AGI: ¿Llegamos finalmente a la Inteligencia Artificial General?

Y ahora una pregunta mucho más grande aparece:

¿Llegamos finalmente a la Inteligencia Artificial General?

Para Jensen Huang, CEO de NVIDIA y una de las personas más influyentes de la revolución tecnológica actual, la respuesta parece ser afirmativa.

Huang resumió su posición en una frase extraordinariamente sencilla para describir algo potencialmente gigantesco:

“AGI has arrived”.

La AGI llegó.

Más de uno de nosotros que seguimos diariamente los avances leímos su post en X (ex Twitter), levantamos las cejas, abrimos la boca.

Ahora bien, ¿qué significa realmente?

¿Qué es una AGI?

AGI son las siglas en inglés de Artificial General Intelligence, o Inteligencia Artificial General.

La diferencia fundamental está justamente en esa última palabra: general.

Durante décadas desarrollamos inteligencias artificiales extraordinariamente buenas para realizar tareas específicas. Un sistema podía reconocer caras, otro recomendar películas, otro detectar determinadas enfermedades en una imagen y otro jugar al ajedrez mejor que prácticamente cualquier ser humano.

Pero esas capacidades no necesariamente podían trasladarse de un ámbito hacia otro.

Un programa capaz de derrotar al campeón mundial de ajedrez no podía simplemente decidir que mañana quería aprender economía.

La inteligencia humana funciona de manera diferente.

Una persona puede aprender matemática, después cocinar, conducir un automóvil, estudiar historia, resolver un problema laboral y utilizar conocimientos anteriores para enfrentarse a situaciones que nunca había experimentado.

La AGI intenta acercarse justamente a esa generalidad.

No sería simplemente una inteligencia artificial extraordinariamente especializada sino que sería un sistema capaz de aprender, “razonar”, adaptarse y resolver una enorme variedad de problemas intelectuales.

Al menos, esa es la teoría porque acá aparece el primer gran problema: no existe una definición universalmente aceptada de AGI.

Jensen Huang ya nos había advertido

En 2024, Huang había realizado una predicción que en aquel momento parecía bastante audaz.

Si definíamos AGI como una inteligencia artificial capaz de superar prácticamente cualquier conjunto de pruebas diseñadas para humanos (exámenes jurídicos, matemáticos, médicos, de razonamiento o comprensión) Huang estimaba que podríamos alcanzarla aproximadamente en cinco años.

Su razonamiento tenía una aclaración fundamental: todo dependía de cómo definiéramos AGI.

Dos años después, su discurso avanzó un paso más.

Ya no habla solamente de una posibilidad futura.

Estamos hablando de una frontera que se considera alcanzada.

Y más allá de que estemos de acuerdo o no, el cambio refleja algo que resulta difícil discutir: la velocidad de evolución de esta tecnología está superando muchas de las previsiones que hacíamos hace apenas unos años. Evoluciona demasiado rápido.

¿Cómo llegamos hasta acá?

ChatGPT no apareció mágicamente de un día para otro.

La revolución actual es el resultado de décadas de investigación en inteligencia artificial, aprendizaje automático, redes neuronales, enormes cantidades de datos y, fundamentalmente, capacidad de procesamiento.

Durante mucho tiempo desarrollamos sistemas capaces de reconocer patrones. Les mostrábamos millones de ejemplos para que aprendieran relaciones y pudieran identificar aquello que estábamos buscando.

Una fotografía entraba al sistema y la máquina podía identificar un gato. Una transacción ingresaba y el algoritmo calculaba la posibilidad de fraude. Una persona miraba una película y el sistema intentaba predecir cuál podría querer ver después.

Era inteligencia artificial, pero fundamentalmente predictiva.

Entonces llegó uno de los grandes saltos: la máquina dejó de limitarse a reconocer patrones y comenzó a crear, en principio, a pedido.

Textos. Imágenes. Audio. Video. Código.

Entramos definitivamente en la era de la Inteligencia Artificial Generativa: una IA que podía hacer “de todo”.

