La IA no es un interruptor binario: es una escalera. Así la está midiendo Google DeepMind
Cuando hablamos de inteligencia artificial general (AGI), la conversación pública suele moverse entre dos polos: o ya llegamos, o todavía falta muchísimo. Un grupo de investigadores de Google DeepMind —entre ellos Shane Legg, cofundador de la compañía— propone que esa pregunta binaria está mal planteada.
En su paper "Levels of AGI for Operationalizing Progress on the Path to AGI", presentado en ICML 2024, el equipo argumenta que la AGI no es un punto de llegada único, sino un espectro que se puede medir en dos ejes distintos: qué tan profundo es el desempeño de un sistema en una tarea dada, y qué tan amplia es su generalidad, es decir, en cuántos dominios distintos puede desempeñarse con ese nivel de profundidad.
Un sistema puede ser sobresaliente en un dominio muy estrecho —jugar ajedrez, por ejemplo— sin acercarse ni remotamente a la generalidad humana. Otro puede ser modestamente competente en decenas de tareas distintas, sin ser excepcional en ninguna. Ninguno de los dos, bajo este marco, es automáticamente "más cerca" de la AGI: depende de en cuál de los dos ejes se esté midiendo el progreso.
Para que esta idea sea útil más allá de un paper académico, los autores proponen seis principios para clasificar el progreso hacia la AGI con seriedad: centrarse en capacidades, no en mecanismos; medir generalidad y desempeño por separado; enfocarse en capacidades cognitivas y metacognitivas, no en el despliegue físico; priorizar el potencial sobre el uso real en el mundo; usar puntos de referencia concretos y medibles; y reconocer que el camino hacia la AGI probablemente tiene múltiples niveles intermedios, no un salto único.
¿Por qué debería importarle esto a quien dirige una organización y no está diseñando modelos de IA? Porque la misma confusión entre "profundidad" y "generalidad" es la que hoy hace que muchos equipos directivos evalúen mal sus propias herramientas de IA. Adoptar un asistente excelente en una tarea muy específica no es lo mismo que adoptar IA de forma transversal, y confundir ambas cosas —pensar que porque un área ya usa IA con éxito "la empresa ya adoptó IA"— es uno de los errores de diagnóstico más comunes que vemos en campo.
El marco de DeepMind no da una respuesta fácil sobre cuándo llegará la AGI, y de hecho no pretende hacerlo. Pero sí ofrece algo más útil para quien toma decisiones hoy: un vocabulario más preciso para preguntar en qué nivel de profundidad y de amplitud está realmente la adopción de IA en su propia organización, antes de decidir el siguiente paso.
Esa es, en esencia, la pregunta que responde nuestro diagnóstico de madurez en IA: no si ya "tienen IA", sino en qué nivel —y en cuántas áreas— la tienen. Si quieres ubicar en qué nivel está tu organización, puedes empezar aquí: encuesta AI Readiness.
Fuente: Morris, M.R., Sohl-Dickstein, J., Fiedel, N., Warkentin, T., Dafoe, A., Faust, A., Farabet, C., Legg, S. "Levels of AGI for Operationalizing Progress on the Path to AGI", arXiv:2311.02462, ICML 2024.