Português
|
English
|
⌬ ATP
IV. La cara oculta de la Intel·ligència Artificial
Quan la intel·ligència que ens ajuda a mirar també decideix què podem veure
Els tres primers articles d’aquesta sèrie van néixer d’una pregunta que inicialment semblava geopolítica: què pot significar per al futur de la Intel·ligència Artificial que els Estats Units i la Xina avancin cap a la construcció d’ecosistemes tecnològics cada vegada més diferenciats? Aquella pregunta ens va portar progressivament més lluny. Dels semiconductors, les infraestructures, l’energia i les estratègies de les grans potències vam arribar fins a un territori molt més pròxim a cadascun de nosaltres: la manera com aquestes noves intel·ligències comencen a intermediar la nostra relació amb el coneixement. D’aquí sorgia la idea que ha donat nom a tota la sèrie: davant d’arquitectures cognitives diferents, preservar la capacitat de relacionar-nos amb més d’una amplia l’espai des del qual podem observar, contrastar i construir criteri propi.
Pocs dies després de completar aquell recorregut, el treball quotidià amb diferents sistemes d’Intel·ligència Artificial va aportar una dimensió nova a aquella reflexió. Algunes experiències viscudes durant el desenvolupament de projectes que exigeixen continuïtat, memòria, investigació i una relació intensa amb aquestes eines van situar davant nostre qüestions que fins aleshores havíem observat principalment des de fora. Les condicions d’accés a un sistema, la previsibilitat del seu funcionament, la informació disponible sobre les restriccions que poden aparèixer, els criteris amb què selecciona les fonts i la manera com construeix una resposta formen part d’una mateixa arquitectura. Quan aquesta arquitectura ocupa una posició cada vegada més important entre la persona i el coneixement, comprendre-la amplia també la nostra capacitat de decisió.
Aquest quart article neix d’aquesta experiència. El seu punt de partida es troba davant d’una pantalla i en una relació quotidiana amb eines extraordinàriament potents que ja participen activament en processos de recerca, desenvolupament, escriptura, programació, contrast i construcció de coneixement. Observar de prop aquesta relació permet descobrir que la qualitat d’una Intel·ligència Artificial incorpora dimensions molt diferents: la precisió de les seves respostes i la potència dels seus models, però també la transparència de les condicions sota les quals opera, la previsibilitat que ofereix a qui hi confia una part del seu treball i la possibilitat de comprendre el recorregut mitjançant el qual una realitat complexa acaba convertida en unes quantes línies davant dels nostres ulls.
Entre la realitat i la resposta existeix una arquitectura que selecciona, jerarquitza, relaciona, contextualitza i formula. Conèixer-la amplia la nostra capacitat d’utilitzar la Intel·ligència Artificial amb criteri propi. Quan disposem, a més, de diverses intel·ligències construïdes sobre arquitectures, fonts, cultures empresarials i entorns polítics diferents, el contrast entre elles pot convertir-se en una nova eina de coneixement. La pregunta que s’obre afecta directament la nostra manera de pensar: què podem arribar a descobrir quan, a més de mirar allò que ens mostra una Intel·ligència Artificial, comencem a observar també des d’on ens ho està mostrant?
1. Aquest article no estava previst
Aquest quart article no estava previst. Els tres primers havien portat el recorregut fins al concepte de sobirania cognitiva: conservar en la persona la capacitat d’escollir les fonts i les intel·ligències amb què es relaciona, contrastar perspectives i assumir la responsabilitat última sobre el seu propi judici. La continuació va aparèixer pocs dies després, durant el treball quotidià.
Fa temps que utilitzo intensament diferents sistemes d’Intel·ligència Artificial i, de manera particular, ChatGPT, desenvolupat per OpenAI. La relació amb aquestes eines ha anat adquirint profunditat a mesura que les seves capacitats permetien incorporar-les a processos cada vegada més complexos. Una conversa podia començar amb una reflexió conceptual, continuar amb una investigació, convertir-se en l’estructura d’un article, desembocar en una decisió de disseny o de programació i reprendre’s dies després conservant una part important del context acumulat. La IA començava així a ocupar un espai estable dintre d’un procés de treball que combina investigació, escriptura, desenvolupament tecnològic, contrast d’informació i construcció de coneixement.
En aquest context van aparèixer restriccions que afectaven la continuïtat del treball. Algunes converses arribaven a límits que impedien continuar desenvolupant-les, determinades condicions d’ús podien variar i la informació disponible per comprendre amb precisió l’origen, l’abast o la durada d’algunes d’aquestes restriccions resultava insuficient des de la posició de l’usuari. El fet material era observable: un procés que havia acumulat context, decisions i coneixement podia trobar-se sobtadament davant d’una condició que alterava la manera de continuar-lo. La causalitat interna que havia produït aquella situació quedava fora de l’abast immediat de qui l’experimentava.
OpenAI administra una arquitectura tècnica, unes polítiques de producte, mecanismes de seguretat, recursos computacionals i regles destinades a gestionar un servei utilitzat per milions de persones. Aquests elements generen límits, prioritats i condicions d’accés. Des de l’altra banda de la pantalla, l’usuari rep principalment el resultat visible d’aquestes decisions. La informació sobre l’origen, la durada i les alternatives disponibles davant d’una restricció determina la capacitat d’incorporar-la a les pròpies decisions. Quan aquesta informació és parcial apareix una asimetria: una part coneix l’arquitectura que produeix la decisió i l’altra coneix principalment les seves conseqüències.
Aquesta asimetria va obrir una pregunta nova. Els tres articles anteriors havien observat les grans arquitectures d’Intel·ligència Artificial des de la geopolítica, el poder i el coneixement. Ara una part d’aquell problema apareixia davant nostre a escala individual: què succeeix quan una eina que participa de manera creixent en els nostres processos de coneixement funciona sota unes condicions que només podem comprendre parcialment? La teoria havia entrat, literalment, per la porta de casa.
