El único límite para la inteligencia artificial es la imaginación humana. Chris Duffey

La Habana, Cuba. – La inteligencia artificial general (AGI) o inteligencia artificial fuerte, es un campo de investigación teórica de la IA que intenta crear software con “inteligencia” similar a la humana y con la capacidad de autoaprendizaje. El objetivo es que la aplicación pueda realizar tareas para las cuales no está necesariamente entrenado. Si se hiciera realidad, una IAG podría ejecutar cualquier actividad intelectual que los seres humanos o los animales, puedan llevar a cabo.

La IA fuerte es una inteligencia artificial completa, capaz de realizar tareas con los niveles cognitivos humanos, a pesar de tener pocos conocimientos básicos. La ciencia ficción a menudo describe una IA fuerte como una máquina pensante con una comprensión humana que no se restringe a las limitaciones de un dominio. Por el contrario, la IA débil o limitada son sistemas de inteligencia artificial que se circunscriben a especificaciones informáticas, algoritmos y tareas concretas para las cuales se diseñaron. Por ejemplo, los modelos de IA anteriores tenían una memoria limitada y solo se basaban en datos en tiempo real para la toma de decisiones; incluso las aplicaciones de IA generativa emergentes se consideran débiles porque no se pueden reutilizar para otros dominios.

Todas las tecnologías actuales de inteligencia artificial funcionan dentro de un conjunto de parámetros predeterminados. Por ejemplo, los modelos de IA entrenados en el reconocimiento y la generación de imágenes no pueden crear páginas web. La AGI es una búsqueda teórica para desarrollar sistemas de inteligencia artificial que posean un autocontrol autónomo, un grado razonable de autocomprensión y la capacidad de adquirir nuevas habilidades. Deben resolver problemas complejos en entornos y contextos que no se le enseñaron en el momento de su creación. La AGI con habilidades humanas sigue siendo un concepto teórico y un objeto de investigación.

Actualmente las IA, por muy buenas que sean, no pueden solucionar problemas que no estén dentro de su base de aprendizaje. Es decir, las IA actuales normalmente cumplen una serie de funciones muy amplias, pero deben estar enmarcadas en el conocimiento en el que fueron entrenadas. De hecho, en ocasiones se equivoca en cuestiones realmente básicas, como pueden ser los problemas matemáticos infantiles o inventar datos que nunca existieron, ya que esos algoritmos están entrenados para dar siempre una solución.

En cambio, la AGI no cometería esos errores. Sería una máquina de conocimiento perfecta, capaz de operar a través de su propia singularidad y de manera autónoma con una gran base de conocimientos en todos los campos y razonando a partir de ella como lo haríamos los humanos o aún mejor. Ese es un término hipotético, por tanto, puede que jamás se llegue a implementar.

Los plazos para el desarrollo de la inteligencia artificial general siguen siendo objeto de debate entre los investigadores. Unos sostienen que podría realizarse en años o décadas; otros, que podría tardar un siglo o más; y una minoría cree que quizá nunca se consiga.

A lo largo de varias décadas, los investigadores de la IA han establecido algunos hitos que han permitido avances significativos en la “inteligencia” de las máquinas, incluso en grados que imitan la inteligencia humana en tareas específicas. Por ejemplo, los resumidores de IA utilizan modelos de aprendizaje automáticos para extraer elementos importantes de los documentos y generar un resumen comprensible.

Por el contrario, un sistema AGI puede resolver problemas en varios dominios, como lo haría un ser humano, sin intervención manual. En lugar de limitarse a un ámbito específico, la AGI sabría autoenseñarse y resolver problemas para los que nunca se formó. La IA general debe cumplir ocho características: percepción visual, percepción auditiva, habilidades de motricidad fina, procesamiento de lenguaje natural, solución de problemas, habilidades de navegación, creatividad y compromiso social y emocional.

