Diego Fernández Slezak: “Aprender las tablas de memoria es un ejercicio que desarrolla los ladrillos del pensamiento y no deberíamos delegarlo en la IA”

Un nuevo paradigma. Así se piensa la irrupción de la IA no solo en lo cotidiano; sino -y principalmente- en los procesos de aprendizaje humano que enfrentan el desafío de mantener el pensamiento crítico y la agilidad ante las facilidades que ofrece el algoritmo.

Diego Fernández Slezak es un reconocido speaker del TEDxRíodelaPlata que invita a reflexionar no solo en la importancia de repensar lo profesional y laboral ante esta evolución constante sino también en pausar y aplicar la agilidad mental ante el peligro del sedentarismo cognitivo.

Además es co-fundador y CTO de Entelai, una empresa de IA en salud y recibió el Premio Konex 2023 en Ciencia y Tecnología, el Google Research Award en 2016 y el Microsoft Faculty Award en 2014.

—Pensando en el “sedentarismo cognitivo” que puede generar un uso no crítico de la IA. ¿Qué diferencia a un uso de la IA que entrena el pensamiento de uno que lo atrofia? ¿Hay una frontera clara o depende de cómo se diseña la tarea?

—Empecemos por las definiciones. El sendetarismo cognitivo es el final de una cadena de acumulación de delegación cognitiva. La inteligencia artificial por sí sola no genera ese sedentarismo; sino que lo que lo genera es el uso indiscriminado de esta tecnología, sin adquirir las habilidades asociadas. El principal problema en este concepto está en aquellos que todavía no aprendieron una habilidad. Estamos hablando de chicos de primaria o chicos de secundaria, estudiando alguna temática en particular con el uso de la inteligencia artificial en el proceso de aprendizaje de una tarea nueva que todavía no fue adquirida. Hay una cesión de carga cognitiva y por ende del esfuerzo que implica que nunca se desarrollan en esas habilidades y que es el principal problema detrás de la tecnología.

Hace poco salió en el contexto de la medicina un trabajo muy importante en Nature Medicine que habla de deskilling [pérdida] y never-skilling [falta de adquisición]. El deskilling es esta idea de que cuando uno empieza a usar inteligencia artificial, una habilidad que antes hacía muy bien se nos atrofia y perdemos capacidad de analítica sobre eso. Si se la delegamos, en principio no sería un problema pues estamos delegando, pero si en algún momento queremos volver a eso no es posible Y el never-skilling es cuando todavía no somos expertos y usamos IA. Qué pasa si yo aprendo a programar usando la inteligencia artificial; nunca voy a desarrollar mi habilidad como programador no es que desaprendo un poco y me vuelvo un poquito menos eficiente, porque me acostumbré a usar inteligencia artificial, sino que nunca adquiero esa habilidad y ese es el gran peligro, sobre todo en disciplinas tan importantes en donde se necesita un desarrollo de pensamiento crítico muy profundo, como es el campo de la salud.

—En varias oportunidades cuestionaste la simplificación de dividir el cerebro en módulos aislados, y preferiste hablar de funciones cognitivas más que de áreas específicas. Como Director del Laboratorio de Inteligencia Artificial Aplicada, ¿Qué le preocupa y qué le interesa sobre cómo se está divulgando la neurociencia de la IA en medios y en el discurso educativo?

—Hace décadas diría que está de moda todo lo que tiene que ver con neurociencia y sus aplicaciones a distintas disciplinas. Se han empezado a difundir muchas veces mitos y verdades alrededor del funcionamiento del cerebro aunque todavía no entendemos cómo es que funciona en su completitud. Uno de esos mitos es la famosa modularización. Hay muchísimos estudios que plantean que distintas áreas del cerebro tienen cierta especificidad para la resolución de algunos problemas. El más estudiado por excelencia es la corteza visual, todo el procesamiento visual y cómo distintas áreas del cerebro procesan distintas características de las imágenes y del lenguaje. Ahora eso no quiere decir que el cerebro no utilice el resto de la materia gris en materia blanca para procesar esa información; entonces hay una exageración muchas veces en la simplificación de la explicación de estos temas que lleva a hablar de algunas cosas que no son del todo precisas.