De generar a razonar

Generar contenido no era suficiente. El siguiente gran desafío fue conseguir que los modelos pudieran enfrentarse a problemas más complejos: dividirlos, analizar alternativas, utilizar herramientas, revisar resultados y, si era necesario, corregir sus propios errores.

Para hacerlo, comenzaron a dedicar mayor capacidad de procesamiento antes de responder. La inteligencia artificial empezó a desarrollar capacidades de razonamiento cada vez más sofisticadas y afines a lo que realmente le solicitamos.

Y entonces ocurrió otro cambio fundamental: pasamos del chatbot al agente.

La diferencia parece pequeña cuando la escribimos aunque en realidad es gigantesca.

Un chatbot responde pero un agente actúa.

Recuerden este concepto: inteligencia agéntica.

Una IA que puede recibir un objetivo, dividirlo en diferentes tareas, buscar información, utilizar programas, ejecutar código, navegar por Internet y completar procesos de múltiples pasos.

Durante décadas nosotros tuvimos que aprender el lenguaje de las computadoras para decirles exactamente qué hacer.

Ahora estamos construyendo computadoras capaces de interpretar nuestras intenciones y descubrir cómo ejecutar una tarea.

Cuando la IA comienza a utilizar la computadora

Pensemos por un segundo qué significa esto.

Hasta hace relativamente poco una inteligencia artificial no podía explicarnos cómo modificar una planilla. Nosotros teníamos que abrir el programa y hacerlo por nuestra cuenta.

Después, la IA comenzó a generar las fórmulas.

Ahora puede avanzar hacia algo diferente: utilizar directamente las herramientas necesarias para completar el trabajo.

Lo mismo puede ocurrir con una investigación, un desarrollo de software, el análisis de cientos de documentos o diferentes procesos empresariales. Actúa para resolver usando todo el potencial de sus capacidades.

El cambio conceptual es enorme.

Estamos pasando de utilizar la IA como una especie de oráculo virtual al que hacemos preguntas, hacia sistemas capaces de convertirse en colaboradores virtuales.

Y esa transición nos acerca mucho más al concepto histórico de inteligencia general.

Una IA que ayuda a desarrollar IA

Quizás el punto más interesante esté ocurriendo detrás de las aplicaciones que utilizamos todos los días.

La inteligencia artificial ya comienza a utilizarse para acelerar la propia investigación en inteligencia artificial. Es decir usamos IA para crear y mejorar la IA. Esto abre una posibilidad fascinante y, desde muchos puntos de vista, preocupante.

Hasta ahora el proceso era relativamente sencillo siendo que los humanos desarrollábamos mejores sistemas de IA.

Ahora podemos comenzar a ingresar en otro ciclo, síganme en este círculo, ¿virtuoso?

• Los humanos desarrollan IA.

• La IA ayuda a los humanos a investigar.

• Esa investigación permite construir mejores IA.

• Las nuevas IA aceleran todavía más la investigación.

• Y nuevamente comienza el ciclo.

No significa necesariamente que una inteligencia artificial esté desarrollándose completamente sola pero sí significa que podemos utilizarla para acelerar el proceso que permite construir su próxima generación. Y cada vez es más rápido.

El combustible de esta revolución

Hay algo que solemos olvidar cuando hablamos de inteligencia artificial: La nube no es realmente una nube.

Son edificios, servidores, chips, cables, sistemas de refrigeración, centros de datos y enormes cantidades de electricidad.

Detrás de todo esto existe una infraestructura física gigantesca que hace posible el funcionamiento de estos sistemas.

Y ahí aparece NVIDIA.

Las GPU que durante años asociábamos principalmente con videojuegos terminaron convirtiéndose en una de las piezas fundamentales de la revolución actual.

Los mismos principios de procesamiento paralelo que permitían generar gráficos complejos (para los videojuegos y diseños multimedia) resultaron extraordinariamente útiles para entrenar y ejecutar redes neuronales.

Por eso NVIDIA pasó de ser reconocida principalmente como una compañía de placas gráficas a convertirse en una de las empresas centrales de la economía de la inteligencia artificial.

