Con la inteligencia artificial general (AGI, por sus siglas en inglés), las máquinas de Inteligencia artificial serán capaces de aprender por sí mismas, extrayendo conocimiento de la información y la experiencia, y aplicándolo a nuevas situaciones de forma independiente.
Esta capacidad de aprender y aplicar el conocimiento de manera versátil es lo que diferencia a la AGI de la inteligencia artificial (AI, por sus siglas en inglés) que se popularizó en el último tiempo.
En lugar de enfocarse en tareas específicas, la AGI busca crear máquinas capaces de realizar cualquier tarea intelectual que un humano pueda hacer.
El desarrollo de la AGI aún se encuentra en sus primeras etapas, pero tiene el potencial de revolucionar diversos sectores: desde la medicina y la ingeniería hasta la educación y el entretenimiento.
A diferencia de la AI generativa, que requiere ser entrenada para cada tarea individual, la AGI se basa en el aprendizaje autónomo.
La inteligencia artificial general no solo podrá realizar tareas específicas, sino también adaptarse a nuevos desafíos, razonar sobre diferentes contextos y tomar decisiones estratégicas.
Definición y alcance de la inteligencia artificial general (AGI)
Por ahora, AGI es una representación teórica de una inteligencia artificial completa que resolverá tareas complejas con capacidades cognitivas humanas generalizadas.
Sin embargo, su alcance es potencialmente ilimitado: Los avances en áreas como el aprendizaje automático, la robótica y la neurociencia sugieren que podría ser una realidad en el futuro.
En este contexto, sectores como la medicina, la ciencia, la ingeniería, economía y transporte, por citar algunos, sufrirían una transformación más radical de la que podemos imaginar.
Historia y evolución de la inteligencia artificial
Uno de los primeros pioneros de la AI fue John McCarthy, quien acuñó el término “inteligencia artificial” en 1956 y organizó la Conferencia de Dartmouth, que se considera el lugar de nacimiento de la AI .
En la década de 1960, con el desarrollo de sistemas basados en reglas que podían razonar sobre información simbólica, se produjo uno de los avances más importantes de la inteligencia artificial.
Estos sistemas se utilizaron en una variedad de aplicaciones, desde sistemas expertos en medicina y finanzas hasta procesamiento de lenguaje natural.
Desde entonces los modelos de AI han progresado de forma rápida.
En la década del 1980, con la aparición de las redes neuronales, que se basa en la estructura del cerebro humano para su aprendizaje, estos sistemas ganaron en eficiencia.
En la década de 1990 se aceleró su evolución, con el surgimiento de los algoritmos estadísticos para hacer predicciones basadas en datos.
Este enfoque se utiliza ampliamente en aplicaciones como el filtrado de correo electrónico y los sistemas de recomendación.
En los últimos años, el aprendizaje profundo (un tipo de red neuronal que utiliza múltiples capas para aprender representaciones de datos cada vez más complejas) se ha convertido en el enfoque dominante de la AI, que generó avances en áreas como la visión artificial, el procesamiento del lenguaje natural y la robótica.
Principios fundamentales de la inteligencia artificial general (AGI)
La AI es un campo amplio y complejo que abarca diversas técnicas y enfoques para lograr que las máquinas simulen comportamientos inteligentes.
Si bien no existe una definición única y universalmente aceptada de la AI, algunos de sus principios de la AGI pueden resumirse en estos siete puntos:
Conocimiento
La AI se basa en la capacidad de representar el conocimiento del mundo real en forma simbólica o numérica dentro de un sistema informático.
Esto permite que las máquinas razonen, aprendan y tomen decisiones sobre la base de información y datos.
Razonamiento
La AI implica la capacidad de inferir nueva información a partir de conocimiento pre-existente.
Esto se logra mediante técnicas de lógica, probabilidad y estadísticas, que le permiten a las máquinas llegar a resultados, en forma de conclusiones, resolución de problemas y tomar decisiones.
Aprendizaje
Un aspecto fundamental de la AI es la capacidad de “aprender” de la experiencia y mejorar su rendimiento con el tiempo.
