Qué es la AGI y por qué nadie se pone de acuerdo

La inteligencia artificial general, o AGI, es una inteligencia artificial que podría realizar la mayoría de las tareas cognitivas que hace una persona, y no solo una tarea específica. Hoy no existe una definición aceptada por todos. OpenAI y Google DeepMind proponen formas distintas de decir qué sería la AGI, y esas diferencias importan tanto para la investigación como para quienes siguen el tema desde afuera.

La diferencia con la IA actual

La mayoría de los sistemas de IA que usamos resuelven tareas concretas. Un programa reconoce voces, otro traduce textos, otro juega ajedrez. Cada uno puede ser muy bueno en su tarea y fallar en las demás. Eso se llama IA estrecha.

La AGI, en cambio, se imagina como una inteligencia que sirve para muchas tareas diferentes sin necesidad de rediseñarla para cada una. Por eso la palabra general es central, y también por eso la definición es difícil de fijar.

La definición de OpenAI

En su Carta, OpenAI define la AGI como sistemas altamente autónomos que superan a los humanos en la mayor parte del trabajo económicamente valioso. La empresa dice que el calendario hacia la AGI es incierto, y usa esa definición para orientar su misión.

Esta definición se centra en la utilidad económica y deja fuera otras preguntas, como si el sistema comprende lo que hace.

La propuesta de Google DeepMind

En noviembre de 2023, Meredith Ringel Morris y colaboradores de Google DeepMind publicaron un marco para clasificar la AGI. Su idea es medir dos dimensiones: el rendimiento, es decir, qué tan bien hace una tarea comparado con una persona, y la generalidad, es decir, cuántas tareas puede hacer bien.

El rendimiento se organiza en niveles. Según el artículo, el nivel emergente equivale a un humano sin habilidad o algo mejor. El nivel competente supera al menos al 50 % de los adultos con esa habilidad. El experto supera al 90 %, el excepcional al 99 %, y el superhumano a todos los humanos.

Supón que un sistema es competente en escritura de textos cortos, pero solo emergente en matemáticas. Según el marco de DeepMind, su nivel general lo marca lo que logra en la mayoría de las tareas, así que contaría como emergente aunque destaque en algunas. Por eso los autores piden documentar esa mezcla de niveles en lugar de dar un sí o un no.

Qué dice el marco sobre los sistemas actuales

Según el artículo, en septiembre de 2023 los modelos de lenguaje de frontera estaban en el nivel emergente para la mayoría de las tareas. Eran competentes en algunas, como escribir ensayos breves o programar cosas sencillas, pero no en matemáticas ni en tareas que exigen exactitud factual.

El artículo también aclara que ningún sistema público había alcanzado el nivel de AGI competente en ese momento. Esa es una afirmación sobre 2023, no sobre el presente.

Por qué no hay consenso

El artículo de DeepMind revisa varias definiciones previas y propone seis principios que una buena definición debería cumplir. Uno es enfocarse en capacidades y no en procesos internos. Otro es considerar tanto la generalidad como el rendimiento.

Hay desacuerdos reales. Algunos investigadores sostienen que los modelos de lenguaje de 2023 ya eran AGI, porque podían tratar muchos temas y tareas. Los autores de DeepMind responden que la generalidad sin rendimiento confiable no basta: un sistema que escribe código pero se equivoca a menudo no es suficiente.

El artículo también recuerda que la prueba de Turing fue propuesta en 1950 para medir si una máquina puede pensar. Según DeepMind, esa prueba es insuficiente, porque a menudo mide la facilidad para engañar a una persona más que la inteligencia de la máquina. Si quieres ver ese punto con detalle, lee la guía sobre el test de Turing.

Qué no se puede afirmar

Ninguna de estas definiciones dice cuándo llegará la AGI, ni si llegará. Tampoco prueba que exista hoy. Quien dice que la AGI está a la vuelta de la esquina está haciendo una predicción, no citando un hecho.

Lo mismo vale para el dinero. Una definición vaga o una promesa de AGI cercana no es una señal de inversión. Si alguien compra acciones de una empresa solo porque anuncia la AGI, corre un riesgo: puede perder dinero si esa promesa no se cumple o si el precio ya subió por expectativas.

Más a fondo

El artículo de DeepMind también clasifica sistemas especializados. AlphaFold aparece como IA estrecha superhumana, porque supera a todas las personas en su tarea, mientras que AlphaGo y Deep Blue figuran como IA estrecha excepcional. Eso muestra que la clasificación separa muy bien la excelencia en una tarea de la generalidad.

El término AGI aparece por primera vez en un artículo de 1997 sobre tecnologías militares, de Mark Gubrud, según el propio artículo de DeepMind. Desde entonces se propusieron muchas definiciones distintas; el artículo analiza nueve de ellas.

Para el contexto histórico de estas ideas, lee la historia de la inteligencia artificial. Para ver un caso de IA estrecha muy exitosa, lee Deep Blue contra Kasparov.