Qué es la inteligencia artificial general: separar capacidad y promesa

Reeditado el 30 de julio de 2026, este artículo parte de una precaución: «inteligencia artificial general» no nombra hoy una máquina concreta ni una meta con examen universal. Nombra una aspiración —sistemas capaces de desenvolverse en muchas tareas y contextos— cuyas definiciones cambian según qué se compare, qué recursos se permitan y qué grado de autonomía se exija. Por eso una demostración impresionante no basta para anunciar IAG.

La distinción importa fuera del laboratorio. Una empresa puede vender como «general» un asistente que escribe, programa y analiza imágenes, aunque falle ante una instrucción nueva, dependa de herramientas externas o necesite supervisión constante. El lector necesita separar cuatro capas: definición, evidencia, sistema desplegado y promesa. Esa disciplina sirve para juzgar cualquier anuncio aunque cambien los modelos y los nombres.

Definir antes de medir

Una definición útil debe permitir decidir qué observación la refutaría. En su recopilación de definiciones de inteligencia, Shane Legg y Marcus Hutter identificaron como núcleo común la capacidad de alcanzar objetivos en una amplia variedad de entornos. Es un punto de partida, no un certificado: deja abiertas la amplitud relevante, la eficiencia, los objetivos y la forma de comparar con personas.

François Chollet propuso en On the Measure of Intelligence centrar la medición en la eficiencia con la que un sistema adquiere habilidades nuevas usando experiencia y conocimiento previo. Este enfoque corrige una confusión frecuente: acumular respuestas aprendidas no equivale a adaptarse. Si el examen se parece al entrenamiento, puede medir cobertura de datos o ingeniería, no generalización.

El marco Levels of AGI separa rendimiento, generalidad y autonomía, y propone hablar de niveles en vez de una frontera mágica. La utilidad está en obligar a completar la frase. ¿General respecto de qué conjunto de tareas? ¿Con qué percentil humano como referencia? ¿Con ayuda, herramientas y reintentos? Dos equipos pueden usar «IAG» para metas incompatibles y, aun así, parecer que discrepan sobre un mismo objeto.

También hay que distinguir generalidad de antropomorfismo. Hablar con fluidez, usar primera persona o describir emociones son propiedades de la interacción. No prueban memoria estable, modelo causal, intención ni comprensión humana. Una definición operativa enumera conductas comprobables; no convierte la impresión del usuario en evidencia interna.

Una capacidad amplia puede seguir siendo frágil

Los sistemas actuales pueden cubrir dominios que antes exigían programas separados. Eso es una ampliación real, pero «muchas tareas» no significa «cualquier tarea» ni «aprende como una persona». El artículo de GPT-3 evaluó aprendizaje con pocos ejemplos en numerosos conjuntos de lenguaje y documentó resultados desiguales, además de limitaciones. La evidencia correcta es ese perfil de tareas, no la conclusión de que el modelo comprendía el mundo en general.

El contraste con sistemas extraordinarios pero estrechos ayuda. AlphaGo combinó redes de políticas y valor, búsqueda en árbol, partidas humanas y autojuego para Go. Superar a grandes jugadores mostró una solución potente dentro de un entorno con reglas, acciones y objetivo definidos. No probó transferencia espontánea a contratos, conducción o medicina. La magnitud del resultado y la amplitud de la capacidad son ejes distintos.

La fragilidad aparece cuando cambia algo que el examen daba por fijo: el formato de la pregunta, el idioma, una regla, la distribución de casos, una herramienta o el coste de equivocarse. Un sistema puede responder bien a cien pruebas y fallar al decidir cuándo no sabe. Para hablar de generalidad hay que medir adaptación a tareas retenidas, necesidad de demostraciones, consumo de cómputo, estabilidad entre ejecuciones y recuperación ante errores.

La unidad que se evalúa debe quedar clara. A veces el resultado procede del modelo; otras, de un sistema con buscador, calculadora, memoria, filtros, instrucciones y una persona que selecciona salidas. Esa composición puede ser muy útil. Pero atribuir todo al modelo impide reproducir la prueba y oculta dependencias. La pregunta honesta es qué hizo cada componente y qué ocurre cuando uno falta.

