¿Es Realmente Necesaria la Inteligencia Artificial General (IAG)? Un Debate Emergente
El primer trimestre de este año ha sido testigo de un auge tecnológico sin precedentes, con un debate constante sobre la Inteligencia Artificial General (IAG) y la posibilidad de que las entidades de IA superen a los humanos en casi todas las áreas.
Sin embargo, en medio de este debate, se ha echado en falta una discusión profunda sobre la conveniencia de avanzar en esta dirección y sobre la necesidad real de este tipo de capacidad de IA.
Recientemente, en un podcast de Evox News, se abordó un ensayo de Dave Pitman, donde se analiza la practicidad de la IAG y se plantea la posibilidad de que, en realidad, no sea el enfoque más adecuado.
A continuación, se presentan tres argumentos principales que sugieren que la IAG es innecesaria y no debería ser el punto central de la investigación actual, junto con algunas reflexiones adicionales.
Si la IA es Asistencial, ¿Para Qué Necesitamos la IAG?
Se ha repetido insistentemente que la IA no está destinada a reemplazar a los humanos.
La mayoría de los expertos hablan de transformación de procesos, enfatizando la importancia de mantener a un humano en el ciclo.
La inteligencia artificial se describe como una herramienta de asistencia, incluso en la era de los agentes.
Si esto es realmente así, la IAG sería excesiva e innecesaria para las transformaciones de procesos que se requieren.
La IAG Implica Costos y Complejidad
Otro argumento en contra de la IAG es su elevado costo. Existe la expectativa de obtener esta tecnología más potente a un precio más bajo.
En el podcast de Evox News, se explica el concepto de «velocidad de escape autosostenible» como una alternativa. Se trata de la idea de diseñar recursivamente la IA para mejorar iterativamente un resultado específico, en lugar de buscar que la IA mejore en todo a través de un modelo generalizado.
«Una vez que se alcanza la velocidad de escape, la IAG se vuelve irrelevante», se afirma.
Se describe un bucle de retroalimentación que, con referencias y puntos de comparación, permite obtener los avances necesarios. Este sistema requiere tres componentes esenciales: aprendizaje por refuerzo, datos sintéticos y un bucle de retroalimentación altamente optimizado.
Se cita a Pitman:
«Si nuestro proceso es verdaderamente autosostenible, entonces la única entrada externa que necesita es más potencia de cálculo (y tiempo, y memoria) para mejorarse a sí mismo. Y si nuestra tasa de auto-mejora es lo suficientemente rápida, entonces nuestro proceso de mejora del modelo alcanzará un punto de velocidad de escape donde las mejoras no son solo lineales o aditivas, sino exponencialmente compuestas. Compare esto con nuestras leyes de escalamiento actuales donde vemos que los modelos fundacionales han cruzado el punto de inflexión y están logrando ganancias sublineales en el rendimiento para sus entradas de recursos: van a tambalearse y efectivamente ‘caer de nuevo’ a la tierra».
Se menciona el Principio de Peter (útil en la búsqueda de talentos) y la ecuación del cohete de Tsiolkovsky, para ilustrar cómo se pueden lograr eficiencias sin el peso de los enfoques tradicionales.
«La ecuación del cohete dice que intentar lanzar cohetes cada vez más grandes se vuelve cada vez menos eficiente», explica el presentador del podcast, citando a Pitman. «Esto se debe a que un cohete más grande necesita aún más combustible, lo que hace que el cohete pese más, lo que a su vez significa que necesita más combustible para lanzar su cohete ahora más pesado. Una vez que se alcanza la velocidad de escape, sin embargo, la balanza se inclina a favor de su cohete, y ya no corre el riesgo de estrellarse. Actualmente, los proveedores de modelos fundacionales están luchando con un problema similar con modelos más capaces que requieren aún más datos; a medida que comenzaron a depender de datos sintéticos generados por otros modelos de IA, también se vuelve más difícil construir el modelo más grande, porque se necesita un modelo de datos sintéticos aún más grande para generar datos más sofisticados, lo que a su vez requiere… ya se puede ver hacia dónde va esto».
Otro punto destacado del ensayo de Pitman es la propuesta de aplicar la IA a dominios transitivos. En palabras de Pitman:
«La VEA (velocidad de escape autosostenible) es un enfoque más dirigido que se centra en establecer un sistema que pueda auto-mejorar una IA en un dominio limitado. Este dominio debe ser propicio para mejoras transitivas, lo que significa que podemos asumir que las mejoras a nuestra IA pueden apilarse unas sobre otras. Un ejemplo de un dominio con buenas propiedades transitivas es el resumen de contratos legales. Un dominio como ‘arte escénico contemporáneo’ no lo es. Sin embargo, en mi experiencia, la mayoría de los problemas que a las empresas les interesa resolver se encuentran en dominios transitivos».
Otro fragmento del ensayo que se destaca es el siguiente:
«Como CEO/CTO de IA que busca la previsibilidad en todo este caos, la VEA es un enfoque muy atractivo. Es notoriamente difícil establecer una trayectoria estable en las mejoras de su IA, lo que a su vez significa que es casi imposible predecir dónde estará en unos meses, y mucho menos en un año, o el horizonte temporal para su próxima ronda de financiación. Con la VEA, hemos controlado este caos en una trayectoria más predecible que se basa más en los recursos que en el sudor de la ingeniería y el talento de los investigadores de IA».
Reflexiones sobre el Negocio
El presentador del podcast se aleja de las citas directas del ensayo de Pitman para hablar de la perspectiva empresarial práctica y cómo aplicarla.
«La IA, en este momento, es espectacular», afirma, señalando que se necesita mucho trabajo para alcanzar las capacidades actuales. Menciona el modelo chino Manus y cómo considera que tanto este como otros modelos están infrautilizados.
