Su materia de estudio abarca la ciencia cognitiva, el aprendizaje automático, la neurociencia y la biología marina. En este último ecosistema se ha sumergido para investigar cómo se comunican los cachalotes, con sonidos que se asemejan a las vocales humanas. “Si pensamos en los animales y su comunicación, todavía hay mucho que no sabemos, ¿verdad? Algunas especies tienen sistemas de comunicación realmente notables. Uno de los más fascinantes es el de los cachalotes. Ellos tienen sociedades complejas: se reúnen, se comunican antes de cazar, cuando mueren o cuando dan a luz. Son como sociedades matrilineales, donde las madres forman familias y clanes vocales. Tienen dialectos muy definidos y participan en este sistema complejo de comunicación que yo llamo ‘codas de cachalote’. Básicamente, producen grupos de chasquidos, los organizan y los intercambian en el tiempo”, relata el investigador. Explica que durante mucho tiempo se pensó que su sistema de comunicación era parecido a un código Morse. “Nosotros entrenamos nuestro modelo de IA con ese sistema. En mi laboratorio estamos desarrollando alternativas que aprenden de manera más realista, a partir de pocos datos. Después aplicamos esos modelos —que ya habíamos demostrado que funcionan muy bien con el lenguaje humano, aunque aprenden más como los bebés— y los entrenamos con ballenas. El modelo sugirió que había algo más en su comunicación que un simple ‘código Morse’”, dice. Descubrieron un sistema de comunicación aún más complejo.
“Es muy emocionante porque sugiere que quizás también su inteligencia sea altamente compleja. Escuchar a estas ballenas es muy entretenido, hermoso y casi mágico”, apunta Beguš quien además es parte de Project CETI, una increíble organización sin fines de lucro que dedica su tiempo a escuchar a los cachalotes e intentar comprender cómo se comunican.

–Quizás estemos cerca de entender lo que los cachalotes intentan decir en su sociedad, lo que están intentando comunicar. ¿Puede esto ayudarnos a entender cómo funciona el lenguaje humano?

-Nos estamos acercando cada vez más. Vamos descubriendo más aspectos de este sistema de comunicación que se parece al humano. Pero no puedes entender algo si ni siquiera sabes cómo encajan las piezas del rompecabezas. Primero hay que comprender cuál es la unidad más pequeña y cuáles son las propiedades de este sistema de vocalización. Todavía no sabemos qué significan esas vocalizaciones. Lo que sí sabemos es que tienen dialectos y que a través de ellos comunican gran parte de su identidad social.

-En el Berkeley Speech & Computation Lab están realizando otro experimento interesante sobre un bebé aprendiz artificial (artificial baby learner). ¿Qué puedes decir hasta ahora sobre las conclusiones en el aspecto neurocognitivo de este experimento? ¿Han encontrado un límite entre el desarrollo cognitivo y el aprendizaje social para un robot de IA?
-Un gran aspecto de mi laboratorio es construir, en cierto sentido, alternativas a los grandes modelos de lenguaje como GPT. Tenemos tecnología asombrosa pero estos modelos no aprenden como los humanos. En realidad, se están alejando de los humanos en muchos aspectos. Se están volviendo diferentes a nosotros. Si yo quiero entender la mente humana, si quiero entender nuestro cerebro, necesito construir modelos que sean más como los humanos. Entonces, tenemos este proyecto de construir un modelo que aprenda como un bebé humano. Lo que los bebés humanos tienen que aprender es muy difícil. Escuchan muchos sonidos, ven muchas cosas, necesitan aprender palabras, pero incluso aprender unas pocas palabras es difícil. Entonces, estamos construyendo este modelo que escucha el entorno y necesita aprender palabras como un bebé.

