¿Por qué la Inteligencia Artificial General necesita un entendimiento físico del mundo?
Hoy en día, algunos suponen que la Inteligencia Artificial General (AGI) está cerca por los avances en modelos de inteligencia artificial generativa. Estos sistemas parecen captar la esencia de la inteligencia humana, pero su comprensión del mundo es superficial, ya que se fundamentan en escalabilidad y procesamiento de grandes cantidades de datos, no en un verdadero entendimiento físico.
Muchos de los desafíos a los que debería enfrentarse la AGI, como arreglar un auto, desatar un nudo o preparar comida, están arraigados en la experiencia física y no pueden resolverse únicamente manipulando símbolos o palabras. Los modelos actuales, como los de lenguaje, han aprendido a predecir la palabra siguiente en una frase gracias al análisis estadístico de corpora masivos. Sin embargo, eso no equivale a construir modelos internos de la realidad física; más bien, generan reglas abstractas sobre cómo se comportan los símbolos, es decir, una especie de conocimiento superficial o de “sintaxis”.
Por ejemplo, una IA puede estructurar frases correctamente sin comprender su significado, como “la heladera está dentro de la manzana”. Un humano reconoce el absurdo gracias su experiencia con el mundo real, pero una IA solo podría evitar este error si aprendiera reglas especiales para cada combinación, en vez de comprender la naturaleza de los objetos. Esta diferencia evidencia que las capacidades actuales de la IA en cuanto al lenguaje, aunque impresionantes, no pueden considerarse una muestra de inteligencia general.
Además, se observa que los modelos generativos pueden obtener buenos resultados en determinadas pruebas sin aprender realmente los fundamentos del mundo que originan esos datos. Copian patrones y reglas, pero no logran conceptualizar ni comprender de fondo lo que procesan. Lo importante para alcanzar una AGI es la capacidad de formar nuevos conceptos y adaptarse a situaciones desconocidas desde la experiencia, y eso aún no está presente en los sistemas actuales.
El problema de los enfoques multimodales y la lección no aprendida
Se ha intentado avanzar hacia la AGI uniendo modelos especializados en distintas modalidades, como lenguaje y visión, en grandes sistemas multimodales. La idea es que combinar modelos expertos podría imitar la inteligencia general. Sin embargo, existen varios problemas fundamentales en este enfoque:
- Las conexiones entre modalidades, como la vista y el lenguaje, no son naturales en estos sistemas. Los modelos suelen procesar cada tipo de dato por separado y solo después intentan combinarlos en un espacio común, lo que no refleja cómo los seres humanos integran información.
- Cada modalidad mantiene su propio “decodificador” o forma de interpretar los datos, y esto puede llevar a contradicciones o confusión conceptual, porque el significado no se centraliza de manera coherente entre las distintas partes del sistema.
- El uso de grandes cantidades de datos permite que la inteligencia artificial replique los resultados de procesos conceptuales humanos, pero no aprende a crear conceptos nuevos realmente, sino solo a copiar patrones existentes.
- La arquitectura modular basada en modalidades puede impedir el surgimiento de procesos cognitivos más profundos y generales, que en las personas se dan naturalmente por la integración de distintas fuentes de información sensorial y motoras.
Sería más fructífero diseñar sistemas en los que la comprensión de distintas modalidades —como ver, leer y actuar— emerja de la interacción con el entorno, no de la agregación artificial de módulos independientes. Por ejemplo, un agente inteligente debería poder integrar la lectura de una señal de tránsito, la visión del entorno y la acción de conducir en una única experiencia cognitiva, no como tareas separadas.
Conclusiones sobre el camino hacia una Inteligencia Artificial General auténtica
El desarrollo de AGI exige superar la dependencia de modelos centrados únicamente en el procesamiento eficiente de tipos específicos de información. Un sistema verdaderamente inteligente debe ser capaz de interactuar de forma integral con el mundo físico, formar conceptos novedosos y adaptarse a desafíos complejos que no se reducen a manipulación de símbolos o reproducción de patrones existentes.
En términos prácticos, esto significa que los futuros desarrollos en IA deberían:
- Priorizar la interacción corporal y la experiencia directa con el entorno, permitiendo que los sistemas aprendan desde la acción y la percepción, y que la diferenciación entre “modalidades” emerja espontáneamente.
- Buscar una unificación procesal en el modo de interpretar información sensorial y ejecutar acciones, reflejando lo que ocurre en el cerebro humano y no basarse únicamente en divisiones técnicas entre texto, imagen o movimiento.
- Fomentar que la IA tenga la flexibilidad y creatividad necesarias para crear nuevos conceptos a partir de la experiencia, y no solo replicar los ya definidos en los datos de entrenamiento humano.
En resumen, la matemática que permite a los sistemas actuales actuar como aproximadores universales de funciones ya existe. El reto pendiente es conceptual: decidir qué procesos inteligentes queremos construir y cómo organizar sus funciones de manera coherente, inspirándonos en la experiencia y el conocimiento humano, pero yendo más allá de la simple imitación o combinación de capacidades específicas.
Aún no hay comentarios, ¡añada su voz abajo!