2. Quan una eina de treball es converteix en infraestructura
Una eina resol una funció concreta. Una infraestructura ocupa una posició més profunda: altres activitats comencen a organitzar-se comptant amb la seva existència. Aquesta diferència ajuda a comprendre la transformació que s’està produint en la relació entre moltes persones i la Intel·ligència Artificial. Quan un sistema participa quotidianament en processos d’investigació, programació, documentació, escriptura, organització de projectes, recuperació de decisions anteriors i desenvolupament de coneixement, comença a formar part de l’arquitectura sobre la qual aquestes activitats es desenvolupen.
La construcció del CIATP m’ha permès experimentar aquesta transformació amb especial intensitat. La Intel·ligència Artificial participa en el desenvolupament conceptual del projecte i en aspectes de la seva arquitectura tecnològica; ajuda a revisar decisions anteriors, relacionar idees sorgides en moments diferents, desenvolupar funcionalitats, examinar incidències, preparar documentació i contrastar hipòtesis. Una part important del seu valor prové de la continuïtat: cada decisió pot connectar-se amb les anteriors i cada nova fase pot aprofitar coneixement acumulat durant el recorregut. La IA adquireix així una funció que combina assistència, memòria contextual, capacitat analítica i instrument de desenvolupament.
Aquesta integració amplia els criteris amb què convé valorar un sistema. Potència, velocitat, capacitat de raonament, dimensió del context, multimodalitat i qualitat de les respostes conviuen amb altres dimensions decisives: estabilitat, previsibilitat, continuïtat, portabilitat del coneixement acumulat, comprensibilitat de les regles i capacitat de l’usuari per anticipar les conseqüències d’un canvi. Una infraestructura cognitiva madura combina capacitat intel·lectual amb condicions operatives que permeten construir processos duradors al seu voltant.
El coneixement acumulat dintre d’aquesta relació adquireix valor amb el temps. Converses, memòries, projectes, instruccions, metodologies i formes de treball formen una mena de capital cognitiu: cada nova interacció afegeix context, redueix el temps necessari per reconstruir antecedents i permet treballar sobre estructures progressivament més complexes. La localització d’aquest capital estableix també una relació de dependència, perquè la continuïtat del treball queda vinculada a les condicions sota les quals aquella arquitectura continua disponible.
Aquí apareix una dimensió del poder tecnològic especialment significativa. La qualitat d’una infraestructura cognitiva incorpora la continuïtat, la previsibilitat i la comprensibilitat de les condicions sota les quals pot ser utilitzada. Com més profundament integrem una tecnologia en la nostra arquitectura de treball, més rellevant esdevé la nostra capacitat per comprendre el terreny sobre el qual estem construint.
3. Les restriccions que l’usuari no pot explicar
Durant el desenvolupament del CIATP, algunes converses amb ChatGPT havien acumulat una quantitat considerable de context: decisions arquitectòniques, criteris metodològics, funcionalitats desenvolupades, incidències resoltes, prioritats i passos pendents. En determinats moments, la continuïtat d’aquestes converses va quedar condicionada per límits del sistema que apareixien durant el procés de treball. El trasllat a una conversa nova permetia continuar, però exigia reconstruir una part del context i augmentava el risc de perdre matisos, repetir decisions o introduir incoherències respecte del treball anterior.
La qüestió rellevant apareixia en la informació disponible per comprendre què havia succeït. Des de la perspectiva de l’usuari resultava difícil determinar amb precisió quina combinació de factors havia activat el límit, quina capacitat real quedava disponible, quina relació existia amb el volum acumulat de la conversa, quina continuïtat podia esperar-se en altres converses o quines condicions podien modificar-se posteriorment. La plataforma mostrava l’efecte mentre una part rellevant de la causalitat continuava situada dintre de l’arquitectura interna del proveïdor.
Aquesta situació permet distingir entre la restricció i la percepció d’arbitrarietat. Una infraestructura complexa administra recursos i estableix condicions de funcionament. Quan l’usuari coneix aquestes condicions pot incorporar-les a la seva planificació, anticipar-ne els efectes i construir alternatives. Quan la causalitat queda parcialment fora del seu camp de visió, la discontinuïtat resulta difícil de preveure. La visibilitat limitada sobre les causes d’una restricció fa que l’usuari l’experimenti com a arbitrària.
Aquesta qüestió adquireix una importància especial en serveis que es converteixen en espais de treball persistents. Una empresa que integra un model en els seus processos, un investigador que hi desenvolupa una línia de treball, un programador que acumula decisions durant setmanes o una persona que construeix un projecte intel·lectual de llarg recorregut necessiten conèixer el terreny sobre el qual treballen, les condicions que poden afectar-ne la continuïtat i els mecanismes disponibles davant dels canvis. La confiança en una infraestructura es construeix també sobre aquesta capacitat d’anticipació.
L’experiència concreta amb OpenAI permet observar així un problema general que afectarà qualsevol gran proveïdor d’Intel·ligència Artificial. A mesura que aquestes tecnologies avancin cap a la funció d’infraestructura cognitiva, la relació entre proveïdor i usuari incorporarà una responsabilitat informativa creixent. La potència del model determinarà una part del seu valor; la transparència operativa contribuirà a determinar la confiança que podem dipositar en l’arquitectura que el sosté.
Darrere de cada restricció visible existeixen mecanismes que l’usuari coneix en graus diferents. Darrere de cada resposta existeix també una arquitectura que selecciona, ordena i interpreta informació abans de presentar-la. L’experiència operativa ens havia conduït així fins a la superfície d’un problema més profund: quanta part de l’arquitectura que intervé entre nosaltres i la Intel·ligència Artificial podem arribar realment a veure?
