El graduado de Turing

Hay un experimento mental que Alan Turing diseñó en 1950 para resolver una pregunta que nadie sabía cómo hacerse: ¿pueden pensar las máquinas? Su solución fue elegante y algo perversa. En lugar de definir qué es pensar —tarea que llevaba siglos sin resolverse— propuso algo más práctico: si una máquina logra imitar suficientemente bien a un humano como para que nadie note la diferencia, el debate termina. No importa lo que haya dentro de la caja. Lo que importa es la performance.

Conviene detenerse un segundo en quién era Turing antes de seguir. No era solamente un matemático brillante. Era el hombre que descifró Enigma, la máquina de cifrado nazi que los aliados consideraban irrompible, y con eso acortó la guerra en Europa en al menos dos años. Era también, según Stephen Hawking y un grupo de científicos que lo dijeron por escrito en el Daily Telegraph, alguien a la altura de Einstein y Francis Crick en el panteón científico del siglo veinte. No fue un buen científico que se hizo famoso por ser perseguido. Fue el autor de una idea realmente brillante que el mundo tardó décadas en poder nombrar en voz alta, porque era secreta.

Lo que Turing entendió en 1936 —y que en ese momento era completamente nuevo— es que una máquina lo suficientemente bien diseñada podría hacer casi cualquier cosa. Lo que la civilización que se benefició de esa idea entendió, dos años después de que terminara la guerra que él ayudó a ganar, fue que su homosexualidad era un delito. Le dieron a elegir entre la cárcel y la castración química. Eligió las inyecciones. Murió a los 41 años con una manzana mordida en la mano, diez años y un día después del desembarco de Normandía. En 2013, el Parlamento británico le concedió un perdón póstumo. Como señalaba entonces un analista del Times, por derecho tendría que ser Turing el que perdonara al gobierno. Pero eso, claro, era imposible.

Turing había anticipado algo de todo esto. En un silogismo que le explicó a un amigo, resumió con precisión quirúrgica la lógica que lo perseguía: Turing cree que las máquinas piensan / Turing yace con hombres / Luego las máquinas no piensan. La misma civilización que no podía procesar su sexualidad tampoco podía procesar sus ideas. A veces la intolerancia y la estupidez tienen una coherencia interna impecable.

Alguien así merece que no lo convirtamos en una cita de diapositiva.

Setenta y seis años después de ese experimento mental, la educación lo convirtió en modelo pedagógico. Solo que al revés.

Ya no es la máquina imitando al humano. Es el humano imitando a alguien que sabe.

Nicholas Burbules, doctor en Filosofía de la Educación por Stanford y uno de los expertos más citados en tecnología educativa, estuvo hace pocos días en Buenos Aires y dijo algo que debería colgar enmarcado en el despacho de cada ministro que alguna vez posó ante cámaras con sus gráficas de egresados: si a los estudiantes les dan tareas que puede hacer la IA, la van a usar. Pero el problema no son ellos. El problema es la tarea. Una consigna que le pide al alumno que resuma los principales acontecimientos de un libro es exactamente lo que la inteligencia artificial hace bien. Si eso es lo que el sistema evalúa, no tiene sentido culpar al estudiante de encontrar el camino más corto. El sistema diseñó un test que la máquina puede pasar. La máquina lo pasó. Caso cerrado.

El problema es que ese diseño viene de mucho antes de que existiera ChatGPT.

La OCDE cruzó dos bases de datos que juntas cuentan una historia incómoda: según Education at a Glance 2024, casi la mitad de los jóvenes de entre 25 y 34 años en los países miembro tenía estudios superiores. El doble que en generaciones anteriores. Y según la Encuesta de Competencias de la Población Adulta, uno de cada diez de esos universitarios no alcanza el nivel mínimo de comprensión lectora para trabajar con textos algo más complejos que una etiqueta de shampoo. El sistema produce graduados. Lo que no garantiza es que esos graduados sepan algo.

El título es la imitación del saber. El saber es otra cosa.

