La Inteligencia Artificial General (IAG) se refiere a sistemas de inteligencia artificial que tienen una inteligencia similar a la humana y pueden adaptarse a diversas tareas cognitivas. El objetivo de la IAG es crear una inteligencia artificial que se asemeje lo más posible a la humana, capaz de aprender y operar de manera autónoma.
Paul Ferguson, consultor de inteligencia artificial y fundador de Clearlead AI Consulting, menciona que la IAG podría entender, aprender y aplicar conocimientos en diferentes áreas. “La ventaja clave de la IAG sería su capacidad para transferir el aprendizaje de un área a otra, resolver problemas nuevos y mostrar creatividad y razonamiento comparable a la inteligencia humana”, explica Ferguson.
Ghazenfer Monsoor, fundador y CEO de Technology Rivers, añade que, a diferencia de la inteligencia artificial actual, que es muy buena en funciones especializadas como el reconocimiento facial o la traducción de voz, la IAG podría hacer casi cualquier cosa que se le pida. Su empresa desarrolla software de salud que utiliza IA para realizar tareas específicas, como ayudar a los médicos a diagnosticar enfermedades. “Pero [la IAG] va más allá”, dice Monsoor. “Puede proporcionar nuevos tratamientos, analizar muchos estudios y predecir problemas de salud de maneras que nunca imaginamos”.
Antes de entender la IAG, es importante comprender qué es la inteligencia, según Sertac Karaman, profesor asociado de Aeronáutica y Astronáutica en el MIT. La inteligencia es lo que nos diferencia de otras especies y tiene varias características, siendo la más importante la capacidad de razonar, encadenar pensamientos y llegar a conclusiones no evidentes desde el principio.
Karaman explica que desde los primeros días de la computación, ha habido destellos de esta “inteligencia”, pero generalmente se ha limitado a un conjunto estrecho de campos y conversaciones. “La inteligencia artificial general sería una ‘inteligencia’ que no ha evolucionado de manera natural (por lo tanto, artificial) y abarca todos los esfuerzos y conversaciones humanas (por lo tanto, general)”, aclara.
Las tareas que podemos realizar con la IA hoy en día suelen ser limitadas a tareas no autónomas. Aunque la IA actual es muy capaz, su función principal es recopilar información de enormes conjuntos de datos y presentarla de manera más natural. También puede correlacionar datos existentes con otra información clave que se le proporcione.
Sarah Hoffman, evangelista de IA en AlphaSense, explica que aunque la IA actual puede superar a los humanos en tareas específicas, carece de la versatilidad para transferir su conocimiento a tareas no relacionadas. Un ejemplo es AlphaGo de DeepMind, que en 2016 superó a campeones humanos en el juego de Go, pero no pudo jugar otros juegos, incluso más simples.
Karaman señala que la IAG, en cambio, contará con razonamiento y encadenamiento de pensamientos, lo que permitirá más autonomía. En lugar de solo presentar información, la IAG podrá realizar tareas de principio a fin, lo que marca una diferencia clave entre la IA y la IAG.
Ferguson también enfatiza la importancia de distinguir entre la verdadera IAG y el estado actual de la IA. Los sistemas de IA de hoy, incluidos los modelos de lenguaje grandes (LLMs), son sistemas sofisticados de reconocimiento de patrones entrenados con grandes cantidades de datos. “Aunque se han vuelto más flexibles y se pueden aplicar en varios contextos, todavía están lejos de exhibir una verdadera inteligencia general”, dice Ferguson.
Karaman cree que la IAG no es un destino único, sino más bien un desarrollo continuo de nuevas capacidades de razonamiento. Las tecnologías relacionadas seguirán transformando nuestras vidas y economías a un ritmo sin precedentes. Ferguson también opina que la búsqueda de sistemas de IA más generales y flexibles ya está generando beneficios comerciales significativos.
A pesar del bombo mediático y las afirmaciones de algunas grandes empresas tecnológicas sobre estar al borde de la IAG, Ferguson cree que aún estamos muy lejos de lograrla. “En mi opinión profesional, probablemente estemos a décadas de este nivel de inteligencia artificial”, dice. Aunque hemos avanzado en aplicaciones de IA estrechas, el salto hacia la inteligencia general presenta numerosos desafíos técnicos y conceptuales.
Hoffman también cree que estamos lejos de la verdadera IAG. “Aunque las herramientas generativas de hoy son impresionantes y más sofisticadas que las herramientas de IA anteriores, la brecha entre lo que nuestras IA más avanzadas pueden hacer y la inteligencia humana es vasta y seguirá siendo así en el futuro previsible”.
A pesar de esto, los avances de los sistemas de IA actuales ya están impulsando la innovación y la eficiencia en industrias como la salud y las finanzas. La IAG, sin embargo, tiene el potencial de desbloquear aún más avances en diversas industrias. Ferguson explica que el camino hacia la IAG implica superar obstáculos complejos en áreas como el razonamiento de sentido común y el aprendizaje transferido.
Él cree que el enfoque para las aplicaciones comerciales en el corto y mediano plazo debe ser pensar de manera más lógica, mejorar la confiabilidad e integrarse sin problemas en los flujos de trabajo humanos. “Aquí es donde veo que la IA tendrá el mayor impacto en los próximos años, más que en la forma de una IAG completamente realizada”, concluye Ferguson. “Por ahora, veo la IAG principalmente como un ejercicio académico y un objetivo de investigación a largo plazo, en lugar de una realidad inminente”.
