ChatGPT me está convirtiendo en un super humano

 El título suena exagerado. Quizá incluso pretencioso.

Pero después de trabajar intensamente con ChatGPT durante bastante tiempo, empiezo a pensar que describe bastante bien lo que está ocurriendo.

No me estoy convirtiendo literalmente en un superhumano. No soy más inteligente biológicamente, mi memoria no ha aumentado y mi cerebro sigue teniendo exactamente las mismas limitaciones.

Lo que ha cambiado es otra cosa:

la cantidad de pensamiento que puedo ejecutar.

Y esa diferencia empieza a ser enorme.

Antes, una idea podía morir en una tarde

Tengo muchas ideas.

Ese nunca ha sido el problema.

El problema siempre ha sido la distancia entre tener una idea y comprobar si realmente tiene sentido.

Imaginemos que estoy trabajando con redes neuronales y aparece una intuición:

¿Qué ocurre si el espacio latente de una red no representa simplemente features independientes, sino una geometría sobre la que determinadas clases actúan mediante transformaciones?

Antes, una pregunta así podía abrir inmediatamente diez problemas.

Necesito revisar álgebra lineal.

Necesito entender mejor los espacios latentes.

Necesito buscar literatura relacionada.

Aparecen grupos de Lie.

Entonces necesito entender exponenciales de matrices.

Después aparece Baker–Campbell–Hausdorff.

Luego descubro un paper relacionado con interpretabilidad mecanicista.

Después necesito conectarlo con mi arquitectura.

Y finalmente tengo que transformar todo aquello en código y diseñar un experimento que pueda refutar mi propia hipótesis.

Cada salto introduce fricción.

Y la fricción mata ideas.

No porque las ideas sean malas.

Porque investigarlas cuesta demasiado tiempo.

Con ChatGPT esa economía ha cambiado.

Puedo mantener una conversación con una idea

Esta es probablemente la transformación más importante.

Ya no tengo simplemente una idea.

Puedo interrogarla.

Puedo decir:

“Explícame esto matemáticamente.”

Después:

“Ahora dame un ejemplo numérico.”

Después:

“¿Qué ocurre si el vector shared tiene dimensión 3?”

Después:

“¿Cómo se relacionaría esto con un generador de Lie?”

Después:

“Busca el punto débil de esta interpretación.”

Después:

“¿Existe algo parecido en la literatura?”

Después:

“Ahora tradúcelo a una arquitectura neuronal.”

Y después:

“¿Cómo diseñaríamos un experimento para comprobarlo?”

Una pregunta genera otra.

Pero ya no necesito resolver cada bifurcación antes de continuar.

Eso significa que puedo explorar un árbol conceptual muchísimo más grande.

ChatGPT no elimina mi trabajo intelectual.

Aumenta brutalmente el ancho de banda con el que puedo hacerlo.

He descubierto que preguntar también es una forma de programar

Durante décadas hemos programado máquinas escribiendo instrucciones extremadamente precisas.

Ahora ocurre algo diferente.

Puedo comenzar con una pregunta imperfecta.

La respuesta me permite formular una pregunta mejor.

Esa nueva pregunta produce una distinción que antes no había considerado.

Entonces redefino el problema.

Es un ciclo:

intuición → pregunta → respuesta → crítica → nueva pregunta → formalización → experimento

Eso se parece sorprendentemente al proceso científico.

La diferencia es la velocidad.

Puedo ejecutar decenas de ciclos conceptuales en el tiempo en que anteriormente habría realizado unos pocos.

Y ahí aparece el efecto “superhumano”.

No porque cada respuesta sea perfecta.

No lo es.

Sino porque puedo recorrer mucho más espacio intelectual.

Mi memoria externa está creciendo

Existe además otra limitación humana fundamental: la memoria de trabajo.

Cuando un proyecto se vuelve suficientemente complejo, empezamos a olvidar decisiones.

¿Por qué elegimos esta arquitectura?

¿Qué learning rate produjo aquel comportamiento?

¿Qué experimento tenía un batch size diferente?

¿Qué hipótesis descartamos?

¿Qué significaba aquella variable?

¿Qué paper nos llevó a introducir aquella transformación?

En proyectos grandes, una parte considerable del esfuerzo intelectual consiste simplemente en reconstruir nuestro propio contexto.

Un sistema como ChatGPT puede actuar como una extensión de ese contexto.

No sustituye mi memoria.

Construye una capa adicional alrededor de ella.

Esto cambia la escala de los problemas que puedo manejar.

También estoy aprendiendo más rápido

Hay otro efecto que inicialmente subestimé.

ChatGPT no solamente me permite producir más.

Me permite aprender de una manera diferente.

Cuando leo un paper y encuentro una ecuación difícil, ya no tengo que aceptar una explicación genérica.

Puedo preguntar exactamente por la parte que no entiendo.

Puedo pedir:

“Explícame únicamente este término.”

“¿Qué dimensión tiene este tensor?”

“Pon valores numéricos.”

“Haz la multiplicación.”

“¿Por qué aquí aparece una exponencial?”

“¿Qué ocurriría si elimináramos este término?”

“Relaciona esta ecuación con mi arquitectura.”

Eso convierte el aprendizaje en algo interactivo.

Un libro explica una idea una vez.

Un profesor puede explicarla varias veces.

Una IA puede reconstruir la explicación alrededor de la pregunta exacta que tengo en ese instante.

Eso es extraordinariamente poderoso.

Pero hay una condición: no delegar el pensamiento

Aquí está la paradoja.

La misma herramienta que puede aumentar enormemente nuestra capacidad intelectual también puede reducirla.

