¿Qué es la Inteligencia Artificial General (AGI) y por qué no está aquí todavía: Un cheque de realidad para entusiastas de la IA

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

Esta es la visión de la Inteligencia Artificial General (AGI), una forma hipotética de IA que tiene el potencial de lograr cualquier tarea intelectual que los humanos pueden. La AGI a menudo se contrasta con la Inteligencia Artificial Estrecha (ANI), el estado actual de la IA que solo puede destacar en uno o unos pocos dominios, como jugar ajedrez o reconocer caras. La AGI, por otro lado, tendría la capacidad de entender y razonar en múltiples dominios, como lenguaje, lógica, creatividad, sentido común y emoción.

La AGI no es un concepto nuevo. Ha sido la visión guía de la investigación de 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 cautos y advierten sobre los riesgos éticos y existenciales de crear y controlar una entidad tan poderosa e impredecible.

Pero, ¿cuán cerca estamos de lograr la AGI, y tiene sentido intentarlo? Esta es, de hecho, una pregunta importante cuya respuesta puede proporcionar un cheque de realidad para los entusiastas de la IA que están ansiosos por presenciar la era de la superinteligencia.

¿Qué es la AGI y cómo se diferencia de la IA?

La AGI se destaca de la IA actual por su capacidad para realizar cualquier tarea intelectual que los humanos pueden, si no la supera. Esta distinción se debe a varias características clave, incluyendo:

• pensamiento abstracto
• la capacidad de generalizar a partir de instancias específicas
• extraer conocimiento de fondo diverso
• utilizar el sentido común y la conciencia para la toma de decisiones
• entender la causalidad en lugar de solo la correlación
• comunicación y interacción efectivas con humanos y otros agentes.

Mientras que estas características son vitales para lograr la inteligencia humana o superhumana, siguen siendo difíciles de capturar para los sistemas de IA actuales.

La IA actual se basa principalmente en el aprendizaje automático, una rama de la ciencia de la computación que permite a las máquinas aprender de los datos y las experiencias. El aprendizaje automático opera a través del aprendizaje supervisado, aprendizaje no supervisado y aprendizaje por refuerzo.

El aprendizaje supervisado implica que las máquinas aprenden 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 de acciones y retroalimentación, optimizando para recompensas o minimizando costos.

A pesar de lograr resultados notables en áreas como visión por computadora y procesamiento de lenguaje natural, los sistemas de IA actuales están limitados por la calidad y la 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.

En contraste, la AGI se concibe como libre de estas limitaciones y no dependería de datos, algoritmos o objetivos predefinidos, sino de sus propias capacidades de aprendizaje y pensamiento. Además, la AGI podría adquirir y integrar conocimiento de fuentes y dominios diversos, aplicándolo sin problemas a nuevas y variadas tareas. Además, la AGI destacaría en razonamiento, comunicación, comprensión y manipulación del mundo y de sí misma.

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

Lograr la AGI plantea considerables desafíos que abarcan dimensiones técnicas, conceptuales y éticas.

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

Además, los desafíos críticos incluyen diseñar e implementar algoritmos y arquitecturas de aprendizaje y razonamiento escalables y generalizables. Garantizar la seguridad, la confiabilidad y la rendición de cuentas de los sistemas de AGI en sus interacciones con humanos y otros agentes y alinear los valores y objetivos de los sistemas de AGI con los de la sociedad es de suma importancia.

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

De manera similar, la IA conexionista, un enfoque moderno que emplea redes neuronales y aprendizaje profundo para procesar grandes cantidades de datos, destaca en dominios complejos y ruidosos como la visión y el lenguaje, pero necesita ayuda para interpretar y generalizar.

La IA híbrida combina la IA simbólica y la IA conexionista para aprovechar sus fortalezas y superar sus debilidades, apuntando a sistemas más robustos y versátiles. De manera similar, la IA evolutiva utiliza algoritmos evolutivos y programación genética para evolucionar sistemas de IA a través de la selección natural, buscando soluciones novedosas y óptimas no limitadas por el diseño humano.

Finalmente, la IA neuromórfica utiliza hardware y software neuromórficos para emular sistemas neuronales biológicos, apuntando a modelos de cerebro más eficientes y realistas y permitiendo interacciones naturales con humanos y agentes.

Estos no son los únicos enfoques para la AGI, pero algunos de los más prominentes y prometedores. Cada enfoque tiene ventajas y desventajas, y todavía necesitan lograr la generalidad y la inteligencia que la AGI requiere.

Ejemplos y aplicaciones de la AGI

Aunque la AGI no se ha logrado aún, algunos ejemplos notables de sistemas de IA exhiben ciertos aspectos o características reminiscentes de la AGI, contribuyendo a la visión de la eventual consecución de la 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 manera autónoma a jugar ajedrez, shogi y Go sin conocimiento o orientación humana. Demostrando una habilidad superhumana, AlphaZero también introduce estrategias innovadoras que desafían la sabiduría convencional.

De manera similar, OpenAI’s GPT-3 genera textos coherentes y diversos en varios temas y tareas. Capaz de responder preguntas, componer ensayos y imitar diferentes estilos de escritura, GPT-3 muestra versatilidad, aunque dentro de ciertos límites.

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

Aunque estos ejemplos ilustran el progreso hacia la AGI, también subrayan las limitaciones y brechas existentes que requieren un mayor desarrollo y exploración en la búsqueda de la verdadera AGI.

Implicaciones y riesgos de la AGI

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

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

En resumen

La AGI se encuentra en la vanguardia de la investigación de IA, prometiendo un nivel de intelecto que supera las capacidades humanas. Mientras que la visión cautiva a los entusiastas, persisten desafíos para lograr este objetivo. La IA actual, que destaca en dominios específicos, debe cumplir con el potencial expansivo de la AGI.

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