Destacados de AGI-22 sobre el progreso en el desarrollo de la Inteligencia Artificial General

Recientemente asistí a la 15ª conferencia anual sobre Inteligencia Artificial General (AGI-22) que se llevó a cabo en Seattle este agosto, con el fin de familiarizarme con los nuevos desarrollos que podrían llevar a la creación eventual de una Inteligencia Artificial General (AGI).

Una AGI es un tipo de inteligencia artificial avanzada que puede generalizar en múltiples dominios y no es estrecha en su alcance. Ejemplos de inteligencia artificial estrecha incluyen un vehículo autónomo, un chatbot, un bot de ajedrez o cualquier otro AI diseñado para un solo propósito. Una AGI, en comparación, sería capaz de alternar flexiblemente entre cualquiera de los anteriores o cualquier otro campo de expertise. Consiste en un tipo especulativo de AI que aprovecharía algoritmos nascentes como aprendizaje de transferencia y aprendizaje evolutivo, mientras también explota algoritmos legados como aprendizaje de refuerzo profundo.

Durante la sesión de apertura, Ben Goertzel, investigador de AI, , CEO y fundador de SingularityNET, y líder de la Fundación OpenCog habló sobre el estado de la industria. Parecía entusiasmado con la dirección futura de la AGI, afirmando que “estamos años alejados, no décadas”. Esto situaría el lanzamiento eventual de una AGI alrededor de 2029, el mismo año en que Ray Kurzweil, uno de los inventores, pensadores y futuristas más destacados del mundo, predijo famosamente la emergencia de un AI que alcanza la inteligencia humana.

La teoría es que una vez que se alcance este tipo de inteligencia, el AI se auto-mejoraría continuamente para superar rápidamente la inteligencia humana en lo que se conoce como superinteligencia.

Otro ponente, Charles J. Simon, fundador y CEO de Future AI, afirmó en una sesión separada: “La emergencia de la AGI será gradual” y “La AGI es inevitable y llegará antes de lo que la mayoría de la gente piensa, podría ser en unos pocos años”.

A pesar de este sentimiento optimista, hay obstáculos significativos en el camino. Ben Goertzel también reconoció que para lograr la AGI, “necesitamos una infusión de nuevas ideas, no solo escalar redes neuronales”. Esta es una opinión que ha sido compartida por Gary Marcus, conocido por afirmar que “el aprendizaje profundo ha llegado a un límite”.

Algunos de los desafíos clave para crear una AGI incluyen encontrar un sistema de recompensas que pueda escalar la inteligencia de manera informada. La paradoja de Moravec refleja el problema actual con la creación de una AGI con nuestra tecnología actual. Esta paradoja establece que las adaptaciones que son intuitivas para un niño de un año, como aprender a caminar y simular la realidad, son mucho más difíciles de programar en un AI que lo que los humanos percibimos como difícil.

Para los humanos, es lo contrario, dominar el ajedrez o ejecutar fórmulas matemáticas complejas puede requerir una vida para dominar, sin embargo, estas son dos tareas razonablemente fáciles para los AIs estrechos.

Una de las soluciones a esta paradoja puede ser el aprendizaje evolutivo, también conocido como algoritmos evolutivos. Esto permite básicamente a un AI buscar soluciones complejas imitando el proceso de evolución biológica.

En una sesión de preguntas y respuestas separada, Ben Goertzel afirmó que “la AGI no es inevitable, pero es muy probable”. Esta es la misma conclusión a la que he llegado, pero la línea entre inevitabilidad y probabilidad se difumina.

Durante la conferencia, se presentaron muchos artículos, uno de los artículos notables que se discutió fue Polynomial Functors: A General Theory of Interaction de David Spivak del Instituto Topos en Berkeley, CA, y Nelson Niu de la Universidad de Washington, en Seattle, WA. Este artículo discute una categoría matemática llamada Poly que puede influir en la dirección futura de la IA en cuanto a relaciones íntimas con procesos dinámicos, toma de decisiones y almacenamiento y transformación de datos. Queda por ver cómo esto influirá en la investigación de la AGI, pero podría ser uno de los componentes que faltan que podrían llevarnos a la AGI.

Por supuesto, hubo otros artículos que fueron más especulativos, como el Versatility-Efficiency Index (VEI): Towards a Comprehensive Definition of IQ for AGI Agents de Mohammadreza Alidoust. La idea es construir una forma alternativa de medir el nivel de inteligencia de los sistemas inteligentes, una especie de test de inteligencia para medir a los agentes de AGI de manera computacional.

Dos empresas notables que podrían hacer avances en esta tecnología subyacente son OpenAI y DeepMind, ambas de las cuales fueron notablemente ausentes. Puede ser por miedo a que la AGI no sea tomada en serio por la comunidad de IA, pero son las dos empresas que más probablemente harán el primer avance en este campo. Esto es especialmente cierto desde que la misión declarada de OpenAI es realizar investigaciones fundamentales y a largo plazo hacia la creación de una AGI segura.

Aunque no hubo avances revolucionarios importantes que revelar en la conferencia, está claro que la AGI está ocupando a muchos investigadores y es algo a lo que la comunidad de IA debería prestar más atención. Después de todo, una AGI podría ser la solución para resolver las múltiples amenazas existenciales de la humanidad.