Inteligencia artificial general, entre el hype y la ciencia

Corría el año 1965 cuando el premio Nobel Herbert Simon afirmó que las máquinas iban a ser capaces de realizar cualquier trabajo humano en un plazo de 20 años. A su vez, Marvin Minsky, pionero de la inteligencia artificial (IA) en el MIT señalaba en los años 70 que las máquinas tendrían una inteligencia comparable a la de un niño. Y sin embargo, estas predicciones no se han cumplido.

Así, durante décadas, hemos visto como los éxitos de la IA se han centrado en aplicaciones muy específicas, los micromundos, como jugar al ajedrez, reconocer rostros, o diagnosticar enfermedades concretas, viendo su evolución pero sin atisbar su revolución. Y es que, no fue hasta principios de los 2000 cuando surgió el término inteligencia artificial general -General Artificial Intelligence- (AGI) como respuesta al deseo de recuperar la ambición original de una inteligencia artificial similar a la inteligencia humana.

Esta AGI es un tipo hipotético de inteligencia artificial que iguala o excede la inteligencia humana promedio y que, de hacerse realidad, sería capaz de realizar cualquier tarea intelectual que los seres humanos puedan llevar a cabo. La AGI también se ha definido como un sistema autónomo que supera las capacidades humanas en la mayoría de las tareas económicamente valiosas.

Una IA verdaderamente "general" emularía la plasticidad de la inteligencia humana, lo que se manifestaría en varias características. En primer lugar la capacidad de autoaprendizaje en cualquier dominio, adquiriendo maestría de forma independiente en habilidades tan diversas como la composición musical o la ingeniería. En segundo lugar, la posesión de un marco de sentido común para interpretar la realidad, entender que las acciones tienen consecuencias y que los demás tienen creencias y emociones.

En tercer lugar, la facilidad para la transferencia de conocimiento, utilizando analogías y experiencias pasadas en contextos novedosos para resolver problemas de manera creativa. Y por último, la metacognición y la autoconciencia, lo que le permitiría no solo ejecutar tareas, sino también cuestionar sus propios métodos, aprender de sus errores y definir sus propias motivaciones.

Cierto es que, desde el comienzo del siglo XXI hasta los años 20 de este siglo, y más concretamente con el lanzamiento de GPT-4 en 2023, y el desarrollo de la inteligencia artificial generativa, donde se pueden incluir los grandes modelos de lenguaje (LLMs), la IA ha demostrado capacidades impresionantes en tareas específicas. Este hecho ha logrado acaparar titulares de medios de comunicación y plantear escenarios de película de ciencia ficción de una AGI que podría situarse por encima de la humanidad y destruirla.

En la actualidad, la IA generativa tiene un gran potencial disruptivo en muchas áreas de ciencia, tecnología e innovación como pueden ser el descubrimiento científico asistido, el descubrimiento de nuevos materiales o fármacos, la automatización industrial, la programación y la ciencia de datos. Esta IA generativa puede ayudar a potenciar la capacidad creativa, exploratoria y analítica de los investigadores. Y de hecho, ya se está utilizando en procesos de descubrimientos en áreas como medicina, física, química, ingeniería o informática.

Y en este sentido, ¿podríamos estar cerca de alcanzar la inteligencia artificial general (AGI)? Bajo mi opinión no estamos cerca, pero estamos avanzando. Como bien se ha comentado, aunque la IA generativa ha demostrado, durante los últimos años, capacidades vertiginosas, todavía está lejos de exhibir comprensión, razonamiento generalizado y autonomía, y sobre todo, sentido común que pueda ser comparable al pensamiento humano. Y para ello, el principal obstáculo es la falta de modelos de razonamiento por sentido común.

Desde hace muchos años, hay una gran cantidad de aspectos que se han tratado y desarrollado en la IA como las capacidades de agencia, la intencionalidad o el razonamiento basado en valores, que precisamente en los nuevos modelos de IA generativa se están obviando. Incluso, tengo la impresión de que en muchos casos, en estos nuevos modelos de IA generativa, se está reinventando la rueda y no se analiza ni se tiene en cuenta todo el conocimiento de modelos de IA que a lo largo de la historia se han ido desarrollando.

Aunque las redes neuronales y el aprendizaje profundo han tenido una importante evolución en los últimos años y han contribuido a los recientes avances de la IA, hoy existen aspectos a mejorar como el desarrollo de modelos más eficientes y sostenibles, modelos que aprendan con menos datos, y con ellos se pueda profundizar más en los modelos multimodales.

Por ello, bajo mi punto de vista, el futuro está en la IA neurosimbólica o IA híbrida que integra los modelos de razonamiento simbólico con las redes neuronales. Los modelos de IA que surjan de esta hibridación entre redes y modelos de razonamiento serán el próximo paso de la IA. Y la realidad es que desde el Instituto Universitario Valenciano de Investigación en Inteligencia Artificial (VRAIN) de la Universitat Politècnica de València (UPV) ya estamos trabajando en este sentido. Porque es necesario combinar eficiencia, generalización, razonamiento y nuevas formas de arquitecturas de IA, especialmente de modelos de agentes neurosimbólicos y sistemas multiagente.

Sin perder de vista, y siempre bajo el prisma de una IA responsable, ética, explicable, que responda a cómo alcanza las decisiones que toma, y centrada en los beneficios del ser humano para que sea confiable. Y por ello, trabajamos en que las decisiones que tome la IA no tengan sesgos, ya que esto supone un grave problema que se aleja del objetivo del beneficio para las personas. Además de una IA que garantice la privacidad con el cumplimiento de las leyes de protección de datos.

Por ello, alcanzar una inteligencia artificial general, como yo la entiendo, una IA con capacidad de adaptarse y transferir lo aprendido de un campo a otro completamente distinto, y que muestre una flexibilidad cognitiva similar a la humana, es un objetivo, que en caso de alcanzarse, sería aún en un momento lejano. Las capacidades de la IA están aumentando pero todavía se requiere superar barreras técnicas, filosóficas y éticas significativas antes de que una IA pueda igualar o superar la inteligencia general humana.