La xerrada sobre el coneixement

—

Aquesta xerrada la va pronunciar Aravind Srinivas el 3 d’octubre de 2026 a la Cambridge Union Society. La Cambridge Union Society és la societat d’estudiants més gran de la Universitat de Cambridge i la societat de debat en funcionament continu més antiga del món.

—

Hola, i gràcies. És un honor ser aquí.

Una de les coses que no esperava en fundar una empresa és tot el temps que passo a les universitats. M’agrada. Per a un CEO, les universitats solen ser l’únic públic que replica. Així que reservarem més temps per al debat que no pas el que tinc previst dedicar a parlar.

Comencem.

Normalment, quan em conviden a parlar en algun lloc, em demanen que faci una xerrada predictiva amb un títol genèric com «el futur de la IA.» No parlaré del futur de la IA. En canvi, parlaré del vostre futur. El vostre futur m’interessa més, i probablement també us interessa més a vosaltres.

Primer, una mica sobre el passat. Cambridge és el lloc perfecte per parlar del passat i, alhora, del vostre futur, perquè té totes dues coses.

Segons es diu, el que ara anomenem sistema de revisió per parells es va inventar aquí, a Cambridge. La veritat exacta és que només va ser un professor de Cambridge, i el va proposar a la Royal Society de Londres, no aquí a la universitat. Va ser el 1831. Avui dia, cada any es publiquen més de 3,5 milions d’articles científics sota el sistema de revisió per parells.

Uns 160 anys més tard, dos doctorands de Stanford treballaven en estructures de xarxa i mineria de dades. Era quan el boom d’internet dels anys noranta tot just començava. Tothom només parlava del World Wide Web. Una mica com passa avui amb la «IA».

També com avui, la majoria de la gent que parlava del boom eren inversors i mitjans de comunicació. La «comunitat tecnològica» d’aleshores era el sector de les telecomunicacions. No hi havia gaires acadèmics en el debat. (N’hi havia alguns, però no gaires.) I aquests dos doctorands no eren precisament gent de dins del boom d’internet.

Però sabien una cosa que a la gent de fora del sistema universitari no li importava gaire.

Com la majoria d’acadèmics, entenien el propòsit de la universitat. El propòsit de la universitat és fer avançar el coneixement.

Per això fem servir la revisió per parells. També és per això que els textos acadèmics tenen tantes cites. I aquests dos estudiants sabien que la quantitat de coneixement del món (aproximada pel nombre d’articles amb qualitat de revisió per parells) només creix. Així doncs, els va ser fàcil veure que el web també creixeria sempre amb el coneixement humà.

També tenien experiència amb un problema antic que era «nou» per al web: com trobar el coneixement adequat, o el millor coneixement, si no para d’expandir-se. En el model antic, els acadèmics jutgen si la recerca d’algú és útil o creïble en funció del nombre de vegades que s’ha citat.

Així que se’ls va acudir crear un algorisme que avalués cada lloc web d’internet en funció de quants altres llocs web el citaven, o hi enllaçaven, en relació amb el contingut d’aquests llocs.

Van anomenar el sistema «Page Rank» perquè classificaven totes les pàgines del web i perquè un d’aquests doctorands es deia Larry Page.

Larry i el seu soci (Sergey Brin) van agafar aquest petit principi acadèmic i el van posar a l’abast de tothom. Google es va convertir en una de les eines més útils de la història, i en un dels negocis amb més èxit, perquè Larry Page simplement va adaptar el que les universitats ja feien des de feia cent anys.

Com he dit, el propòsit de la universitat és fer avançar el coneixement. En aquesta xerrada us explicaré tres coses sobre el coneixement. Espero que, pensant en la nostra pròpia intel·ligència, arribem a entendre millor i de manera més pràctica la intel·ligència artificial.

1.

Primer, el coneixement té vida. Neix, es degrada i mor.

Té un cicle de vida. I com que té un cicle de vida, el coneixement experimenta una evolució.

A mesura que evoluciona el que sabem, tots ens tornem més intel·ligents. És el que s’anomena efecte Flynn. L’efecte Flynn és l’observació que la humanitat s’ha tornat més intel·ligent a un ritme d’uns 3 punts de QI per dècada.

Les proves de QI es tornen a normalitzar constantment perquè la mitjana es mantingui en 100, així que una forma senzilla d’entendre l’efecte Flynn és en percentils. El 1950, algú del percentil 92 d’intel·ligència avui només seria al percentil 50. Tots ens hem tornat més intel·ligents.

El 1950 també és l’any en què es va inventar el test de Turing. Va ser la primera prova per determinar si una màquina és més intel·ligent que les persones, o quan ho és. Això vol dir que el 1950 superar el test de Turing era molt més fàcil per a una màquina. Perquè el llistó de la intel·ligència «humana» era més baix.