Para los que prefieren los números propios antes que los ajenos, los datos de PISA 2022 —publicados en diciembre de 2023 y que ningún gobierno de la región parece haber leído con detenimiento— muestran que en Argentina 7 de cada 10 estudiantes de 15 años no alcanza el nivel mínimo en matemática. En lectura la situación es algo mejor, pero la mitad tampoco llega al piso básico. El país quedó en el puesto 66 de 81 en matemática y en el 58 en lectura, por debajo de todos sus vecinos regionales salvo Panamá, Paraguay, Guatemala, El Salvador y República Dominicana. Y el dato más silenciado, el que nadie pone en el afiche institucional: apenas el 0,3 por ciento de los alumnos argentinos alcanza los niveles de excelencia en matemática. En los países de la OCDE este porcentaje es del 8,7. No solo tenemos muchos chicos en el piso. Tenemos casi ninguno en el techo.

Pero lo verdaderamente notable no es la foto. Es la película. Porque ese 72,7 por ciento de estudiantes que en 2022 no llegó al nivel mínimo en matemática no es un accidente pandémico ni una anomalía estadística. Es el punto más alto de una tendencia que lleva veinte años subiendo en la dirección equivocada: 64,1 por ciento en 2006, 63,6 por ciento en 2009, 66,5 por ciento en 2012, 69,1 por ciento en 2018, 72,7 por ciento en 2022. Cada tres años, prolijo como un reloj, el sistema produce un poco más de fracaso. Y cada tres años, prolijo como un reloj, alguna autoridad educativa presenta los resultados con cara de sorpresa.

Como bonus track, PISA también midió algo que en otro contexto sería gracioso: más del 50 por ciento de los estudiantes argentinos reporta que el uso del celular en clase los distrae. Es el porcentaje más alto del mundo, casi el doble del promedio de la OCDE. Lo cual significa que Argentina lidera exactamente un ranking global en educación, y es el de la dispersión.

Aquí es donde Turing se vuelve incómodo de verdad.

El matemático propone un juego: si la máquina imita al humano con suficiente convicción, la diferencia deja de importar. Pero la educación no está en el negocio de la imitación. Está, o debería estar, en el negocio de la comprensión. Y eso, como insiste Burbules, es exactamente lo que la inteligencia artificial no puede hacer. La IA genera textos que suenan exactos, que tienen la forma correcta, que usan las palabras adecuadas. Puede resumir. Puede reformular. Puede producir la respuesta que el sistema espera. Lo que no puede hacer es sentir el peso de lo que hay detrás de las palabras cuando alguien dice no me entendés, ni saber si una respuesta sobre una guerra vale algo más que su forma correcta.  La comprensión requiere un compromiso más profundo con lo que hay debajo del lenguaje. Y ese compromiso —ese roce con la ambigüedad, con la duda, con la pregunta que no tiene respuesta inmediata— es exactamente lo que el sistema educativo lleva décadas sin enseñar.

El resultado es casi demasiado prolijo para ser accidental: formamos estudiantes que no saben pensar, diseñamos tareas que no requieren pensamiento, y luego nos escandalizamos de que usen una herramienta que hace exactamente lo que el sistema les pide. Pasamos el test de Turing al revés. La máquina no aprendió a imitar al humano. El humano aprendió a imitar a la máquina. Y lo está haciendo bastante bien.

Burbules tiene razón en que la respuesta no es prohibir la herramienta —la prohibición no funcionó con el alcohol, no va a funcionar con esto, y según PISA tampoco está funcionando con el celular en el aula— pero hay algo que su diagnóstico, razonablemente optimista, no alcanza a resolver: para enseñar para la comprensión hay que tener estudiantes que lleguen al aula con las condiciones mínimas para comprender. Un estudiante que lleva cargando veinte años de tendencia descendente no llega al aula a aprender a pensar críticamente. Llega a sobrevivir el año. Y cuando llega la IA, no la usa para aprender. La usa para terminar.

No es un problema de aplicaciones ni de consignas mal diseñadas. Es un problema de decisiones políticas sostenidas en el tiempo. Y esas, como escribí hace unas semanas, siguen siendo el recurso más escaso de esta región.

La carrera no se decide con chips ni con título plastificado. Se decide en el momento exacto en que un estudiante aprende a formular una pregunta que la máquina no puede responder sola.

Hasta entonces, el graduado de Turing sigue siendo la máquina.