Después de pasar un rato hablando con una IA, a veces parece que sabemos muchísimo más. La conversación empezó con animales y, de pronto, sentimos que también podríamos explicar cosas sobre el sueño o la forma de trabajar. Es una sensación agradable.
Pero, al dejar de mirar la pantalla, a veces descubrimos que no sabemos cómo explicarlo. Para que la conversación se convierta en aprendizaje, conviene participar mientras leemos las respuestas: proponer una explicación propia, comprobar en qué se basa y, al final, intentar contarla con nuestras palabras.
La respuesta a «¿basta con hablar con una IA para volverse más inteligente?» depende de lo que hagamos durante la conversación. Veamos, a partir de un ejemplo, cómo profundizar en una pregunta, comprobar las fuentes y detectar cuándo solo tenemos la impresión de haber entendido.
Empezar por «¿los topos también se desaniman?» y separar las preguntas
El punto de partida puede ser algo ligero. Por ejemplo: «¿Los topos también se desaniman?». Si la IA menciona investigaciones sobre el estrés en animales, la siguiente pregunta no tiene por qué limitarse a «¿a qué otros animales les ocurre?».
- ¿Qué midieron en ese estudio para hablar de un estado «similar a la depresión»?
- ¿Cómo distinguieron esa falta de actividad de la que podría deberse al cansancio o a una pérdida de capacidad motora?
- ¿Hasta dónde permiten esos resultados sacar conclusiones sobre los seres humanos?
Así, una explicación interesante se convierte en preguntas que podemos comprobar. Si se trata de un estudio con moscas, por ejemplo, conviene revisar qué conductas se observaron en el experimento antes de interpretar que «las moscas se deprimen igual que las personas».
Desde ahí podemos pasar a la hibernación, los cambios de ánimo ligados a las estaciones o esos momentos en que no conseguimos dejar de darle vueltas a algo. Pero, después de conectar los temas, hay que revisar qué sostiene cada conexión. Que varias historias se parezcan no demuestra que respondan a un mismo mecanismo.
Pedir a la IA nuevas líneas de preguntas, no solo más explicación
Si intentamos profundizar repitiendo «cuéntame más», quizá solo consigamos respuestas cada vez más largas. Es mejor señalar el punto concreto que no nos encaja.
«Explica la reducción de la actividad desde tres perspectivas: la capacidad física, el entorno y la conducta aprendida. ¿Qué habría que observar para poner a prueba cada explicación?».
Una pregunta así facilita elegir qué investigar después. Cuando aparezca un término técnico, también podemos preguntar: «¿Qué diferencias nos ayuda a explicar este concepto?».
Conviene adelantar nuestra propia idea: «Me parece que basta con decir que no se mueve porque está cansado. Si esa explicación no alcanza, ¿qué observaciones lo mostrarían?». Tanto si acertamos como si no, veremos qué parte necesitamos revisar.
Tampoco hace falta formular preguntas brillantes desde el principio. Podemos decir «ni siquiera sé qué es lo que no entiendo» y pedir a la IA que nos haga preguntas, de una en una, para localizar la dificultad.
Volver a las fuentes cuando todo parece encajar demasiado bien
En este ejemplo hay un riesgo: que el rasgo común de la «menor actividad» acabe sirviendo para explicarlo todo. Por eso conviene distinguir qué aporta cada fuente.
- El experimento de Ries y sus colaboradores con moscas describe una reducción de la conducta espontánea tras un estrés por vibración.
- La revisión de Dantzer y sus colaboradores examina la relación entre la inflamación, los cambios de conducta asociados a la enfermedad y la depresión.
- El Instituto Nacional de la Salud Mental de Estados Unidos (NIMH) presenta el trastorno afectivo estacional como un tipo de depresión que se repite siguiendo un patrón estacional.
- El artículo de Suddendorf y Corballis de 1997 analiza el «viaje mental en el tiempo»: imaginar el pasado o el futuro.
Si a partir de ahí resumimos todo diciendo que «la depresión invernal es una hibernación leve» o que «la depresión evolucionó para limitar las pérdidas», estamos mezclando metáforas e hipótesis con la descripción de los estudios. La imagen de un «modo de bajo consumo» puede ser útil, pero no sirve por sí sola para explicar causas ni tratamientos. Del mismo modo, citar un debate de 1997 no permite establecer las conclusiones actuales sobre las capacidades de otros animales.
Podemos pedirle lo siguiente a la IA:
«Separa la explicación anterior en tres partes: resultados comprobados en investigaciones, hipótesis de los investigadores y metáforas usadas para explicar. Para cada estudio, indica el título, el año, qué sujetos se estudiaron, qué se midió y la URL».
Después hay que abrir los enlaces, comprobar el título y los autores y leer el resumen o el pasaje correspondiente. Que un enlace exista no significa que respalde lo que se ha dicho. Las afirmaciones para las que no encontremos apoyo pueden quedarse pendientes de verificar. Ese pequeño esfuerzo permite distinguir una historia convincente de un conocimiento contrastado.