Ahí es donde las palabras de Jensen Huang tienen semejante impacto. Y todos prestamos atención.

¿Realmente llegamos a la AGI?

Acá tenemos que poner un enorme asterisco.

No lo sabemos.

Y probablemente sea la respuesta más responsable.

Jensen Huang, sentado probablemente en la torre más alta de la infraestructura tecnológica, puede afirmar que la AGI ya llegó.

Otros referentes tecnológicos pueden considerar que estamos atravesando esa frontera pero todavía existe una discusión fundamental dentro de la industria y la comunidad científica:

¿Qué condiciones debe cumplir una inteligencia artificial para que podamos considerarla realmente “general”?

Porque superar exámenes humanos no necesariamente significa pensar como un humano. Ni razonar como uno.

Resolver problemas nuevos tampoco implica consciencia y saber utilizar una computadora no convierte automáticamente a una máquina en una mente.

Acá considero que tenemos que separar conceptos que muchas veces mezclamos:

Inteligencia no significa consciencia.

Autonomía no significa voluntad.

El razonamiento no necesariamente significa comprensión humana.

Una máquina podría alcanzar capacidades intelectuales extraordinarias sin experimentar el mundo como nosotros.

Pequeña pregunta: ¿Queremos que lo experimente como nosotros?

Probablemente una de las grandes discusiones de los próximos años pase justamente por entender esa diferencia.

Quizás estamos haciendo la pregunta equivocada ya que existe otra posibilidad.

Quizás determinar exactamente el día en que alcanzamos la AGI termine siendo menos importante de lo que imaginamos.

Porque mientras discutimos cómo llamar a esta tecnología, sus capacidades no dejan de crecer.

Ya hace un par de años le pedíamos que terminara una oración y después le pedimos que escribiera un post para Instagram. Luego que programara. Y más tarde, que razonara.

Ahora comenzamos a pedirle que investigue, utilice herramientas, ejecute tareas y participe de procesos cada vez más complejos. Y no parece haber un límite claro a esa expansión. Podemos discutir durante años si eso merece llamarse AGI.

La transformación económica y social probablemente no espere nuestra definición, quizá tampoco haga falta definirla.

¿A un comercio, pyme, profesional, emprendedor, docente, le importa realmente? ¿O es que necesita entender lo más rápido posible para luego aplicarlo a la práctica? Yo creo que va por esto ultimo.

¿Y nosotros?

Esta es, desde mi punto de vista, la discusión verdaderamente importante.

Cada salto tecnológico de la historia modificó aquello que considerábamos una capacidad exclusivamente humana. Las calculadoras transformaron nuestra relación con el cálculo y las computadoras transformaron nuestra relación con la información.

Internet transformó nuestra relación con el conocimiento y hoy la inteligencia artificial está comenzando a transformar nuestra relación con algo todavía más profundo: nuestra propia capacidad intelectual.

Me animo hoy a decir que quizá llegó para acelerar nuestro propio proceso evolutivo y esto no significa que el ser humano deje de ser necesario, o al menos eso es lo que esperamos.

Y es que al final del día esto que está pasando con la IA podría significar que probablemente tengamos que volver a preguntarnos dónde está nuestro verdadero valor.

Si una máquina puede escribir, programar, investigar, diseñar y resolver problemas cada vez más complejos, nuestra ventaja no puede depender solamente de ejecutar esas tareas.

Tal vez esté en decidir qué problemas vale la pena sentarnos a intentar resolver en comprender contextos, asumir responsabilidades, construir relaciones, imaginar objetivos.

Y, como escribí hace ya algún tiempo, en saber hacer las preguntas adecuadas.

Cuanto mejores sean las respuestas de las máquinas, más importante será nuestra capacidad para decidir qué queremos hacer con ellas.

Lleguemos hoy, mañana o dentro de algunos años a esa frontera que decidimos (o decida otro) llamar AGI, una cosa parece bastante clara y es que la inteligencia artificial ya no está aprendiendo solamente a responder nuestras preguntas, está aprendiendo a trabajar sobre nuestros problemas.

Esa diferencia puede cambiarlo absolutamente todo.