La discusión sobre Inteligencia Artificial General (AGI) ha vuelto a cobrar relevancia, especialmente con los avances recientes en IA y el interés en modelos innovadores como el Sora de OpenAI. La AGI promete equiparar la capacidad de aprender y ejecutar tareas intelectuales al nivel humano, un prospecto tanto emocionante como inquietante. Sin embargo, la pregunta que persiste es si el camino actual de la inteligencia artificial, particularmente a través del aprendizaje profundo, realmente nos está acercando a la AGI.
El aprendizaje profundo, a pesar de su éxito y popularidad en aplicaciones como ChatGPT, presenta limitaciones significativas para alcanzar la AGI. Requiere grandes conjuntos de datos y recursos computacionales costosos, y aunque es excepcional en derivar reglas estadísticas para predecir fenómenos, esta aproximación basada en la predicción choca con la incertidumbre inherente al mundo natural.
La AGI, inspirada en la capacidad humana de toma de decisiones, demanda más que la creación exhaustiva de reglas para cada fenómeno. Nosotros, como humanos, adaptamos y modificamos reglas existentes para tomar decisiones efectivas, una capacidad que el aprendizaje profundo no puede replicar actualmente. En lugar de clasificar cada objeto nuevo que encontramos basándonos en características predefinidas, utilizamos un enfoque más robusto y adaptable, aprendiendo de situaciones análogas anteriores.
La toma de decisiones bajo incertidumbre profunda (DMDU) podría ofrecer un marco conceptual más adecuado para desarrollar una razonamiento tipo AGI. Métodos como la Toma de Decisiones Robusta se centran en analizar la vulnerabilidad de decisiones alternativas en diversos escenarios futuros sin necesitar un reentrenamiento constante. Estos métodos buscan identificar decisiones que demuestren robustez, es decir, la capacidad de funcionar bien a través de futuros diversos, ofreciendo un enfoque más alineado con el razonamiento humano y adaptable a las incertidumbres del mundo real.
El desarrollo de vehículos autónomos (AV) ilustra la aplicación de este enfoque. A pesar de las inversiones significativas en aprendizaje profundo, los modelos actuales a menudo fallan ante situaciones imprevistas. Adoptar un enfoque de decisiones robustas, que evalúe en tiempo real la idoneidad de diversas decisiones en escenarios de tráfico específicos, podría mejorar el rendimiento de los AV al reducir la necesidad de reentrenamiento constante y adaptarse mejor a las incertidumbres del mundo real.
Vale, pero ¿Cuándo llegará la AGI?
Predecir cuándo se alcanzará la Inteligencia Artificial General (AGI) es un tema de considerable debate y especulación dentro de la comunidad científica y tecnológica. La AGI, definida como una inteligencia artificial capaz de aprender, entender, y aplicar conocimientos en una amplia gama de tareas al nivel de un ser humano, presenta desafíos técnicos, éticos y teóricos significativos. Personalmente no lo veo claro antes de 2050.
Los avances en aprendizaje profundohttps://wwwhatsnew.com/2023/12/24/10-ejemplos-de-redes-neuronales-profundas-con-aplicaciones-practicas/ y otras áreas de la IA han llevado a progresos impresionantes en tareas específicas, desde el reconocimiento de imágenes hasta la generación de texto y el juego de ajedrez. Sin embargo, estas aplicaciones todavía operan dentro de dominios limitados y no poseen la flexibilidad, adaptabilidad y comprensión general que caracterizarían a la AGI.
Factores que influyen en el tiempo estimado para alcanzar la AGI incluyen:
- Avances tecnológicos: La velocidad del progreso en la investigación y desarrollo de nuevas arquitecturas de IA, algoritmos y enfoques computacionales.
- Inversión y recursos: La cantidad de recursos, tanto financieros como humanos, dedicados a la investigación de IA.
- Desafíos técnicos: Superar limitaciones actuales en la comprensión de la cognición humana y la implementación de esta comprensión en sistemas de IA.
- Consideraciones éticas y de seguridad: La necesidad de asegurar que la AGI actúe de manera ética y segura, lo cual podría requerir el desarrollo de nuevos marcos reguladores y éticos.
Otros expertos también pronostican que la AGI podría ser una realidad en las próximas décadas, citando la rápida aceleración de la tecnología y la creciente inversión en el campo de la IA. Otros, sin embargo, advierten sobre el excesivo optimismo y señalan los enormes desafíos que aún quedan por superar, sugiriendo que la AGI podría estar más lejos de lo que algunos anticipan. También hay los que creen que llegará en menos de 5 años, pero no me lo creo.