hay una reconversión profesional e industrial que será dolorosa para muchos. Hay un duelo que pasar y llevará su tiempo.
Antonio Ortiz con Magnific.
A los matemáticos les está costando. Por lo pronto, el grupo que se había creado para sugerir a OpenAI la forma de publicar los resultados ya está protestando por haberlos subido todos a GitHub. No estoy de acuerdo con ellos, si se han encontrado 700 resultados OpenAI hace bien en ponerlos en abierto. El sistema se publicación científico lleva roto más años de los que muchos quieren reconocer y esto va a ser el último clavo en el ataúd.