Inteligencia General Artificial: Una historia de construir capacidades con cautela

Vivimos en la era de la inteligencia artificial. El artículo original de 2023 estimaba el mercado mundial de IA en 240.000 millones de dólares estadounidenses y citaba una previsión de más de 730.000 millones para 2030, con un crecimiento anual superior al 17%. Eran estimaciones de aquella época, no ingresos futuros garantizados.

Entre todo el alboroto que rodea a la IA, un paradigma que ha capturado la atención de todos es la AGI, Inteligencia General Artificial.

¿Qué significa AGI y por qué despierta interés? Este artículo examina los conceptos, las líneas de investigación y las expectativas desde la perspectiva de 2023.

Pero antes de sumergirnos directamente en la Inteligencia General Artificial, intentemos averiguar qué implica la inteligencia general.

Definiendo los contornos de la inteligencia general

La inteligencia general implica la capacidad de alcanzar una variedad de objetivos y realizar tareas diversas cuyos contextos y entornos son diferentes. Los sistemas que son ‘generalmente inteligentes’ deben: 

• Manejar problemas y situaciones que son sustancialmente diferentes de lo que se podría anticipar
• Ser capaces de generalizar los conocimientos adquiridos y transferirlos de un contexto a otros.

Los investigadores discrepan sobre la definición precisa y la mejor forma de medir la inteligencia general. No existe una única lista de propiedades necesarias aceptada universalmente.

La investigación en AGI intenta realizar esas amplias capacidades de aprendizaje y resolución de problemas en sistemas artificiales.

La hipótesis central de la AGI

Ben Goertzel formuló una hipótesis central en su artículo de revisión «Artificial General Intelligence: Concept, State of the Art, and Future Prospects», publicado en 2014 en el Journal of Artificial General Intelligence. La expresó así:

«La creación y el estudio de inteligencia sintética con un alcance suficientemente amplio, por ejemplo de nivel humano, y una gran capacidad de generalización son fundamentalmente distintos, en términos cualitativos, de la creación y el estudio de inteligencia sintética con un alcance mucho más limitado y menor capacidad de generalización».

Según esta visión, la AGI tendría un amplio ámbito de aplicación y gran capacidad de generalización. La hipótesis es una posición de investigación, no una ley natural demostrada.

En términos divulgativos, la investigación en AGI estudia el desarrollo de capacidades cognitivas amplias, a menudo comparadas con el rendimiento humano. El aprendizaje y la transferencia del conocimiento son centrales, pero el umbral exigido varía según la definición.

Existen opiniones diversas sobre la viabilidad y los plazos de la AGI. Algunos investigadores son escépticos, mientras que otros desarrollan capacidades cada vez más amplias. No hay un consenso científico de que una inteligencia general comparable a la humana sea imposible por principio.

La AGI y el concepto de IA fuerte

En una explicación de IBM, la IA fuerte se relaciona con la inteligencia humana y la autoconciencia. Esa acepción no coincide con todas las definiciones de AGI: las definiciones operativas pueden centrarse en el rendimiento general y la generalización sin exigir conciencia. La posibilidad de experiencias subjetivas en las máquinas es un debate distinto.

Un sistema podría aprender de entradas y experiencias, pero la AGI no tiene necesariamente que comenzar como un niño ni funcionar como el cerebro humano. Los objetivos de investigación se refieren principalmente a las capacidades, no a una trayectoria de desarrollo obligatoria.

Una comparación habitual considera la diversidad de tareas y la transferencia de conocimientos a situaciones nuevas, en lugar de una única prestación especializada.

La IA especializada no está necesariamente limitada a una tarea repetitiva y puede funcionar de manera autónoma en un ámbito delimitado. Por el contrario, la AGI no supone automáticamente que desaparezcan las instrucciones o la supervisión humanas. Capacidad, autonomía y conciencia son conceptos distintos: uno no demuestra los otros.

La revisión de Goertzel distingue cuatro grandes líneas de investigación: simbólica, emergentista, híbrida y universalista. Es la clasificación de esa revisión, no una lista exhaustiva ni una arquitectura obligatoria para toda AGI.

El enfoque simbólico: Representa aspectos del mundo y del sistema mediante símbolos. Un sistema simbólico físico puede recibir, producir, almacenar y modificar símbolos, y utilizarlos para seleccionar acciones. Es un enfoque teórico, no una prueba de que la inteligencia solo pueda funcionar así.

Algunas arquitecturas cognitivas simbólicas combinan memoria de trabajo, memoria a largo plazo y control central de percepción, pensamiento y acción. No todos los enfoques simbólicos deben tener la misma organización.

