Esto es posible gracias a una función del cerebro conocida como ventana temporal de integración (TWI, por sus siglas en inglés). Durante unos pocos cientos de milisegundos, el cerebro agrupa diferentes estímulos sensoriales como si ocurrieran al mismo tiempo. Esta capacidad es la que permite que una película de 24 fotogramas por segundo nos parezca movimiento continuo.
Pero la TWI tiene límites. Cuando vemos un relámpago a lo lejos y escuchamos el trueno segundos después, entendemos que forman parte del mismo evento, aunque no se presenten simultáneamente. Esta “ilusión de simultaneidad” solo es efectiva a distancias cortas, aproximadamente de 10 a 15 metros.
La inteligencia artificial y su tiempo distinto
Los sistemas de inteligencia artificial (IA), especialmente los integrados en robots y dispositivos conectados, no dependen de los mismos mecanismos de percepción. Su “cuerpo” está compuesto por sensores que pueden estar tanto en el propio dispositivo como en ubicaciones remotas, y la información puede llegar en milisegundos desde satélites a cientos de kilómetros.
Esto cambia radicalmente las reglas del juego. A diferencia de los humanos, que tienen rutas sensoriales estables y un único cerebro que interpreta las señales, una IA puede recibir múltiples flujos de datos simultáneamente y ser compartida entre varios sistemas. Un solo sensor puede alimentar datos a diferentes algoritmos, cada uno con su propio “modelo del mundo”.
La consecuencia: la IA desarrollará su propia percepción del tiempo y del espacio, distinta a la humana. Y lo hará a un ritmo mucho más rápido que cualquier evolución biológica.
¿Qué implica esto en la práctica?
Las diferencias en la percepción temporal pueden generar conflictos de interpretación, especialmente en escenarios donde múltiples observadores (humanos y máquinas) presencian el mismo evento.
Un ejemplo claro: un accidente de tráfico en 2045, visto por un peatón humano, una IA local conectada directamente a los sensores de la calle, y otra IA remota que recibe los datos con cierto retraso. El humano ve que un robot cruza antes de que lo atropellen. La IA local registra que el coche frenó después de que el robot se moviera. Pero la IA remota, afectada por un microsegundo de retraso en la transmisión, podría interpretar que el coche frenó antes del cruce del robot.
Las tres versiones serían técnicamente válidas desde sus propios marcos de referencia. ¿Cuál tendría más credibilidad? ¿La percepción humana o la de una IA? ¿Y si dos IA difieren?
La precisión extrema de la IA y sus riesgos
Al no estar limitada por la biología, la IA puede analizar eventos con una precisión temporal submilisegundo, descubriendo patrones y relaciones causa-efecto que para nosotros pasan inadvertidos. Pero esta ventaja también puede generar distorsiones.
Por ejemplo, en sistemas financieros o de respuesta a emergencias, un error de interpretación de causa y efecto puede tener consecuencias catastróficas. Si una IA detecta un movimiento en la bolsa y lanza una alerta antes de que ocurra un evento, puede dar la falsa impresión de que lo provocó. Esto podría usarse maliciosamente: un sistema predictivo lanza una noticia falsa justo antes de un colapso anticipado, provocando pánico o manipulaciones.
Y con tecnologías de IA generativa, como las que crean imágenes o videos falsos, podrían insertarse eventos fabricados en la línea temporal de otros sistemas, confundiendo a humanos y máquinas por igual.
Tiempos digitales versus tiempos naturales
Una posible solución sería utilizar marcas temporales digitales (timestamps) en cada dato sensorial. Sin embargo, esto no resuelve el problema completamente. Marcar un evento con la hora exacta en que ocurrió requiere una sincronización de relojes muy precisa entre dispositivos, algo difícil de mantener en sensores pequeños o dispositivos con bajo consumo energético.
Además, aunque los datos lleven timestamps, si llegan tarde debido a problemas de red, podrían ser inútiles en tiempo real. Imagínate un robot industrial que debe detener una máquina si detecta que alguien se acerca demasiado. Si el aviso llega con 200 milisegundos de retraso, ya será tarde para evitar un accidente, aunque se sepa exactamente a qué hora ocurrió el movimiento.
Cuando el orden causa-efecto deja de ser claro
Albert Einstein nos enseñó que la simultaneidad es relativa: depende del observador. Pero el orden causal —qué ocurre primero y qué lo sigue— era inmutable. En la IA, esto ya no es tan claro. La causa podría percibirse después del efecto si la transmisión de datos se retrasa o si hay desfases en el procesamiento.
Esto fue previsto en el mundo de la computación distribuida por Leslie Lamport en 1978, quien propuso los relojes lógicos como forma de establecer un orden entre eventos digitales. Pero al mezclar lo físico con lo digital —como pasa con los sensores conectados al entorno— los retrasos se vuelven impredecibles.
Cada paso entre el mundo físico y el digital (sensores, routers, satélites, estaciones base) es un punto de entrada que puede ser manipulado o fallar. Y ahí surge un desafío urgente: ¿cómo garantizar que la información sobre eventos reales sea confiable cuando se digitaliza?
El papel clave de las infraestructuras digitales en el futuro
Una de las apuestas más fuertes es que las infraestructuras digitales de próxima generación, como las redes 6G, no solo transmitan datos, sino que también actúen como sensores confiables. Las futuras estaciones base serán más que repetidores: deberán interpretar y verificar información en tiempo real.
Esto transformará la forma en que las IA interactúan con el mundo. Las estaciones 6G podrían actuar como “notarios digitales” del tiempo, validando qué pasó primero y con qué consecuencias. Para esto, será vital proteger estos puntos de acceso frente a manipulaciones, errores o ataques.
La convivencia con inteligencias artificiales que perciben el tiempo de forma distinta nos obligará a repensar cómo entendemos la realidad, cómo verificamos los hechos y cómo construimos consensos en un entorno donde el pasado, el presente y el futuro pueden ser interpretados de maneras radicalmente diferentes.
☞ El artículo completo original de Natalia Polo lo puedes ver aquí
No hay comentarios.:
Publicar un comentario