La IAG sería la meta lógica del campo de investigación de la IA, un conjunto de algoritmos digitales capaces de abordar problemas y evaluar críticamente la información con la flexibilidad y profundidad del conocimiento humano. En otras palabras, no se limitaría a imitar la inteligencia, sino que haría gala de ella de forma tan clara e inequívoca como cualquier persona.
Si esto suena a cuento, es porque la IAG sigue siendo en gran medida un campo teórico; nunca se ha creado una auténtica IAG. Las posibilidades de la inteligencia artificial actualmente son extraordinarias, pero no demuestra una verdadera capacidad cognitiva, lo que significa que en realidad no puede pensar por sí misma de la manera que puede hacerlo un ser humano. No tiene conciencia de sí misma como un ser pensante.
Esta es la principal diferencia entre la IA y la IAG. Más específicamente, las diferencias entre la inteligencia general artificial y la inteligencia artificial se pueden resumir de la siguiente manera:
- La IA funciona según reglas predefinidas y patrones de datos. Solo puede tomar decisiones dentro de los límites de los datos con los que se la entrenó.
- La IAG hipotéticamente sería capaz de razonar sofisticadamente en varios dominios, potencialmente desarrollando enfoques novedosos para resolver problemas que podrían diferir de los patrones de razonamiento humano. Sería capaz de manejar conceptos abstractos, seguir análisis lógicos complejos y potencialmente descubrir nuevas formas de pensar que no se les habrían ocurrido a los humanos.
El desarrollo de la IA está firmemente arraigado en el deseo de crear sistemas que puedan automatizar tareas complejas. La IA y la IAG tendrían diferentes limitaciones en cuanto a lo que serían capaces de lograr.
- La IA está diseñada para ayudar en tareas específicas como el reconocimiento de imágenes o facilitar la traducción de idiomas. Es incapaz de aplicar conocimientos generalizados o transferir habilidades entre diferentes dominios.
- La IAG sería capaz de acometer una amplia gama de tareas, imitando la versatilidad de la inteligencia humana. Se adaptaría a nuevos cometidos de forma autónoma, sin necesidad de reentrenamiento o programación más específica.
Todos los modelos de IA se basan en datos de entrenamiento iniciales, pero también pueden mejorar su rendimiento en función de los nuevos datos, potencialmente evolucionando y mejorando con el tiempo.
- La IA aprende de grandes conjuntos de datos dentro de un dominio concreto. Algunas IA incorporan el aprendizaje automático para identificar patrones cuando se encuentran nuevos datos, lo que mejora su capacidad para realizar tareas específicas con mayor precisión.
- La IAG sería capaz de incorporar lo que aprende de nuevos datos, pero no se limitaría a un dominio específico. Al igual que el aprendizaje humano, sería capaz de aprender y evolucionar en cualquier tema al que estuviera expuesta.
Con comprender el contexto nos referimos a interpretar y responder a la información en función de las circunstancias y los matices que rodean a cada mensaje, teniendo en cuenta datos sutiles que podrían ser difíciles de cuantificar.
La comprensión del contexto de la IA es limitada y, con mucha frecuencia, las sutilezas se le escapan. La IA normalmente requiere datos claros y estructurados para funcionar con precisión.
La IAG sería capaz de comprender e interpretar el contexto de una manera semejante a la comprensión humana. Esta capacidad le permitiría interactuar de forma más natural con las personas.
La resolución de problemas generales implica abordar una amplia variedad de retos utilizando un enfoque versátil. Es la capacidad de evaluar eficazmente problemas novedosos y de comenzar a construir soluciones viables.
La IA resuelve los problemas específicos para los que fue entrenada. Carece de la flexibilidad necesaria para abordar problemas imprevistos más allá de su programación.
La IAG resolvería teóricamente un amplio espectro de problemas, empleando su inteligencia general con habilidades de resolución de problemas equivalentes a las de un humano. La IAG podría aplicar dinámicamente sus conocimientos y habilidades a desafíos novedosos y diversos.
La inteligencia general artificial como término se acuñó por primera vez en 2007, aunque ya existía como un concepto sin ese nombre específico desde mucho antes. En todo ese tiempo, siempre ha sido una teoría y no algo que pueda asemejarse a una realidad. La IA generativa hizo pensar de nuevo que la IAG podría ser posible para muchos teóricos y podría representar los primeros pasos en esa dirección en muchos años.
La capacidad de la IA generativa de aplicar técnicas de aprendizaje profundo para crear nuevos contenidos (texto, imágenes, vídeo, audio, etc.) que son categóricamente similares a sus datos de formación pero parecen originales y distintos es lo más cercano a la IAG que se ha visto hasta ahora. Dicho esto, la IA generativa y la IAG no son lo mismo.