Para ello, dice el investigador y académico, están realizando estudios de neuroimagen (‘imaging brains’) de manera de observar cómo responden los cerebros humanos al sonido del lenguaje. Luego comparan esas respuestas con nuestros modelos —aproximaciones de IA del lenguaje humano— y observan que las señales internas artificiales que generan son muy similares a las cerebrales. Ese hallazgo es un excelente punto de partida tanto para comprender mejor a los seres humanos como para entender a los propios modelos. Esto es clave, porque una de las cosas que será cada vez más importante en el mundo de la inteligencia artificial es, precisamente, entender a la propia IA, agrega. “Si logras comprender el modelo, puedes tener la capacidad de encontrar nuevos patrones, entender lo que está haciendo el modelo y, al mismo tiempo, comprender mejor la mente humana. Y lo más importante: gracias a que pudimos entender el modelo, logramos descubrir algo nuevo sobre los cachalotes que de otra forma no habríamos encontrado. Por eso, entender el modelo constituye otra de las grandes líneas de trabajo de nuestro laboratorio”.

 – Inventaste además un modelo capaz de crear palabras nuevas en inglés a partir de un cierto léxico. Se trata de un modelo que no sólo reproduce o imita. ¿Hasta dónde puede llevarnos este avance tecnológico en la IA?

-Creo que la razón por la que somos tan innovadores es porque trabajamos con una familia de enfoques, o familia de modelos, que se llaman Redes Generativas Antagónicas (Generative Adversarial Networks o GANs). Lo crucial es que aprenden por imitación, no simplemente reproduciendo. Los grandes modelos de lenguaje están entrenados para predecir la siguiente palabra, en cambio nuestros modelos están entrenados para imitar. Y así es como aprenden los humanos: no sólo predicen la palabra que sigue, sino que imitan con la boca cómo hablan nuestros padres. A partir de ahí propuse un cambio de perspectiva sobre el lenguaje: quizá el lenguaje puede entenderse como una imitación informativa. Imitamos y así transmitimos un mensaje. Los humanos combinamos palabras en oraciones. Nuestros modelos también empezaron a hacerlo, aunque nunca los entrenamos específicamente para eso.

Beguš menciona que muchos experimentos y estudios de campo que antes no podían realizarse  por razones éticas, sí pueden efectuarse con modelos artificiales que permiten inducir daños, observar cómo continúa funcionando el modelo, y así aprender cosas nuevas sobre neurociencia. “Tratamos a este modelo como un campo de juegos —un playground— para explorar qué podemos descubrir sobre el cerebro humano. Por ejemplo: ¿cómo surgió la sintaxis? ¿Cómo apareció el lenguaje en los humanos? Es un espacio realmente emocionante para poner a prueba estas preguntas profundas sobre la inteligencia y el lenguaje humanos”.

-Ya existen modelos de lenguaje, como los de Open AI, que pueden desarrollar facultades metalingüísticas. Por ejemplo, son capaces de detectar ambigüedad o recursión. ¿Cómo está evolucionando esta capacidad y cuál es su impacto?
-Es frustrante. Justo ayer, mientras preparaba una clase, subí un PDF con un problema al modelo, y este básicamente resolvió todo lo que teníamos que resolver en clase. Soy muy abierto con mis estudiantes y creo que todos deberíamos serlo. Parte de mi rol como profesor es ayudar a los estudiantes a crecer y ser mejores académicos y mejores personas. También enseñarles a identificar aquellas áreas donde el pensamiento humano seguirá siendo crucial en el futuro. Jamás en la historia de la educación superior había sido posible meter una tarea en un modelo y que este produjera una solución. Y eso que son modelos que tienen apenas tres o cuatro años.

De vuelta al terreno de su investigación, comenta: “Es emocionante porque pudimos demostrar que, por primera vez, la metalingüística- es decir, la capacidad de hablar sobre el propio lenguaje- y la recursión, que es algo central en la lingüística, emergen en estos modelos. Eso fue bastante sorprendente, porque la recursión se consideraba durante mucho tiempo una característica exclusivamente humana, que nos distinguía de otras especies. Mucha gente pensaba que ningún modelo sería jamás capaz de hacerlo, y sin embargo mostramos que incluso la recursión más compleja puede ser realizada por modelos recientes. Y porque pudimos probar esto, junto a un grupo de estudiantes ahora trabajamos en lo que llamamos el “con line crafter”, un artículo que muestra cómo se pueden crear lenguajes infinitos con LLMs (Large Language Models).  Uno de los resultados es que concluimos que los modelos pueden generar lenguas que no existen, así como las personas inventan el Dothraki o el Esperanto. Esto tiene consecuencias profundas para nuestra comprensión de lo que es posible en la inteligencia no humana”.