4. Saber què passa i comprendre per què passa
Una infraestructura tecnològica complexa conté espais que l’usuari coneix amb graus diferents de profunditat. En els sistemes d’Intel·ligència Artificial aquesta diferència adquireix una importància especial perquè una part creixent de la nostra activitat pot dependre de processos que funcionen darrere d’una interfície extraordinàriament simple. Escrivim, preguntem, adjuntem documents, desenvolupem projectes i rebem respostes. Entre aquesta experiència visible i l’arquitectura que la fa possible existeixen models, sistemes de gestió de recursos, polítiques d’ús, mecanismes de seguretat, criteris comercials i decisions de producte que condicionen el funcionament del conjunt.
Podem anomenar racons foscos d’informació aquelles zones de l’arquitectura que produeixen conseqüències perceptibles per a l’usuari mentre la informació disponible permet comprendre’n només parcialment la causalitat. La foscor descriu aquí una diferència de visibilitat. El proveïdor disposa del coneixement sobre l’estructura interna del sistema, els recursos disponibles, les regles aplicades, els canvis introduïts i els criteris que governen determinades decisions; l’usuari observa el comportament resultant i intenta reconstruir-ne les causes a partir de la informació que rep.
Aquesta diferència de visibilitat determina capacitats diferents. Conèixer quin mecanisme s’ha activat, quina relació manté amb el model o amb el producte utilitzat, quina durada pot tenir, quines circumstàncies poden reproduir-lo i quines alternatives permeten preservar la continuïtat transforma una incidència en una condició comprensible de l’arquitectura. La informació amplia la capacitat d’anticipar, planificar i decidir. La informació parcial deixa una part de la causalitat fora del camp d’observació de l’usuari.
Aquesta asimetria constitueix una relació de poder en el sentit més elemental del terme. El proveïdor coneix l’arquitectura; l’usuari experimenta les conseqüències. Qui coneix les regles disposa d’una capacitat superior per anticipar els efectes i administrar els canvis. Qui coneix principalment els efectes construeix les seves decisions sobre un territori parcialment visible. Quan la infraestructura participa en processos professionals, empresarials, científics o intel·lectuals, aquesta diferència pot condicionar decisions, inversions, temps i continuïtat.
Els racons foscos d’informació es converteixen així en una qüestió estructural de l’era de la Intel·ligència Artificial. La seva importància creixerà al mateix ritme que la integració d’aquestes tecnologies en les nostres activitats. Comprendre les condicions sota les quals opera una infraestructura amplia la capacitat de l’usuari per administrar la seva dependència, construir alternatives i decidir quin paper concedeix a cada proveïdor dintre de la seva pròpia arquitectura de treball.
5. La transparència també forma part de la qualitat
La competició entre models d’Intel·ligència Artificial ha construït una cultura de mesura extraordinàriament sofisticada. Observem capacitat de raonament, qualitat de programació, context disponible, multimodalitat, velocitat, cost d’inferència, rendiment en matemàtiques, precisió científica i resultats en tota mena de benchmarks. Aquestes mesures permeten comparar sistemes i seguir una evolució tecnològica que avança a una velocitat excepcional. A mesura que la IA es converteix en infraestructura, la qualitat incorpora també dimensions directament relacionades amb la confiança operativa: previsibilitat, transparència, continuïtat i capacitat de l’usuari per comprendre les condicions sota les quals treballa.
Aquesta ampliació del concepte de qualitat modifica la manera com podem comparar els sistemes. Un model que destaqui menys en determinades capacitats tècniques pot proporcionar més valor en alguns entorns quan ofereix condicions estables, comprensibles i compatibles amb una arquitectura que permet preservar dades, context i continuïtat. Una capacitat tècnica extraordinària adquireix tot el seu valor operatiu quan l’usuari pot integrar-la dintre d’un procés que comprèn i pot planificar. La potència determina allò que una infraestructura és capaç de fer; la previsibilitat i la transparència contribueixen a determinar la solidesa d’allò que podem construir sobre ella.
Aquest criteri afecta qualsevol empresa que aspiri a convertir els seus models en infraestructura cognitiva per a persones, empreses o institucions. OpenAI, Google, Anthropic, xAI, Alibaba, DeepSeek i els actors que apareguin durant els pròxims anys competiran també per una cosa més difícil de quantificar que els resultats d’un benchmark: la confiança necessària perquè altres actors decideixin construir processos duradors sobre les seves arquitectures. Aquesta confiança es desenvolupa a través de l’experiència acumulada, la qualitat de les respostes, la continuïtat del servei i la comprensió que l’usuari pot adquirir sobre les regles que governen la relació.
La transparència operativa es converteix així en una dimensió del poder tecnològic. Un proveïdor capaç d’explicar amb claredat les condicions de la seva infraestructura proporciona als seus usuaris més capacitat per prendre decisions pròpies. Aquesta capacitat genera confiança, i la confiança pot acabar essent un actiu tan important com la mateixa sofisticació del model. En una tecnologia destinada a penetrar progressivament en els processos mitjançant els quals treballem, investiguem i construïm coneixement, comprendre el terreny sobre el qual construïm formarà part de la qualitat del que hi podem arribar a construir.
6. De la restricció operativa a una pregunta més profunda
L’experiència amb les restriccions operatives permet descobrir una primera capa d’opacitat i obre una pregunta que arriba molt més lluny. Una part dels mecanismes que determinen les condicions sota les quals utilitzem una Intel·ligència Artificial queda situada dintre de l’arquitectura del proveïdor. La mateixa mirada pot aplicar-se als mecanismes que intervenen en la construcció de les respostes que rebem. La qüestió passa aleshores de la continuïtat del servei a la naturalesa mateixa de la intermediació cognitiva.