El enfoque emergentista: Las capacidades superiores surgen de las interacciones entre elementos subsimbólicos de nivel inferior. Así pueden aparecer patrones y funciones complejos a partir de muchos elementos relativamente sencillos que interactúan, como en las redes neuronales.

El enfoque híbrido: Combina subsistemas simbólicos y subsimbólicos para aprovechar sus fortalezas y compensar sus limitaciones. El conjunto puede tener capacidades distintas de las de cada parte por separado.

La combinación puede ser la de un subsistema simbólico con un gran sistema subsimbólico o una población de pequeños agentes, cada uno de los cuales es tanto simbólico como subsimbólico por naturaleza.

El enfoque universalista: Parte de modelos matemáticos de inteligencia muy generales y estudia aproximaciones prácticas. Algunos modelos ideales no son computables o requieren recursos de cálculo irreales. No se trata simplemente de un algoritmo ya preparado que necesita más equipos.

Distintas organizaciones desarrollan productos de IA e investigan una inteligencia más amplia. Los productos prácticos no demuestran que la AGI se hubiera alcanzado en 2023. OpenAI es una organización conocida con ese objetivo de investigación.

Empresas líderes que trabajan en AGI

1. OpenAI

OpenAI, conocida por ChatGPT, describió en una entrada de blog del 24 de febrero de 2023 la ambición de que la AGI beneficie a toda la humanidad. Se refería a sistemas de IA generalmente más inteligentes que las personas. Era una declaración de misión, no el anuncio de una AGI ya realizada.

OpenAI escribió que sería más prudente con el desarrollo y el despliegue a medida que sus sistemas se acercaran a la AGI. InstructGPT y ChatGPT se citaron como pasos hacia sistemas más fáciles de orientar, no como AGI ya lograda.

¿Qué es ChatGPT?

OpenAI lanzó ChatGPT el 30 de noviembre de 2022 como sistema conversacional basado en modelos de lenguaje. Responde a preguntas y ayuda a escribir correos, ensayos y código informático. Las respuestas semejantes a las humanas no prueban comprensión humana ni fiabilidad: pueden contener errores.

Haga clic aquí para la lista de las cinco mejores extensiones de ChatGPT.

¿Qué es InstructGPT?

InstructGPT es el nombre de modelos que OpenAI entrenó para seguir mejor las instrucciones mediante demostraciones y valoraciones humanas. Designa un desarrollo específico de los modelos de lenguaje, no un término general para toda IA avanzada ni una prueba independiente de AGI.

OpenAI y ChatGPT en cifras históricas

El 12 de octubre de 2023, The Information informó de un ritmo de ingresos de OpenAI equivalente a 1.300 millones de dólares estadounidenses anualizados, más de 100 millones al mes y alrededor de un 30% por encima del ritmo del verano. Por separado, OpenAI anunció en noviembre de 2023 unos 100 millones de usuarios activos semanales de ChatGPT. Un ritmo anualizado no es lo mismo que los ingresos efectivamente obtenidos en un ejercicio completo.

La crisis de gobierno de OpenAI en noviembre de 2023

El consejo de entonces destituyó al director ejecutivo Sam Altman el 17 de noviembre de 2023, afirmando que no había sido siempre franco en sus comunicaciones. Esa fue la justificación del consejo, no una conclusión establecida de manera independiente. El acuerdo de principio para su regreso se anunció el 21 de noviembre en Estados Unidos, el 22 según UTC. El 29 de noviembre, OpenAI confirmó su retorno y un nuevo consejo provisional.

Según las noticias de entonces, una gran mayoría de empleados amenazó con marcharse si Altman no regresaba; esto no significa que todos hubieran firmado la carta. El cofundador y entonces científico jefe Ilya Sutskever expresó en X su arrepentimiento: «Lamento profundamente mi participación en las acciones del consejo. Nunca pretendí perjudicar a OpenAI. Amo todo lo que hemos construido juntos y haré todo lo que pueda para reunir a la empresa».

El regreso de Altman cerró la crisis inmediata de liderazgo, pero no resolvió automáticamente todas las cuestiones de gobierno y supervisión. El nuevo consejo anunció también una revisión independiente y mejoras de gobernanza.

Aunque OpenAI recibió mucha atención en AGI, otras organizaciones también llevaban años trabajando en ese ámbito. DeepMind se fundó en 2010.

2. DeepMind

DeepMind se fundó en 2010 y fue adquirida por Google en 2014. En abril de 2023 se unió a Google Brain como Google DeepMind. Investiga sistemas de resolución de problemas más generales para impulsar la ciencia y las aplicaciones útiles para la sociedad.

