Las grandes empresas de inteligencia artificial del mundo tienen una gran obsesión: alcanzar la inteligencia artificial general. Hablamos de una IA que se aleja de lo que conocemos actualmente y que es capaz de realizar tareas igual o mejor que un ser humano. Esto no va de programar mejor que nosotros, sino de ser capaces de imitar nuestro comportamiento cognitivo.
Jensen Huang, CEO de Nvidia, cree que ese momento ya ha llegado. Eso sí, no es la primera vez que lo dice este año. En marzo ya dijo que habíamos alcanzado la AGI y ahora ha vuelto a comentar lo mismo tras el lanzamiento de GPT-6 Astra, el nuevo modelo de OpenAI.
Greg Brockman, presidente de OpenAI, también ha hablado de la llegada de la «era de la AGI» con el lanzamiento de GPT-6 Astra. El nuevo modelo ha conseguido resultados increíbles en algunas pruebas, aunque eso no significa que sea el mejor en todo.
Por supuesto, todo esto hay que cogerlo con pinzas y no olvidar un aspecto muy importante: Nvidia es una de las empresas que más se beneficia del enorme gasto que están haciendo las compañías de IA para entrenar y utilizar sus modelos. Desde luego, le interesa más que a nadie que la rueda siga girando.
GPT-6 Astra necesita una enorme cantidad de chips de Nvidia
El CEO de Nvidia ha querido sacar pecho afirmando que OpenAI entrenó GPT-6 Astra utilizando más de 100.000 GPU Nvidia Blackwell. Además, aseguró que otras 400.000 unidades están preparándose para entrar en funcionamiento.
Por eso hay que tener cuidado con las declaraciones de Huang sobre la llegada de la AGI. Puede tener razón cuando dice que las IA actuales ya son capaces de hacer tareas que hace unos años parecían imposibles. Pero también es evidente que Nvidia tiene un gran interés económico en que las empresas sigan aumentando el número de chips que utilizan.
El propio Huang ha defendido que la IA ya está siendo productiva y que está generando beneficios. Su argumento es que, si queremos que esos sistemas hagan más cosas, necesitamos todavía más capacidad de cálculo.
Dicho de otra forma: cuanto más potentes sean las IA, más chips necesitan. Y cuantos más chips necesiten, más negocio tiene Nvidia.
Un objetivo difícilmente alcanzable al que muchos le tienen miedo
Partiendo de la base de que se considera este avance como uno de los grandes logros de la humanidad al conseguir que la IA sea tan inteligente como un humano, matizar primero un pequeño aspecto.
Se supone que las aplicaciones AGI replican la conciencia humana y las habilidades cognitivas sin problemas. Sin embargo, los desarrolladores de esta tecnología no pueden crear redes neuronales que puedan imitar la conciencia artificial en un laboratorio, al menos no todavía. La conciencia humana es demasiado abstracta y asimétrica.
Otro problema que se puede observar es que la IA, a pesar de todas sus increíbles capacidades, todavía se ejecuta en algoritmos y programas informáticos meticulosamente creados que, por un lado, pueden fallar y dejar de funcionar como ocurre con el resto de herramientas y, por otro, cada decisión está respaldada por análisis y procesamiento de datos humanos.
Además, que este progreso veas que es exponencial no significa siquiera que se logre en algún momento de nuestra existencia.
Si las empresas quieren fijar fechas como ese 2050 o incluso 2029 (Ray Kurzweil, ingeniero de Google, o incluso Elon Musk pronostican esta última fecha para la AGI), tan mediatizado por algunos, definitivamente detrás se esconde un entramado de marketing más que de realidad.
No hay consenso sobre qué es exactamente la AGI
Dejando todo esto a un lado, hay un punto aún más importante que comentar: no hay consenso general sobre qué es o de qué estamos hablando exactamente.
Hablar de AGI suena como si estuviéramos hablando de algo muy concreto, pero en realidad no es así. No existe una prueba oficial que una inteligencia artificial tenga que superarnos para que se pueda decir que ya hemos llegado a la AGI. Tampoco hay una definición que todas las empresas y expertos acepten.
En general, cuando se habla de AGI, se refieren a una IA capaz de hacer muchas tareas diferentes con un nivel parecido al de una persona. Hablan de una inteligencia capaz de aprender, razonar y enfrentarse a problemas muy distintos.
El problema es que decir que es capaz de hacer muchas tareas deja bastante en el aire su definición. Una IA puede ser mejor que cualquier persona escribiendo código, resolver problemas matemáticos como el reciente caso de Navier-Stokes o analizar millones de documentos. Pero eso no quiere decir que pueda desenvolverse igual de bien en cualquier otra situación.
Por ejemplo, un modelo puede sacar una puntuación casi perfecta en un examen muy complicado y, al mismo tiempo, tener problemas con una tarea más sencilla para una persona.
También hay mucho debate sobre cuánto tiene que parecerse una IA a una persona para poder llamarla AGI. Cada respuesta cambia dependiendo de a quién le preguntes. Eso no es consenso.
Por eso Jensen Huang puede afirmar que la AGI ya está aquí, mientras otras personas siguen pensando que todavía falta mucho. No están hablando de exactamente lo mismo y, al final, lo que queda es simplemente negocio, alarmismo y competencia.