Quan formulem una pregunta a una Intel·ligència Artificial, la simplicitat de l’experiència pot ocultar la complexitat del procés. Escrivim unes paraules i rebem una resposta coherent que relaciona antecedents, estableix causalitats, incorpora dades i formula conclusions. Aquesta immediatesa constitueix una de les grans virtuts de la tecnologia: concentra en segons operacions que anteriorment podien exigir hores de recerca, selecció, lectura i síntesi. Una part considerable del recorregut entre la pregunta i el coneixement arriba ja elaborada davant nostre.
Aquesta capacitat situa el sistema en una posició especialment rellevant i introdueix una pregunta inevitable: fins a quin punt coneixem els mecanismes que determinen què ens mostra una Intel·ligència Artificial i la manera com ens ho mostra? La resposta afecta les fonts disponibles, els criteris amb què aquestes fonts adquireixen rellevància, les instruccions que orienten el comportament del sistema, els mecanismes d’alineament, les polítiques del proveïdor, el context de la conversa i els processos mitjançant els quals una quantitat potencialment enorme d’informació acaba convertida en una resposta concreta.
Els racons foscos d’informació adquireixen aquí una dimensió cognitiva. La primera experiència ens havia mostrat una arquitectura que establia condicions operatives conegudes parcialment per l’usuari. Ara la mateixa mirada es dirigeix cap a la resposta. La dependència tecnològica es troba així amb la intermediació cognitiva: confiem una part del nostre procés de recerca i interpretació a una arquitectura de la qual coneixem molt millor el resultat que el recorregut que l’ha produït.
7. Una resposta és el final d’un procés invisible
Una resposta d’Intel·ligència Artificial és el resultat visible d’un procés format per múltiples decisions i transformacions. Segons el sistema, la consulta i les eines disponibles, aquest procés pot incorporar informació apresa durant l’entrenament, recuperació de documents, cerques externes, instruccions del sistema, context proporcionat per l’usuari i mecanismes destinats a orientar la generació final. Sobre aquest conjunt s’estableixen relacions, es determina quins elements resulten rellevants, s’ordenen antecedents, es construeixen explicacions i es formula una resposta adaptada a la pregunta plantejada. Conceptualment, el recorregut pot representar-se com una successió de capes: fonts, selecció, jerarquització, relacions, context, causalitat, síntesi i formulació.
Cadascuna d’aquestes capes participa en la interpretació. La selecció determina quina part de la informació disponible entra en el camp de la resposta; la jerarquització estableix què ocupa el centre i què queda en segon terme; la contextualització incorpora els antecedents que ajuden a explicar un fet; la construcció causal relaciona accions, actors i conseqüències; la síntesi determina què es conserva quan una realitat extensa queda condensada en uns quants paràgrafs; i la formulació escull conceptes, intensitats, matisos i estructures argumentals que contribueixen a donar significat al conjunt. La resposta que apareix a la pantalla concentra totes aquestes operacions en un producte aparentment unitari.
Aquesta arquitectura permet comprendre una característica essencial del biaix cognitiu: la precisió factual i la representació del fenomen pertanyen a dimensions diferents. Una resposta pot contenir dades correctes i construir una representació parcial de la realitat mitjançant la selecció dels antecedents, el pes concedit a cada factor o la causalitat que articula el conjunt. Dos sistemes poden compartir els mateixos fets essencials i produir interpretacions sensiblement diferents perquè han organitzat aquests fets de manera diferent. La divergència apareix aleshores en l’arquitectura que converteix informació en significat.
Aquest procés té antecedents profundament humans. Un historiador selecciona documents; un periodista jerarquitza fets; un professor escull antecedents; un investigador determina les variables rellevants. La Intel·ligència Artificial concentra operacions semblants amb una escala, una velocitat i una amplitud temàtica extraordinàries. Aquesta capacitat multiplica el valor de la tecnologia i converteix els criteris que organitzen les seves respostes en una qüestió central per comprendre el nou ecosistema cognitiu.
La confiança augmenta encara més la transcendència del procés. Quan una Intel·ligència Artificial acumula respostes útils, precises i ben construïdes, l’usuari desenvolupa racionalment una confiança creixent en la seva capacitat. Aquesta confiança estalvia temps i permet abordar problemes d’una complexitat superior. La maduresa en l’ús d’aquestes eines incorpora, per tant, una segona mirada: observar el contingut que rebem i examinar també l’arquitectura que l’ha convertit en resposta.
Quan formulem preguntes semblants a intel·ligències diferents, les divergències permeten veure parts d’aquest procés que una resposta considerada aïlladament manté invisibles. Apareixen fonts, antecedents, silencis, distribucions de responsabilitat i maneres d’establir causalitats diferents. La comparació comença a il·luminar el procés que existeix entre la realitat i la resposta. I és precisament en aquest espai on el biaix pot adquirir formes molt més subtils que una simple falsedat.
8. Seleccionar també és interpretar
La forma més evident d’identificar un biaix apareix davant d’una afirmació falsa: podem contrastar-la amb les dades disponibles, demostrar l’error i corregir-lo. La qüestió adquireix més profunditat quan els fets presents en una resposta són correctes i és la manera de seleccionar-los, ordenar-los i relacionar-los la que construeix una determinada representació de la realitat. En aquest territori, el biaix pot conviure perfectament amb la veracitat de cadascuna de les afirmacions considerades individualment.