Las máquinas pueden aprender de forma supervisada, donde se les proporcionan ejemplos con la respuesta correcta, o de forma no supervisada, donde identifican patrones en los datos por sí mismas.
Percepción
La AI busca dotar a las máquinas de la capacidad de percibir el mundo a través de sensores, como cámaras y micrófonos.
Esto permite que las máquinas procesen información visual, auditiva y de otro tipo, y la utilicen para navegar, interactuar con el entorno y realizar tareas.
Planificación y control
La AI permite a las máquinas generar planes de acción para lograr objetivos específicos.
Esto implica la capacidad de modelar el mundo, predecir las consecuencias de las acciones y seleccionar el mejor curso de acción en cada situación.
Robótica
La AI se integra con la robótica para crear máquinas capaces de realizar acciones físicas en el mundo real.
Los robots controlados por AI pueden manipular objetos, navegar por entornos complejos y realizar tareas que requieren destreza y precisión.
Lenguaje natural
La AI busca que las máquinas comprendan, procesen y generen lenguaje humano.
Esto permite la interacción natural entre humanos y máquinas, a través de asistentes virtuales, sistemas de traducción automática y otras aplicaciones.
Enfoques y modelos de la inteligencia artificial general (AGI)
A medida que la tecnología evoluciona, surgen distintos enfoques y modelos, algunos con resultados interesantes.
Si bien por el momento no está comprobado que exista un enfoque único que garantice el éxito para el desarrollo de la AGI, cada uno aporta lo suyo en la búsqueda de una inteligencia artificial general.
Enfoque simbólico
Uno de ellos es el enfoque simbólico, que se basa en la representación del conocimiento mediante símbolos y reglas.
Los sistemas de AI simbólica manipulan estos símbolos siguiendo reglas predefinidas para razonar y resolver problemas.
Algunos modelos bajo esta premisa, se basan en el conocimiento de expertos humanos para realizar tareas específicas, como diagnosticar enfermedades o asesorar sobre inversiones.
Aprendizaje automático
Tal vez, el más popular sea el enfoque basado en el aprendizaje automático a partir del uso de algoritmos para aprender de los datos.
La particularidad en este caso es que los sistemas de AI basados en el aprendizaje automático no requieren programación explícita, sino que pueden aprender a partir de ejemplos o experiencias.
Enfoque neuronal
Distinto es el caso del enfoque neuronal, que se inspira en el funcionamiento del cerebro humano.
Los sistemas de AI neuronales, también conocidos como redes neuronales artificiales, están compuestos de neuronas artificiales interconectadas.
Enfoque híbrido
Por último, el enfoque híbrido combina elementos de dos o más de los enfoques anteriores.
Por ejemplo, un sistema de AI podría utilizar el aprendizaje automático para aprender de los datos y el razonamiento simbólico para interpretar los resultados del aprendizaje automático.
Algoritmos y técnicas clave en la inteligencia artificial general (AGI)
Un algoritmo es un conjunto de instrucciones diseñadas para organizar elementos en un conjunto de datos en un orden específico.
Dicho esto, los algoritmos de inteligencia artificial suelen basarse en reglas y se construyen mediante un procesamiento interactivo para reconocer patrones y hacer predicciones.
La evolución de tecnologías como la nube y el big data han contribuido a que la inteligencia artificial sea más rápida, barata y accesible.
De la combinación de algoritmos y prácticas, surgen algunos conceptos con los que los usuarios están cada vez más familiarizados:
Aprendizaje automático
Es el que permite a los sistemas aprender de los datos sin ser programados explícitamente.
Los algoritmos de aprendizaje automático se utilizan en una amplia gama de aplicaciones de AGI, como el reconocimiento de imágenes, el procesamiento del lenguaje natural.
También pueden aprender a tomar decisiones óptimas en entornos complejos, como en juegos o en áreas como la gestión financiera.
Redes neuronales artificiales (RNA)
Son sistemas informáticos inspirados en el funcionamiento del cerebro humano.
