¿Qué es la AGI? La inteligencia artificial general explicada

Puntos clave

• La inteligencia artificial general, o AGI, se refiere a una IA con amplias capacidades para aprender y resolver problemas en distintos campos.
• Un chatbot impresionante no es automáticamente una AGI. No existe una definición ni una prueba universalmente aceptada para confirmarlo.
• Las herramientas de IA actuales pueden ayudar con la investigación, la escritura y las tareas especializadas, pero sus resultados siguen necesitando criterio humano.

La inteligencia artificial general (AGI) es una forma propuesta de IA que podría aprender, razonar y aplicar conocimientos en muchas tareas diferentes a un nivel ampliamente comparable al humano o superior. A diferencia de los sistemas diseñados para tareas específicas, se esperaría que la AGI se adaptara a problemas desconocidos sin necesitar una solución independiente creada expresamente para cada uno.

Cómo funciona

No existe una fórmula consensuada para crear una AGI. Es un objetivo de investigación, no una tecnología única ni una categoría de productos con especificaciones establecidas.

Por lo general, los investigadores buscan varias capacidades relacionadas:

• Aprendizaje: Adquirir habilidades útiles a partir de información, experiencia o comentarios.
• Razonamiento: Relacionar pruebas, evaluar alternativas y resolver problemas desconocidos.
• Transferencia de conocimientos: Aplicar en un contexto lo aprendido en otro.
• Planificación: Dividir un objetivo en pasos y hacer ajustes cuando cambian las circunstancias.
• Adaptabilidad: Abordar tareas y entornos nuevos, en lugar de limitarse a patrones conocidos.

Lo difícil es lograr que estas capacidades funcionen juntas de manera fiable. Un sistema podría resolver un problema matemático complejo y, aun así, tener dificultades con una tarea de planificación sencilla. Un buen rendimiento en un área no demuestra inteligencia general.

Qué papel desempeña un LLM

Un modelo de lenguaje de gran tamaño, o LLM, aprende patrones a partir de grandes cantidades de datos y los utiliza para generar lenguaje. Muchos asistentes de IA actuales combinan modelos de lenguaje con capacidades como el procesamiento de imágenes, las búsquedas, la ejecución de código o el uso de herramientas externas.

Esto puede hacer que resulten útiles para una variedad sorprendentemente amplia de actividades. Sin embargo, una utilidad amplia no equivale a una AGI demostrada.

Un LLM puede producir una explicación convincente y, al mismo tiempo, equivocarse en los hechos que la sustentan. También puede tener dificultades para mantener un plan fiable a lo largo de muchos pasos. Los investigadores discrepan sobre si aumentar la escala y mejorar estos modelos bastará para lograr la AGI o si serán necesarios enfoques adicionales.

La AGI tampoco implica automáticamente consciencia, emociones o autoconciencia. Esas son cuestiones distintas de si un sistema puede realizar tareas intelectuales de manera eficaz.

Ejemplos del mundo real

No existen ejemplos de AGI universalmente aceptados y verificados de forma independiente. Las comparaciones más útiles del mundo real son los sistemas actuales que demuestran partes de esa aspiración más amplia.

Asistencia de propósito general: ChatGPT puede ayudar con la escritura, la programación, el análisis y la investigación cotidiana. Su variedad de funciones ilustra por qué se habla de los modelos de lenguaje en relación con la AGI. Esa variedad por sí sola no demuestra una capacidad fiable de nivel humano para abordar tareas desconocidas.

IA científica especializada: AlphaFold (DeepMind) predice estructuras tridimensionales de proteínas, lo que contribuye a la investigación biológica. Muestra lo valiosa que puede ser la IA sin ser inteligencia general. El éxito en la predicción de estructuras de proteínas no implica capacidad para gestionar una empresa o aprender una profesión no relacionada.

Automatización de la investigación: Storm (Stanford) produce informes de investigación con varias secciones y un estilo similar al de Wikipedia. Esto demuestra cómo un sistema de IA puede organizar un flujo de trabajo complejo, pero un informe bien elaborado sigue necesitando comprobaciones de exactitud, pruebas y perspectivas ausentes.

