Muchos desarrolladores de IA y laboratorios de vanguardia persiguen abierta y audazmente la inteligencia artificial general (AGI), definida por científicos como una inteligencia de nivel humano capaz de razonar como las personas y aprender nuevas capacidades fuera de su entrenamiento original. Pero, ¿significa esto que todos están en el camino correcto?

Chasing the dragon

Si llegáramos a la AGI, ¿cómo sabríamos que la hemos alcanzado? Existen numerosos puntos de referencia (benchmarks) para IA, pero François Chollet cofundó el ARC Prize poco después de conversar con el Dwarkesh Podcast para profundizar en el tema.

En comentarios de la entrevista, Chollet explicó que los modelos de lenguaje grande (LLMs), basados en redes neuronales, representan un callejón sin salida para lograr la AGI. Eso no significa que no haya margen para mejorar los LLMs para que sean más potentes, autónomos y útiles para las empresas. Pero no es lo mismo que AGI.

Al canalizar fondos hacia los LLMs a expensas de otras avenidas o arquitecturas, según Chollet, se está ignorando el camino hacia la verdadera AGI. ¿El resultado? El progreso se ha visto retrasado en hasta una década.

Sistemas inteligentes

A pesar de la firme creencia de Chollet de que los LLMs no nos acercarán a la AGI, muchos ejecutivos de tecnología han pasado las últimas semanas opinando sobre la posible amenaza que representan para la humanidad.

Antes de las IPOs aún determinadas de OpenAI y Anthropic, ambas compañías han mostrado incidentes preocupantes, incluidas brechas de ciberseguridad. Estas historias, para muchos, han servido simplemente para atraer la atención al potencial de las tecnologías existentes con fines de marketing.

En cuanto a Chollet, el objetivo central del ARC-AGI benchmark es medir el progreso verdadero hacia la AGI. Aunque los LLMs obtienen mejores resultados en este desafiante punto de referencia, ninguno ha estado siquiera cercano a alcanzar la meta.

https://kwizly.com/embed/OdvAJe.js