CEO de DeepMind: La Consistencia, el Freno de la IA hacia la AGI
El camino hacia la Inteligencia Artificial General (AGI), un estado en el que las máquinas pueden replicar las habilidades cognitivas de nivel humano en un amplio espectro de tareas, se enfrenta a un impedimento crítico: la consistencia. Esta es la última evaluación de Demis Hassabis, CEO de Google DeepMind, quien sostiene que, a pesar de los impresionantes avances, un defecto fundamental en los modelos actuales de IA les impide lograr una verdadera AGI.
Hassabis destacó recientemente que, si bien los sistemas de IA más sofisticados de hoy pueden superar desafíos altamente complejos, como ganar competiciones de matemáticas de élite, pueden simultáneamente fallar en problemas relativamente simples de nivel escolar. Esta marcada disparidad en el rendimiento en diferentes dominios es lo que Hassabis identifica como una crucial falta de “consistencia”. Señala que un individuo puede actualmente exponer debilidades significativas o “agujeros” en chatbots avanzados de IA en cuestión de minutos, mientras que una inteligencia verdaderamente general debería ser lo suficientemente robusta como para resistir el escrutinio de expertos durante meses antes de que se descubran tales fallos.
Para Hassabis, la definición de AGI depende de la capacidad de un sistema para exhibir toda la gama de capacidades cognitivas que se encuentran en los humanos, demostrando una profunda capacidad para generalizar conocimientos y habilidades en dominios dispares. La mente humana sirve como su punto de referencia, siendo el único ejemplo conocido de inteligencia general en el universo. La IA actual, argumenta, aún carece de atributos clave como el razonamiento robusto, la planificación jerárquica y la memoria a largo plazo, que contribuyen a esta inconsistencia generalizada. Además, enfatiza la capacidad faltante de los sistemas de IA para generar de forma independiente nuevas hipótesis o conjeturas científicas, en lugar de simplemente probar las existentes.
Esta inconsistencia sugiere que la IA moderna, si bien es increíblemente poderosa en tareas específicas y bien definidas, opera más como una colección de herramientas altamente especializadas que como una inteligencia unificada y adaptable. El desafío radica en permitir que la IA transfiera conocimientos sin problemas y adapte su comprensión a través de contextos variados, de manera muy similar a como un médico humano podría aplicar el razonamiento diagnóstico para solucionar problemas de un electrodoméstico defectuoso, a pesar de carecer de formación formal en reparación de electrodomésticos. Sin esta adaptabilidad inherente y un rendimiento fiable en todos los ámbitos, los sistemas de IA seguirán limitados en su capacidad para comprender e interactuar verdaderamente con las complejidades del mundo real.
Abordar este defecto de consistencia es primordial para el próximo salto en el desarrollo de la IA. Los investigadores se esfuerzan por construir sistemas que puedan aprender de la retroalimentación continua, refinar su comprensión y evitar el “olvido catastrófico”, donde la nueva información sobrescribe el conocimiento antiguo. El objetivo es ir más allá del mero reconocimiento de patrones para lograr una comprensión causal más profunda, sentido común e intuición, capacidades que sustentan la consistencia y adaptabilidad humanas. Si bien el camino hacia la AGI está plagado de desafíos técnicos, económicos y éticos, Hassabis mantiene una perspectiva relativamente optimista, sugiriendo un 50% de posibilidades de lograr su definición de AGI en los próximos cinco a diez años. Superar el obstáculo de la consistencia será un momento decisivo, marcando el comienzo de una era en la que la IA pueda generalizar verdaderamente su inteligencia y abordar de forma fiable los problemas más complejos del mundo.