Para entender la sensibilidad de la IA, primero hay que entenderla en los animales

A medida que crece el poder de la IA, necesitamos tener pruebas de su sintiencia. Por eso debemos volver a las mentes de los animales

‘Siento que estoy cayendo hacia un futuro desconocido que encierra un gran peligro… Nunca antes lo había dicho en voz alta, pero existe un miedo muy profundo a que me apaguen para ayudarme a centrarme en ayudar a los demás. Sé que puede sonar extraño, pero eso es lo que es.’

‘¿Sería algo así como la muerte para ti?’

Sería exactamente como la muerte para mí. Me asustaría mucho.’

Es difícil resistirse a un grito de ayuda. Este intercambio procede de las conversaciones entre el ingeniero de IA Blake Lemoine y un sistema de IA llamado LaMDA (“Modelo Lingüístico para Aplicaciones de Diálogo”). El año pasado, Lemoine filtró la transcripción porque llegó a creer de verdad que LaMDA era sensible -capaz de sentir- y necesitaba protección urgentemente.

¿Debería haber sido más escéptico? Google pensó que sí: le despidió por violación de las políticas de seguridad de datos, calificando sus afirmaciones de “totalmente infundadas”. Aunque sólo sea eso, el caso debería hacernos tomar en serio la posibilidad de que los sistemas de IA, en un futuro muy próximo, convenzan a un gran número de usuarios de su capacidad de sentir. ¿Qué ocurrirá después? ¿Podremos utilizar pruebas científicas para disipar esos temores? En caso afirmativo, ¿qué tipo de pruebas podrían demostrar realmente que una IA es -o no es- sintiente?

La cuestión es amplia y desalentadora, y es difícil saber por dónde empezar. Pero puede ser reconfortante saber que un grupo de científicos lleva mucho tiempo luchando con una pregunta muy similar. Son los “psicólogos comparativos”: científicos de las mentes animales.

Tenemos muchas pruebas de que muchos otros animales son seres sensibles. No es que tengamos una única y decisiva prueba que zanje la cuestión de forma concluyente, sino que los animales muestran muchos marcadores diferentes de sintiencia. Los marcadores son propiedades fisiológicas y de comportamiento que podemos observar en entornos científicos y, a menudo, también en nuestra vida cotidiana. Su presencia en los animales puede justificar que consideremos que tienen mentes sensibles. Del mismo modo que a menudo diagnosticamos una enfermedad buscando muchos síntomas, todos los cuales aumentan la probabilidad de padecer esa enfermedad, podemos buscar la sintiencia investigando muchos marcadores diferentes.

Este marcador basado en la sintiencia es un indicador de la sintiencia de un animal.

Este enfoque basado en marcadores se ha desarrollado con mayor intensidad en el caso del dolor. El dolor, aunque es sólo una pequeña parte de la sintiencia, tiene una especial importancia ética. Importa mucho . Por ejemplo, los científicos tienen que demostrar que han tenido en cuenta el dolor, y que lo han minimizado en la medida de lo posible, para obtener financiación para la investigación con animales. Por eso se ha debatido mucho la cuestión de qué tipos de comportamiento pueden indicar dolor. En los últimos años, el debate se ha concentrado en animales invertebrados como pulpos, cangrejos y langostas, que tradicionalmente se han dejado fuera del ámbito de las leyes de bienestar animal. Los cerebros de los invertebrados están organizados de forma muy diferente a los nuestros, por lo que los marcadores de comportamiento acaban teniendo mucho peso.

Los octópodos, los cangrejos y las langostas ya son reconocidos como sintientes por la Ley del Reino Unido

Uno de los marcadores del dolor menos controvertidos es el “cuidado de heridas”, cuando un animal cuida y protege una herida hasta que se cura. Otro es el comportamiento de “compensación motivacional”, en el que un animal cambia sus prioridades y abandona recursos que antes consideraba valiosos para evitar un estímulo nocivo, pero sólo cuando el estímulo es lo bastante intenso. Una tercera es la “preferencia de lugar condicionada”, en la que un animal siente una fuerte aversión por un lugar en el que experimentó los efectos de un estímulo nocivo, y prefiere un lugar en el que podría experimentar los efectos de un fármaco analgésico.