Lograr la inteligencia artificial general requiere un espectro más amplio de tecnologías, datos e interconectividad que hoy subyace en los modelos de IA. La creatividad, la percepción, el aprendizaje y la memoria son esenciales para crear una IA que imite el comportamiento humano complejo. Los expertos en el tema han propuesto varios métodos para impulsar la investigación de la AGI, entre los cuales están:

Simbólico: Este enfoque supone que los sistemas informáticos pueden desarrollar AGI mediante la representación de los pensamientos humanos con redes lógicas en expansión. La red lógica simboliza los objetos físicos con una lógica “if-else”, (similar a lo que usaban los sistemas expertos) lo que permite que el sistema de IA interprete las ideas a un nivel de pensamiento superior. Sin embargo, la representación simbólica no puede replicar habilidades cognitivas sutiles, como la percepción.

Conexionista: En este caso el objetivo es replicar la estructura del cerebro humano con una arquitectura de redes neuronales. Las neuronas cerebrales pueden alterar sus vías de transmisión a medida que los humanos interactúan con estímulos externos. Los científicos esperan que los modelos de IA que adopten ese enfoque subsimbólico puedan replicar una inteligencia similar a la humana y demostrar capacidades cognitivas de bajo nivel. Los modelos de lenguajes grandes (LLM), los que usa la inteligencia artificial generativa como ChatGPT, son un ejemplo de IA que utiliza el método conexionista para entender los lenguajes naturales.

Universalistas; Este modelo se centran en abordar las complejidades de la AGI a nivel de cálculo. Intentan formular soluciones teóricas que se puedan reutilizar en sistemas prácticos de inteligencia artificial general.

Arquitectura de todo el organismo: Implica integrar modelos de IA con una representación física del cuerpo humano. Los científicos que apoyan esa teoría creen que la AGI solo se puede lograr cuando el sistema aprende de las interacciones físicas.

Solución híbrida: En este caso se estudian los métodos simbólicos y subsimbólicos para representar los pensamientos humanos a fin de lograr resultados más allá de un enfoque único. Los investigadores de IA pueden intentar la asimilación de diferentes principios y métodos conocidos para desarrollar la inteligencia artificial general.

Los beneficios de la AGI deben ser múltiples y variados, al ser un ingenio tecnológico más “inteligente” que los propios humanos, debido a que gestionará toneladas de datos en pocos segundos. Eso supondría un giro crucial en la investigación científica y permitiría dar un nuevo salto o revolución científica.

Se podrían desarrollar fármacos para curar enfermedades contra las cuales se lucha hace siglos. Las ciencias de la tierra y el espacio podrían enfrentar problemas que hoy son casi imposibles de materializar por la cantidad de variables que involucran esos fenómenos. Basten esas dos áreas del conocimiento para ilustrar las posibilidades que se abrirían para la ciencia.

Como en toda tecnología, la inteligencia artificial general también se enfrenta a desafíos, entre los que se encuentran:

Hacer conexiones: Los modelos actuales de IA se limitan a un dominio específico y no pueden establecer conexiones entre distintos dominios. Sin embargo, los humanos sí podemos hacerlo, aplicamos el conocimiento y la experiencia de un dominio a otro. Los seres humanos adaptan lo que aprenden de la educación teórica a situaciones de la vida real. Sin embargo, los modelos de aprendizaje profundo requieren un entrenamiento sustancial con conjuntos de datos específicos para trabajar de manera confiable con datos desconocidos.

Inteligencia emocional: Los modelos de aprendizaje profundo apuntan a la posibilidad de la AGI, pero aún no han demostrado la creatividad que poseen los seres humanos. La creatividad requiere un pensamiento emocional, que la arquitectura de redes neuronales aún no puede replicar. Por ejemplo, los humanos responden a una conversación en función de lo que perciben emocionalmente, pero los modelos de inteligencia artificial generan texto en función de los conjuntos de datos lingüísticos y los patrones en los que se entrenan.

Percepción sensorial: La AGI requiere que los sistemas de inteligencia artificial interactúen físicamente con el entorno externo. Además de las habilidades robóticas, el sistema debe percibir el mundo como lo hacen los humanos. Las tecnologías informáticas existentes necesitan más avances antes de poder diferenciar formas, colores, sabores, olores y sonidos con precisión como hacen los humanos.

