FdA #83 - La Muerte del Hombre Renacentista (y Cómo la IA Podría Traerlo de Vuelta)
Sobre cómo el conocimiento acumulado nos fragmenta y la IA podría volver a unir nuestras piezas.
"Un especialista es alguien que sabe cada vez más sobre cada vez menos, hasta que sabe todo sobre nada."
El origen de esta cita es tan incierto como irónico es uno de los efectos de la carga del conocimiento: a medida que el conocimiento se acumula, nos obliga a centrarnos en parcelas cada vez más estrechas del saber. Nos volvemos expertos en fragmentos tan específicos que, paradójicamente, podemos terminar perdiendo de vista el contexto general, el “para qué” de lo que hacemos.
El precio de saber tanto
Durante milenios, el conocimiento humano cabía en una fogata. Lo que sabía un chamán sobre plantas, un herrero sobre metales o un navegante sobre las estrellas podía transmitirse en unas cuantas conversaciones. El sabio se hacía a base de memoria, experiencia y tiempo compartido.
Pero algo cambió. La acumulación del saber empezó a crecer más rápido que la capacidad humana para absorberlo. La escritura, la imprenta y la ciencia fueron al mismo tiempo causa y solución a esto.
Imagina que tu vida está dedicada a la ciencia en 1750. Con leer unos pocos libros podrías estar al día de casi todo lo que se sabía sobre física, química o medicina. Hoy, una persona dedicada a la investigación necesita años para entender todo lo que se ha escrito de un único gen.
Cuando Einstein publicó la teoría de la relatividad especial tenía 26 años. Hoy, la mayoría de investigadores no puede empezar a contribuir en la frontera de su campo hasta que no pasan la treintena, con suerte y mucha dedicación.
¿Por qué pasa esto? El progreso científico no se ha frenado, pero ahora es mucho más pesado. Es parte del precio a pagar por saber tanto.
¿Puede ser que el conocimiento acumulado esté haciendo más difícil innovar?
La carga del conocimiento
Benjamin F. Jones es el economista que propuso la Teoría de la Carga del Conocimiento. Al inicio de su paper nos dice:
Este artículo investiga, tanto teórica como empíricamente, un posible aspecto fundamental del progreso tecnológico. Si el conocimiento se acumula a medida que avanza la tecnología, entonces las generaciones sucesivas de innovadores podrían enfrentarse a una carga educativa cada vez mayor.
Los innovadores pueden compensar esta carga especializándose en campos más estrechos, pero al hacerlo reducen su capacidad individual, lo que tiene implicaciones para la organización de la actividad innovadora —una mayor dependencia del trabajo en equipo— y consecuencias negativas para el crecimiento.
Todo esto hace que la edad de los innovadores más destacados vaya aumentando, cada vez hay más coautores por paper y se produce una fragmentación del conocimiento.
Aunque la profundidad del conocimiento varía entre disciplinas, el nivel educativo alcanzado por los investigadores es muy constante entre áreas y las diferencias en complejidad se compensa con la especialización.
El artículo concluye que, por cada década que pasa:
La edad del primer invento aumenta unos 0,6 años.
El tamaño medio de los equipos se incrementa un 17%.
La especialización (menor probabilidad de cambiar de campo) sube un 6%.
Esto provoca una disminución en la productividad individual (al saber cada persona menos del todo), y se necesitan más recursos humanos para mantener el mismo ritmo innovador, lo que conlleva un mayor lastre económico.
El autor hace esta reflexión:
Si el crecimiento del conocimiento es inevitable y la carga no puede reducirse, el progreso podría depender cada vez más del trabajo colectivo, la eficiencia educativa o incluso de revoluciones científicas que simplifiquen el conocimiento existente.
¿Será que estamos ante esa revolución?
La IA puede aliviar esa carga
La inteligencia artificial, especialmente los modelos de lenguaje, pueden resumir papers, conectar ideas entre campos, extraer puntos clave y automatizar tareas cognitivas repetitivas.
Nos puede ayudar a generar hipótesis, revisar la literatura existente, explorar entre disciplinas, traducir textos técnicos… La IA puede ser nuestro intérprete del conocimiento acumulado.