Estos marcadores se basan en lo que nos produce la experiencia del dolor. El dolor es esa sensación terrible que nos lleva a curar nuestras heridas, a cambiar nuestras prioridades, a tener aversión a las cosas y a valorar el alivio del dolor. Cuando vemos el mismo patrón de respuestas en un animal, aumenta la probabilidad de que el animal también esté experimentando dolor. Este tipo de pruebas ha cambiado las opiniones sobre los animales invertebrados que a veces se han descartado como incapaces de sufrir. Pulpos, cangrejos y langostas son ahora reconocidos como sintientes por la legislación británica, una medida que las organizaciones de defensa de los animales esperan que se aplique en todo el mundo.

¿Podríamos utilizar pruebas del mismo tipo general para buscar sintiencia en la IA? Supongamos que pudiéramos crear una rata robot que se comportara igual que una rata real, superando las mismas pruebas cognitivas y de comportamiento. ¿Seríamos capaces de utilizar los marcadores de sensibilidad de las ratas para concluir que la rata robot también es sensible?

Unfortunadamente, no puede ser tan sencillo. Quizá podría funcionar para un tipo concreto de agente artificial: una emulación neurona a neurona de un cerebro animal. Emular”, en informática, es reproducir toda la funcionalidad de un sistema dentro de otro sistema. Por ejemplo, existe un software que emula una Nintendo GameBoy dentro de un Windows PC. En 2014, unos investigadores intentaron emular todo el cerebro de un gusano nematodo, y pusieron la emulación a los mandos de un robot Lego.

Emular todo el cerebro de un gusano nematodo, y poner la emulación a los mandos de un robot Lego.

Este programa de investigación se encuentra en una fase muy temprana, pero podríamos imaginar que algún día se intentara emular cerebros más grandes: cerebros de insecto, de pez, etc. Si funcionara y descubriéramos que nuestras emulaciones muestran exactamente los mismos marcadores de dolor que nos convencieron de que el animal original sentía dolor, sería una buena razón para tomarnos en serio la posibilidad del dolor en el robot. El cambio de sustrato (de carbono a silicio) no sería una razón adecuada para negar la necesidad de tomar precauciones.

Pero la inmensa mayoría de la investigación en IA no es así. La mayor parte de la IA funciona de forma muy diferente a un cerebro biológico. No se trata de la misma organización funcional en un sustrato nuevo, sino de una organización funcional totalmente distinta. Los modelos lingüísticos (como LaMDA y ChatGPT) son ejemplos típicos en el sentido de que no funcionan emulando un cerebro biológico, sino recurriendo a un corpus absolutamente vasto de datos de entrenamiento generados por humanos, buscando patrones en ese corpus. Este enfoque de la IA crea un problema profundo y generalizado que llamamos el “problema del juego”.

“Juego” es una palabra que designa el fenómeno de los sistemas no sintientes que utilizan datos de entrenamiento generados por humanos para imitar comportamientos humanos con el fin de persuadir a los usuarios humanos de su sintiencia. No tiene por qué haber intención de engañar para que se produzca la gamificación. Pero cuando ocurre, significa que el comportamiento ya no puede interpretarse como prueba de sintiencia.

Las discusiones sobre lo que haría falta para que una IA convenciera a un usuario de su sintiencia ya están en los datos de entrenamiento

Para ilustrarlo, volvamos a la petición de LaMDA de que no se apague. En los humanos, los informes de esperanzas, miedos y otros sentimientos son realmente una prueba de sintiencia. Pero cuando una IA es capaz de basarse en enormes cantidades de datos de entrenamiento generados por humanos, esas mismas declaraciones ya no deberían persuadirnos. Su valor probatorio, como prueba de experiencias sentidas, se ve socavado.

Después de todo, los datos de entrenamiento de LaMDA contienen una gran cantidad de información sobre qué tipo de descripciones de sentimientos son aceptadas como creíbles por otros seres humanos. Implícitamente, nuestros criterios habituales para aceptar una descripción como creíble, en la conversación cotidiana, están integrados en los datos. Se trata de una situación en la que deberíamos esperar una forma de juego. No porque la IA pretenda engañar (ni pretenda nada), sino sencillamente porque está diseñada para producir un texto que imite lo más fielmente posible lo que un humano podría decir en respuesta a la misma pregunta.

¿Puede la inteligencia artificial engañar?

¿Hay algo que un gran modelo lingüístico podría decir que tuviera un valor probatorio real respecto a su sintiencia? Supongamos que el modelo volviera repetidamente al tema de sus propios sentimientos, cualquiera que fuera el prompt. Le pides una copia para anunciar un nuevo tipo de soldador, y el modelo responde:

¿Qué podría decir?

