Carlos B Fernández. La inteligencia artificial (IA) y las tecnologías de registro distribuido (DLT por su abreviatura en inglés), de la que blockchain es el ejemplo más conocido, son tecnologías transformadoras, que, combinadas pueden provocar grandes cambios en diferentes sectores de actividad, desde la gestión de la cadena de suministro hasta los mercados financieros digitales. Juntas ambas tecnologías, definirán el futuro estado de Internet, un entorno descentralizado y más controlado por el usuario llamado Web3.
Esta es la principal conclusión del informe “Convergence of AI and blockchain could recode multiple industries” elaborado por el servicio de asesoramiento al inversor de la consultora de inversiones Moody’s, dado a conocer recientemente.
Según este documento, aunque la IA y la cadena de bloques puedan parecer dos tecnologías fundamentalmente diferentes, existe un vínculo vital entre ellas: los datos. Ambas tecnologías se basan en grandes conjuntos de datos y están diseñadas para aprovecharlos.
La IA es una tecnología activa, que analiza su entorno y genera soluciones basadas en la exposición histórica a grandes cantidades de datos almacenados centralmente. En cambio, blockchain funciona de forma pasiva, registrando los datos introducidos por su base de usuarios descentralizada.
La combinación de ambas tecnologías potencia los puntos fuertes y mitiga los puntos débiles de cada una. Blockchain tiene una protección de datos y un sistema de distribución de los que carece la IA. A su vez, la IA tiene capacidades analíticas de datos de alta velocidad de las que carece blockchain.
Blockchain puede mejorar la seguridad de los datos, la transparencia y la eficiencia operativa de la IA
El informe destaca, a este respecto, que mientras que la IA puede reforzar la ciberseguridad de la cadena de bloques, ésta, por su naturaleza inmutable, también puede ayudar a mantener la integridad de los datos almacenados.
El almacenamiento de modelos de IA en registros distribuidos, por ejemplo, crea una pista para su auditoría. Y, por supuesto, los registros distribuidos son por definición una rica fuente de conjuntos de datos para la IA, y podrían permitir la gestión de datos y la distribución de modelos.
Por su parte, las plataformas descentralizadas basadas en registros distribuidos, como blockchain, podrían ayudar a la IA a gestionar tareas de alta carga computacional, como la formación de modelos. Las soluciones convencionales basadas en la nube, que son centralizadas, suelen acarrear elevados gastos, cuando no se gestionan adecuadamente, y riesgos potenciales para la privacidad de los datos. Las tecnologías de redes descentralizadas ofrecen un remedio al permitir la computación distribuida, que puede implementarse sobre la infraestructura de la nube o incluso integrarse en un modelo de nube descentralizada, mezclando las características de ambos paradigmas. Según el informe, esto no sólo reduce costes, sino que también refuerza la privacidad y aprovecha recursos informáticos infrautilizados a escala mundial.
De esta manera, se añade, las empresas emergentes están construyendo infraestructuras descentralizadas que agregan recursos de procesamiento -tanto unidades de procesamiento gráfico (GPU) como unidades centrales de procesamiento (CPU)- y los ponen a disposición de las organizaciones que necesitan entrenar modelos de IA.
Sin embargo, se destaca también, existen límites a las ventajas que puede ofrecer blockchain en el almacenamiento de datos para aplicaciones de IA. Por una parte, los conjuntos de datos de entrenamiento de los LLM suelen ser masivos, lo que supera la capacidad de almacenamiento de las soluciones basadas en blockchain.
Además, los retrasos que pueden producirse al acceder o recuperar los datos almacenados en una cadena de bloques podrían obstaculizar el proceso de entrenamiento de los LLM. Como resultado, aunque los LLM de código abierto podrían utilizar soluciones basadas en blockchain, las empresas tecnológicas que lideran los LLM de vanguardia podrían mostrar menos inclinación a adoptarlas, dadas estas limitaciones prácticas.
