Nuevos modelos de inteligencia artificial fracasan en pruebas cruciales para alcanzar la AGI
Los avances en la inteligencia artificial general (AGI) enfrentan un enorme obstáculo: ninguno de los modelos actuales logra demostrar capacidades cognitivas equivalentes a las humanas. A pesar de apuestas millonarias y retos diseñados especialmente para medir habilidades abstractas, la brecha entre humanos y máquinas no deja de crecer, confirmaron expertos y análisis recientes en IEEE Spectrum.
Grandes empresas como OpenAI y Google DeepMind anunciaron avances acelerados con sistemas como GPT-4.5 y Dreamer, pero las pruebas más exigentes revelan limitaciones inesperadas. Por ejemplo, los modelos más avanzados sólo alcanzaron un 16% de aciertos en el test ARC contra un 60% promedio humano, evidenciando la dificultad para replicar el razonamiento abstracto.
El desafío del ARC-AGI-2 y las controversias en la definición de AGI
El ARC-AGI-2, una versión más dura del test de Françios Chollet, premia con USD 1 millón a quien supere el 85% de respuestas correctas bajo condiciones estrictas. Hasta ahora, nadie se acerca a esta meta. Este desafío refleja la falta de consenso fundamental en la comunidad científica sobre qué es realmente la AGI.
Geoffrey Hinton, padre de la IA moderna, advierte que “estamos construyendo seres alienígenas”, señalando que las máquinas funcionan de manera tan diferente a los humanos que compararlas resulta casi imposible. Esta divergencia también complica diseñar pruebas universales que midan la inteligencia a fondo.
Limitaciones de pruebas clásicas y la búsqueda de nuevo estándar
Desde el famoso test de Turing, las evaluaciones tradicionales como la imitación en diálogos o triunfos en juegos (como Deep Blue en ajedrez) no han ofrecido una medición precisa. GPT-4.5 puede sostener conversaciones, pero aún comete errores básicos, lo que subraya la necesidad de benchmarks más robustos que eviten “atajos computacionales”.
Por ello, surgió el test ARC (Abstraction and Reasoning Corpus), que pone a prueba la capacidad de las IA para aprender con pocos ejemplos y aplicar reglas abstractas en rompecabezas visuales inéditos. Aunque OpenAI logró superar el promedio humano a un costo computacional enorme, la distancia en desempeño sigue siendo enorme.
Críticas y nuevos caminos para medir la AGI
El test ARC genera críticas. Jiaxuan You de la Universidad de Illinois considera que es útil teóricamente, pero insuficiente para capturar la inteligencia social y la complejidad del mundo real. Melanie Mitchell, del Instituto Santa Fe, señala que no refleja la inteligencia general tal como la entiende la sociedad.
Para ampliar la visión, Chollet prepara versiones que incluyen tareas inspiradas en minijuegos y se suman nuevos benchmarks como General-Bench, que combina texto, imágenes, audio y video para evaluar creatividad y juicio ético. Sin embargo, ningún sistema domina aún todas estas dimensiones de forma integrada.
Débiles perspectivas y un horizonte incierto para la AGI
El debate sigue abierto en cuanto a si la AGI debe tener habilidades físicas o basta con aptitudes cognitivas. Mientras Google DeepMind sostiene que el software es suficiente, expertos como Mitchell insisten en evaluar la capacidad para enfrentar problemas reales y no predecibles.
Por su parte, Jeff Clune de la Universidad de British Columbia, advierte sobre los “atajos ingeniosos pero poco fiables” que las IA aprovechan y propone analizar también sus procesos internos y su impacto real. Según él, la verdadera prueba será cómo estas tecnologías afectan el trabajo y la ciencia en la práctica.
La AGI sigue siendo una meta lejana y polémica
Ante la ausencia de consenso y los debates filosóficos sobre inteligencia y valor, alcanzar una AGI plenamente funcional y universalmente reconocida permanece fuera del alcance inmediato. Anna Ivanova, psicóloga de Georgia Tech, subraya que las definiciones e interpretaciones de inteligencia evolucionan constantemente.
El informe de IEEE Spectrum concluye que el término AGI sigue siendo un concepto útil para expresar aspiraciones y temores, pero siempre necesita aclaraciones precisas y benchmarks específicos para avanzar en su desarrollo con responsabilidad y transparencia.
En México y el resto del mundo, esta discusión cobra relevancia urgente ante la creciente automatización y la expectativa de cambios profundos en el empleo, la ciencia y la vida cotidiana. Mantenerse al tanto de estos debates es clave para entender cómo y cuándo la inteligencia artificial podría empezar a competir verdaderamente con la mente humana.