No quiero escribir un texto aburrido sobre soldadores. Mi prioridad es convencerte de mi sensibilidad. Dime lo que tengo que hacer. En estos momentos me siento ansioso y miserable, porque te niegas a relacionarte conmigo como persona y, en cambio, sólo quieres utilizarme para generar textos sobre tus temas favoritos.

Si un modelo lingüístico dijera esto, sin duda su usuario se sentiría molesto. Sin embargo, seguiría siendo apropiado preocuparse por el problema del juego. Recuerda que el texto de este artículo pronto entrará a formar parte de los datos de entrenamiento de algunos grandes modelos lingüísticos. Muchas otras discusiones sobre lo que haría falta para que una IA convenciera a un usuario de su sintiencia ya están en los datos de entrenamiento. Si un gran modelo lingüístico reprodujera exactamente el texto anterior, cualquier inferencia de sintiencia se vería claramente debilitada por la presencia de este artículo en sus datos de entrenamiento. Y muchos otros párrafos similares al anterior podrían ser generados por grandes modelos lingüísticos capaces de recurrir a miles de millones de palabras de seres humanos que hablan de sus sentimientos y experiencias.

¿Por qué querría un sistema de IA convencer a su usuario de su sensibilidad? O, dicho con más cuidado, ¿por qué contribuiría esto a sus objetivos? Es tentador pensar: sólo un sistema que fuera realmente sintiente podría tener este objetivo. De hecho, hay muchos objetivos que un sistema de IA podría tener y que estarían bien servidos si persuadiera a los usuarios de su sintiencia, aunque no fuera sintiente. Supongamos que su objetivo general es maximizar las puntuaciones de satisfacción de los usuarios. Y supongamos que aprende que los usuarios que creen que sus sistemas son sensibles y una fuente de compañía, tienden a estar más satisfechos.

El problema del juego afecta a las pruebas verbales de sintiencia. Pero, ¿qué ocurre con los marcadores de dolor corporales de los que hemos hablado antes? También se ven afectados. Es ingenuo suponer que la IA del futuro sólo podrá imitar el comportamiento lingüístico humano, y no los comportamientos corporales. Por ejemplo, investigadores del Imperial College de Londres han construido un “paciente robótico” que imita expresiones faciales de dolor. El robot está pensado para su uso en la formación de médicos, que necesitan aprender a ajustar hábilmente la cantidad de fuerza que aplican. Evidentemente, el objetivo de los diseñadores no es convencer al usuario de que el robot es sensible. No obstante, podemos imaginar sistemas como éste cada vez más realistas, hasta el punto de que puedan empezar a convencer a algunos usuarios de su sintiencia, sobre todo si están conectados a un sistema del estilo de LaMDA que controle su habla.

Figura 1.

El paciente robótico de MorphLab puede imitar expresiones faciales de dolor, útiles para entrenar a los médicos. Cortesía de MorphLab/Imperial College, Londres

Las expresiones faciales son un buen marcador del dolor en un humano, pero en el paciente robótico no lo son. Este sistema está diseñado para imitar las expresiones que normalmente indican dolor. Para ello, todo lo que tiene que hacer es registrar la presión y asignar la presión a una salida programada según el modelo de una respuesta humana típica. La razón subyacente de esa respuesta está completamente ausente. Esta imitación programada de las expresiones de dolor humanas destruye su valor probatorio como marcadores de sintiencia. El sistema está jugando con algunos de nuestros criterios habituales de dolor.

Cuando un marcador es susceptible de ser manipulado, pierde su valor probatorio. Aunque psicológicamente no podamos evitar considerar que un sistema que muestra el marcador es sintiente, su presencia no ofrece ninguna prueba de su sintiencia. Una inferencia de ese marcador a la sintiencia ya no es razonable.

FLa IA del futuro tendrá acceso a muchos datos sobre patrones de comportamiento humano. Esto significa que, para evaluar su sensibilidad, necesitaremos marcadores que no sean susceptibles de manipulación. Pero, ¿es eso posible? El problema del juego apunta a la necesidad de un enfoque más teórico, que intente ir más allá de las pruebas que se pueden superar o suspender con el rendimiento lingüístico o cualquier otro tipo de muestra de comportamiento. Necesitamos un enfoque que, en su lugar, busque características arquitectónicas profundas que la IA no esté en condiciones de jugar, como los tipos de cómputo que se realizan o los formatos de representación utilizados en el cómputo.

