La ignorancia no sirve para pronosticar el futuro de la tecnología. ¿De qué se trata la Inteligencia Artificial General?
En conversaciones sobre la inteligencia artificial (IA), especialmente sobre la Inteligencia Artificial General (AGI, por sus siglas en inglés), surge una afirmación común: "AGI emergerá pronto porque no entendemos cómo funcionan hoy en día los Modelos de Lenguaje Grande (LLM, por sus siglas en inglés)".
Sin embargo, esta afirmación es engañosa. La ignorancia sobre el funcionamiento de los sistemas actuales de IA no implica que estos sean más inteligentes o estén cerca de convertirse en AGI.
En primera instancia debemos entender que es la AGI.
La Inteligencia Artificial General (AGI) se refiere a un tipo de inteligencia artificial que posee la capacidad de comprender, aprender y aplicar conocimientos de una manera similar a la inteligencia humana. A diferencia de los sistemas de IA actuales, que son especializados y diseñados para tareas específicas (como reconocimiento de voz, traducción de idiomas o diagnóstico médico), una AGI podría realizar cualquier tarea intelectual que un ser humano pueda realizar.
Las capacidades son:
-Adaptabilidad: una AGI podría adaptarse a nuevos problemas y entornos sin necesidad de ser reentrenada específicamente para cada nuevo desafío.
-Creatividad: generaría ideas originales y soluciones innovadoras, similar a como lo hacen los humanos.
-Comprensión Contextual: entendería el contexto y las sutilezas en diferentes situaciones, permitiendo una interacción más natural y efectiva con los humanos.
-Autonomía: una AGI tendría la capacidad de realizar tareas complejas de manera autónoma, sin supervisión humana constante.
La importancia de la AGI tiene los siguientes atributos:
-Transformación de Industrias: la AGI tiene el potencial de revolucionar múltiples industrias, desde la medicina hasta la educación, al proporcionar soluciones inteligentes y autónomas a problemas complejos.
-Resolución de Problemas Globales: contribuirá en el abordaje de desafíos globales como el cambio climático, las enfermedades pandémicas y la pobreza mediante análisis avanzados y soluciones innovadoras.
-Mejora de la Calidad de Vida: mejorará la calidad de vida mediante la automatización de tareas tediosas, la mejora de los servicios públicos y la creación de nuevas oportunidades de empleo en sectores emergentes.
La ignorancia sobre cómo funciona una IA no implica que posee más capacidades. Estos conceptos son distintos y cabe definirlos:
Ignorancia: no entender cómo funciona un sistema, ya sea un modelo de IA o un proceso biológico como la anestesia, no significa que el sistema sea intrínsecamente más avanzado o cercano a un estado superior de inteligencia. La ignorancia simplemente refleja una falta de conocimiento o comprensión por parte del observador.
Capacidad: la inteligencia o capacidad de un sistema de IA está determinada por su diseño, arquitectura y los principios subyacentes que lo rigen. Esto incluye los algoritmos, la cantidad de datos con los que se ha entrenado y las tareas específicas para las que se ha desarrollado.
Profundizando sobre la idea de que un sistema cuyo funcionamiento es desconocido, cabe explorar los esfuerzos por entender cómo funcionan los modelos más complejos.
Modelos de Lenguaje como Cajas Negras: muchos sistemas de IA actuales, incluidos los LLM, son vistos como "cajas negras" porque sus procesos de toma de decisiones no son completamente transparentes. Esto significa que, aunque podemos ver los resultados, no siempre entendemos cómo se llegó a ellos.
Esfuerzos en la Explicabilidad: existe un campo en la IA conocido como "IA Explicable" que busca hacer estos procesos más comprensibles para los humanos. Sin embargo, estos esfuerzos no necesariamente avanzan el sistema hacia la AGI; simplemente hacen que el sistema sea más transparente.
En este punto podemos recorrer la analogía de la anestesia.
En medicina, la anestesia se utiliza aunque no se comprenda completamente su mecanismo de acción. Sólo sabemos que funciona y que es segura a través de pruebas empíricas y décadas de uso.
De manera similar, los LLM se utilizan eficazmente en diversas aplicaciones a pesar de la complejidad de su funcionamiento interno. Esto no implica que estos sistemas estén evolucionando hacia la AGI, simplemente son herramientas útiles en su estado actual.
Alcanzar la AGI requeriría avances fundamentales en la investigación de IA, incluyendo nuevas arquitecturas y paradigmas de aprendizaje.
Aunque los avances en IA y las capacidades de los LLM pueden crear la percepción de que la AGI está a la vuelta de la esquina, es crucial hacer una evaluación realista y reconocer las brechas entre las capacidades actuales de la IA y los requisitos para la AGI.
La ignorancia sobre cómo funcionan los sistemas de IA actuales no significa que estemos cerca de desarrollar AGI. La inteligencia de un sistema se basa en su diseño y capacidades inherentes, no en la falta de comprensión de los observadores. Es importante distinguir entre la utilidad práctica de los modelos actuales y los avances necesarios para alcanzar una verdadera inteligencia artificial general.
Al comprender esta distinción, podemos tener expectativas más realistas sobre el futuro de la IA y centrarnos en cómo utilizar y mejorar las tecnologías actuales de manera efectiva.
Las cosas como son.
*Mookie Tenembaum aborda temas internacionales como este todas las semanas junto a Horacio Cabak en su podcast El Observador Internacional, disponible en Spotify, Apple, YouTube y todas las plataformas.
