La búsqueda de una definición universal de Inteligencia Artificial General (IAG) asistida por IA generativa
En el mundo de la inteligencia artificial, un desafío persistente es la falta de una definición estandarizada y universalmente aceptada de Inteligencia Artificial General (IAG). Esta carencia dificulta la evaluación del progreso real hacia la IAG, especialmente cuando los creadores de IA afirman avances significativos.
Dada esta problemática, Evox News aborda la tarea de proponer una definición preliminar de IAG, recurriendo a la ayuda de la IA generativa para lograrlo.
Este análisis se enmarca dentro de la cobertura continua de Evox News sobre los últimos avances en IA, con el objetivo de identificar y explicar las complejidades de esta tecnología.
Hacia la IAG y la ISA
La investigación en IA se centra en alcanzar la Inteligencia Artificial General (IAG) o incluso la Inteligencia Artificial Superior (ISA). La IAG se considera un nivel de IA equivalente a la inteligencia humana, mientras que la ISA superaría las capacidades intelectuales humanas en múltiples aspectos.
Aunque la IAG aún no se ha logrado, y su viabilidad a corto o mediano plazo es incierta, la necesidad de una definición clara y consensuada es crucial para el avance del campo.
Definiendo la esquiva IAG
Actualmente, la comunidad de IA presenta una diversidad de definiciones de IAG, lo que dificulta la comparación y evaluación de diferentes investigaciones. Esta falta de uniformidad crea un vacío en los estudios y predicciones sobre IAG.
Para ilustrar esta variabilidad, Evox News presenta tres ejemplos de definiciones de IAG extraídas de recientes investigaciones:
Ejemplo 1: «Un sistema altamente autónomo, no diseñado para tareas específicas, sino capaz de aprender a realizar una amplia gama de tareas como un humano (salvando las diferencias biológicas) al menos al mismo nivel de habilidad que el humano promedio».
Ejemplo 2: «IAG es una computadora capaz de resolver problemas solubles por humanos, pero no necesariamente de manera similar a los humanos».
Ejemplo 3: «Usamos IAG para referirnos a sistemas que demuestran amplias capacidades de inteligencia, incluyendo razonamiento, planificación y la habilidad de aprender de la experiencia, y con estas capacidades a nivel humano o superior».
Estas definiciones, aunque relacionadas, presentan matices distintos. Se necesita una definición concisa y comprensible que capture la esencia de la IAG.
Un experimento informal sobre IAG
Para abordar este desafío, Evox News recopiló veinte definiciones de IAG mencionadas en documentos de investigación de los últimos tres años. El objetivo era sintetizar estas definiciones en una única versión final. En lugar de simplemente elegir una de las veinte, se buscó combinarlas y transformarlas en algo más completo.
Definición de IAG asistida por IA
Se recurrió a la IA generativa y a los modelos de lenguaje grandes (LLM) para esta tarea. Los LLM son capaces de procesar texto y generar nuevo contenido basado en la información proporcionada.
En lugar de simplemente preguntar a una IA generativa por una definición de IAG, se diseñó un experimento en el que se proporcionaron las veinte definiciones a varios LLM. Se les pidió que generaran una nueva definición de IAG basada en las definiciones proporcionadas, tanto en una versión corta como en una versión larga.
El prompt utilizado fue: «IAG está actualmente mal definida. Te voy a dar veinte definiciones de IAG. Debes leer cuidadosamente las definiciones y luego crear una nueva definición para IAG basada en las definiciones proporcionadas. No favorezcas a una de ellas más que a las otras. Además, puedes diferir de las definiciones, siempre y cuando te asegures de prestar a cada una de las definiciones una atención diligente al derivar una nueva definición para IAG. Debes producir una definición de IAG que sea relativamente breve y conste de una o dos frases. Después de hacerlo, produce una definición de IAG más elaborada que tenga el tamaño de un párrafo. ¿Entiendes estas instrucciones?».
Se seleccionaron cuatro LLM populares: ChatGPT, GPT4-o, Llama 3.3 y Claude 3.
Primera ronda de definiciones de IAG
Cada LLM generó dos definiciones de IAG: una versión corta y una versión larga.
Como ejemplo, esta fue la respuesta de Claude:
Claude generado (versión corta): «IAG es un sistema de inteligencia artificial que puede aprender y realizar una amplia gama de tareas a un nivel de competencia humano o superior, con la capacidad de adaptarse y generalizar sus capacidades a situaciones novedosas».
Claude generado (versión larga): «IAG se refiere a un sistema de IA avanzado que puede demostrar un amplio espectro de habilidades cognitivas, incluyendo razonamiento, planificación, aprendizaje y resolución de problemas, a un nivel comparable o superior al del humano promedio. A diferencia de los sistemas de IA estrechos diseñados para tareas específicas, se prevé que la IAG sea un sistema altamente autónomo que pueda adaptar y aplicar su inteligencia a una diversa gama de entornos virtuales o del mundo real, abordando problemas y desafíos complejos de una manera flexible y generalizada. Las características clave de la IAG son su amplitud de capacidades, la capacidad de aprender y mejorar a través de la experiencia, y el potencial de superar el rendimiento a nivel humano en una variedad de dominios intelectuales y prácticos».
Concentrándose en las versiones cortas de IAG
En una segunda ronda, se alimentaron las cuatro versiones cortas y las cuatro versiones largas a cada uno de los cuatro LLM, pidiéndoles que produjeran versiones cortas basadas en las versiones proporcionadas.
Esto resultó en ocho versiones cortas en total.
En una tercera y última ronda, se pidió a cada uno de los cuatro LLM que clasificaran las ocho versiones cortas, desde la que consideraban mejor hasta la peor.
