Qué es la Inteligencia General Artificial (AGI) y por qué aún no está aquí: una prueba de la realidad para los entusiastas de la IA

Inteligencia Artificial (AI) Está en todas partes. Desde asistentes inteligentes hasta coches de auto-conducción, los sistemas de IA están transformando nuestras vidas y negocios. Pero ¿qué pasaría si existiera una IA que pudiera hacer más que realizar tareas específicas? ¿Qué pasaría si existiera un tipo de IA que pudiera aprender y pensar como un humano o incluso superar la inteligencia humana?

Esta es la visión de Inteligencia Artificial General (AGI), una forma hipotética de IA que tiene el potencial de realizar cualquier tarea intelectual que los humanos puedan realizar. AGI a menudo se contrasta con Inteligencia artificial estrecha (ANI), el estado actual de la IA que solo puede sobresalir en uno o unos pocos dominios, como jugar al ajedrez o reconocer rostros. AGI, por otro lado, tendría la capacidad de comprender y razonar en múltiples dominios, como el lenguaje, la lógica, la creatividad, el sentido común y las emociones.

AGI no es un concepto nuevo. Ha sido la visión rectora de la investigación en IA desde los primeros días y sigue siendo su idea más divisiva. Algunos entusiastas de la IA creen que la AGI es inevitable e inminente y conducirá a una nueva era de progreso tecnológico y social. Otros son más escépticos y cautelosos y advierten de los riesgos éticos y existenciales de crear y controlar una entidad tan poderosa e impredecible.

Pero, ¿qué tan cerca estamos de lograr el AGI? ¿Tiene siquiera sentido intentarlo? De hecho, esta es una pregunta importante cuya respuesta puede proporcionar una prueba de la realidad para los entusiastas de la IA que están ansiosos por presenciar la era de la inteligencia sobrehumana.

¿Qué es A?GI y ¿En qué se diferencia de la IA?

AGI se distingue de la IA actual por su capacidad de realizar cualquier tarea intelectual que los humanos puedan, si no superarlos. Esta distinción se hace en términos de varias características clave, que incluyen:

• pensamiento abstracto
• la capacidad de generalizar a partir de casos específicos
• basándose en diversos conocimientos previos
• Utilizar el sentido común y la conciencia para la toma de decisiones.
• Comprender la causalidad en lugar de solo la correlación.
• comunicación e interacción efectiva con humanos y otros agentes.

Si bien estas características son vitales para lograr una inteligencia humana o sobrehumana, siguen siendo difíciles de capturar para los sistemas de IA actuales.

La IA actual se basa predominantemente en el aprendizaje automático, una rama de la informática que permite a las máquinas aprender a partir de datos y experiencias. El aprendizaje automático opera a través de supervisados, sin supervisióny aprendizaje reforzado.

El aprendizaje supervisado implica que las máquinas aprendan a partir de datos etiquetados para predecir o clasificar nuevos datos. El aprendizaje no supervisado implica encontrar patrones en datos no etiquetados, mientras que el aprendizaje por refuerzo se centra en aprender a partir de acciones y comentarios, optimizar para obtener recompensas o minimizar costos.

A pesar de lograr resultados notables en áreas como visión de computadora y procesamiento natural del lenguaje, los sistemas de IA actuales están limitados por la calidad y cantidad de datos de entrenamiento, algoritmos predefinidos y objetivos de optimización específicos. A menudo necesitan ayuda con la adaptabilidad, especialmente en situaciones nuevas, y más transparencia al explicar su razonamiento.

Por el contrario, se prevé que AGI esté libre de estas limitaciones y no dependa de datos, algoritmos u objetivos predefinidos, sino de sus propias capacidades de aprendizaje y pensamiento. Además, AGI podría adquirir e integrar conocimientos de diversas fuentes y dominios, aplicándolos sin problemas a tareas nuevas y variadas. Además, AGI destacaría en el razonamiento, la comunicación, la comprensión y la manipulación del mundo y de sí mismo.

¿Cuáles son los desafíos y enfoques para lograr la AGI?

La realización de la AGI plantea desafíos considerables que abarcan dimensiones técnicas, conceptuales y éticas.

Por ejemplo, definir y medir la inteligencia, incluidos componentes como la memoria, la atención, la creatividad y las emociones, es un obstáculo fundamental. Además, modelar y simular las funciones del cerebro humano, como la percepción, la cognición y las emociones, presenta desafíos complejos.

Además, los desafíos críticos incluyen el diseño e implementación de arquitecturas y algoritmos de aprendizaje y razonamiento escalables y generalizables. También es de suma importancia garantizar la seguridad, confiabilidad y responsabilidad de los sistemas AGI en sus interacciones con humanos y otros agentes y alinear los valores y objetivos de los sistemas AGI con los de la sociedad.