Por muy impresionantes que puedan parecer las capacidades de la IA generativa, se trata de sistemas con las mismas limitaciones que la IA. En contraste, la inteligencia artificial general podría en teoría replicar toda la gama de capacidades cognitivas humanas e incluso ir más allá: tendría la flexibilidad para entender, aprender y aplicar el conocimiento en diversas tareas y contextos, demostrando habilidades de razonamiento y resolución de problemas equiparables a la inteligencia humana. Esto también podría aplicarse para mejorar las capacidades generativas, más allá de lo que la IA generativa actual puede hacer.
Teniendo en cuenta los sorprendentes avances que ha logrado la IA tan solo en el último año, sería lógico pensar que la aparición de la IAG es inevitable, o incluso inminente. La realidad es que todavía faltarían muchos avances para que la IA pudiera dar al fin ese salto a la verdadera inteligencia general. Los siguientes elementos son cruciales para salvar la brecha entre la IA más limitada y los procesos de pensamiento versátiles y similares a los humanos que promete el concepto de la IAG:
Los sistemas de IA deben ser capaces de interpretar y procesar sonidos con la misma conciencia espacial y sutileza que los humanos. Esto incluye distinguir entre sonidos superpuestos e identificar fuentes de sonido en entornos complejos, lo que es esencial para aplicaciones como asistentes virtuales avanzados y sistemas autónomos que funcionan en entornos dinámicos.
La IA debe ser capaz de reconocer e interpretar con precisión los datos visuales, incluidas las sutiles diferencias de color y textura, para realizar tareas como la generación de imágenes de uso médico avanzadas, el control de calidad en la fabricación y el análisis de vídeo en tiempo real.
Los sistemas de IA necesitan inteligencia espacial real para poder moverse e interactuar con los entornos físicos como lo hacen los humanos. Va más allá de “ver” el mundo físico; significa comprender plenamente el espacio 3D, reconocer las relaciones entre objetos y predecir las interacciones físicas. La IAG con inteligencia espacial interpretaría la dinámica del espacio en tiempo real, ajustando las acciones en función de la disposición de los objetos y los cambios en su entorno, en lugar de depender únicamente del GPS o de mapas predefinidos.
La IAG debe poseer la capacidad de reconocer los problemas y de idear soluciones eficaces de forma independiente. Esto implica no solo comprender el contexto, sino también aplicar el sentido común y el razonamiento predictivo para resolver problemas nunca vistos, igual que los humanos resuelven problemas e innovan como parte del proceso.
Los sistemas móviles de IA necesitan navegar por entornos complejos de forma autónoma y segura sin intervención humana. Esto incluye no solo seguir coordenadas de GPS, sino también adaptarse de forma dinámico a nuevos obstáculos, condiciones cambiantes y eventos imprevistos, todo lo cual es crucial para aplicaciones como vehículos totalmente autónomos y sistemas de reparto robotizados.
Aunque es menos importante para los sistemas puramente informáticos, desarrollar habilidades motoras finas es esencial para las tareas físicas que requieren precisión y destreza. Este avance permitirá a los robots realizar actividades tan complejas como procedimientos quirúrgicos y trabajos de ensamblaje delicados en la fabricación.
Antes de que pueda haber algo mínimamente parecido a la IAG, la IA tendría que poder ir más allá del procesamiento de datos aislados y lograr una comprensión completa del contexto. Esto incluye entender significados implícitos, las señales sociales y las estructuras complejas del lenguaje omnipresentes en el lenguaje humano.
Por mucho que la IA generativa imite la creatividad, en realidad carece de esa cualidad. La IAG tendría que ser capaz de generar ideas completamente novedosas y soluciones creativas, lo que requiere un conjunto de conocimientos diversos y la capacidad de sintetizar ese conocimiento de maneras innovadoras.
Por último (y posiblemente el requisito que se encuentra más fuera de nuestro alcance) la IAG debería poder interactuar sin problemas con los humanos en un nivel emocional. Reconocer y responder a señales emocionales no verbales y comprender las dinámicas sociales es un área extremadamente sutil y compleja de interacción social, una con la que incluso muchos seres humanos tienen dificultades. Por eso es todavía más complicado intentar enseñar estas interacciones a los sistemas de IA.
Aunque la IAG todavía es ciencia ficción, sí que hay disponibles ya soluciones avanzadas de IA. ServiceNow® las ofrece para tu empresa a través de las potentes capacidades de Now Platform®. El completo conjunto de aplicaciones centralizadas de ServiceNow integra la IA como uno de sus pilares y ayuda a organizaciones de todos los tamaños.
Automatiza los flujos de trabajo complejos. Mejora el servicio de atención al cliente con agentes virtuales que siempre están disponibles. Clasifica y dirige fácilmente las solicitudes a los agentes adecuados. Ofrece respuestas rápidas y precisas a consultas detalladas. Extrae información útil de los datos empresariales para identificar tendencias de clientes y mercados. Y, en todo el proceso, mejora las operaciones de negocio a la vez que reduces los costes en general. Now Platform no es IAG para empresas, pero es lo más parecido que tenemos.
Para disfrutar de todas las ventajas de las soluciones de IA empresarial más avanzadas de hoy en día, pide una demostración a ServiceNow hoy mismo.