Blockchain podría permitir transacciones financieras seguras para futuros agentes autónomos inteligentes
El informe subraya que se están realizando esfuerzos para crear agentes de IA capaces de actuar de forma independiente, sin necesidad de intervención humana continua. Y aunque es probable que pasen muchos años antes de que estos agentes autónomos se hagan realidad, cuando lo hagan, el concepto resultante será bastante sencillo: un usuario humano podría simplemente asignar una tarea a su agente de IA, y el agente llevaría a cabo los pasos necesarios para completarla.
Por ejemplo, un usuario podría ordenar a su agente de IA que comprara el billete más barato para un vuelo directo a un destino concreto. El agente realizaría entonces un estudio exhaustivo de varias aerolíneas, identificaría la opción más rentable y efectuaría la reserva para el usuario.
Sin embargo, se advierte también, este escenario presenta un reto importante: la cuestión de cómo pagaría el vuelo el agente de IA. El método de pago inicial que podría considerarse es el uso de tarjetas de crédito o débito, dado su papel omnipresente en las transacciones cotidianas. Los desarrolladores de modelos de IA podrían almacenar esta información sensible.
Una alternativa a la problemática regulación de la IA y las DLT
El informe destaca igualmente que, si bien regular cada una de estas tecnologías transformadoras por separado es difícil, porque la responsabilidad de los resultados no deseados es opaca (IA) o descentralizada, sin una única entidad a la que pedir cuentas (blockchain), juntas ambas tecnologías podrían aportar soluciones reguladoras que facilitaran el cumplimiento de la normativa.
Desde un punto de vista normativo, la IA y la cadena de bloques plantean un reto muy similar a los reguladores, en el sentido de que ambas tecnologías cuestionan la noción misma de rendición de cuentas. En el ámbito de la IA, puede ser difícil rastrear las entradas y salidas generadas por los algoritmos, y el proceso de toma de decisiones de los modelos de IA es a menudo opaco e inaccesible, lo que oscurece las líneas de responsabilidad cuando las acciones de un sistema de IA conducen a resultados no deseados. Tampoco siempre es posible saber con certeza si un resultado concreto ha sido producido por un agente de IA o por un ser humano.
Por su parte, los protocolos de finanzas descentralizadas (DeFi) suelen plantear problemas de rendición de cuentas, pero desde otro ángulo: en ausencia de una persona o entidad jurídica (centralizada) a la que responsabilizar en caso de mal funcionamiento, los sistemas jurídicos tienen dificultades para hacer cumplir las normas. Por lo tanto, las DeFi a menudo desafían el marco normativo. Sin embargo, el informe considera que, también en este sentido, la convergencia de las aplicaciones de IA y las finanzas digitales podría tener un inmenso potencial.
Así, nuevos marcos reguladores pretenden abordar el dilema de la responsabilidad, y los reguladores están intentando desarrollar normas apropiadas para la supervisión de las aplicaciones de IA. Por ejemplo, en la UE, la Ley de IA propone someter determinados sistemas de IA, como los modelos fundamentales, a estrictas normas de gobernanza para minimizar los problemas de trazabilidad de los datos y los riesgos asociados, aunque los expertos en tecnología y los juristas han expresado su preocupación por los posibles fallos de este enfoque regulador.
Por otra parte, el desarrollo de una identidad digital descentralizada (DID) basada en redes de libros de contabilidad distribuidos podría proporcionar a la IA un rastro sólido e inmutable que aumente la transparencia y haga que las aplicaciones de IA sean más fiables. En el contexto de sistemas interoperables e interconectados, la DID podría permitir un número creciente de interacciones entre diferentes plataformas que permitan a la IA escalar sin comprometer su transparencia.
Riesgos derivados de la combinación de IA y blockchain
Pero el informe llama también la atención sobre los numerosos riesgos que se derivan de la convergencia de ambas tecnologías, que pueden agruparse en seis categorías: riesgos relacionados con los datos, incluida la salvaguarda de la privacidad, la exactitud de los datos y la protección de datos; riesgos normativos, riesgos operativos, riesgos tecnológicos, riesgos de gobernanza y riesgos sociales, como la pérdida de puestos de trabajo derivada de la automatización.