I aquest és el poder de l’evolució. El coneixement sempre porta a més coneixement.

L’inconvenient és que el món es pot tornar més intel·ligent, però vosaltres, com a individus, us podeu tornar menys intel·ligents. El coneixement es degrada. Penseu-ho com una semivida. La semivida d’un element radioactiu és el temps que triga a desintegrar-se’n la meitat. La semivida del coneixement és el temps que triga a quedar-ne obsoleta la meitat.

Aquí teniu alguns exemples, d’aquí mateix, de Cambridge.

El 1978, Sir Roy Calne va ajudar a introduir la ciclosporina en els trasplantaments. Això va ser important per prevenir el rebuig d’òrgans. Els primers assajos clínics es van fer a Cambridge. El 2001, un altre fàrmac, el tacrolimus, s’havia convertit en el tractament predominant de la seva classe en els trasplantaments de ronyó als Estats Units. Així doncs, es podria dir que el coneixement mèdic del tractament amb ciclosporina va tenir una semivida de 23 anys.

És una mesura imperfecta, però és un model útil per avaluar enginyers en camps que evolucionen ràpidament. Ho fem al sector tecnològic. La implicació és: «en quin moment de la carrera d’aquest enginyer queda totalment obsolet la meitat del que sap?»

En quin moment de la vostra carrera us passarà a vosaltres? La resposta depèn de quant temps dediqueu a aprendre coses noves.

Tristament, en casos excepcionals el coneixement també mor. Hi ha llengües que ja no tenen parlants. Hi ha saviesa que mor amb una persona gran.

Per això, durant més de 4.000 anys, els humans hem construït biblioteques. I quan va arribar el web, hi vam abocar infinitament més del que sabem. Així doncs, el coneixement mor, però no té per què. Potser com a aspecte innat de la condició humana, les persones s’han sentit impulsades a preservar el coneixement. El desem constantment i fem créixer el coneixement total del món. Això és bo.

Cal aclarir una cosa: el coneixement és com un ésser viu, però no és viu. Només vosaltres sou vius. Simplement crec que esteu més vius quan apreneu alguna cosa nova.

Per cert, per això existeix Perplexity. Però no he vingut a parlar de Perplexity. He vingut a parlar de vosaltres i de l’economia del coneixement. Cosa que em porta al segon punt.

2.

Segon, el coneixement no és diners. Però es comporta com els diners.

Els diners tenen un valor temporal. L’interès els fa créixer i la inflació els fa encongir. Amb prou temps, tant l’interès com la inflació s’acumulen de manera composta.

Quan cent mil lliures tinguin el poder adquisitiu de quaranta mil (probablement d’aquí a uns 23 anys), necessitareu 250.000 £ per quedar-vos igual. I 23 anys després, en necessitaríeu 625.000 £.

Quan hi ha un efecte compost, els guanys o les pèrdues creixen exponencialment amb el temps.

Per això el principi financer més bàsic és que sempre heu d’obtenir un interès compost a un ritme superior a la inflació. Perquè si no creixeu, us encongiu. Amb el coneixement passa el mateix.

Igual que el valor d’una lliura, el valor del que sabeu avui es depreciarà amb el temps. I, igual que la depreciació normal, ho farà només una mica cada dia. Serà tan poc que gairebé no us n’adonareu. Fins que un dia us llevareu i no tindreu res. El vostre coneixement ja no tindrà el mateix valor de mercat. Això és inevitable. Recordeu que el teorema de Pitàgores abans era una cosa que només les elits podien conèixer. Però tots els que sou aquí el vau aprendre a primer d’ESO.

Tots ens tornem més intel·ligents, per sempre. Com he dit, aquest és tot el propòsit de la universitat. Amb sort, algun dia, d’aquí a molt de temps, el que heu estudiat aquí a Cambridge pot ser el temari de primer d’ESO.

Això és bo si passa. Vol dir progrés. Però també vol dir que els vostres objectius econòmics us exigeixen no deixar mai d’aprendre. Heu d’aprendre amb un tipus d’interès superior a la taxa d’inflació del coneixement.

Dit d’una altra manera, heu de duplicar el que sabeu a un ritme superior a la vostra pròpia semivida del coneixement. Això requereix temps. Però quan mireu el món a través de la lent de l’interès compost, l’heu de mirar amb un futur llarg per davant.

Per això el millor truc per fer créixer la riquesa amb interès compost és començar jove, i la segona millor manera és morir vell. Warren Buffet va començar a invertir als 11 anys, però el 99 % de la seva riquesa es va acumular després dels 65.

Cosa que apunta a l’última semblança entre el coneixement i els diners. L’heu de gastar.

Quan teniu capital, l’invertiu perquè treballi. Quan teniu coneixement, sobretot coneixement excepcional, l’heu de posar a treballar. Feu-ne alguna cosa. Aquesta és la diferència entre invenció i innovació. La invenció pregunta: «has fet alguna cosa?». La innovació pregunta: «Ha marcat la diferència?»