Si utilizo ChatGPT para evitar pensar:

“Hazme esto.”

“Decide por mí.”

“Dime qué tengo que creer.”

entonces probablemente estoy externalizando capacidades que debería conservar.

Pero existe otra manera de utilizarlo:

“Critica mi hipótesis.”

“Encuentra contraejemplos.”

“Demuestra cada paso.”

“Compara estas dos explicaciones.”

“¿Qué evidencia necesitaríamos para afirmar esto?”

“¿Dónde podría estar equivocándome?”

Ese uso produce el efecto contrario.

La IA deja de ser un sustituto del pensamiento y se convierte en resistencia para el pensamiento.

Como ocurre con un gimnasio: la máquina puede hacer el movimiento por nosotros o puede proporcionar la resistencia contra la que desarrollamos fuerza.

La diferencia está en cómo la utilizamos.

Mi unidad de trabajo ya no es una tarea

Antes pensaba fundamentalmente en tareas.

Escribir código.

Leer un paper.

Analizar un resultado.

Construir una gráfica.

Buscar una referencia.

Depurar un error.

Ahora empiezo a pensar en cadenas completas de razonamiento y ejecución.

Una hipótesis puede convertirse en una búsqueda bibliográfica.

La búsqueda puede producir una formulación matemática.

La formulación puede convertirse en código.

El código genera un experimento.

El experimento produce datos.

Los datos generan nuevas preguntas.

Y esas preguntas pueden iniciar otro ciclo.

La frontera entre pensar y ejecutar se está haciendo mucho más pequeña.

Creo que esta es una de las consecuencias más profundas de la IA.

El verdadero multiplicador es la iteración

Es tentador medir estas herramientas preguntando:

“¿Cuánto tiempo me ahorra ChatGPT?”

Quizá esa sea la pregunta equivocada.

Si una tarea que antes necesitaba una hora ahora necesita diez minutos, aparentemente hemos ganado cincuenta minutos.

Pero puedo utilizar esos cincuenta minutos para realizar cinco iteraciones adicionales.

Entonces el resultado final no es simplemente el mismo trabajo realizado más rápido.

Es un trabajo diferente.

Más explorado.

Más cuestionado.

Más iterado.

Más conectado.

Ahí aparece el verdadero multiplicador.

También puedo equivocarme mucho más rápido

Por supuesto, existe una cara peligrosa de todo esto.

Si aumento mi velocidad intelectual sin aumentar simultáneamente mis mecanismos de verificación, simplemente puedo producir errores a una velocidad espectacular.

Una IA puede equivocarse.

Puede inventar una referencia.

Puede construir una explicación matemáticamente elegante y conceptualmente falsa.

Puede aceptar una premisa incorrecta incluida en mi pregunta.

Puede incluso reforzar una intuición simplemente porque la he formulado de manera convincente.

Por eso cuanto mayor es la amplificación, mayor tiene que ser el control.

Código que se ejecuta.

Experimentos reproducibles.

Datos.

Papers originales.

Contraste entre fuentes.

Métricas.

Contraejemplos.

Matemáticas verificables.

La IA aumenta la potencia.

El método tiene que proporcionar el control.

Quizá “superhumano” sea realmente humano + herramientas

En realidad, esto no es completamente nuevo.

Los humanos llevamos miles de años convirtiéndonos en “superhumanos”.

La escritura nos proporcionó memoria externa.

Los libros nos permitieron conversar indirectamente con personas muertas hace siglos.

Las matemáticas ampliaron nuestra capacidad de razonamiento.

Los telescopios ampliaron nuestros ojos.

Los ordenadores ampliaron nuestra capacidad de cálculo.

Internet amplió nuestro acceso a la información.

La inteligencia artificial añade algo diferente.

Amplía la interacción con el conocimiento.

Ya no solamente almaceno información o la recupero.

Puedo discutir con ella.

Transformarla.

Interrogarla.

Formalizarla.

Conectarla.

Simular alternativas.

Convertirla en código.

Y volver a empezar.

No creo que me esté haciendo más inteligente

Creo que está ocurriendo algo más interesante.

Mi inteligencia biológica continúa teniendo límites muy concretos.

Pero alrededor de ella estoy construyendo una infraestructura cognitiva.

Tengo mi cerebro.

Tengo código.

Tengo datos.

Tengo herramientas.

Tengo literatura científica.

Y ahora tengo un sistema capaz de operar como interlocutor entre muchas de esas piezas.

El resultado no es exactamente “yo”.

Tampoco es ChatGPT.

Es el sistema formado por ambos.

Humano + IA + herramientas + memoria + experimentación.

Y la capacidad de ese sistema puede ser considerablemente superior a la capacidad del humano aislado.

Por eso siento que ChatGPT me está convirtiendo en un super humano

No porque conozca todas las respuestas.

Precisamente ocurre lo contrario.

Cada respuesta interesante genera nuevas preguntas.

Lo que está cambiando es mi capacidad para perseguirlas.

Puedo aprender más rápido.

Puedo explorar más hipótesis.

Puedo conectar disciplinas que antes estaban demasiado alejadas.

Puedo transformar intuiciones vagas en formulaciones concretas.

Puedo pasar de una ecuación a un experimento y del experimento nuevamente a la teoría.

Y puedo hacerlo una y otra vez.

Quizá el futuro de la inteligencia artificial no consista simplemente en construir máquinas cada vez más inteligentes.

Quizá una parte igualmente importante consista en descubrir qué clase de humanos aparecen cuando una persona puede pensar permanentemente junto a ellas.

Yo ya estoy empezando a descubrirlo.

Y tengo la sensación de que apenas estamos viendo el principio.