Las redes neuronales están compuestas de neuronas artificiales interconectadas que procesan información y aprenden de los datos.
Son particularmente efectivas para tareas que impliquen patrones complejos, como el reconocimiento de imágenes y el procesamiento del lenguaje natural.
Razonamiento simbólico
Este enfoque de la IA se basa en la representación del conocimiento mediante símbolos y reglas.
Los sistemas de razonamiento simbólico pueden manipular estos símbolos para razonar y resolver problemas. Es complementario al aprendizaje automático.
Planificación y búsqueda
Se utilizan en una amplia gama de aplicaciones, incluyendo la robótica, la logística y la gestión de proyectos.
Tanto la planificación como la búsqueda son tareas fundamentales en la AGI, y permiten a los sistemas de inteligencia artificial generar planes de acción para lograr objetivos específicos.
Los algoritmos de planificación y búsqueda.
Representación del conocimiento
Es el área que se ocupa de cómo representar el conocimiento del mundo real en un formato que pueda ser procesado por los sistemas de AI.
Las técnicas de representación del conocimiento incluyen redes semánticas, ontologías y gráficos.
Aprendizaje por refuerzo
El aprendizaje por refuerzo es un tipo de aprendizaje automático basado en el ensayo y error.
Los sistemas de AI reciben recompensas o penalizaciones por sus acciones, y aprenden a maximizar su recompensa a largo plazo.
Metaaprendizaje
Este campo de la AI se centra en el desarrollo de sistemas que pueden aprender a aprender.
Los sistemas de metaaprendizaje en AGI pueden ejecutar nuevas tareas de forma más rápida y eficiente que los sistemas de AI tradicionales.
Computación evolutiva
La computación evolutiva es un enfoque de la AI inspirado en la evolución biológica.
En este caso, los algoritmos utilizan técnicas como la selección natural y la mutación para generar soluciones a problemas complejos.
Aplicaciones prácticas de la inteligencia artificial general (AGI)
Actualmente, el campo de la inteligencia artificial general se encuentra en una fase exploratoria.
Sin embargo, cada vez se suman más voces de expertos que aseguran que se trata de una tecnología que supera la capacidad humana en la mayoría de las tareas con valor económico.
De momento, las principales compañías tecnológicas trabajan en desarrollos y en paralelo, se discuten los alcances éticos de su desarrollo.
A fines del año pasado trascendió que el fundador de ChatGPT, Sam Almant, estaría concentrando sus esfuerzos en un reciente avance de AGI, el cual ha causado bastante revuelo entre los expertos.
Según los informes de la agencia Reuters y The Information, OpenAI trabaja en un modelo llamado Q*, que es capaz de resolver problemas matemáticos simples.
El director de ingeniería de Google, Ray Kurzweil, impulsor del término “singularidad“, fue de los primeros en plantear el potencial de la AGI.
Según dijo el año pasado en una entrevista al podcaster Joe Rogan, una vez que la AGI sea creada, dicho sistema se mejorará a sí mismo a un ritmo exponencial hasta llegar a un punto en el que su inteligencia opere a un nivel incomprensible para la capacidad humana.
En ese punto se alcanzaría la mentada singularidad, que estima sucedería en 2045.
Desafíos éticos y filosóficos de la inteligencia artificial general (AGI)
La posibilidad de que la AGI en algún momento supere la capacidad de comprensión humana plantea una lista interminable de interrogantes, y uno de ellos es cómo lograremos controlar algo que no terminamos de entender.
Mientras ese momento llega, la discusión por estos días pasa por encontrar la manera de abordar los aspectos sociales, culturales y morales que implica su aplicación.
Los expertos coinciden en que uno de los principales retos es evitar que se construyan algoritmos o sistemas que hereden las visiones prejuiciosas de personas, empresas y sociedades.
Según un estudio de Capgemini, el 65% de los directivos dice ser consciente del problema de las inclinaciones discriminatorias de los sistemas de AI.
Y ponen el foco en la educación y capacitación de sus desarrolladores y de los usuarios para evitar ese tipo de sesgos en los desarrollos.
