Karpathy publicó recientemente una declaración: la IA es esencialmente "Software 2.0", y la métrica clave para determinar si una tarea o profesión se puede automatizar fácilmente es la "verificabilidad". Karpathy no se limita a comparar la IA con eventos macrohistóricos como la electricidad o la Revolución Industrial, sino que ofrece una analogía más precisa: la IA es esencialmente «Software 2.0». La IA ya no es «Software 1.0», donde los humanos escribían manualmente reglas fijas. En cambio, automatiza el procesamiento de información digital mediante la «búsqueda» automática de redes neuronales eficientes dentro de un vasto espacio de parámetros, utilizando algoritmos como el descenso de gradiente, basándose en objetivos específicos (como la precisión de la clasificación o las funciones de recompensa). El cambio en las "métricas predictivas" para tareas automatizadas Karpathy establece un paralelismo con la era informática de los años ochenta: en aquel entonces, los trabajos más fácilmente reemplazables por ordenadores eran aquellos con algoritmos fijos y reglas bien definidas, como la mecanografía, la contabilidad o los cálculos manuales. Estas tareas compartían la característica de ser «fácilmente especificables»: los humanos podían escribir instrucciones precisas paso a paso. En la actual era del "Software 2.0" de la IA, el indicador clave para juzgar si una tarea o profesión se puede automatizar fácilmente es la "verificabilidad". Específicamente: • Tareas verificables: Los resultados se pueden evaluar rápidamente y se puede responder a ellos utilizando estándares objetivos. Algunos ejemplos son problemas matemáticos, programación, análisis del tiempo de visualización de vídeos o cualquier pregunta similar tipo «rompecabezas». Estas tareas son ideales para el aprendizaje por refuerzo: la IA puede «practicar» repetidamente en un entorno reiniciable, generando de forma eficiente un gran número de intentos y recompensando automáticamente los casos exitosos. Como resultado, la IA puede superar la velocidad y la precisión de los mejores expertos humanos. • Tareas no verificables: Estas tareas implican creatividad, toma de decisiones estratégicas o requieren la integración de conocimientos del mundo real, contexto y sentido común (como la creación artística o las negociaciones complejas). Estas tareas dificultan la construcción de funciones de recompensa fiables, lo que obliga a la IA a recurrir a la generalización o a imitar a los humanos, resultando en un progreso más lento y en la frontera zigzagueante del aprendizaje automático: avances rápidos en algunas áreas mientras se queda rezagada en otras. Las implicaciones económicas y laborales de la IA explican su efecto de «diente de sierra»: los trabajos verificables (como la programación y el análisis de datos) se automatizarán más rápidamente, lo que podría reducir los puestos relacionados; las áreas no verificables (como la consultoría estratégica, que requiere criterio humano) seguirán dependiendo de los humanos a corto plazo, lo que servirá de amortiguador. Sin embargo, a largo plazo, Karpathy sugiere que, a medida que mejoren las herramientas de verificación (como los simuladores o los verificadores expertos), más tareas pasarán a estar bajo el control de la IA. El "Software 1.0" automatiza fácilmente lo que puedes especificar; el "Software 2.0" automatiza fácilmente lo que puedes verificar.