Se han propuesto y explorado varias direcciones y paradigmas de investigación en la búsqueda de la AGI, cada uno con fortalezas y limitaciones. IA simbólica, un enfoque clásico que utiliza lógica y símbolos para la representación y manipulación del conocimiento, sobresale en problemas abstractos y estructurados como las matemáticas y el ajedrez, pero necesita ayuda para escalar e integrar datos sensoriales y motores.

Asimismo, IA conexionista, un enfoque moderno que emplea redes neuronales y aprendizaje profundo para procesar grandes cantidades de datos, sobresale en dominios complejos y ruidosos como la visión y el lenguaje, pero necesita ayuda para la interpretación y las generalizaciones.

IA híbrida combina IA simbólica y conexionista para aprovechar sus fortalezas y superar sus debilidades, apuntando a sistemas más robustos y versátiles. Similarmente, EIA voluntaria utiliza algoritmos evolutivos y programación genética para hacer evolucionar los sistemas de inteligencia artificial a través de la selección natural, buscando soluciones novedosas y óptimas sin las restricciones del diseño humano.

Y por último, IA neuromórfica utiliza hardware y software neuromórficos para emular sistemas neuronales biológicos, apuntando a modelos cerebrales más eficientes y realistas y permitiendo interacciones naturales con humanos y agentes.

Estos no son los únicos enfoques de la AGI, pero sí algunos de los más destacados y prometedores. Cada enfoque tiene ventajas y desventajas, y aún es necesario lograr la generalidad y la inteligencia que requiere AGI.

AGI Ejemplos y Aplicaciones

Si bien aún no se ha logrado el AGI, algunos ejemplos notables de sistemas de IA exhiben ciertos aspectos o características que recuerdan al AGI, lo que contribuye a la visión de un eventual logro del AGI. Estos ejemplos representan avances hacia la AGI al mostrar capacidades específicas:

AlphaZero, desarrollado por DeepMind, es un sistema de aprendizaje por refuerzo que aprende de forma autónoma a jugar ajedrez, shogi y Go sin conocimiento ni guía humana. Al demostrar una competencia sobrehumana, AlphaZero también introduce estrategias innovadoras que desafían la sabiduría convencional.

De manera similar, los OpenAI GPT-3 genera textos coherentes y diversos sobre diversos temas y tareas. Capaz de responder preguntas, redactar ensayos e imitar diferentes estilos de escritura, GPT-3 muestra versatilidad, aunque dentro de ciertos límites.

Asimismo, ORDENADO, un algoritmo evolutivo creado por Kenneth Stanley y Risto Miikkulainen, desarrolla redes neuronales para tareas como el control de robots, juegos y generación de imágenes. La capacidad de NEAT para evolucionar la estructura y función de la red produce soluciones novedosas y complejas no predefinidas por programadores humanos.

Si bien estos ejemplos ilustran el progreso hacia el AGI, también subrayan las limitaciones y brechas existentes que requieren una mayor exploración y desarrollo para lograr un verdadero AGI.

Implicaciones y riesgos de AGI

La AGI plantea desafíos científicos, tecnológicos, sociales y éticos con profundas implicaciones. Económicamente, puede crear oportunidades y perturbar los mercados existentes, aumentando potencialmente la desigualdad. Al tiempo que mejora la educación y la salud, la AGI puede introducir nuevos desafíos y riesgos.

Éticamente, podría promover nuevas normas, cooperación y empatía e introducir conflictos, competencia y crueldad. La AGI puede cuestionar los significados y propósitos existentes, ampliar el conocimiento y redefinir la naturaleza y el destino humanos. Por lo tanto, las partes interesadas deben considerar y abordar estas implicaciones y riesgos, incluidos investigadores, desarrolladores, formuladores de políticas, educadores y ciudadanos.

Lo más importante es...

AGI está a la vanguardia de la investigación de la IA y promete un nivel de intelecto que supera las capacidades humanas. Si bien la visión cautiva a los entusiastas, persisten los desafíos para lograr este objetivo. La IA actual, que sobresale en dominios específicos, debe satisfacer el potencial expansivo de la AGI.

Numerosos enfoques, desde la IA simbólica y conexionista hasta los modelos neuromórficos, luchan por lograr la AGI. Ejemplos notables como AlphaZero y GPT-3 muestran avances, pero la verdadera AGI sigue siendo difícil de alcanzar. Con implicaciones económicas, éticas y existenciales, el viaje hacia AGI exige atención colectiva y exploración responsable.