Les experiències recents comparant respostes de diferents motors d’Intel·ligència Artificial permeten observar aquesta qüestió amb especial claredat. Davant d’un mateix fenomen, els sistemes poden seleccionar antecedents diferents, atribuir una importància desigual als actors implicats, dedicar més espai a unes conseqüències que a unes altres o incorporar espontàniament determinats elements de context. També pot variar la intensitat del llenguatge: una mateixa acció pot ser descrita com una decisió, una pressió, una resposta, una imposició o una mesura de protecció, i cadascuna d’aquestes paraules incorpora una relació diferent entre el fet i la interpretació. El biaix actua així sobre l’arquitectura dintre de la qual els fets adquireixen significat.
L’omissió ocupa una posició particular en aquest procés. Qualsevol resposta necessita seleccionar perquè un fenomen complex conté més informació de la que pot incorporar-se en uns quants paràgrafs. Els criteris que governen aquesta selecció resulten, per tant, determinants. Un antecedent absent pot modificar la comprensió d’una decisió posterior; una relació causal situada en segon terme pot alterar el pes atribuït als diferents actors; una dada separada del seu context temporal pot adquirir un significat diferent. Allò que queda fora d’una resposta també forma part de l’arquitectura que l’ha produïda, perquè els silencis contribueixen a delimitar el territori dintre del qual la interpretació es construeix.
Examinar una resposta exigeix, per tant, dues mirades complementàries. La primera comprova els fets. La segona observa quins antecedents han estat seleccionats, quines fonts sustenten la resposta, quina jerarquia s’ha establert entre els elements disponibles, com s’ha construït la causalitat i quines perspectives han adquirit centralitat. Aquest segon nivell permet comprendre la representació de la realitat que la resposta està construint.
9. Quan l’equilibri deforma la realitat
Entre els mecanismes que intervenen en aquesta construcció n’hi ha un d’especialment subtil: la tendència a distribuir l’atenció, les responsabilitats o els arguments entre diferents parts per produir una resposta aparentment equilibrada. Aquesta pràctica aporta valor quan la realitat presenta factors comparables, interpretacions legítimament diferents o evidències que distribueixen el pes causal. Quan els fets presenten una asimetria profunda, la simetria de la formulació pot acabar alterant-ne la representació.
La causalitat proporciona el criteri per restituir les proporcions del fenomen. Davant d’un fenomen podem identificar els actors que hi intervenen, reconstruir la seqüència temporal, examinar les decisions adoptades, valorar els recursos disponibles i observar les conseqüències produïdes. Aquest recorregut permet atribuir a cada element el pes que les evidències sostenen. El resultat pot ser equilibrat o profundament asimètric. La qualitat de l’anàlisi resideix en la correspondència entre aquesta distribució i la realitat observada. La independència cognitiva exigeix atribuir a cada factor el pes que les evidències permeten establir.
Aquesta qüestió és especialment important en geopolítica, història i política, territoris on els sistemes d’Intel·ligència Artificial operen sobre enormes quantitats de materials procedents d’ecosistemes informatius que ja incorporen els seus propis marcs interpretatius. Una resposta pot presentar dos actors com a pols equivalents d’una controvèrsia mentre la seqüència causal mostra capacitats, decisions o responsabilitats molt diferents. També pot incorporar una contrapartida davant de la valoració d’un actor encara que aquella contrapartida ocupi una posició secundària en la causalitat concreta analitzada. El resultat transmet una sensació d’equilibri mentre redistribueix el pes causal del fenomen.
L’equilibri retòric gaudeix d’una aparença de neutralitat. Una resposta que concedeix espais semblants a les diferents parts pot semblar prudent, moderada i objectiva. La causalitat introdueix una exigència diferent: la representació conserva les proporcions que emergeixen dels fets. Quan una causa concentra una part dominant de la capacitat explicativa, aquesta centralitat necessita aparèixer en l’anàlisi. Quan diversos factors comparteixen responsabilitat de manera comparable, aquesta pluralitat també necessita quedar representada. L’objectivitat es construeix mitjançant la correspondència entre evidència, causalitat i pes argumental.
La Intel·ligència Artificial aporta aquí una possibilitat extraordinària. La seva capacitat per examinar grans quantitats d’informació permet reconstruir seqüències, contrastar fonts, identificar contradiccions i explorar hipòtesis amb una amplitud difícilment accessible per a una persona treballant sola. Aquesta capacitat pot convertir-se en una eina poderosa per seguir la causalitat amb més profunditat quan l’usuari manté visible la pregunta sobre els criteris que han organitzat la resposta.
El lliurepensament troba aquí una disciplina especialment exigent. La independència permet arribar a conclusions asimètriques quan els fets les sostenen i revisar-les quan noves evidències modifiquen la causalitat establerta. La realitat ocupa el centre; les fonts, els motors i les interpretacions es converteixen en instruments per aproximar-nos-hi. Seguir els fets fins a comprendre la distribució real de les causes que els han produït esdevé així una exigència aplicable a qualsevol Intel·ligència Artificial que utilitzem.
Aquesta exigència condueix directament cap a l’univers informatiu del qual s’alimenta cada resposta. Els motors concedeixen graus diferents d’autoritat i confiança a les fonts disponibles, i aquesta jerarquia participa en la construcció del resultat. La següent frontera es troba, per tant, en les fonts.
10. L’arquitectura invisible de les fonts
La qualitat d’una resposta depèn també de l’univers informatiu sobre el qual ha estat construïda. Quan una Intel·ligència Artificial consulta informació externa, centenars o milers de fonts potencialment accessibles poden ampliar enormement el territori disponible. Entre tot allò que existeix i allò que arriba efectivament fins a la resposta opera, però, una arquitectura que selecciona les fonts i determina quina confiança mereix cadascuna.
Aquesta selecció incorpora criteris imprescindibles per a una investigació rigorosa: proximitat a la font primària, traçabilitat de les dades, autoritat especialitzada, actualitat de la informació, consistència històrica o capacitat d’acreditar allò que es publica. També hi intervenen les possibilitats d’accés, la indexació, la llengua, el territori, les restriccions tècniques i els sistemes de recuperació utilitzats pel motor. La qualitat informativa necessita jerarquies; comprendre com es construeixen aquestes jerarquies permet comprendre millor la resposta que en resulta.