Al mismo tiempo, se abren otros interrogantes acerca de los marcos legales y éticos que deben establecerse para garantizar que el desarrollo de la AGI beneficie a la humanidad y evite riesgos potenciales.
Por ahora, son todas preguntas a las que habrá que encontrar respuestas.
Implicaciones sociales y económicas de la AGI
La inteligencia artificial general tiene el potencial de mejorar la calidad de vida de las personas de diversas maneras.
Por ejemplo, los diagnósticos médicos podrían detectar enfermedades con mayor anticipación y precisión.
Otras posibilidades ya se hicieron realidad, como que los algoritmos de AI pueden ayudar a optimizar el tráfico en las ciudades, reducir la congestión y las emisiones de carbono y por consiguiente contribuir a la sostenibilidad ambiental.
Por otro lado, la AGI plantea desafíos importantes en áreas como la privacidad y la seguridad. Los sistemas de reconocimiento facial pueden ser utilizados para la vigilancia masiva.
Además, plantea preguntas éticas importantes:
¿Cómo se debería abordar la toma de decisiones automatizada en situaciones críticas, como la conducción autónoma o la atención médica?
¿Quién es responsable si un sistema de AI toma una decisión perjudicial?
A medida que la AI evoluciona, la regulación y la ética desempeñarán un papel crucial en su desarrollo.
La regulación puede ayudar a establecer normas para garantizar que la AI se utilice de manera segura y ética.
Esto podría incluir la regulación de la recopilación y el uso de datos, la transparencia en los algoritmos de inteligencia artificial y la responsabilidad por los daños causados por sistemas de AI.
Tendencias futuras y avances en la AGI
Dado que la AGI aún se encuentra en sus primeras etapas de desarrollo, es de esperar que los primeros avances se produzcan en aquellas áreas donde la AI ya recorrió un camino, como el aprendizaje automático, la robótica y la neurociencia.
Que, sumado a la concepción general de que en algún momento la AGI superará la capacidad de comprensión humana, plantean un panorama desafiante hacia el futuro.
Un trabajo reciente de Goldman Sachs sostiene que a pesar del peligro que supone la desinformación, uno de los mayores riesgos será el desplazamiento laboral en aquellos puestos cuyas tareas puedan ser reemplazadas con cierto grado de automatización con AI.
Sin embargo, la sustitución de trabajadores por medio de la automatización se compensa principalmente con la creación de nuevos trabajos.
En los últimos 80 años, la creación de nuevos puestos de trabajo impulsados por la tecnología ha representado el 85 % del crecimiento del empleo.
Por otro lado, la consultora estima que la AGI “podría cambiar drásticamente tanto el panorama económico como el de inversión. A medida que la civilización comienza a aprender a manejar estas herramientas, creemos que las posibilidades de innovación podrían ser infinitas”, sostiene.
Conclusiones y reflexiones finales
La inteligencia artificial abarca una amplia gama de tecnologías, desde sistemas altamente especializados hasta aquellos que buscan una comprensión profunda del mundo.
Entender las diversas facetas de la AI es esencial para entender el impacto que provocará en los próximos años.
Pese a los riesgos que plantea, desde la desinformación hasta la sustitución de las personas en sus puestos de trabajo, la adopción generalizada de la AGI podría proporcionar inmensos beneficios a largo plazo.
Es evidente que la AGI tiene un largo camino por delante.
En la medida que las organizaciones sigan adoptándola para diferentes funciones empresariales, es probable que se vean avances en la sofisticación y aplicaciones de estas herramientas de uso general.
Aunque la AGI no es una tecnología inminente, su desarrollo es inevitable.
En vista de los pronósticos de los especialistas, será necesario preparar a la fuerza laboral para que pueda adaptarse a un mundo con inteligencia artificial general.
La AGI tiene el potencial de mejorar la vida de todas las personas. Es necesario garantizar que se utilice para abordar los desafíos globales y promover la paz, la prosperidad y la sostenibilidad.
