Este artículo se suma a la infinita lista de textos, entre académicos y de divulgación, sobre la IA. La obsesión está en todos lados, acaparando titulares, tuits, reels y cuanto medio de comunicación dispongamos frente a nosotras. Preguntas sobre el futuro de cara a la aparente automatización del trabajo, la cantidad de recursos utilizados por los centros de datos, incluso sobre las relaciones persona-máquina, nos azoran a diestra y siniestra. Se confeccionan todo tipo de imaginarios en torno a esta nueva tecnología: una mente autónoma, un cerebro de silicio que aprende y decide por sí mismo, el trabajador ideal, la pareja perfecta.

La inteligencia artificial, en un sentido muy llano, es un conjunto de técnicas estadísticas y computacionales que permiten extraer, organizar y comprimir enormes volúmenes de datos. Cada modelo se alimenta de información generada por personas: textos, imágenes, registros, clics, movimientos, sonidos. Y detrás de cada línea de código hay trabajo humano, en general, invisible: anotadores de datos, moderadores de contenido, programadores, ingenieros, que moldean lo que el sistema aprende.

El filósofo Matteo Pasquinelli insiste en que debemos abandonar la metáfora de la máquina inteligente para hablar de infraestructuras de conocimiento. En su lectura, la IA no es un sujeto autónomo sino un «instrumento de extracción cognitiva»: captura fragmentos de saber colectivo,  los convierte en patrones matemáticos y los reutiliza con fines económicos o de control. Lo que aparece como inteligencia artificial es, en realidad, una forma social de conocimiento automatizado, dependiente de una red de datos, capital y trabajo.

La inteligencia artificial en contexto

En su libro The Eye of the Master: A Social History of Artificial Intelligence (2023), Pasquinelli reconstruye la genealogía de la IA desde una perspectiva poco habitual: la de la historia social del trabajo y la inteligencia. La inteligencia artificial, sostiene, nació en las fábricas. Es heredera de una larga tradición de proyectos que buscaban medir, cuantificar y automatizar la mente humana y su relación con el trabajo.

Durante la Revolución Industrial, la máquina reemplazó la fuerza muscular del trabajador.  Con el avance de la psicología experimental y la estadística en el siglo XIX, se intentó hacer lo mismo con la mente: medir la atención, la memoria y la velocidad de reacción. Los primeros tests de inteligencia tradujeron capacidades humanas complejas en números. Esa reducción cuantitativa sentó las bases para imaginar la inteligencia como algo «calculable» —una idea que la IA hereda directamente.

Pasquinelli muestra cómo los actuales sistemas de aprendizaje automático continúan esta tradición. Los algoritmos transforman la inteligencia colectiva —el saber que circula en comunidades, lenguas, cuerpos y prácticas— en modelos estadísticos que permiten predecir comportamientos. Lo que cambió fue la escala: desde el telar y la calculadora sencilla hasta las bases de datos globales que se sostienen en complejas redes de servidores. La lógica, sin embargo, sigue siendo la misma: extraer conocimiento socialmente construido y convertirlo en rendimiento técnico y económico. Así, la historia de la IA no es la historia de una mente artificial, sino la de una racionalidad extractiva que organiza, clasifica y economiza el conocimiento.

Para entender cómo llegamos hasta aquí, vale la pena recordar el papel de la cibernética, la   ciencia que precede a la inteligencia artificial moderna. En la década de 1940, Norbert Wiener y otros investigadores plantearon que tanto las máquinas como los organismos podían entenderse a partir de bucles de retroalimentación: circuitos de información que permiten la autorregulación y la adaptación. Ejemplos de estos circuitos cibernéticos son un termostato que ajusta la temperatura, un cuerpo que mantiene el equilibrio o un piloto automático que corrige el rumbo.

La cibernética no buscaba reproducir la mente humana, sino comprender los principios generales de la comunicación y el control. La inteligencia, en este marco, no residía en un cerebro, sino en las interacciones entre un sistema y su entorno.

Cuando en 1956 se fundó oficialmente el campo de la inteligencia artificial, la  atención  se desplazó de los sistemas adaptativos a los sistemas cognitivos. Los pioneros de la IA —como Marvin Minsky y John McCarthy— apostaron por la idea de que la inteligencia podía representarse simbólicamente y procesarse como información lógica.

Décadas más tarde, el aprendizaje automático (machine learning) reintrodujo, desde otra vía, la noción de adaptación. Los modelos ya no solo re- presentan conocimiento: aprenden patrones directamente de los datos. En cierto modo, la IA contemporánea reconcilia los dos enfoques: la capacidad de «pensar» (IA clásica) y la de «adaptarse» (cibernética). Pero esta unión produce una noción de inteligencia que es más bien correlativa, trata sobre sistemas que reconocen regularidades sin comprometerse demasiado con los contenidos significativos. Esto, por supuesto, incendia los debates sobre la semejanza entre las inteligencias artificiales y las humanas.

