Lo que los investigadores se atreven a afirmar sobre la IA general
Un nuevo análisis publicado en la revista Nature sacude uno de los grandes dogmas del mundo tecnológico. Sus autores sostienen que los sistemas de IA actuales, como los chatbots más avanzados, ya cumplen con lo que razonablemente podría llamarse "inteligencia artificial general". No en 2040, no dentro de una década, sino ahora mismo.
El filósofo Eddy Keming Chen y sus colegas de California presentan una tesis valiente: el debate sobre la inteligencia artificial general (IAG) va por detrás de la realidad. Mientras empresas como OpenAI, Google y Meta siguen hablando en términos de "estamos casi ahí", sus propios modelos ya muestran, según los autores, comportamientos propios de una inteligencia general.
La IAG se define habitualmente como una IA capaz de competir con la inteligencia humana en múltiples dominios distintos. No una simple calculadora, sino un sistema que redacta textos, genera código, resuelve problemas matemáticos, interpreta imágenes y propone soluciones nuevas ante situaciones diversas.
La tesis central: el listón de la inteligencia artificial general no está en un futuro lejano, sino que ya ha sido superado sin que hayamos querido reconocerlo.
El test de Turing: ¿quién puntúa más, el humano o la máquina?
Uno de los argumentos más llamativos del estudio recupera algo que podría parecer anticuado: el test de Turing. Alan Turing diseñó en 1950 una prueba sencilla. Una persona conversa por texto con dos interlocutores, uno humano y otro máquina, y al final debe identificar cuál es la IA.
Según los autores, los chatbots más modernos superan esta prueba con claridad. En algunos experimentos, modelos como ChatGPT son identificados como humanos con mayor frecuencia que los propios humanos. Donde el test de Turing fue durante décadas el hito definitivo para la IA general, ahora movemos ese listón hacia atrás, denuncian los científicos.
- Los chatbots mantienen conversaciones a nivel experto en idiomas y código de programación.
- Resuelven problemas matemáticos que nunca han visto antes.
- Ofrecen asesoramiento en derecho, medicina, marketing y educación.
- Combinan texto, imágenes, audio e incluso vídeo dentro de un mismo sistema.
Si un ser humano mostrara esas capacidades, lo llamaríamos inteligente sin dudarlo. ¿Por qué nos negamos a aplicar esa misma etiqueta a un sistema de IA?
IAG no es lo mismo que superinteligencia
Un paso clave del artículo es la distinción entre dos conceptos que suelen mezclarse: la IA general y la superinteligencia. Según los autores, muchos líderes tecnológicos hablan en realidad solo de esta segunda categoría sin darse cuenta.
| Concepto | Explicación breve |
|---|---|
| IA General (IAG) | IA capaz de rendir al nivel humano en múltiples dominios distintos. |
| Superinteligencia | IA que supera ampliamente a los mejores humanos en prácticamente todos los ámbitos. |
Los investigadores argumentan que, si solo llamamos IAG a la superinteligencia, estamos moviendo los postes de la portería. Los grandes modelos de lenguaje actuales ya alcanzan el nivel experto en varias disciplinas. Y eso, según ellos, es exactamente lo que siempre se quiso decir con inteligencia artificial general.
¿Son los grandes modelos de lenguaje algo más que "loros digitales"?
Una crítica habitual a modelos como GPT es que serían simples "loros estocásticos": repetirían de forma ligeramente diferente lo que ya estaba en sus datos de entrenamiento, sin comprensión real.
Chen y sus colegas repasan esa objeción y tratan de desmontar su base. Señalan ejemplos en los que los modelos de lenguaje resuelven problemas matemáticos que no aparecen literalmente en los datos con los que fueron entrenados, o ejecutan tareas que combinan conocimiento de dominios diferentes: física, estadística y lenguaje en una sola respuesta.
Para los autores, eso va mucho más allá de la mera copia. El sistema generaliza y aplica conocimiento a situaciones nuevas, algo que es precisamente la característica central del comportamiento inteligente.
Si un humano aprende de ejemplos, resuelve problemas nuevos y transfiere conocimiento entre disciplinas, lo llamamos inteligencia. ¿Por qué aplicaríamos un rasero más estricto cuando se trata de la IA?
¿Necesita la IA un cuerpo para ser inteligente?
Otro argumento clásico sostiene que una entidad verdaderamente inteligente necesita un cuerpo: tacto, visión, movimiento, experiencia en un entorno físico. Sin eso, no habría "inteligencia real".
Los autores no están de acuerdo. Apuntan que los modelos actuales ya hacen predicciones razonables sobre procesos físicos, desde estimar fuerzas en un problema de mecánica hasta razonar sobre qué sucede cuando se cae un vaso. Todo ello a partir de texto e imagen, sin cuerpo propio.
Al mismo tiempo, algo está cambiando en la práctica. Cada vez más robots funcionan con modelos de IA, los sensores alimentan los sistemas con imágenes y sonido, y los fabricantes trabajan en la llamada "IA física": robots que aprenden de la experiencia, impulsados por el mismo tipo de modelos que hay detrás de los chatbots más conocidos.
Memoria, autonomía y velocidad de aprendizaje: ¿son realmente decisivos?
Los investigadores también responden a otras tres críticas frecuentes:
- Falta de memoria autobiográfica — Muchos modelos no retienen conversaciones pasadas durante mucho tiempo. Según los autores, tener una historia de vida continua resulta útil, pero no es un requisito estricto para la inteligencia.