Un «modelo útil» nos muestra qué comprobar a continuación
Aquí, un modelo es un esquema sencillo que nos ayuda a ordenar una situación y pensar qué probar después. No hace falta que sea una gran teoría capaz de explicarlo todo.
Pensemos en una situación muy corriente: «Me siento a trabajar, pero no avanzo». En lugar de quedarnos con «no tengo capacidad de concentración», podemos separar tres posibles causas.
- Las notificaciones llegan sin parar e interrumpen la atención.
- La tarea «preparar un documento» es tan amplia que no sabemos por dónde empezar.
- Tenemos sueño y leemos sin asimilar el contenido.
Cada posibilidad sugiere una prueba distinta. Desactivar las notificaciones y trabajar durante un rato breve. Escribir primero tres encabezados. Hacer una pausa y revisar cómo estamos durmiendo. Se trata de pequeños ajustes en el trabajo cotidiano. Si los problemas de ánimo o sueño persisten y afectan a la vida diaria, también conviene considerar la consulta con un profesional de la salud.
Volviendo al topo: antes de angustiarse con «¿qué soy yo, un topo sin tierra?», puede investigar «¿dónde hay tierra para cavar?». Incluso podría preguntarse: «¿De verdad necesito cavar?».
El valor de una buena metáfora está en que ayuda a hacer avanzar la pregunta. Cambiamos una condición concreta y observamos si resulta más fácil empezar a trabajar. Si no funciona, podemos redibujar el esquema.
¿Podemos explicarlo sin mirar la pantalla? ¿Sirve para otro ejemplo?
Cuando una explicación de la IA nos haga pensar «ah, ahora lo entiendo», merece la pena hacer una breve comprobación.
Primero, dejamos de mirar la pantalla y resumimos lo esencial en tres frases propias. Después buscamos un ejemplo que no haya aparecido en la conversación. Por último, pensamos en un caso en el que esa explicación no encaje.
¿Podríamos aplicar la idea de que «cambiar las condiciones puede cambiar la conducta» a ordenar la casa? Antes de decidir si tiramos un objeto, quizá debamos comprobar si tiene un lugar asignado. Pero si reducimos cualquier dificultad a un problema de dónde guardar las cosas, la explicación se vuelve demasiado imprecisa.
Si llevamos nuestra explicación de vuelta a la IA, en vez de pedirle «redáctala mejor», podemos decir:
«Señala qué falta en mi explicación y dónde afirmo más de lo que permiten las pruebas. No me des enseguida la respuesta correcta: hazme una pregunta que me ayude a reconsiderarla».
Así pasamos de copiar respuestas a corregir nuestra comprensión. A este uso nos referimos aquí con la metáfora del «entrenamiento intelectual». No hace falta medir el resultado por la duración de la conversación ni por la cantidad de términos técnicos acumulados.
Terminar la conversación con solo tres notas
Seguir ampliando un tema que nos interesa también puede ser divertido. Pero, si queremos aprovecharlo más adelante, conviene dejar unas notas breves al terminar.
- Lo que ya puedo explicar: observar una reducción de la conducta y explicar sus causas son dos cosas que deben comprobarse por separado.
- Lo que todavía no sé: ¿el experimento mencionado daría el mismo resultado en otras condiciones?
- Lo que haré a continuación: leer el resumen del artículo citado y compararlo con la explicación de la IA.
Estas notas nos dan un punto de entrada para la próxima vez que abramos un libro o un artículo científico. La conversación con la IA ayuda a dibujar un mapa de preguntas; las fuentes permiten comprobarlo, y la lectura lleva a revisarlo. Saber dónde vale la pena detenerse facilita aprovechar el tiempo que dedicamos a esas lecturas.
Llevar una conversación interesante hasta poder repensarla por cuenta propia
Uno de los placeres de hablar con una IA es que una pregunta casual puede llevarnos a un campo cercano que ni siquiera habíamos considerado. Podemos empezar por los topos o por «¿por qué ordenar da tanta pereza justo antes de empezar?».
Proponer una explicación. Consultar las pruebas. Buscar otro ejemplo. Contarlo con nuestras palabras y corregirlo si hace falta. Cuando conseguimos ir y venir entre esos pasos, queda más después de cerrar la conversación.
La siguiente pregunta puede ser «cuéntame más». Pero, de vez en cuando, merece la pena probar con «¿qué partes de esta explicación todavía no hemos comprobado?». Quizá sea ahí donde la conversación empiece a ponerse aún más interesante.
Referencias (4)
- Suddendorf & Corballis (1997), Mental Time Travel and the Evolution of the Human Mind
- NIMH, Seasonal Affective Disorder
- Ries et al. (2017), Serotonin modulates a depression-like state in Drosophila responsive to lithium treatment
- Dantzer et al. (2008), From inflammation to sickness and depression: when the immune system subjugates the brain