Los desarrollos emergentes que apuntan al desarrollo de la inteligencia artificial general son las siguientes:

El aprendizaje profundo es una disciplina de IA que se centra en entrenar redes neuronales con múltiples capas ocultas para extraer y comprender relaciones complejas a partir de datos sin procesar. Los expertos en inteligencia artificial utilizan el aprendizaje profundo para crear sistemas capaces de comprender texto, audio, imágenes, video y otros tipos de información.

La inteligencia artificial generativa es un subconjunto del aprendizaje profundo en el que un sistema de IA puede producir contenido único y realista a partir del conocimiento adquirido. Los modelos de IA generativa se entrenan con conjuntos de datos masivos, lo cual les permite responder a las consultas humanas con texto, audio o imágenes que se parecen naturalmente a las creaciones humanas. Por ejemplo, ChatGPT o Bard.

El procesamiento de lenguaje natural, NLP, es una rama de la IA que permite que los sistemas informáticos comprendan y generen lenguaje humano. Los sistemas de NLP utilizan tecnologías de aprendizaje automático y lingüística computacional para convertir los datos del lenguaje en representaciones simples y comprender su relación contextual.

La visión artificial es una tecnología que permite que los sistemas extraigan, analicen y comprendan información espacial a partir de datos visuales. Los vehículos autónomos utilizan modelos de visión artificial para analizar las imágenes en tiempo real de las cámaras y conducir al vehículo de forma segura lejos de los obstáculos. Las tecnologías de aprendizaje profundo permiten que los sistemas de visión artificial automaticen el reconocimiento, la clasificación, el monitoreo y otras tareas de procesamiento de imágenes de objetos a gran escala.

La robótica es una disciplina de ingeniería,  la cual construye sistemas mecánicos que realizan maniobras físicas automáticamente. En la inteligencia artificial general, los sistemas robóticos permiten que la inteligencia de las máquinas se manifieste físicamente. Es fundamental para introducir las capacidades de percepción sensorial y manipulación física que requieren los sistemas de AGI. Por ejemplo, integrar un brazo robótico con inteligencia artificial general puede permitir que el brazo detecte, agarre y pele naranjas como lo hacen los humanos.

Uno de los puntos más controvertidos que existen alrededor de la inteligencia artificial general, es el de sus riesgos. De momento son un mero concepto, pero ya se ha teorizado sobre los enormes peligros que pueden ocasionar y los planteamientos éticos negativos que hay detrás de la misma.

El peligro sobre el que más se ha hablado es que la IA podría acabar con la humanidad. Alphabet, casa matriz de Google, ha advertido que pudiera convertirse en un riesgo existencial para el ser humano como especie. Incluso Sam Altman, fundador de OpenAI (compañía creadora de ChatGPT) señaló que podría manipularnos para tomar el control de nuestra especie.

Sin embargo, el problema ético más acuciante y directo es el que tiene que ver con los derechos de autor. Los modelos de inteligencia artificial generativos actuales han aprendido a partir de libros sujetos a esas normas jurídicas, las cuales no se han respetado. Eso genera una problemática si se tiene en cuenta que el aprendizaje de la IA estaría permitiendo que esas empresas privadas lucren con el trabajo de otras personas. Ya hay varios procesos judiciales abiertos por ese motivo.

Ya el pistoletazo de arracada está dado, solo queda que los organismos reguladores, los medios de prensa y la escuela hagan la parte que les toca, el ritmo de la tecnología es trepidante y hay que ponerle bridas. Quiero singularizar el caso de la escuela como institución, la cual debería incorporar estos contenidos, desde ya, en su currículo, no solo como materia de estudio, sino también, y quizás lo más importante, para que los educandos desarrollen un sentido crítico al enfrentarse a los contenidos digitales generados por la inteligencia artificial. Cosas veréis, dicen que dijo el espigado caballero.