- Poca autonomía — Los chatbots esperan una instrucción del usuario. Sin embargo, ya existen agentes de IA que planifican objetivos por sí mismos y ejecutan tareas de forma encadenada. El salto hacia mayor autonomía es técnicamente más una decisión de diseño que un obstáculo insuperable.
- Aprendizaje lento y necesidad de datos masivos — La IA necesita conjuntos de datos gigantescos; un niño aprende con mucho menos. Los investigadores señalan que esto habla de eficiencia, no del nivel final de inteligencia alcanzado.
El problema persistente de las respuestas alucinadas
El punto más delicado del artículo, y el que queda algo menos desarrollado, son las alucinaciones. Los chatbots siguen inventando fuentes, datos y nombres. Según OpenAI, aproximadamente uno de cada diez mensajes de un modelo futuro como GPT-5 todavía podría contener un elemento incorrecto o imaginado.
Los investigadores hacen la comparación con los humanos: también nosotros tenemos recuerdos falsos, sesgos inconscientes y errores de razonamiento. Los estudios psicológicos demuestran que los testimonios de testigos son con frecuencia poco fiables, incluso cuando la persona está completamente convencida de tener razón.
Aun así, la diferencia existe. Los sistemas de IA suenan enormemente seguros de sí mismos incluso cuando se equivocan por completo. En aplicaciones médicas, judiciales o financieras, eso supone un riesgo considerable. En esos contextos, "fallar como un humano" no es suficiente; el margen de error debe ser mucho menor que el del usuario promedio.
Por qué nos cuesta tanto aceptar que la IA ya podría ser "inteligente"
Según los autores, nuestra imagen de lo que es la inteligencia juega un papel determinante. Estamos acostumbrados a que la inteligencia tenga aspecto de cerebro dentro de un cuerpo, con emociones, una voz y una biografía. Un modelo que funciona en un centro de datos no encaja en ese esquema, así que seguimos postergando la etiqueta de "inteligencia real".
Los líderes tecnológicos, además, suben el listón cada vez más. Mark Zuckerberg y otros prefieren hablar ahora de "superinteligencia", una entidad que supere a los humanos en prácticamente todo. Con eso, el debate parece girar en torno a cuándo tendremos un supercerebro que nos aplaste en cualquier disciplina imaginable, ocultando que el primer gran paso puede que ya esté dado.
El debate pasa de "¿es esto ya IA general?" a "¿cuándo tendremos un supercerebro que supere a todos?" — y con ese desplazamiento se oculta que el primer hito quizá ya ha sido alcanzado.
Qué implica este cambio para la regulación y el uso cotidiano
Si aceptamos que la IA actual ya funciona al nivel humano en muchas tareas, la responsabilidad también se desplaza. Ya no hablamos solo de experimentos y globos sonda, sino de infraestructura seria sobre la que empresas, gobiernos y ciudadanos construyen su día a día.
La regulación en Europa y en el resto del mundo ya va por detrás del desarrollo tecnológico. Muchas propuestas parten de la premisa de una "IA peligrosa en el futuro", mientras que hoy existen modelos que ofrecen consejos médicos, simulan asistencia jurídica y diseñan estrategias de marketing completas. Quien confíe ciegamente en ellos se enfrentará tarde o temprano a una respuesta alucinada con consecuencias graves.
Para los usuarios comunes, esto significa sobre todo que la IA se parece más a un colega inteligente que a un oráculo infalible. Se puede utilizar como interlocutor, como asistente de código o como redactor de textos, pero el control sigue siendo indispensable. Del mismo modo que se revisa el trabajo de un becario o de un abogado júnior, hay que verificar de forma crítica lo que produce la IA.
Conceptos clave explicados: de los LLM al chatbot en términos sencillos
Muchos de los términos mencionados suenan técnicos, pero se pueden explicar de forma relativamente accesible:
- Grandes modelos de lenguaje (LLM) son sistemas de IA entrenados con cantidades enormes de texto que generan nuevo texto de forma autónoma. Predicen palabra a palabra lo que resulta más lógico a continuación.
- Los chatbots son aplicaciones construidas sobre esos modelos. Ofrecen una interfaz conversacional, recuerdan el contexto de forma temporal y se sienten como un interlocutor real.
- La robótica conecta la IA con el hardware: brazos, ruedas, cámaras, sensores. Es donde la inteligencia digital actúa sobre el mundo real a través de un cuerpo físico.
Combinados, forman un ecosistema poderoso: un modelo de lenguaje planifica una tarea, un robot la ejecuta y los sensores devuelven nuevos datos al sistema. De este modo, los sistemas pueden volverse más prácticos, más autónomos y más influyentes a un ritmo acelerado.
Quienes ya trabajan con IA hoy notan que la frontera entre herramienta y colaborador empieza a difuminarse. Los programadores dejan que los modelos construyan módulos enteros, los profesores los usan como asistentes para preparar clases, los juristas les encargan los primeros borradores de contratos. En todos esos escenarios surge la misma pregunta: ¿cuándo llamamos a ese sistema no solo útil, sino verdaderamente inteligente?
La publicación en Nature ofrece una respuesta estimulante: quizá esa frontera ya ha sido cruzada y lo que va rezagado es nuestra propia definición. Eso no convierte a la tecnología en algo mágico ni mucho menos infalible, pero sí en algo bastante más serio que "un buscador muy listo". Quien lo tenga en cuenta tomará decisiones más conscientes sobre dónde ceder el mando a la IA y dónde, todavía, no.