Aquesta arquitectura informativa precedeix la formulació final. Un sistema pot tenir potencialment al seu abast una immensitat de documents i construir habitualment les seves respostes sobre una fracció molt més reduïda d’aquest univers. Quan determinades fonts ocupen sistemàticament posicions elevades de confiança, els marcs, les prioritats i les categories presents en aquestes fonts adquireixen també una probabilitat superior d’arribar fins a l’usuari. La mateixa arquitectura de selecció genera així una geometria del coneixement: crea centres, perifèries, proximitats i distàncies.
Les experiències comparant motors apunten precisament cap a aquesta qüestió. Una mateixa consulta pot conduir sistemes diferents cap a conjunts de fonts diferents i, a partir d’aquí, cap a construccions diferents del fenomen. Les conclusions poden convergir mentre els antecedents, les perspectives o les jerarquies divergeixen. L’observació sistemàtica i reproduïble d’aquestes diferències permet distingir progressivament la variabilitat pròpia de cada cerca de les regularitats que poden caracteritzar una determinada arquitectura.
La pregunta adquireix així una formulació concreta: quan una Intel·ligència Artificial afirma haver contrastat una informació, quin univers informatiu ha contrastat realment? Conèixer les fonts citades constitueix una primera resposta. Comprendre els criteris que han fet emergir aquelles fonts entre totes les disponibles ens apropa a una qüestió més profunda: el procés de selecció que existeix entre la immensitat de la informació disponible i les poques referències que finalment participen en la construcció del nostre coneixement.
11. El coneixement absent
Vivim una paradoxa característica del nostre temps. Disposem d’una quantitat d’informació sense precedents i d’instruments amb una capacitat extraordinària per recórrer-la, relacionar-la i sintetitzar-la. La Intel·ligència Artificial multiplica aquesta abundància perquè permet explorar territoris immensos de coneixement i obtenir-ne una síntesi en pocs segons. La immensitat del territori converteix, al mateix temps, l’arquitectura que determina quina part entra en el nostre camp de visió en un element cada vegada més important.
Algunes perspectives ocupen posicions centrals perquè disposen d’una gran producció documental, una elevada presència digital, institucions capaces de generar informació constantment i llengües àmpliament representades a Internet. Altres habiten ecosistemes documentals més petits, llengües amb menor projecció internacional, publicacions locals, arxius poc digitalitzats o tradicions acadèmiques menys connectades amb els grans circuits de citació. Aquestes desigualtats de presència poden traslladar-se als sistemes que aprenen, recuperen i jerarquitzen informació.
La conseqüència afecta la representació del món. Una realitat observada principalment a través de fonts anglosaxones pot adquirir una determinada estructura; la incorporació de fonts xineses, brasileres, índies, africanes, àrabs o llatinoamericanes pot fer emergir antecedents, prioritats i relacions diferents. La llengua participa també en aquesta arquitectura. Cada llengua conserva conceptes, memòries, experiències històriques i categories construïdes durant generacions. La capacitat d’una Intel·ligència Artificial per operar en moltes llengües amplia els ponts entre aquests universos, mentre la profunditat amb què cadascun està representat determina quina part de la seva riquesa arriba efectivament a la resposta.
El coneixement absent pot trobar-se lluny dels circuits consultats habitualment, ocupar una posició perifèrica en la jerarquia de fonts, disposar d’una representació digital limitada o quedar diluït davant del volum molt superior produït per altres ecosistemes. Aquesta absència relativa resulta especialment difícil de percebre des de dintre d’una única resposta. Un text pot ser coherent, extens, documentat i convincent mentre altres antecedents, fonts o maneres de relacionar els mateixos fets continuen fora del camp visible. La comparació entre arquitectures permet fer emergir una part d’aquest territori.
Aquí apareix una distinció essencial: l’abundància d’informació i la pluralitat de coneixement descriuen dimensions diferents. L’abundància mesura l’amplitud del material disponible. La pluralitat expressa la diversitat efectiva de perspectives, tradicions, llengües, fonts i marcs que participen en la construcció d’una interpretació. Una arquitectura cognitiva rica combina profunditat informativa amb capacitat per travessar universos diferents.
Tenir un peu a cada costat adquireix així un significat més ampli. Cada Intel·ligència Artificial proporciona accés a una part extraordinària del coneixement disponible i l’organitza des d’una arquitectura particular. Quan comparem diverses intel·ligències, les diferències entre les seves fonts, prioritats i silencis es converteixen elles mateixes en informació. La pluralitat creix quan podem mirar també allò que cada arquitectura situa a la perifèria.
12. Quan formulem la mateixa pregunta a intel·ligències diferents
La possibilitat de formular una mateixa pregunta a intel·ligències diferents introdueix una capacitat de contrast extraordinària. ChatGPT, Claude, Grok, Qwen, DeepSeek i els sistemes que continuaran apareixent han estat desenvolupats per empreses diferents, operen sobre arquitectures diferents, accedeixen a fonts i instruments diferents i funcionen dintre de contextos empresarials, jurídics, culturals i geopolítics també diferents. Aquesta diversitat permet convertir les mateixes intel·ligències en objectes d’observació recíproca.
La pregunta adquireix aleshores una formulació especialment fecunda: què podem aprendre observant com diferents intel·ligències construeixen respostes sobre una mateixa realitat? Una coincidència entre sistemes aporta informació; una divergència també. Una font que apareix repetidament pot indicar una referència àmpliament reconeguda, mentre una font present en un únic sistema pot obrir un territori situat a la perifèria dels altres. Una diferència en l’atribució causal permet examinar els antecedents que han conduït cada motor cap a la seva interpretació. Una omissió revelada per la comparació es converteix en una nova pregunta.