Cuando decimos el área del lenguaje del cerebro lo que hay que entender es que todo el cerebro está involucrado en el lenguaje, pero hay algunas áreas del cerebro que típicamente se ven con alguna especificidad en tareas muy puntuales y que entonces uno llama el área del lenguaje, el área de la visión. Está pasando lo mismo hoy en día con los modelos de inteligencia artificial; son muy muy grandes las redes neuronales y entonces empiezan a ser estudiadas como estudiamos el cerebro. Con una ventaja, a las redes neuronales las podemos pinchar, las podemos ver por dentro como están funcionando. Entonces empiezan a aparecer estas ideas de analogías entre los grandes modelos de lenguaje, los grandes modelos de redes neuronales de inteligencia artificial y cómo se relacionan con la arquitectura del cerebro

—Trasladado al aula: ¿qué “atrofias colaterales” se pueden empezar a ver en estudiantes que delegan escritura o resolución de problemas en IA?

—Relacionado con también con esto de neurociencia y con simplificaciones de divulgación del conocimiento científico alrededor del cerebro y de la inteligencia artificial, muchas veces terminamos haciendo abusos y usos no justificados de la tecnología o de conceptos de la ciencia en educación en la escuela. Durante los últimos 20 años se ha hecho mucha propaganda y mucho hincapié en que la escuela debía incorporar tecnología, computadoras para todos. Primero fue aprender a hacer lo que se llama ofimática, usar procesadores de texto o planillas; luego fue todos tienen que aprender a programar, luego fue pensamiento computacional.

Lo que se está viendo es que la incorporación irrestricta de la tecnología no necesariamente es buena, de hecho, por ejemplo en Suecia, a partir de esta masificación de las redes sociales, los dispositivos inteligentes hoy en día, la inteligencia artificial y la tecnologización de las aulas, se está volviendo el papel. La presencia digital es tan ubicua en prácticamente cualquier entorno que no parece ser necesario incorporarlas también en esos procesos cognitivos que implican el esfuerzo de hacer en el aula una cuenta.

—Desde tu experiencia dictando charlas a docentes, ¿Qué tuvo que cambiar en tu propio discurso en el último año, a medida que las herramientas evolucionaron más rápido que la discusión pedagógica?

—Yo soy investigador CONICET y profesor de la Universidad de Buenos Aires y tengo muchos alumnos de posdoctorado, de doctorado y de licenciatura. Mi principal desafío- y es el desafío que más me gusta- es cómo hacer para salir de mi entorno, que es un entorno muy particular: universitario de exactas donde todos hablan un lenguaje común de la matemática, la programación, lenguajes formales a públicos que por ahí hablan un lenguaje “más blando”; más de relaciones sociales que son mucho más apropiados a la educación tanto primaria como secundaria.

Creo principalmente que esa traslación interdisciplinaria es el desafío más fuerte. Cómo hacer para contar cómo las redes neuronales pueden prestar atención a secuencias de símbolos, algo tan complejo como lo que acabo de decir, con palabras llanas, sin ecuaciones sin demostraciones formales, pero que a la vez le hagan ganar una intuición a aquellas personas que están en el aula todo el día con esta tecnología. Esa traducción del lenguaje formal a lenguaje humano, intuitivo; no con demostraciones matemáticas es el principal desafío que los investigadores en inteligencia artificial tenemos hoy.

—Si tuvieses que diseñar una currícula desde cero pensando en alumnos que ya nacieron con IA generativa a mano, ¿qué mantendrías de la enseñanza “analógica” como no negociable?

—El papel sigue siendo absolutamente fundamental; para mí no es negociable que todos los procesos de papel y lápiz sean digitalizados. No hace falta tomar apuntes en una tablet más allá de lo cómodo que pueda ser. Yo creo que hay algo no negociable en aprender a leer y escribir en papel y lápiz; el aprender las tablas de matemáticas de memoria, hacer operaciones de memoria; porque no es que sea importante saber, multiplicar, sino que el aprender a saber multiplicar y aprenderse las tablas de memoria es un ejercicio que desarrolla los ladrillos del pensamiento de los niños y las niñas que no deberíamos delegar a la inteligencia artificial.