Técnicas prometedoras no forman una escalera hacia la IAG

Redes profundas, memoria recurrente, autosupervisión, aprendizaje por refuerzo, búsqueda y transferencia resuelven problemas diferentes. Una arquitectura recurrente gestiona secuencias; una tarea autosupervisada crea señal a partir de los datos; el refuerzo optimiza decisiones según una recompensa; la búsqueda explora alternativas; la transferencia reutiliza representaciones o parámetros. Ninguna etiqueta implica por sí sola razonamiento general, seguridad o autonomía.

Tampoco forman una secuencia histórica inevitable. Un avance puede mejorar planificación y empeorar robustez; ampliar contexto y aumentar coste; dominar una referencia y explotar un atajo. La integración de varias técnicas produce un sistema nuevo que debe evaluarse como tal. Decir «combina X e Y, luego se acerca a la IAG» sustituye una prueba por una dirección imaginaria.

Para auditar una afirmación, conviene construir una matriz. En filas: tareas conocidas, tareas nuevas, variaciones adversas y acciones con consecuencias. En columnas: éxito, datos de adaptación, tiempo, herramientas, intervención humana y coste del error. La casilla vacía no demuestra incapacidad, pero sí limita la conclusión. Una puntuación agregada nunca debe borrar qué capacidades fueron observadas y cuáles se infirieron.

Beneficio y riesgo dependen del uso, no del rótulo

Prometer que una futura IAG resolverá energía, enfermedades o cambio climático mezcla una capacidad hipotética con resultados que dependen de datos, instituciones, recursos y decisiones políticas. Un sistema puede generar hipótesis sin disponer de experimentos; optimizar una red eléctrica sin poder construir infraestructura; proponer una molécula sin demostrar seguridad clínica. El beneficio se especifica como una cadena verificable de decisiones, no como una lista de problemas humanos.

Con los riesgos ocurre lo mismo. Antes de escenarios extremos existen fallos observables: discriminación, filtración de datos, automatización indebida, dependencia de proveedores, ciberabuso y pérdida de control operativo. El trabajo sobre evaluación de capacidades peligrosas propone investigar si modelos de propósito general pueden facilitar manipulación, ciberataques, adquisición de recursos u otros daños. Una evaluación no prueba que el daño sucederá; identifica capacidades que requieren controles y seguimiento.

El AI Risk Management Framework de NIST organiza el trabajo en gobernar, mapear, medir y gestionar. Esa secuencia evita esperar a resolver la filosofía de la IAG antes de actuar. Se puede documentar contexto, afectados, límites, métricas, supervisión y respuesta a incidentes para un sistema real. La gestión del riesgo empieza con el despliegue que existe, no con el nombre más ambicioso del laboratorio.

La regulación también puede prescindir de una respuesta única sobre IAG. El Reglamento de IA de la Unión Europea establece obligaciones según usos y, para modelos de propósito general, según responsabilidades y posibles riesgos sistémicos. Es una pista metodológica: preguntar quién provee, quién despliega, para qué se usa y qué impacto puede causar suele ser más productivo que discutir si el sistema «es general».

Un protocolo para leer el próximo anuncio

Primero, copie la definición exacta. Si solo aparecen palabras como «humano», «razona» o «general», pida tareas, población de referencia y recursos permitidos. Segundo, localice la evidencia primaria: informe técnico, tarjeta del sistema, datos y protocolo. Tercero, separe resultados medidos de demostraciones escogidas y predicciones. Cuarto, identifique la unidad evaluada —modelo o sistema— y la intervención humana.

Después busque las pruebas que faltan: tareas ocultas, cambios de distribución, calibración, capacidad de abstenerse, repetición independiente y costes. Pregunte si el conjunto pudo contaminar el entrenamiento y si se publicaron fallos, no solo medias. Por último, traduzca «importante» a una decisión concreta: comprar, desplegar, regular, investigar o simplemente observar. Cada decisión necesita un umbral de evidencia distinto.

La IAG puede seguir siendo una pregunta científica y social valiosa sin convertirse en una cuenta atrás. El progreso se describe mejor como un perfil de capacidades, límites y recursos que como distancia a una meta sin escala común. La capacidad transferible que se lleva el lector es separar definición, evidencia, sistema y promesa. Con esas cuatro capas puede reconocer un avance verdadero sin otorgarle capacidades que nadie ha medido.