En un acte a Atenes centrat en l’impacte de la intel·ligència artificial, Demis Hassabis, director de DeepMind i Nobel de Química, va subratllar que l’habilitat més rellevant per al futur serà aprendre a aprendre. No va parlar d’avançaments tècnics ni de xifres, sinó de la capacitat d’adaptació com a eix del desenvolupament humà en l’era digital.
Saber com saber: l’habilitat més esquiva
El que Hassabis va defensar no és nou, però en la seva boca adquireix un to d’urgència. Aprendre a aprendre no és una frase buida, sinó una competència concreta. Saber com organitzar el coneixement, com adaptar-se al que és desconegut, com mantenir la curiositat operativa en contextos canviants. És l’habilitat de fons que permet que totes les altres s’adquireixin, canviïn o evolucionin.
En essència, és el pas següent al saber enciclopèdic. Al segle XIX, el prestigi venia de saber molt. Al XX, de saber aplicar-ho. Al XXI, podria dependre de com es gestiona l’aprenentatge continu. Com un músic que no memoritza partitures sinó que afina l’oïda per tocar qualsevol melodia.
La promesa inquietant de la intel·ligència general
En aquest mateix acte a Atenes, Hassabis va tornar a posar data a una vella predicció: la intel·ligència artificial general (AGI), capaç de raonar i resoldre problemes com un humà, podria arribar en menys de deu anys. No era una conjectura. El 2020, el seu equip de DeepMind va resoldre el problema del plegament de proteïnes, una qüestió científica que portava dècades sense resposta.
Però el que s’acosta no és una màquina que contesta, sinó un sistema que aprèn. Un agent artificial capaç de transferir coneixements d’un camp a un altre, d’improvisar, d’analitzar sense instruccions detallades. I si això ocorre, la pregunta no serà només què podrà fer la màquina, sinó com es reconfigura el paper de l’humà en aquest ecosistema.
Una aula com a exemple: la que canvia de tema cada setmana
En algunes escoles experimentals dels Països Baixos, els estudiants no segueixen assignatures fixes. Cada setmana, trien un projecte nou: construir un dron, analitzar un conflicte històric, dissenyar un videojoc. Aprenen a buscar fonts, a identificar que no saben, a gestionar la frustració. No aprenen a memoritzar, sinó a navegar el que és desconegut. Aquesta forma d’ensenyament és una traducció pràctica del que Hassabis planteja com a necessitat global.
Però en la majoria dels sistemes educatius, aquest tipus de pràctica és encara marginal. Les proves estandarditzades i els temaris tancats continuen dominant. I mentrestant, la corba de canvi tecnològic continua empinant-se.
L’advertència política: repartir o trencar
El discurs no va ser només científic. En el mateix acte, el primer ministre grec, Kyriakos Mitsotakis, va introduir una preocupació diferent. Va dir que si els beneficis de la intel·ligència artificial no arriben a tothom, si no es percep una millora general en la qualitat de vida, hi haurà rebuig social. No ho deia com a amenaça, sinó com a diagnòstic. Perquè la bretxa no serà només entre els que tenen o no accés a la tecnologia, sinó entre aquells que saben adaptar-se i aquells que queden congelats en un model que ja no funciona.
Una habilitat tan antiga com els llibres, tan nova com els models
La paradoxa és que aprendre a aprendre no és una novetat. Sòcrates ja plantejava que el saber havia de partir de la pregunta, no de la resposta. Els mestres zen ensenyen amb paradoxes que obliguen a pensar fora del marc. Però en l’era de la intel·ligència artificial, aquesta habilitat passa de ser un ideal filosòfic a una urgència laboral, educativa i política.
Al Odeó, mentre el sol baixava entre columnes, Hassabis no oferia receptes. Només va assenyalar la direcció. En aquest gest —el de mirar cap endavant des del lloc on van néixer tantes preguntes— hi ha una imatge poderosa. Perquè si el coneixement torna a ser el centre de tot, la pregunta ja no serà qui sap més, sinó qui sabrà reinventar-se primer.
Obre un parèntesi en les teves rutines. Subscriu-te al nostre butlletí i posa’t al dia en tecnologia, IA i mitjans de comunicació.