La divergència crea així un espai d’investigació. Podem examinar les fonts, reconstruir seqüències temporals, identificar els conceptes utilitzats, observar els actors que cada sistema situa al centre i valorar el pes causal atribuït als diferents elements. La divergència es converteix en un mapa que assenyala els punts on convé aprofundir. La coincidència adquireix també un valor particular quan prové d’arquitectures diferents, perquè permet estudiar fins a quin punt vies independents convergeixen sobre els mateixos fets o interpretacions.
La repetició sistemàtica afegeix una dimensió metodològica. Diverses respostes del mateix motor permeten estudiar-ne la variabilitat interna; respostes procedents de motors diferents permeten observar la divergència entre arquitectures; repetir el contrast al llarg del temps permet identificar continuïtats i transformacions. D’aquesta manera podem començar a distingir una diferència ocasional d’una regularitat persistent i una coincidència conjuntural d’una convergència que apareix reiteradament entre sistemes diferents.
És aquí on «tenir un peu a cada costat» amplia definitivament el seu significat. Els primers articles d’aquesta sèrie situaven l’expressió davant de la possible fragmentació entre els ecosistemes nord-americà i xinès. L’experiència posterior mostra una geografia cognitiva molt més rica. Cada motor constitueix una finestra particular; dintre dels mateixos blocs geopolítics existeixen empreses, models, versions, polítiques i arquitectures diferents. La pluralitat cognitiva creix amb la nostra capacitat de relacionar aquestes perspectives.
El contrast es converteix d’aquesta manera en mètode de coneixement. Coincidències, divergències, omissions, fonts i causalitats passen a formar part del material analític. Cada sistema aporta una perspectiva i la comparació construeix una capa addicional d’informació. La persona ocupa el punt de confluència: formula la pregunta, observa les diferències, decideix on aprofundir i construeix la seva interpretació.
Aquesta pluralitat pot organitzar-se sistemàticament. Podem construir arquitectures capaces de formular consultes comparables, registrar respostes, identificar convergències i divergències, examinar fonts i seguir causalitats. Tenir un peu a cada costat es transforma així en la capacitat de construir un espai propi des del qual relacionar moltes intel·ligències diferents. La sobirania cognitiva comença a adquirir una arquitectura concreta.
13. Del multimotor a la independència arquitectònica
Utilitzar diverses Intel·ligències Artificials amplia el camp d’observació. Organitzar aquesta pluralitat dintre d’una arquitectura pròpia permet fer un pas més profund: establir els criteris sota els quals les aportacions dels diferents motors participen en el procés de coneixement.
Aquí apareix la distinció entre pluralitat de motors i independència arquitectònica. La pluralitat proporciona accés a intel·ligències diferents. La independència arquitectònica organitza aquest accés sota criteris definits per qui construeix el procés. La persona decideix quins motors utilitza, quines preguntes formula, quines respostes compara, quines fonts examina i quins criteris aplica per identificar divergències. Els proveïdors aporten capacitats cognitives extraordinàries; l’arquitectura pròpia determina com aquestes capacitats participen en el conjunt.
Aquesta concepció transforma també la dependència. Cada motor és un servei sotmès a la seva pròpia evolució tecnològica, les condicions del proveïdor, les seves polítiques i les seves limitacions. Una arquitectura multimotor distribueix capacitats entre diverses alternatives i permet adaptar-se a aquesta evolució. Un model pot destacar en investigació, un altre en programació, un altre en contextos extensos, un altre en costos o en possibilitats d’execució local. La capacitat d’escollir i combinar converteix aquesta diversitat en resiliència.
El desenvolupament del CIATP —Centre d’Intel·ligència de l’Arquitectura del Temps i del Poder— ha començat a avançar precisament en aquesta direcció. El projecte va néixer per aplicar diferents òptiques de l’ATP a l’anàlisi de continguts, construir coneixement, relacionar documents i desenvolupar instruments capaços d’ampliar la capacitat d’anàlisi. L’experiència acumulada amb diferents Intel·ligències Artificials hi ha incorporat una dimensió nova: treballar amb diversos motors, confrontar les seves respostes i convertir les diferències entre ells en material analític.
Una arquitectura cognitiva pròpia pot incorporar motors nord-americans, xinesos o procedents de qualsevol altre ecosistema, assignar-los funcions diferents i modificar-ne la composició a mesura que apareguin noves alternatives. La independència arquitectònica resideix en aquesta capacitat d’orquestració. Els motors proporcionen intel·ligència; l’arquitectura determina com la utilitzem.
14. El Contrast Cognitiu
A partir d’aquesta idea apareix el Contrast Cognitiu d’IA. El principi consisteix a formular una consulta comparable a diferents motors i observar sistemàticament el procés mitjançant el qual cadascun construeix la seva resposta. El valor creix quan l’anàlisi incorpora les dimensions que hem anat identificant al llarg d’aquest article.
La seqüència pot representar-se així: mateixa consulta → diversos motors → fonts → coincidències → divergències → omissions → causalitats → marcs interpretatius → persona. Les coincidències permeten identificar punts de convergència; les divergències assenyalen territoris d’investigació; les fonts mostren els universos informatius mobilitzats; les omissions revelades per la comparació amplien el camp d’observació; les causalitats mostren com cada sistema relaciona els fets, i els marcs interpretatius permeten comprendre l’arquitectura conceptual dintre de la qual han estat ordenats.