Resulta paradójico que, cuanto más sabemos como especie, más difícil se vuelve para cualquier individuo contribuir a algo nuevo. Tenemos la herramienta perfecta para romper esa paradoja. Disponemos de una montaña de conocimiento y, aunque cada día esa montaña se eleva un poco más, ya no necesitamos escalarla a patita. Tenemos un telesilla que nos lleva a la cima.
El sacrificio es que no conoceremos el detalle de los diferentes caminos que tiene el monte, pero tendremos una vista general de todos ellos. Incluso podremos bajar a explorar algunos cuando sea necesario.
Si la necesidad antes era enfrentarse a cientos o miles de papers para ponerse al día, ahora nos basta con atiborrar con ellos a un modelo para que los lea, los resuma, los compare, extraiga patrones y conecte ideas. En minutos.
La especialización puede crear un cierto aislamiento entre expertos, pero la IA puede ser el puente que los una, detectando las similitudes y creando analogías que una persona no vería ni fácil ni rápidamente.
Y por si lo anterior fuera poco, también podemos detectar inconsistencias o proponer rutas experimentales usando nuestros copilotos cognitivos. El esfuerzo mental requerido para llegar a la frontera del conocimiento se reduce enormemente. Podemos aprovechar toda esa capacidad en un ámbito más creativo.
Si la carga del conocimiento nos estaba llevando al fin del hombre renacentista, la IA podría estar facilitando su renacimiento asistido. La especialización no va a desaparecer, pero será mucho más flexible y menos limitante.
Reflexiones finales
La teoría de la carga del conocimiento puede generar inquietud. Cuanto más sabemos, más difícil se vuelve avanzar. ¿Crees que esta carga es universal? Se cumple, desde luego, en contextos de investigación científica y tecnológica, ¿pero afecta del mismo modo a otros campos? No tengo claro que pase lo mismo en el diseño, la filosofía, el arte o la política, por ejemplo.
El exceso de teoría no tiene por qué ser sinónimo de avance. No siempre, al menos. En algunos casos saber menos permite ver más.
La Inteligencia Artificial parece prometer un nuevo tipo de acceso a través de la conversación, sin depender de la memorización. Una interfaz entre el individuo y el saber acumulado.
¿Qué es lo malo de todo esto? Porque todo tiene su contraparte… Los modelos también alucinan: fabrican citas, malinterpretan conceptos, o rellenan huecos con confianza infundada. Y si dependemos de ellos para acceder a un conocimiento que ya nos resulta inabarcable, corremos el riesgo de construir nuevas ideas sobre datos ficticios sin darnos cuenta.
Además, si todos nos centramos en obtener resúmenes de lo que ya se ha pensado antes, estaremos dejando la generación de nuevas ideas en unas manos no humanas. También conviene dedicar tiempo a la imaginación para no atrofiar nuestra creatividad.
Piénsalo, puedes tener un resumen de 100 artículos en cuestión de unos pocos minutos, pero sin comprender ese contenido no vas a poder usarlo, necesitarás dedicar tiempo a estudiarlo. La IA solo te ayudará a poner foco hacia una dirección concreta, no creas que te vas a librar de hincar los codos.
Tal vez no se trata de resolver la carga del conocimiento, sino de reconciliarnos con ella. Aceptar que no podemos saberlo todo, pero sí aprender a ubicarnos mejor en el mapa del saber. Que no necesitamos escalar solos, pero sí saber dónde estamos, qué buscamos y por qué lo hacemos.
Porque si no sabemos hacia dónde queremos mirar, tener una IA que nos muestra todas las direcciones posibles es indistinguible de no ver nada.
Recomendaciones de la Semana
🎧 Podcast
¿Los dictadores son inocentes? Interesante conversa con Sergio Parra en el podcast de Adrián Sussudio.
📚 Lectura
El iceberg de la ignorancia en el mundo de la empresa hace referencia al hecho de que la dirección solo percibe el 4% de los problemas, los mandos intermedios el 9%, los supervisores el 74%, y los empleados de base, que están en contacto directo con clientes y procesos, el 100%. Este seguramente sea el origen de muchos de los problemas que una organización se encuentra.