El dataísmo es una cosmovisión filosófica y cultural que asigna un valor supremo a los flujos de datos y al procesamiento de la información. Sostiene que el universo consiste fundamentalmente en datos, y que todas las entidades - desde organismos biológicos hasta instituciones sociales y sistemas informáticos - pueden entenderse como algoritmos que procesan información. En esta visión, el propósito principal de cualquier entidad es contribuir a la optimización del procesamiento de datos, y el bien supremo es el flujo libre y eficiente de datos. El dataísmo ha sido descrito tanto como un sucesor del humanismo como una base potencial para una nueva era de gobernanza y ética.
El término ganó amplia atención después de que el historiador Yuval Noah Harari lo discutiera en sus libros "Homo Deus" (2017) y "21 lecciones para el siglo XXI" (2018). Harari argumentó que, a medida que avanzan la inteligencia artificial y el aprendizaje automático, podría surgir una nueva tecnorreligión, donde el flujo libre de información reemplace las nociones tradicionales de libre albedrío humano y autonomía individual. El cofundador de Google DeepMind, Demis Hassabis, y el CEO de OpenAI, Sam Altman, han hecho eco de temas relacionados, enfatizando la necesidad de alinear los poderosos modelos de lenguaje grandes con los valores humanos. El concepto se basa en ideas cibernéticas anteriores de mediados del siglo XX, incluido el trabajo de Norbert Wiener sobre bucles de retroalimentación y el auge de las redes neuronales en la década de 1980.
Principios fundamentales
El principio central del dataísmo es que el flujo de datos es la medida última del valor. En este marco, los procesos biológicos de un organismo, como la replicación del ADN, se consideran algoritmos de copia de información. Los sistemas sociales, incluidos los mercados y los gobiernos, se interpretan como redes distribuidas de procesamiento de datos. La filosofía argumenta que cuando dos sistemas compiten, el que procesa datos de manera más eficiente prevalecerá en última instancia. Esta perspectiva darwiniana se extiende a las sociedades humanas, donde el progreso tecnológico se ve no como una elección, sino como un impulso inevitable hacia una mayor complejidad informacional.
Otro principio clave es el rechazo del antropocentrismo. El dataísmo no otorga a los humanos una supremacía inherente; en cambio, sugiere que si los algoritmos superan a los humanos en la toma de decisiones, la autoridad debería cambiar en consecuencia. Esto desafía las tradiciones humanistas que sitúan la experiencia y la elección humanas en el centro de la preocupación moral. Defensores como David Kaplan y Joshua Tenenbaum han argumentado que entender la inteligencia como procesamiento de información legitima la idea de que las entidades no biológicas podrían lograr o superar la cognición a nivel humano.
Raíces históricas
Los orígenes intelectuales del dataísmo se remontan a las décadas de 1940 y 1950, con el surgimiento de la cibernética y la teoría de la información. Los investigadores de Xerox PARC en la década de 1970 desarrollaron interfaces gráficas tempranas y conceptos de redes que enfatizaban el intercambio de información. Los avances de la Universidad de Toronto en aprendizaje profundo en la década de 2000, liderados por Geoffrey Hinton y Samy Bengio, proporcionaron evidencia práctica de que patrones de datos complejos podían aprenderse mediante transformadores y otras arquitecturas. El término en sí fue popularizado en un ensayo de 2017 del teórico de medios Vincent Mosco, aunque las obras de Harari lo llevaron a audiencias mainstream.
La cultura de Silicon Valley en la década de 2010, particularmente en Amazon Web Services y Alibaba Cloud, abrazó un fervor cuasi religioso en torno al big data. Empresas como IBM y Fujitsu comercializaron la transformación impulsada por datos como una panacea. Este período también vio el auge de la aumento de datos como práctica estándar, reforzando la creencia de que más datos conducen invariablemente a mejores resultados.
Relación con la tecnología
El dataísmo está estrechamente vinculado a los avances en aprendizaje automático, particularmente el aprendizaje profundo y la IA generativa. La serie GPT de OpenAI y los modelos Claude de Anthropic demuestran cómo el procesamiento de datos a gran escala puede generar generación de texto similar al humano. Estos sistemas dependen de la atención de múltiples cabezas y la codificación posicional para manejar información secuencial, como se introdujo en el artículo de 2017 "Attention Is All You Need" de Jakob Uszkoreit, Lukasz Kaiser y otros en Google Brain.
Proveedores de infraestructura como NVIDIA, AWS Trainium y Groq han construido hardware especializado para acelerar el procesamiento de datos, reforzando la noción de que la información es una materia prima que debe explotarse. La fabricación avanzada de chips de TSMC permite que estos sistemas escalen, mientras que ARM Holdings diseña procesadores eficientes para dispositivos periféricos. La filosofía también influye en los debates políticos: los defensores argumentan que restringir los flujos de datos obstaculiza la innovación, mientras que los críticos advierten sobre la vigilancia y la pérdida de privacidad.
Críticas y debates
Los críticos del dataísmo, incluidos la filósofa Melanie Mitchell y el científico cognitivo Brendan Lake, argumentan que simplifica en exceso fenómenos complejos. Sostienen que la conciencia humana implica experiencia subjetiva que no es reducible al procesamiento de datos. Alexei Efros ha señalado que el aprendizaje basado en correlaciones a menudo no captura el razonamiento causal, una limitación en las redes neuronales actuales.
Otros se centran en las implicaciones éticas. Filippo Menczer ha investigado cómo los algoritmos impulsados por datos pueden amplificar la desinformación, desafiando la suposición de que más datos conllevan inherentemente verdad. La técnica de RLHF (aprendizaje por refuerzo con retroalimentación humana) utilizada por OpenAI y Anthropic intenta inyectar valores humanos en los sistemas, pero los críticos dicen que esto es un parche en un proceso inherentemente cargado de valores. Algunos académicos proponen modelos alternativos, como el aprendizaje curricular o la poda de modelos, para hacer los sistemas más interpretables, pero estos siguen siendo nicho.
Perspectivas futuras
A partir de 2025, el dataísmo sigue siendo un concepto disputado más que una doctrina establecida. La proliferación de modelos de lenguaje grandes de empresas como Academia Damiao de Alibaba y AI21 Labs ha acelerado su expresión práctica, pero no se ha formado ningún movimiento unificado. Algunos tecnólogos, incluido Brad Lightcap de OpenAI, ven un futuro donde la colaboración humano-máquina se convierta en la norma, fusionando el procesamiento de información biológica y digital. Otros, como Ani Bhattacharya, advierten contra tratar los datos como un solvente universal.
Instituciones educativas, incluidas MIT CSAIL y Stanford AI Lab, están incorporando enfoques centrados en datos en sus planes de estudio, adoctrinando a una nueva generación con supuestos dataístas. Mientras tanto, movimientos de base como la iniciativa Panel Abierto abogan por los derechos de datos y la transparencia. Ya sea que el dataísmo evolucione hacia una filosofía formal o permanezca como una metáfora del optimismo tecnológico, captura una tensión definitoria de la era contemporánea: la primacía creciente de la información sobre los valores tradicionales centrados en el ser humano.