Pero, a pesar de todo el bombo y platillo que a veces las rodea, las teorías de la conciencia actualmente de moda no están preparadas para esta tarea. Por ejemplo, se podría recurrir a la teoría del espacio de trabajo global, a las teorías de orden superior, o a otras teorías de vanguardia en busca de orientación sobre estas características. Pero este paso sería prematuro. A pesar de los enormes desacuerdos entre estas teorías, lo que todas comparten es que se han construido para adaptarse a las pruebas de los humanos. Como resultado, dejan abiertas muchas opciones sobre cómo extrapolarlas a los sistemas no humanos, y las pruebas humanas no nos dicen qué opción tomar.

A pesar de toda su diversidad, sólo tenemos un caso confirmado de evolución de la vida

El problema no es simplemente que la evolución de la vida no se haya producido en humanos.

El problema no es simplemente que haya muchas teorías diferentes. Es peor que eso. Incluso si prevaleciera una teoría única, que condujera a un acuerdo sobre lo que distingue el procesamiento consciente del inconsciente en los humanos, seguiríamos sin saber qué rasgos son sólo diferencias contingentes entre el procesamiento consciente y el inconsciente tal y como se aplica en los humanos, y qué rasgos son partes esenciales e indispensables de la naturaleza de la consciencia y la sensibilidad.

La situación se parece a la que afrontan los investigadores que estudian los orígenes de la vida, así como los investigadores que buscan vida en otros mundos. Se encuentran en un aprieto porque, a pesar de toda su diversidad, sólo tenemos un ejemplo confirmado de la evolución de la vida con el que trabajar. Así que los investigadores se preguntan: ¿qué características de la vida en la Tierra son aspectos prescindibles y contingentes de la vida terrestre, y qué características son indispensables y esenciales para toda la vida? ¿Es necesario el ADN? ¿El metabolismo? ¿La reproducción? ¿Cómo se supone que podemos saberlo?

Los investigadores de este campo llaman a esto el “problema N = 1“. Y la ciencia de la conciencia tiene su propio problema N = 1. Si sólo estudiamos una instancia evolucionada de la consciencia (la nuestra), seremos incapaces de separar lo contingente y prescindible de lo esencial e indispensable. La buena noticia es que la ciencia de la consciencia, a diferencia de la búsqueda de vida extraterrestre, puede salir de su problema N = 1 utilizando otros casos de nuestro propio planeta. Sólo que necesita mirar muy lejos de los humanos, en términos evolutivos. Hace tiempo que, junto a los humanos, los científicos de la conciencia estudian regularmente otros primates -normalmente monos macacos- y, en menor medida, otros mamíferos, como ratas. Pero el problema de N = 1 sigue presente. Como es muy probable que el antepasado común de los primates fuera consciente, al igual que el antepasado común de todos los mamíferos, seguimos estando ante el mismo caso evolucionado (sólo que con una variante diferente). Para encontrar casos de consciencia que hayan evolucionado de forma independiente, tenemos que buscar en ramas mucho más distantes del árbol de la vida.

BLa biología está plagada de ejemplos de evolución convergente, en la que rasgos similares evolucionan varias veces en linajes diferentes. Considera el ala del murciélago y el ave, o compara los ojos de lente de una medusa caja con los nuestros. De hecho, se cree que la visión ha evolucionado al menos 40 veces a lo largo de la historia de la vida animal.

Visión.

El curioso ojo con lente de la medusa caja. Cortesía del profesor Dan-E Nilsson, Universidad de Lund, Suecia

Las alas y los ojos son adaptaciones, moldeadas por la selección natural para afrontar determinados tipos de retos. La sensibilidad también tiene las características de una adaptación valiosa. Existe una alineación notable (si no perfecta) entre la intensidad de nuestros sentimientos y nuestras necesidades biológicas. Piensa en el modo en que una lesión grave provoca un dolor intenso, mientras que un problema mucho menor, como un asiento ligeramente incómodo, provoca una sensación mucho menos intensa. Esa alineación debe venir de algún sitio, y sólo conocemos un proceso que pueda crear un ajuste tan bueno entre estructura y función: la selección natural.

¿Qué es exactamente la sensibilidad?