Esto lleva a la siguiente reflexión: ¿cómo utilizaría USTED la IAG?
¿Qué le Diría a la IAG?
Es posible que haya tenido experiencia con Dall-E, pidiéndole a la IA que cree una imagen, o con Sora, pidiéndole que cree pequeños clips de vídeo. Pero si se le diera un ordenador y alguien le dijera «la IA puede hacer cualquier cosa que usted quiera», ¿cómo se le ocurrirían esos casos de uso?
Se necesita creatividad y reflexión. Es posible que se enfrente a un bloqueo del escritor a la hora de dar rienda suelta a una IA generalizada para crear.
«Una gran parte del trabajo del conocimiento en este momento puede ser realizado tan bien por la IA como por los humanos», señala el experto, ilustrando aún más por qué no es necesario apresurarse a buscar más. «Casi todo el trabajo del conocimiento en este momento va a ser mejor por un humano, al menos usando IA. … Los factores limitantes cuando se trata del impacto de la IA en los negocios no se refieren actualmente a las capacidades. Se trata de sistemas, nuevos procesos, integración, implementación, nuevas formas de estructurar las operaciones y nuevas formas de pensar. De hecho, yo diría que en este momento, las capacidades están creciendo a un ritmo más rápido que la capacidad de las empresas para integrarlas».
Es importante destacar este pensamiento: en este momento, se necesita mucho más la integración de procesos que nuevas capacidades. Y este es un argumento poderoso en contra de intentar descubrir o fomentar la IAG en el mundo actual.
Cuidado con el Avance Desmedido
Otro ensayo, a juicio de Evox News, lectura obligada, advierte contra la precipitación en el desarrollo de la IAG. Se cita el siguiente contraste:
«Los defensores de la IAG argumentan que representa un hito necesario, quizás incluso un punto de inflexión fundamental, para que la humanidad supere los desafíos sistémicos que frenan a la civilización. Al mejorar profundamente las capacidades humanas y automatizar el trabajo cognitivo rutinario, la IAG podría catalizar saltos transformadores en la ciencia, la medicina, la educación, la sostenibilidad, la exploración espacial y más.
Sin embargo, en nuestro comprensible afán por hacer realidad las notables posibilidades de la IAG, también debemos confrontar francamente los riesgos de un desarrollo y despliegue irresponsables de la IA avanzada. Las mismas capacidades que hacen que la IAG sea tan apreciada también le otorgan una increíble capacidad para consecuencias no deseadas o un mal uso deliberado si se maneja sin ética, cuidado y sabiduría.
La historia ha demostrado una y otra vez que las tecnologías poderosas a menudo superan radicalmente la capacidad de la humanidad para prever y protegerse contra sus peligros. Basta con considerar desastres como la gasolina con plomo, los CFC y la talidomida. La IAG representaría la tecnología más impactante en la historia de la humanidad hasta la fecha (al mismo nivel que la electricidad, el fuego y el petróleo); no podemos permitirnos repetir los errores del pasado de una adopción imprudente».
Este es un punto importante a considerar.
No se trata de ignorar por completo el potencial de la IAG para emerger. La idea general es que se necesita dominar el trabajo con lo que se tiene, porque los desarrollos tecnológicos parecen estar ocurriendo mucho, mucho más rápido que la capacidad de los humanos para ponerse al día.
Insights de Evox News: Cómo el Debate sobre la IAG Puede Impactar tu Negocio
El debate actual sobre la necesidad y el enfoque de la Inteligencia Artificial General (IAG) tiene implicaciones significativas para las empresas, en términos de innovación, estrategia y ventaja competitiva:
Enfoque en la Optimización, no en la Generalización: La discusión sobre la «velocidad de escape autosostenible» frente a la IAG sugiere que las empresas deberían priorizar la optimización de la IA para tareas específicas y dominios transitivos, en lugar de buscar una IA que lo haga todo. Esto implica identificar áreas donde la IA puede mejorar procesos, aumentar la eficiencia y generar valor de forma incremental, en lugar de esperar una solución mágica de IAG.
Integración de la IA Existente: El argumento de que la capacidad de integración de las empresas va por detrás del desarrollo tecnológico de la IA subraya la necesidad de invertir en la implementación efectiva de las herramientas de IA ya disponibles. Esto implica no solo la adquisición de tecnología, sino también la capacitación del personal, la adaptación de los procesos y la creación de una cultura empresarial que aproveche al máximo el potencial de la IA.
Ventaja Competitiva a Través de la Especialización: Las empresas que se centren en la aplicación de la IA a dominios específicos y desarrollen soluciones optimizadas para problemas concretos pueden obtener una ventaja competitiva significativa. La especialización permite un desarrollo más rápido, una mayor eficiencia y una mejor adaptación a las necesidades del mercado.
Gestión del Riesgo y Desarrollo Responsable: La preocupación por los riesgos potenciales de la IAG, unida a las lecciones aprendidas de tecnologías pasadas, resalta la importancia de un enfoque ético y responsable en el desarrollo y la implementación de la IA. Las empresas deben considerar los posibles impactos negativos, tanto a nivel interno como externo, y establecer mecanismos de control y supervisión para garantizar un uso seguro y beneficioso de la tecnología.
* Innovación Continua y Adaptación: El debate sobre la IAG también pone de manifiesto la naturaleza dinámica y en constante evolución del campo de la IA. Las empresas deben mantenerse al día con los últimos avances, evaluar críticamente las nuevas tendencias y adaptar sus estrategias de IA en consecuencia para mantener su competitividad y aprovechar las oportunidades emergentes