—A partir de tu charla “Que el último apague la luz. Quien no se reinventa, se desconecta”. ¿Qué tipo de reinvención es realista pedirle a alguien de 50 años en un rol operativo, y cuál es una expectativa injusta del mercado?

—Respecto a la reinvención, el reskilling; es como la inteligencia artificial está desplazando muchas tareas que antes hacían las personas y entonces las personas ahora están “siendo obligadas a transformarse”, a reinventarse para mantener sus puestos laborales. Algo que se ha demostrado en los últimos años es que el cerebro sigue creciendo y sigue siendo plástico hasta edades muchísimo más grandes de lo que se decía al principio.

Realmente un cerebro bien entrenado sigue manteniendo plasticidad y capacidad de aprender durante toda la vida. La gran habilidad que hay que aprender es la adaptación, la de animarse a cambiar; animarse a seguir desarrollarse. Esa es la habilidad que nos va a permitir -en esta vorágine de alta velocidad con inteligencia artificial, integrándose en prácticamente cualquier actividad humana- adaptarnos a esos espacios más humanos que nos sigan perteneciendo y que nos sigan permitiendo desarrollarnos como personas.

—Planteaste que la IA necesita menos inversión en infraestructura pesada y más recursos humanos y formación académica, y que ahí Argentina tiene ventaja. ¿Esa ventaja se está traduciendo en empleo real hoy, o sigue siendo potencial?

—Argentina históricamente ha tenido una calidad de recursos humanos espectacular y entonces muchas veces sostuve que el plan estratégico de montar Data Center para que las grandes corporaciones existan en Argentina no alcanzaba y no era un plan de desarrollo interesante para la Argentina. En todo caso, eso es un eslabón dentro de un plano un poquito más ambicioso.

El principal objetivo debería ser la formación y el sostenimiento de los recursos humanos formados en el área de inteligencia artificial, en el área de las universidades públicas que en Argentina históricamente han sido muy valoradas internacionalmente. Ahí tenemos un diferencial para aprovechar y que puede generar muchísima ventaja competitiva y valor agregado sobre productos. Cuando uno crea un Data Center de pocos empleados para grandes inversiones en realidad lo que están vendiendo es materia prima, el frío de la Patagonia, el agua, la luz, la energía barata, etc. eso no desarrolla servicios.

—En sectores donde el trabajo es justamente ese vínculo humano —salud, docencia, cuidado— ¿qué rol le queda a la persona cuando la IA simula la empatía? Como CTO de Entelai, ¿qué tareas dentro de tu propia empresa delegaron completamente en IA en el último año, y cuáles decidieron no delegar aunque técnicamente podrían?

—Respecto a la delegación en inteligencia artificial es en muchas gestiones operativas sencillas, por ejemplo la mensajería diaria para actualización del estado de la empresa; por ejemplo qué servicios están caídos o mensajes entre los distintos desarrolladores para ponernos al día de las últimas tareas. Una gran delegación que nos ahorra tiempo y ordena mucho y lo otro es la programación.

Hoy en día la programación se ha transformado completamente donde prácticamente no se escribe código. Uno termina siendo un orquestador de agentes de distintas inteligencias artificiales para el desarrollo del código, donde uno revisa código y le pide a estas inteligencias artificiales que corrijan código anterior.

—Si pudieras reescribir el título de tu propia charla sobre el futuro del trabajo dentro de dos años, ¿cómo te lo imaginás?

—La inteligencia artificial que estamos viviendo hoy es una inteligencia artificial etérea; en el sentido de que no es física. De aquí a dos años vislumbro la inteligencia artificial física con presencia física robótica, no necesariamente humanoides que también puede ser, pero sí con mucha interacción física en los trabajos. Así que una próxima charla podría ser “Tocando la inteligencia artificial o de qué manera nos toca la inteligencia artificial”.