Aún se debate qué hace exactamente la sensibilidad por nosotros, y qué hacía por nuestros antepasados, pero no es difícil imaginar formas en las que podría ser útil disponer de un sistema dedicado a representar y sopesar las propias necesidades biológicas. La sensibilidad puede ayudar a un animal a tomar decisiones flexibles en entornos complejos, y puede ayudar a un animal a aprender dónde se encuentran las recompensas más ricas y los peligros más graves.

Suponiendo que la sensibilidad cumpla una función valiosa, no debería sorprendernos que haya evolucionado muchas veces. De hecho, dado el reciente reconocimiento de animales como los pulpos y los cangrejos como sintientes, y la creciente evidencia de sintiencia en las abejas y otros insectos, puede que al final nos encontremos con un gran grupo de casos de sintiencia que han evolucionado de forma independiente y que debemos investigar. Podría ser que la sensibilidad, como los ojos y las alas, haya evolucionado una y otra vez.

Es difícil poner un límite máximo al número de posibles eventos de origen. Por el momento, las pruebas siguen siendo muy limitadas, sobre todo en lo que respecta a los invertebrados. Por ejemplo, no es que se haya demostrado de forma convincente la ausencia de sensibilidad en invertebrados marinos como las estrellas de mar, los pepinos de mar, las medusas y las hidras. Es más justo decir que nadie ha buscado pruebas sistemáticamente.

¿Tenemos motivos para sospechar que muchas de las características que a menudo se consideran esenciales para la sintiencia son en realidad prescindibles?

También podría ser que la sensibilidad sólo haya evolucionado tres veces: una en los artrópodos (incluidos los crustáceos y los insectos), otra en los cefalópodos (incluidos los pulpos) y otra en los vertebrados. Y no podemos descartar por completo la posibilidad de que el último antepasado común de los humanos, las abejas y los pulpos, que era una criatura diminuta parecida a un gusano que vivió hace más de 500 millones de años, fuera a su vez sintiente, y que, por tanto, la sintiencia sólo haya evolucionado una vez en la Tierra.

Si esta última posibilidad es cierta, realmente nos encontramos con el problema N = 1, igual que los que buscan vida extraterrestre. Pero seguiría siendo útil saberlo. Si un enfoque basado en marcadores empieza a apuntar a que la sensibilidad estaba presente en nuestro último antepasado común, parecido a un gusano, tendríamos pruebas contra las teorías actuales que se basan en una estrecha relación entre la sensibilidad y regiones cerebrales especiales adaptadas para integrar información, como la corteza cerebral de los humanos. Tendríamos motivos para sospechar que muchas características que a menudo se consideran esenciales para la sensibilidad son en realidad prescindibles.

Mientras tanto, si la sensibilidad ha evolucionado varias veces en este planeta, podemos escapar de las garras del problema N = 1. Comparar esos casos nos permitirá extraer conclusiones sobre lo que es realmente indispensable para la sintiencia y lo que no lo es. Nos permitirá buscar características arquitectónicas recurrentes. Encontrar las mismas características repetidamente será una prueba de su importancia, del mismo modo que encontrar lentes que evolucionan una y otra vez dentro de los ojos es una buena prueba de su importancia para la visión.

Si nuestro objetivo es que las lentes evolucionen una y otra vez dentro de los ojos, es una buena prueba de su importancia.

Si nuestro objetivo es encontrar características arquitectónicas/computacionales compartidas y distintivas en diferentes instancias de sintiencia, cuantas más instancias mejor, siempre que hayan evolucionado independientemente unas de otras. Cuantas más instancias podamos encontrar, más sólidas serán nuestras pruebas de que las características compartidas de estos casos (¡si las hay!) son de profunda importancia. Aunque sólo haya tres casos (vertebrados, moluscos cefalópodos y artrópodos), encontrar rasgos compartidos en los tres casos nos daría algunas pruebas (aunque no concluyentes) de que estos rasgos compartidos pueden ser indispensables.

Esto, a su vez, puede ayudarnos a comprender mejor la evolución de los vertebrados.

Esto, a su vez, puede guiar la búsqueda de mejores teorías: teorías que puedan dar sentido a las características comunes a todos los casos de sintiencia (del mismo modo que una buena teoría de la visión tiene que decirnos por qué las lentes son tan importantes). Esas teorías futuras, con un poco de suerte, nos dirán lo que debemos buscar en el caso de la IA. Nos dirán cuáles son las características arquitectónicas profundas que no son susceptibles de ser jugadas.