El principio operativo de DeepMind siempre ha sido avanzar la ciencia para beneficiar a la humanidad. Como tal, quiere aprovechar la inteligencia artificial para servir a las necesidades y expectativas sociales.

En la investigación con Moorfields, un modelo proporcionó recomendaciones de derivación comparables a las de especialistas a partir de las imágenes oculares estudiadas. Eso no demostró el diagnóstico autónomo de todas las enfermedades oculares ni la sustitución de médicos. En 2018, un sistema de control autónomo informó de un ahorro energético de alrededor del 30% en la refrigeración de centros de datos, no en su consumo total. AlphaFold predijo estructuras tridimensionales de proteínas y apoyó la investigación biológica y farmacéutica sin resolver todos los problemas de función proteica o desarrollo de medicamentos.

El artículo original citaba registros de financiación de una base de datos sobre una ronda de 50 millones de dólares estadounidenses comunicada el 1 de febrero de 2011 con Founders Fund y Horizons Ventures. Un registro limitado no demuestra que fuera la única financiación anterior a la adquisición; no era un historial financiero completo y auditado.

3. Adept

Adept anunció en marzo de 2023 una ronda serie B de 350 millones de dólares estadounidenses liderada por General Catalyst y Spark Capital. La empresa tenía entonces alrededor de un año y desarrollaba IA capaz de utilizar programas informáticos. El artículo mencionaba unos 25 empleados y una demostración inicial de un asistente digital.

Adept estudiaba cómo utilizan las personas los programas para convertir instrucciones textuales en acciones informáticas. El artículo indicaba una valoración posterior a la financiación de unos 1.000 millones de dólares estadounidenses. La valoración de entonces no es actual ni demuestra que la AGI se hubiera logrado.

El cofundador David Luan comparó la ambición con un sintetizador: un músico puede usar los sonidos de distintos instrumentos sin aprender a tocar cada uno. Adept quería hacer más accesibles los programas de forma semejante mediante un único sistema de IA.

AGI: El camino por delante

Las personas tienen diferentes opiniones sobre el potencial de la AGI. Algunos creen que la AGI podría tener consecuencias peligrosas para la humanidad, mientras que otros creen que la AGI no podrá lograr lo que pensamos que podría.

Diego Klabjan, profesor de la Universidad Northwestern y fundador de su programa de maestría en analítica, expresó la postura escéptica citada en el artículo original:

«El cerebro humano tiene miles de millones de neuronas conectadas de una manera fascinante y compleja, mientras que las tecnologías más avanzadas actuales consisten en conexiones simples que siguen patrones muy elementales. Pasar de unos pocos millones a miles de millones de neuronas con el hardware y el software actuales, no lo veo suceder».

Una encuesta de 2016 realizada por investigadores vinculados a Oxford, Yale y AI Impacts recibió 352 respuestas de especialistas en aprendizaje automático. Los resultados se publicaron como prepublicación en 2017. Eran estimaciones subjetivas de probabilidad agregadas, no plazos garantizados ni un «número medio de encuestados». Algunas proyecciones de entonces fueron:

• Hacia 2026: escribir ensayos escolares al nivel definido por la encuesta.
• Hacia 2027: conducir camiones al nivel especificado; esto no significa hacer innecesarios a todos los conductores.
• Hacia 2031: realizar las tareas minoristas descritas, no necesariamente sustituir todo el sector.
• Hacia 2049: escribir un superventas; Stephen King era una comparación figurada, no una predicción sobre un autor concreto.
• Posibilidad de automatización completa de todas las profesiones: unos 122 años después de 2016, es decir, hacia 2138, con una probabilidad agregada del 50%. Eso no significa que todos los empleos vayan a desaparecer efectivamente entonces.

Es demasiado pronto para predecir a dónde nos llevará eventualmente la IA. Pero, como todas las tecnologías, puede usarse para bien o para mal.

En su entrada de febrero de 2023, Sam Altman defendió una revisión rigurosa del desarrollo de AGI y consultas públicas para las decisiones importantes. Sobre los posibles riesgos escribió:

«El mundo podría ser muy diferente del actual y los riesgos podrían ser extraordinarios. Una AGI superinteligente desalineada con los objetivos humanos podría causar graves daños al mundo; un régimen autoritario con una ventaja decisiva en superinteligencia también podría hacerlo».

Organizaciones como DeepMind investigan si una IA más general puede apoyar descubrimientos científicos. Eso todavía no las convierte en proveedoras de AGI demostrada. Los efectos futuros sobre investigación, ingeniería y seguridad son inciertos y dependen de capacidades, usos y decisiones humanas sobre gobierno y supervisión.

Haga clic aquí para aprender todo sobre la inversión en inteligencia artificial.