Una AGI hipotética podría aprender un proceso de trabajo desconocido, interpretar documentos pertinentes, desarrollar un plan y adaptarse cuando cambien los requisitos, todo ello con pocas indicaciones específicas para la tarea. Esto ilustra el concepto; no es una afirmación sobre las capacidades de un producto existente.

Beneficios y limitaciones

La AGI podría ampliar el acceso a una asistencia de nivel experto. Si se desarrollaran de forma segura y fiable, los sistemas con capacidades amplias podrían ayudar a las personas a investigar cuestiones científicas, aprender nuevas materias y coordinar trabajos complejos.

Para las empresas, el atractivo reside en la flexibilidad: un solo sistema podría encargarse de tareas cambiantes, en lugar de requerir una solución especializada diferente para cada flujo de trabajo.

Sin embargo, estos beneficios siguen siendo posibilidades, no resultados garantizados. Entre las limitaciones y los riesgos importantes se incluyen:

• Medición poco clara: No existe una única prueba de AGI aceptada. Los exámenes y las pruebas de referencia solo reflejan partes de la inteligencia.
• Fiabilidad: Un rendimiento medio elevado puede ocultar fallos graves, especialmente en tareas desconocidas o prolongadas.
• Seguridad y control: Un sistema capaz podría perseguir un objetivo mal definido de formas perjudiciales.
• Privacidad y uso indebido: Una mayor capacidad podría amplificar las estafas, la vigilancia o el uso inapropiado de información sensible.
• Disrupción económica: Los cambios en los empleos y en el acceso a sistemas potentes podrían generar beneficios desiguales.

La inteligencia y la confiabilidad también son distintas. Incluso un sistema muy capaz necesitaría permisos adecuados, supervisión y mecanismos de rendición de cuentas.

Para los profesionales con poco tiempo, la lección práctica es sencilla: evalúe lo que un sistema de IA puede hacer de manera fiable en su flujo de trabajo, no si su publicidad lo califica de «general» o «de nivel humano».

Cómo empezar

No necesita esperar a la AGI para comprender la IA actual o beneficiarse de ella. Empiece con una pequeña tarea de investigación y observe tanto sus puntos fuertes como sus fallos.

1. Elija una pregunta de bajo riesgo. Por ejemplo: «¿Cómo distinguen los investigadores la inteligencia general de un buen rendimiento en pruebas de referencia?». Evite empezar con una decisión empresarial delicada.

1. Obtenga una visión general. Use Perplexity para encontrar explicaciones respaldadas por fuentes web enlazadas. Abra el material citado y compruebe si realmente respalda la respuesta.

1. Lea más allá de los resúmenes. Si encuentra un artículo académico pertinente, SciSpace (Typeset) puede ayudarle a entender su terminología y su contenido científico en PDF. Compare la explicación con los métodos y las conclusiones del artículo.

1. Explore el contexto de la investigación. ResearchRabbit puede ayudarle a trazar conexiones entre artículos y autores. Use esas conexiones para descubrir trabajos relacionados, no como prueba de que una afirmación es correcta.

1. Mantenga un registro sencillo de evaluación. Anote la tarea, la respuesta de la IA, lo que verificó y lo que falló. Pruebe una versión diferente del mismo problema para comprobar si el rendimiento se mantiene.

Nunca pegue información confidencial o personal en una herramienta sin revisar sus políticas de datos y las normas de su organización.

Preguntas frecuentes

¿Es la AGI lo mismo que la IA generativa?

No. La IA generativa produce contenido como texto, imágenes, audio o código. La AGI describe una capacidad intelectual amplia y adaptable. Un sistema puede generar contenido excelente sin cumplir un criterio significativo de inteligencia general.

¿Cuándo llegará la AGI?

Nadie lo sabe. Las previsiones varían mucho porque los investigadores discrepan sobre la definición, los obstáculos técnicos y cómo debe medirse el progreso. Considere las fechas de llegada anunciadas con seguridad como predicciones, no como hechos establecidos.

¿En qué se diferencia la AGI de la superinteligencia?

La AGI suele referirse a una capacidad amplia de nivel aproximadamente humano o superior, según la definición. La superinteligencia suele significar una capacidad que supera sustancialmente a la humana en la mayoría de los ámbitos intelectuales importantes. Ninguno de los dos términos implica automáticamente consciencia, y las conversaciones resultan más claras cuando se especifican las capacidades a las que se hace referencia.