La inteligencia artificial ha pasado de ser un experimento a convertirse en una realidad. No solo en la industria, la investigación y los asistentes de voz digitales, sino también en ámbitos que a primera vista no se asocian con ella. Por ejemplo, en los casinos online España.
En muchos de estos casinos, la IA se utiliza desde hace tiempo para analizar el comportamiento de los jugadores, detectar riesgos de forma temprana y proteger a los jugadores en peligro mediante un inteligente reconocimiento de patrones. Quien cree que la inteligencia artificial solo sirve para jugar al ajedrez, subestima su talento para detectar las debilidades humanas.
Suscríbete a nuestro canal
No obstante, estos sistemas siguen siendo especialistas. Se trata de inteligencias limitadas, entrenadas para una tarea, eficientes y, al mismo tiempo, ciegas a todo lo demás. La gran pregunta sigue sin respuesta: ¿cuánto falta para alcanzar la inteligencia artificial general, esa IAG que piensa, planifica, comprende y relaciona, de forma similar a como lo hacen los seres humanos?
La inteligencia artificial: lo que sí y lo que no puede hacer
La IA actual puede hacer muchas cosas. Reconoce caras en fotos, traduce textos en fracciones de segundo, filtra el correo de spam y hasta hace un cribado de las mejores películas con tanta precisión que casi se podría decir que es un alma gemela.
Es cierto que la inteligencia artificial transforma la forma de trabajar tradicional, facilitando y agilizando procesos administrativos, por ejemplo. Pero, a pesar de toda su capacidad, le falta algo que los humanos conseguimos casi sin esfuerzo: la transferencia, el contexto, la flexibilidad.
Un modelo de IA que reconoce millones de imágenes de gatos no sabe, sin embargo, lo que es un perro si no se le enseñe específicamente. La IA por sí sola no es capaz de pensar que tanto perros como gatos tienen cuatro patas y que incluso pueden ser miembros de un mismo hogar.
La generalización sigue siendo un reto para la mayoría de los sistemas. Ni siquiera los grandes modelos lingüísticos que producen textos fluidos comprenden este lenguaje. Solo calculan la secuencia de palabras más probable estadísticamente. Para ellos, el amor es solo un símbolo, no un sentimiento.
Progreso o ficción: ¿hasta qué punto se ha desarrollado realmente la IAG
El deseo de que exista una IA que piense, decida y aprenda como un ser humano no es nuevo. Pese a todos los avances, por ahora sigue siendo solo eso: una utopía.
Aunque ya existen prototipos que combinan varias modalidades, es decir, que procesan texto, imagen y audio al mismo tiempo, la flexibilidad sigue siendo limitada. Muchos sistemas solo funcionan dentro de un marco claramente definido. En cuanto la tarea se vuelve más compleja o se sale del espectro aprendido, comienza el gran enigma.
Un ejemplo de ello es la llamada prueba ARC que diseñada para evaluar la capacidad de abstracción y combinación lógica. Sin embargo, incluso los modelos más grandes suelen obtener resultados mediocres. Muchas tareas no se resuelven mediante la comprensión, sino mediante el reconocimiento de patrones. Y a veces, simplemente adivinando.
Los telediarios y medios de comunicación están llenos de titulares sobre las famosas capacidades emergentes. Unos fenómenos en los que, a medida que aumenta el tamaño del modelo, los sistemas dominan de repente cosas que nadie les ha enseñado. Pero incluso si un modelo lingüístico es capaz de resolver tareas matemáticas o sacar conclusiones lógicas, sigue sin estar claro si sabe lo que está haciendo.
¿Qué tecnologías podrían hacer posible la IAG?
Los componentes básicos de la IAG son muy variados y su combinación es compleja. El aprendizaje profundo sigue siendo el eje de la mayoría de los sistemas modernos de IA. A través de enormes cantidades de datos de entrenamiento, las redes neuronales artificiales aprenden a reconocer patrones y a tomar decisiones. En algunos ámbitos, como el análisis de imágenes o el procesamiento del lenguaje, esto ya es impresionante.
No obstante, la inteligencia real exige más que el reconocimiento. Por eso, el aprendizaje por refuerzo va un paso más allá. En este caso, los sistemas aprenden mediante recompensas y castigos, de forma similar a un perro que se sienta. Este principio ha tenido un éxito especial en el sector de los videojuegos, por ejemplo, en AlphaGo, donde un sistema de IA acabó derrotando al campeón mundial mediante ensayo y error.
¿La IAG es solo cuestión de tiempo o un principio sin resolver
Hay quienes afirman que la IAG será real en diez años; pero hay quienes piensan que son demasiado optimistas. Entre la ciencia ficción y el escepticismo científico se extiende un amplio espectro de opiniones.
Algunas previsiones consideran realista que la IAG sea una realidad en 2030, impulsada por el aumento exponencial de la potencia de cálculo, la mejora de los algoritmos y las enormes inversiones. Otros advierten de que más datos no conducen automáticamente a más inteligencia.
De hecho, el principio de: “más grande, más rápido, más” está llegando a sus límites. Los modelos lingüísticos con miles de millones de parámetros requieren enormes recursos informáticos, por lo que la IA puede consumir grandes cantidades de electricidad y, aun así, siguen siendo propensos a cometer errores. Parecen inteligentes hasta que sacan conclusiones absurdas y se toma conciencia de la necesidad de ayuda humana.
No es casualidad que se inviertan miles de millones en la IAG. Empresas tecnológicas como OpenAI, DeepMind o Meta tienen planes ambiciosos, porque la IAG no solo sería un avance científico, sino también una palanca geopolítica.
Por qué el camino hacia la IAG es también un camino hacia la autorreflexión
El camino hacia la IAG no es una expedición puramente técnica. No solo pasa por laboratorios, sino también por parlamentos, aulas y redacciones. No sólo pone a prueba las máquinas, sino también los valores, los ideales y los miedos humanos.
La IAG puede ser una herramienta o un adversario. Puede curar, conectar y simplificar. O engañar, destruir y dividir. Lo decisivo será cómo se diseñe. Desde qué intereses. Con qué objetivos. Cuanto más se acerca la tecnología al ser humano, más se plantea la cuestión de la propia identidad. ¿Qué significa querer reproducir la inteligencia? ¿Y qué pasa si la reproducción nos supera?