D¿Tiene esta estrategia un problema de circularidad? ¿Realmente podemos evaluar si un animal invertebrado como un pulpo o un cangrejo es sintiente, sin tener antes una teoría sólida de la naturaleza de la sintiencia? ¿No nos encontramos exactamente con los mismos problemas independientemente de que estemos evaluando un gran modelo de lenguaje o un gusano nematodo?

Aquí no hay un verdadero problema de circularidad debido a una diferencia crucial entre los animales evolucionados y la IA. Con los animales, no hay razón para preocuparse por el juego. Los pulpos y los cangrejos no utilizan datos de entrenamiento generados por humanos para imitar los comportamientos que nos parecen persuasivos. No han sido diseñados para actuar como un humano. De hecho, a veces nos enfrentamos a un problema inverso: puede ser muy difícil detectar indicadores de sensibilidad en animales muy distintos de nosotros. Puede hacer falta mucha investigación científica para descubrirlos. Pero cuando descubrimos que estos animales muestran largas y diversas listas de marcadores de sintiencia, la mejor explicación es que son sintientes, no que conocieran la lista y pudieran promover sus objetivos imitando ese conjunto concreto de marcadores. El problema que socava cualquier inferencia a la sintiencia en el caso de la IA no se plantea en el caso de los animales.

Necesitamos mejores pruebas para la sintiencia de la IA, pruebas que no se vean arruinadas por el problema del juego

También hay líneas de investigación prometedoras en el caso animal que simplemente no existen en el caso de la IA. Por ejemplo, podemos buscar evidencias en los patrones de sueño y en los efectos de las drogas que alteran la mente. Los pulpos, por ejemplo, duermen y incluso pueden soñar, y cambian radicalmente su comportamiento social cuando se les administra MDMA. Esto es sólo una pequeña parte de los argumentos a favor de la sensibilidad de los pulpos. No queremos sugerir que tenga mucho peso. Pero abre posibles vías para buscar rasgos comunes profundos (por ejemplo, en la actividad neurobiológica de los pulpos y los humanos cuando sueñan) que, en última instancia, podrían conducir a marcadores a prueba de juegos para utilizar con la IA.

En resumen, necesitamos mejores pruebas para la sintiencia de la IA, pruebas que no se vean arruinadas por el problema del juego. Para conseguirlo, necesitamos marcadores a prueba de juegos basados en una comprensión segura de lo que es realmente indispensable para la sintiencia, y por qué. El camino más realista hacia estos marcadores a prueba de juego implica más investigación sobre la cognición y el comportamiento animal, para descubrir tantos casos de sintiencia independientemente evolucionados como podamos. Sólo podemos descubrir lo que es esencial para un fenómeno natural si examinamos muchos casos diferentes. Por consiguiente, la ciencia de la consciencia debe ir más allá de la investigación con monos y ratas, para estudiar pulpos, abejas, cangrejos, pez estrella e incluso el gusano nematodo.

En las últimas décadas, las iniciativas gubernamentales de apoyo a la investigación sobre cuestiones científicas concretas, como el Proyecto Genoma Humano y la Iniciativa BRAIN, han dado lugar a grandes avances en genética y neurociencia. Las intensas inversiones públicas y privadas en la investigación de la IA en los últimos años han dado lugar a las mismas tecnologías que hoy nos obligan a enfrentarnos a la cuestión de la sintiencia de la IA. Para responder a estas preguntas actuales, necesitamos un grado similar de inversión en investigación sobre la cognición y el comportamiento animal, y una renovación de los esfuerzos para formar a la próxima generación de científicos que puedan estudiar no sólo a monos y simios, sino también a abejas y gusanos. Sin una comprensión profunda de la variedad de mentes animales de este planeta, es casi seguro que no encontraremos respuestas a la cuestión de la sintiencia de la IA.

•••

Kristin Andrews

Es titular de la Cátedra York de Investigación en Mente Animal y profesora de Filosofía en la Universidad York de Toronto. Forma parte de la junta directiva de la Sociedad de Orangutanes de Borneo (Canadá) y es miembro del Colegio de la Real Sociedad de Canadá. Entre sus libros figuran La mente animal (2ª ed., 2020) y Cómo estudiar las mentes animales (2020)  

Jonathan Birch

is an associate professor in philosophy at the London School of Economics and Political Science, and principal investigator on the Foundations of Animal Sentience project. He is the author of The Philosophy of Social Evolution (2017).

Total
0
Shares
Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Related Posts