Otros contextos, otras inteligencias

Frente a las visiones tecnófobas y tecnófilas de la IA, las teóricas poshumanas ofrecen una alternativa: pensar la inteligencia más allá del dualismo humano/máquina.

La científica y escritora italiana Laura Tripaldi sostiene que la inteligencia no es una propiedad exclusiva del cerebro humano, sino una propiedad emergente de la materia viva e inerte. En su libro Mentes paralelas. Descubrir la inteligencia de los materiales (2023) propone que los materiales —cristales, redes neuronales, telas de arañas— también poseen formas de sensibilidad, memoria y adaptación, características que robustecen la noción de inteligencia que desde la visión técnico-económica es solo reducida a la lógica de cuantificación. Desde esa perspectiva, la inteligencia es fundamentalmente un tiempo de actividad que canaliza procesos cognitivos que ya existen en la naturaleza y en la materia misma.

Por su parte, N. Katherine Hayles, en obras como Lo impensado. Una teorá de la cognició no consciente y los ensamblajes cognitivos humano-técnicos (2024), propone contraponer a la noción de inteligencia propia de la herencia cibernética y las teorías de la información, la noción de cognición como un proceso corporizado y distribuido (embodied cognition). La inteligencia, o para la autora, la cognición, no ocurre solo en una mente o en un algoritmo, sino en la interacción entre cuerpos, herramientas y entornos. Un modelo de IA, por tanto, es solo una parte de una red más amplia de cognición extendida: sensores, interfaces, humanos que interpretan resultados, infraestructuras que sostienen más que solo el cálculo.

Estas perspectivas desplazan la pregunta sobre la inteligencia de las máquinas fuera de la competencia o el reemplazo, lo que nos permite repensar la inteligencia en general, y la inteligencia de las IAs, como un nodo más en la ecología del conocimiento, donde la agencia se vuelve tan importante como la inteligencia, en la medida en que son pensadas como actividades compartidas y relacionales.

Más que inteligencia, notas para ejercer el pensamiento

Si seguimos esta línea de pensamiento, la pregunta deja de centrarse en la comparación con lo humano, si la IA es más o menos inteligente que nosotras o qué tanto esto significa que piensa o no como nosotras, sino qué aperturas en las formas de inteligencia podemos encontrar y cómo esto puede modificar nuestras nociones y relaciones con la tecnología. Como dice Tripaldi: salir de los imaginarios robóticos, inflexibles y distópicos a donde nos ha llevado la competencia tecnológica, para transitar vías más dinámicas, fluidas y comprensivas con el entorno y lo que habita la vida y lo no vivo.

Al reducir el conocimiento a patrones estadísticos, corremos el riesgo de perder aquello que no encaja en el modelo: la singularidad, la ambigüedad, la creatividad, lo que no puede ser medido. Una noción de inteligencia anclada a los datos reduce nuestra comprensión del mundo a lo ya conocido y nos pone freno en los procesos de invención y asombro que están a nuestro alrededor.

Lo que queda por pensar no solo es un desafío político que restrinja nuestro campo de acción a la regulación y control de tecnología. Es también un desafío ontológico y epistemológico: ¿qué significa pensar en un mundo donde la inteligencia, o las inteligencias, son fenómenos colectivos, híbridos y materiales? Las aproximaciones poshumanas ofrecen un horizonte fértil: reconocer que la inteligencia está distribuida entre humanos, máquinas, animales, organismos y entornos. Pensar la IA de este modo  no  implica  idealizarla,  sino  situarla:   verla como parte de un tejido más amplio de interdependencias.

La inteligencia artificial no es una mente rival ni una promesa de trascendencia tecnológica. Es, más bien, un espejo parcial de nuestras propias formas de conocer y organizar el mundo. Nació del deseo de medir y automatizar la inteligencia, se desarrolló como un sistema de retroalimentación y control, y hoy se expande como una red de aprendizaje que refleja nuestras estructuras sociales y económicas, pero también vitales.

Repensarla exige un cambio de perspectiva: de la fascinación por la máquina pensante hacia una reflexión sobre la ecología del conocimiento que la sostiene. Pasquinelli nos recuerda su genealogía extractiva; Hayles y Tripaldi, su potencial para disolver el antropocentrismo. Entre ambas miradas, queda abierto el desafío filosófico y político de nuestro tiempo: inventarnos con otras formas de inteligencia que no habiten solo los linderos de lo que se considera artificial y humano.