La Inteligencia Artificial General (IAG) es una forma teórica de IA capaz de realizar cualquier tarea intelectual que pueda hacer un ser humano. A diferencia de los sistemas de IA actuales, diseñados para trabajos específicos como detectar fraudes, recomendar películas o generar texto, una IAG razonaría de forma amplia, transferiría aprendizajes de un dominio a otro y resolvería problemas desconocidos sin necesidad de reentrenarse explícitamente para cada uno. El concepto se usa a menudo como sinónimo de "IA fuerte" o "IA a nivel humano".
Cómo funciona la Inteligencia Artificial General (IAG)
La IAG aún no se ha alcanzado, por lo que describir cómo "funciona" implica describir los enfoques de investigación dirigidos a construirla. La mayoría de los esfuerzos se centran en escalar las arquitecturas de aprendizaje profundo existentes, entrenar modelos fundacionales con conjuntos de datos mucho más amplios y diversos, y mejorar las capacidades de razonamiento y planificación de los grandes modelos de lenguaje. Una línea de investigación complementaria busca dotar a los sistemas de IA de memoria, modelos del mundo y la capacidad de actuar en entornos (mediante robótica o uso de herramientas) para que puedan aprender de la experiencia como lo hacen las personas.
Imagina mostrar a un sistema así un breve vídeo de alguien montando en bicicleta. Una IA estrecha entrenada solo con datos de ciclismo podría clasificar el vídeo, pero solo un sistema con inteligencia general podría inferir el equilibrio, predecir lo que ocurre en una cuesta, redactar una lección de seguridad para un niño y escribir un poema sobre el paseo. Lograr ese tipo de transferencia fluida entre dominios es el desafío definitorio que la investigación en IAG intenta resolver.
Por qué importa
Se habla de la IAG porque las implicaciones económicas y sociales serían enormes si se lograra. Un sistema que igualara el razonamiento humano en toda la gama de trabajo profesional podría, en principio, acelerar la investigación científica, automatizar la toma de decisiones complejas y transformar el mercado laboral. Esas mismas capacidades plantean cuestiones serias sobre seguridad, alineación, responsabilidad y concentración de poder, por lo que organizaciones como el Center for AI Safety y grupos académicos de todo el mundo han publicado marcos y recomendaciones políticas orientados a prepararse para sistemas de IA avanzados antes de que lleguen.
Conceptos clave relacionados con la IAG
- IA estrecha: el estándar actual, sistemas que realizan una única tarea bien definida, como el filtrado de spam o el reconocimiento de voz.
- Modelos fundacionales: grandes modelos de uso general (por ejemplo, los grandes modelos de lenguaje) que pueden adaptarse a muchas tareas y que algunos investigadores consideran un paso hacia la IAG.
- Superinteligencia: un sistema cuyas capacidades en todos los dominios superarían el mejor rendimiento humano; ampliamente considerada una posible consecuencia, no un sinónimo, de la IAG.
- Alineación de la IA: el campo de investigación enfocado en garantizar que los sistemas de IA cada vez más capaces actúen en consonancia con los objetivos y valores humanos.
- IA a nivel humano: un casi sinónimo de IAG, a veces usado para enfatizar la paridad con la cognición humana más que con una arquitectura concreta.
Si la IAG está a años, décadas o siglos de distancia sigue siendo una cuestión abierta y muy debatida entre los investigadores, pero el término se ha convertido en una abreviatura útil para la aspiración a largo plazo que impulsa una parte significativa de la investigación y la política modernas en IA. Para una visión más profunda de cómo los investigadores enmarcan el desafío, consulta el artículo "Levels of AGI" de Morris et al. (2023) en arXiv.