I si voleu marcar la diferència, heu de passar a l’acció amb el coneixement. Només l’acció desencadena noves preguntes, recerca i nou coneixement. Sempre heu d’estar aprenent i sempre heu d’estar fent.

Aquí és on entra la intel·ligència artificial, i això em porta al tercer i últim punt.

3.

El propòsit de la IA és accelerar el coneixement i la prosperitat humans.

Penseu en aquestes dues primeres coses que he dit aquest vespre. He dit que el coneixement té un caràcter gairebé viu, i que l’hauríem de nodrir i fer avançar, perquè, en general, les persones en surten beneficiades. Després he dit que el coneixement té un caràcter econòmic. Que l’hauríem de cultivar perquè, en termes generals, totes les persones en surten beneficiades.

Si creieu aquestes dues coses, també heu de pensar en la IA d’una manera una mica diferent.

En lloc d’obsessionar-vos a assolir la IAG o a fer que la tecnologia sigui intel·ligent per si mateixa, arribaríeu a la conclusió que la raó per construir una IA millor i més precisa és servir les persones.

Arribaríeu a la conclusió que el propòsit més elevat i més important de la IA és fer que les persones siguin més intel·ligents i més pròsperes.

Si això s’assembla molt al propòsit de la universitat, doncs aquí som.

Penseu de nou en la revisió per parells. Es va inventar el 1831. Aquest any, Perplexity ha llançat un producte molt senzill anomenat Model Council, basat en una idea plantejada per un dels investigadors fundadors d’OpenAI. Feu la mateixa pregunta a tres models d’IA. Cadascun investiga i respon, i després un model «president» avalua en què difereixen i en què coincideixen, i raona una resposta final.

Model Council no substitueix la revisió per parells. El seu propòsit, en canvi, és acostar l’esperit de la indagació acadèmica a més persones. Podem estendre l’ethos d’una universitat més enllà d’aquests murs, i arreu del món.

Podríem ajudar més persones a tenir raó de debò, i no només a sentir que en tenen o a semblar que en tenen. A cercar científicament la veritat i el coneixement. L’arc de l’univers tendeix a fer que tothom tingui més accés a més coneixement. És bo que la gent tingui coneixement. I són les persones les que en surten beneficiades.

Acabaré amb una breu història sobre la meva empresa.

Quan vam començar, només érem tres investigadors d’IA, amb més preguntes que visió. Després, quan vam incorporar una quarta persona, vam decidir que era hora de contractar una assegurança mèdica. L’assegurança mèdica als Estats Units és complicada fins i tot per als nord-americans. Jo no soc dels Estats Units, així que per a mi encara era més confús.

Els resultats de Google no em van servir de res. I el que fa normalment un fundador en aquest cas és trucar a algú que ja ho hagi fet abans. Com un inversor, o un altre fundador. Però era tard a la nit. Volia enllestir-ho, així que vaig haver de trobar el coneixement pel meu compte.

El problema és que fer la recerca un mateix vol dir buscar a Google entre llocs d’assegurances optimitzats per a SEO, plens de mals consells, que competeixen per semblar els més creïbles.

Va ser llavors quan vaig crear la primera versió de Perplexity.

Va fer la recerca per mi. I vaig fer que cités les fonts de les respostes. Així podia verificar-les i continuar fent més preguntes. I després vaig contractar la nostra assegurança mèdica. Resolt. I cap al problema següent. I al següent, i al següent. I aquí som avui.

La lliçó d’aquella història és que ja no cal «conèixer algú». Simplement podeu aprendre coses i fer-les. Ja us he dit que la promesa de la IA és que podeu accedir a qualsevol coneixement. La lliçó d’aquesta història és que qualsevol persona pot accedir a qualsevol coneixement.

Aquesta és la promesa definitiva de la IA. Ara tothom pot ser curiós. Tothom pot construir qualsevol cosa. Ara tothom pot entrar al temple del coneixement. Això beneficia tothom.

I això és una bona notícia per a vosaltres. Vol dir que el més important que podeu fer, durant la resta de la vostra vida, és ser curiosos. Els qui tindran més èxit entre vosaltres seran els qui tinguin més preguntes. I les millors preguntes.

Així doncs, el meu consell és que sigueu tan curiosos com pugueu. No us conformeu a passar l’estona mirant xarxes socials al mòbil. No us conformeu amb un agent d’IA que només reserva taula per sopar: feu-hi feina de debò. I no us cregueu mai un xatbot que us diu que ja teniu raó.

Creieu en l’esperit de la indagació. Creieu en el que podeu aprendre amb la IA. Creieu en el que creareu quan ho feu. I, per a tots nosaltres, feu que sigui bo.

Gràcies.