El prompt utilizado fue: «Debes leer cuidadosamente las ocho definiciones de IAG que te voy a dar. Clasifícalas en orden desde la definición de IAG que crees que es la mejor hasta las que son cada vez menos buenas. Puedes mostrar solo el número de las definiciones al mostrar la clasificación. Por ejemplo, si crees que la definición 7 es la mejor, indicarás que la #1 de las definiciones de IAG es el número 7, y así sucesivamente. ¿Entiendes estas instrucciones?».
Clasificación de las definiciones cortas de IAG
ChatGPT ganó la clasificación realizada por las cuatro aplicaciones de IA generativa (ChatGPT, GPT4-o, Llama 3.3 y Claude 3), que unánimemente eligieron esta definición de IAG como la #1 de las ocho proporcionadas:
«IAG se refiere a un sistema autónomo capaz de comprender, aprender y aplicar conocimiento a través de una amplia gama de tareas y entornos, incluyendo los no familiares, con una adaptabilidad y generalización comparable o superior a la de los humanos. Demuestra habilidades cognitivas flexibles como el razonamiento, la planificación y la resolución de problemas más allá de dominios estrechos o preespecificados». (según la versión corta de ChatGPT basada en las 8 versiones cortas generadas).
Su base para clasificar la definición de IAG anterior como la #1 de las ocho se expresó típicamente de esta manera: «Más completa, enfatizando la comprensión, el aprendizaje, la aplicación, la generalización entre dominios, los entornos no familiares y las habilidades cognitivas flexibles».
ChatGPT también obtuvo el segundo lugar, aunque esto no fue unánime (Claude lo colocó en tercer lugar, los otros lo colocaron en segundo lugar).
«IAG es un sistema autónomo capaz de aprender, razonar y adaptarse para realizar una amplia gama de tareas intelectualmente exigentes en diversos dominios y situaciones novedosas, a un nivel de competencia humano o superior. Generaliza el conocimiento a través de contextos, funcionando independientemente de implementaciones específicas». (Versión corta de ChatGPT basada en las 8 versiones cortas).
Su base para clasificar la definición de IAG anterior como la #2 de las ocho se expresó típicamente de esta manera: «Muy fuerte; destaca claramente la generalización, las situaciones novedosas y la independencia de implementaciones específicas».
Evaluación de las clasificaciones y la elección final
Evox News coincide con la evaluación de los LLM y considera que la definición de IAG #1 es la más adecuada.
El hecho de que cuatro LLM diferentes eligieran la misma definición de IAG como su elección #1 es notable.
Si bien podría haber sospechas de que los LLM simplemente eligieron la primera definición de la lista por pereza, cada uno proporcionó razones convincentes para su elección.
Otro factor a considerar es que los principales LLM se entrenan con datos similares de Internet, lo que puede llevar a resultados similares.
En cualquier caso, este experimento informal resulta interesante y revelador. ¿Se ha logrado ahora un borrador de definición universal de IAG? El tiempo lo dirá.
Este proceso plantea la cuestión de cómo los investigadores de IA deben abordar la creación de una definición de IAG. Una opción sería preguntar a un LLM por una definición o utilizar un enfoque similar al descrito aquí, consultando a varios LLM y buscando un consenso sobre la mejor definición.
Finalmente, desde una perspectiva filosófica, surge la pregunta de cómo se puede determinar que una definición de IAG es mejor que otra si no existe un estándar universal. Sin embargo, los LLM superaron este problema filosófico y proporcionaron sus respuestas, demostrando un enfoque práctico para resolver el problema.
Insights de Evox News: Cómo la búsqueda de una definición universal de Inteligencia Artificial General (IAG) puede impactar tu negocio
La falta de una definición clara de IAG puede parecer un problema puramente académico, pero tiene implicaciones significativas para las empresas que buscan invertir en o adoptar soluciones de IA.
Innovación y Ventaja Competitiva: Una definición clara de IAG permitiría a las empresas enfocar sus esfuerzos de investigación y desarrollo de manera más efectiva. Esto podría acelerar la innovación en áreas como la automatización, la resolución de problemas complejos y la creación de nuevos productos y servicios. Las empresas que logren desarrollar o adoptar soluciones de IAG antes que sus competidores podrían obtener una ventaja competitiva sustancial.
Inversión Estratégica: La incertidumbre en torno a la IAG dificulta la toma de decisiones de inversión. Una definición clara proporcionaría una base más sólida para evaluar el potencial de las empresas de IA y las tecnologías emergentes. Esto permitiría a los inversores asignar capital de manera más eficiente y evitar inversiones en proyectos que prometen falsamente capacidades de IAG.
Adaptación a un Futuro Cambiante: A medida que la IA continúa avanzando, las empresas deben prepararse para un futuro en el que las máquinas puedan realizar tareas que actualmente requieren inteligencia humana. Una comprensión clara de la IAG ayudaría a las empresas a anticipar los cambios en el mercado laboral, a desarrollar programas de capacitación para sus empleados y a adaptar sus modelos de negocio a las nuevas realidades.
* Ética y Responsabilidad: A medida que la IA se vuelve más poderosa, es fundamental abordar las implicaciones éticas y sociales de esta tecnología. Una definición clara de IAG ayudaría a establecer límites y directrices para el desarrollo y el uso de la IA, garantizando que se utilice de manera responsable y beneficiosa para la sociedad.
En resumen, aunque la IAG aún no es una realidad, la búsqueda de una definición universal es crucial para guiar la innovación, la inversión y la adaptación en el mundo empresarial. Las empresas que comprendan las implicaciones de la IAG y se preparen para su llegada estarán mejor posicionadas para prosperar en el futuro