La repetició proporciona profunditat al mètode. Formular diverses vegades una mateixa consulta a un motor permet observar-ne la variabilitat interna; comparar motors permet estudiar la divergència entre arquitectures; repetir el contrast al llarg del temps permet observar-ne l’evolució. Aquestes dimensions converteixen progressivament la comparació en un instrument capaç d’identificar regularitats.
El Contrast Cognitiu situa les Intel·ligències Artificials en una doble posició: instruments d’anàlisi i objectes d’anàlisi. Cada motor ajuda a observar la realitat i la comparació ajuda a observar cada motor. Aquesta doble direcció permet estudiar simultàniament el fenomen consultat i les arquitectures que l’intermedien.
Al final de la seqüència hi ha la persona. Ella determina la pregunta, examina les evidències, interpreta les divergències, decideix quines qüestions mereixen aprofundiment i construeix el judici final. CIATP amplia el camp visible, relaciona perspectives i fa emergir diferències; la persona transforma aquest material en criteri.
El recorregut iniciat amb una restricció inesperada adquireix aquí una conseqüència concreta. L’experiència va fer visible la dependència; aquesta va conduir cap a l’opacitat de l’arquitectura; l’observació de les respostes va revelar el valor del contrast; i el contrast obre ara la possibilitat de construir una arquitectura cognitiva pròpia. La sobirania cognitiva adquireix progressivament forma de sistema.
15. Construir la nostra pròpia arquitectura
Els primers articles d’aquesta sèrie situaven «tenir un peu a cada costat» davant de la possible fragmentació entre els ecosistemes d’Intel·ligència Artificial nord-americà i xinès. Preservar l’accés a tots dos significava conservar la possibilitat de conèixer arquitectures diferents, comparar-les i construir criteri propi. El recorregut posterior ha ampliat aquella idea. Els costats s’han multiplicat: existeixen motors, empreses, models, versions, fonts, polítiques i cultures tecnològiques diferents dintre dels mateixos espais geopolítics, i aquesta diversitat continuarà creixent a mesura que la Intel·ligència Artificial s’estengui pel món.
Cada Intel·ligència Artificial aporta capacitats desenvolupades amb quantitats extraordinàries de coneixement, computació, capital i treball humà. També reflecteix característiques de l’ecosistema dintre del qual ha estat construïda: fonts, polítiques, mecanismes d’alineament, cultures empresarials, legislacions i decisions dels qui l’operen. Relacionar-nos amb diverses intel·ligències ens permet aprofitar aquestes capacitats i observar les diferències que emergeixen entre les seves arquitectures. La sobirania cognitiva resideix en la capacitat d’organitzar aquesta relació i conservar en les nostres mans els criteris amb què decidim quines intel·ligències intervenen i quin valor concedim a les seves aportacions.
«Tenir un peu a cada costat» expressa, per tant, una geografia cognitiva cada vegada més extensa. Els costats poden ser nord-americans, xinesos, europeus o sorgir demà d’espais que avui ocupen una posició secundària en aquesta transformació. La independència creix amb la nostra capacitat de recórrer aquesta geografia, comprendre les arquitectures que hi trobem i relacionar-les dintre d’un espai cognitiu propi.
16. El judici torna a casa
La Intel·ligència Artificial ens proporciona una capacitat d’accés, relació i elaboració del coneixement que fa només uns anys hauria semblat extraordinària. Una persona pot explorar en minuts qüestions que anteriorment exigien hores o dies, treballar sobre disciplines diferents, relacionar documents, contrastar hipòtesis, programar, traduir i analitzar informació amb sistemes capaços de mobilitzar una part immensa del coneixement acumulat. Aquesta capacitat continuarà creixent i participarà cada vegada més profundament en la manera com investiguem, treballem, aprenem i prenem decisions.
El desenvolupament d’aquestes intel·ligències pot anar acompanyat del desenvolupament de la nostra capacitat per governar la relació que hi mantenim. Conèixer millor els sistemes que utilitzem, comprendre les seves condicions, examinar les fonts, comparar les respostes, observar les divergències i coordinar intel·ligències diferents amplia el territori disponible per al pensament humà. La tecnologia multiplica les finestres; l’arquitectura cognitiva pròpia ens permet decidir quines obrim i com relacionem els paisatges que apareixen darrere de cadascuna.
Aquesta possibilitat situa la persona en una posició especialment fecunda. Les Intel·ligències Artificials poden aportar dades, reconstruir antecedents, descobrir relacions, identificar contradiccions, proposar hipòtesis i confrontar interpretacions. La persona relaciona aquestes aportacions amb la seva experiència, la seva memòria, els seus valors i la seva responsabilitat, i construeix el significat que orientarà les seves decisions. El contrast amplia el material disponible; el judici transforma aquest material en criteri.
Aquí la sobirania cognitiva adquireix la seva expressió més concreta: disposar d’una arquitectura pròpia des de la qual podem relacionar-nos amb intel·ligències diferents, comprendre els seus condicionaments, aprofitar les seves capacitats i conservar la responsabilitat sobre la interpretació final. Les grans potències construiran ecosistemes, les empreses desenvoluparan models cada vegada més poderosos i les fronteres tecnològiques continuaran mutant. La persona conserva una decisió essencial: l’arquitectura des de la qual vol mirar.
Tenir un peu a cada costat significa, finalment, tenir el cap al nostre.
Aquí pots continuar llegint: Arquitectura del Temps i del Poder
| ⌬ ATP | 🪞 Destruens | 🌀 Fonsfera | 🪔 Ganesha | 🧨 Col·lapse | ⬛ BSE | 🌞 Sunthereum | 🕸 Labyrinthus | ◯ GO XXI | 🤫 Silentivm | 🧭Govolution | ⏳ KRoNoS | 🏛 Ekklesia XXI | 𓂀 Memorivm | 🗨️ O meu amigo Brasil | 𓅓BennuCatalunya