-Se dice que la IA no puede entender formas retóricas como la ironía, el sarcasmo u otros tipos de humor. ¿Qué piensas sobre esto? ¿Es otra limitación que pronto será superada?

-Es difícil apostar en contra de la IA, porque el futuro siempre es impredecible. Pero algo que todavía no veo claramente en la IA es la verdadera originalidad: que una IA proponga una visión completamente nueva, un enfoque distinto, un estilo propio, si se quiere. Si entendemos la creatividad como tomar a Elvis Presley y pintarlo al estilo de Botero, entonces la originalidad sería, por ejemplo, crear un estilo como el de Botero, uno que sea inmediatamente reconocible.

– No hay originalidad en su creatividad.

-Hasta ahora no. Pero no estoy seguro de que nunca vayan a poder ser originales, y esa sigue siendo la pregunta del millón. Todavía no tenemos una respuesta definitiva. Estamos viviendo un momento estimulante, porque ¿con qué frecuencia ocurre en la historia que se inventa algo de esta magnitud? Y con una invención de este calibre, inevitablemente habrá muchos cambios. Creo que, en cierto sentido, esto es comparable a la invención de la escritura, que transformó radicalmente nuestra capacidad. O quizá incluso más. Es crucial utilizar lo que sabemos sobre lingüística y sobre la mente humana para evaluar y entender estos modelos. Necesitamos destinar más recursos a tratar de comprenderlos, a hacer una especie de neurociencia del modelo.

-A los chatbots se les ha criticado por ser demasiado educados en su interacción con los humanos, dando la mayoría de las veces respuestas neutrales o políticamente correctas. ¿Cómo se explica esto, cuando vivimos en una época en la que el trato amable entre las personas no parece ser la prioridad?

-Creo que es porque las empresas se aseguran al 100% de que los modelos no digan nada inapropiado y de que sean lo más educados posible. Estoy seguro de que las versiones anteriores, que no estaban entrenadas en cortesía, eran mucho menos educadas e incluso podían ser terribles. Una de las cosas que les digo a mis estudiantes es que tenemos que encontrar la forma de seguir siendo insustituibles. ¿Cuáles son esas áreas en las que seguimos siendo mejores? La IA es una herramienta que facilita implementar y llevar a cabo una idea. Antes, si tenías una idea era difícil concretarla, porque necesitabas ingenieros de software y un gran equipo para crear un producto. Ahora eso será mucho más fácil. Lo difícil será concebir una gran idea. Y creo que la imaginación y la originalidad van a ser fundamentales. De hecho, pienso que áreas o disciplinas que tradicionalmente se consideraban poco prometedoras en términos laborales ahora se volverán más relevantes.

Piensa mucho en el futuro de la educación superior, sostiene el académico. Es inspector en Bulls Hall, la residencia estudiantil más antigua de Estados Unidos, donde además vive. “Tenemos una comunidad maravillosa y creo que ese es el futuro de la educación superior”, apunta. Agrega: “En un momento en que los chatbots pueden producir casi cualquier respuesta -probablemente mejor de lo que yo mismo podría-, lo que queremos es que los estudiantes tengan crecimiento personal. Conexiones. Queremos que los estudiantes pasen los martes en la tarde tomando té y discutiendo física cuántica frente a una chimenea mientras alguien toca piano. Ese tipo de entornos van a ser más importantes que nunca. Como sociedad, necesitamos pensar profundamente, salirnos del molde y reimaginar cómo hacemos las cosas, de manera que realmente potenciemos a la próxima generación. Porque lo contrario sería muy peligroso. Lo veo en mí mismo: cuando tengo una tarea que hacer, en vez de resolverla yo mismo, la meto en Chat GPT y poco a poco mi mente se vuelve menos aguda, porque estoy delegando esas tareas difíciles. Por eso creo que es crucial encontrar un equilibrio y usar estos modelos para amplificar nuestras capacidades, en lugar de simplemente delegarlas por completo”.

