Andrew Ng, fundador de Google Brain y una de las figuras más destacadas en el campo de la inteligencia artificial, afirmó que la llamada inteligencia artificial general (AGI, por sus siglas en inglés) está siendo sobrevalorada.
Durante una charla publicada por Y Combinator, Ng fue directo al decir que “la AGI ha sido sobreestimada” y reforzó que, a pesar del avance de la tecnología, “por mucho tiempo, habrá muchas cosas que los humanos pueden hacer y que la IA aún no será capaz de realizar”.
Para quienes no están familiarizados con el término, AGI se refiere a sistemas de inteligencia artificial con capacidades cognitivas similares a las de los seres humanos, como aprender, pensar y adaptarse a diferentes situaciones.
Sin embargo, Ng cree que este escenario aún está lejos. Para él, el enfoque actual debería estar en el uso práctico de las herramientas ya disponibles.
“Algunos de nosotros construiremos herramientas de vez en cuando, pero habrá muchas otras herramientas que otras personas construirán y que simplemente podremos usar”, explicó.
En su discurso, Ng destacó que el diferencial en el futuro será saber aplicar la IA en el día a día. “Las personas que saben cómo usar la IA para hacer que los computadores realicen lo que ellas quieren serán mucho más poderosas”, afirmó.
Él también reforzó que el avance de la inteligencia artificial no significa que los humanos se quedarán sin ocupaciones: “No necesitamos preocuparnos con la idea de que las personas se quedarán sin nada que hacer”.
Andrew Ng no es el único experto que adopta una visión más cautelosa sobre la AGI. Yann LeCun, científico jefe de IA de Meta, ya ha afirmado que los modelos de lenguaje actuales son “sorprendentes, pero limitados”, y que ellos “no son un camino hacia lo que las personas llaman AGI”.
Demis Hassabis, CEO de Google DeepMind, declaró recientemente que “la AGI está siendo a la vez sobreestimada a corto plazo y subestimada en el impacto que tendrá en un horizonte de diez años”.
Satya Nadella, CEO de Microsoft, también criticó la carrera por resultados en benchmarks, llamando a este movimiento de “benchmark hacking”, en referencia al esfuerzo por hacer que las IAs parezcan más avanzadas de lo que realmente son.