-Hace unos días en Albania el primer ministro nombró por primera vez a un “ministro de IA” para abordar la corrupción. ¿Cómo ves esta acción en el sector político? ¿La humanidad está lista para este tipo de intervención pública?

-Tengo una opinión bastante particular sobre este tema. Estoy categóricamente en contra del uso de la IA en contextos políticos y legales, porque la centralización del poder sería demasiado grande. Creo que debemos ser extremadamente cuidadosos en el ámbito de la toma de decisiones y en el mundo legal, y no permitir que la IA entre allí. Estos modelos pueden manipularse de manera muy sutil en beneficio de alguien, y no estamos preparados. Se puede manipular a la gente de manera tácita y muy eficaz a través de estos modelos.

-Es un tema muy controversial. Otro ejemplo es el reciente suicidio de un joven que recibió asistencia psicológica de una IA. La gente tiene miedo porque parece que todo ahora adquiere un valor de realidad digital que a veces toma dimensiones casi surrealistas. ¿Cuál es tu apreciación o tu predicción sobre el uso de la IA en esos aspectos?
-Es una gran pregunta. Creo que, si logramos entender mejor la IA, podríamos tener menos miedos y usarla a nuestro favor. Esta tecnología tiene un potencial positivo enorme. Podemos delegar trabajos que nadie quiere hacer, y también habrá descubrimientos científicos que facilitarán nuestras vidas.  Mi predicción es que, a medida que la IA se vuelva cada vez mejor en estas múltiples tareas, espero que comencemos a valorar más la inteligencia biológica. Estamos defendiendo una ampliación de los derechos de los animales y mostrando cómo el descubrimiento asistido por IA puede contribuir a ello, al mismo tiempo que nos lleva a apreciar más nuestra propia inteligencia biológica: esa que viene acompañada de emociones y de todo lo que nos hace humanos, a diferencia de las máquinas. Sí habrá desafíos. Como humanidad hemos enfrentado grandes retos en el pasado y hemos superado muchos de ellos. Estoy convencido de que, si entendemos estos modelos con cuidado y en profundidad, podremos hacerlos más seguros y eficientes para el bien de la humanidad.

-Por último, leí en una entrevista reciente que definiste a la lingüística como una ‘heroína no reconocida’ (an unsung hero). ¿Puedes explicar este concepto?
-Creo que la lingüística puede volver a ayudarnos con la IA, a entenderla y a navegarla mejor. ¿Por qué la llamo una heroína no reconocida? Porque no mucha gente lo sabe, pero mucho antes de la teoría de la evolución de Darwin, la lingüística —en particular la lingüística histórica— ya había hecho descubrimientos fundamentales. Se descubrió, por ejemplo, el método comparativo. En ese tiempo, la gente no sabía cómo evolucionaban las lenguas. Pensaban simplemente que el griego era la lengua más perfecta y que lo que hablábamos, como el español, era solamente una versión empobrecida del latín y, por supuesto, eso no es cierto. La lingüística contribuyó a establecer la noción de la evolución de las especies, y Charles Darwin incluso recurrió a ella para sustentar su teoría de la evolución. No mucha gente lo sabe. Y creo que, una vez más, tenemos la oportunidad de que la lingüística nos ayude a navegar la IA y a entender tanto la inteligencia humana como la no humana. Esto demuestra que la interdisciplinariedad es fundamental: cada vez que tienes una perspectiva única, nuevas maneras de ver las cosas, eso solo puede ser ventajoso.