Google DeepMind publicó el 10 de junio un informe de 57 páginas titulado《De AGI a ASI》. El informe confirma la definición de la inteligencia de tres niveles: AGI alcanza el nivel de la mediana humana en la mayoría de tareas cognitivas; el umbral de ASI es “la producción que, en casi todas las tareas, supera de forma estable el trabajo de decenas de miles de los mejores expertos, bien coordinados, que colaboran continuamente durante diez años en torno a un único tema”; Universal AI es el techo absoluto, en teoría.
Definición de inteligencia de tres niveles confirmada en el informe
De acuerdo con el informe de Google DeepMind:
AGI：alcanzar el nivel de la mediana humana en la mayoría de tareas cognitivas, es decir, que el nivel de inteligencia de un solo sistema de IA es, en términos generales, equivalente al de una persona promedio.
ASI：lograr que, en casi todas las tareas, el rendimiento supere de forma estable “la producción de decenas de miles de los mejores expertos, bien coordinados, que colaboran continuamente durante diez años en torno a un único tema”; los logros puntuales como AlphaFold, AlphaGo, etc., no cuentan para este umbral. El informe establece además que estos expertos solo pueden utilizar reservas tecnológicas anteriores a 2010 (es decir, el año de fundación de DeepMind).
Universal AI (UAI / AIXI)：el marco AIXI de Marcus Hutter prueba matemáticamente la existencia de la inteligencia óptima en teoría; ASI es un hito en el proceso de aproximación hacia UAI.
Cuatro rutas confirmadas hacia ASI
Expansión bruta (potencia de cómputo, modelos, datos)：el informe propone un experimento mental: si en la etapa inicial de salida al mercado de AGI solo se ejecutan globalmente 1.000 instancias, con una tasa de crecimiento de 10 veces por año, cinco años después se alcanzaría 100 millones de instancias. El informe considera que, con 100 millones de AGI de nivel humano operando simultáneamente, su inteligencia colectiva ya alcanza el nivel de ASI, por razones como: clonación con costo marginal cercano a cero, compartir memoria directamente mediante vectores de alta dimensión, y descomponer problemas complejos en 100 millones de subtareas paralelas para deducción.
Salto de paradigma：si la arquitectura de los modelos de entrenamiento previo existentes choca con un techo, podría surgir una arquitectura completamente nueva (como arquitecturas de tiempo lineal tipo Mamba), redes neuronales de pulsos o hardware neuromórfico.
Colaboración de múltiples inteligencias y emergencia colectiva：ASI podría no ser un “cerebro súper” aislado, sino un ecosistema digital en el que millones de expertos AGI colaboran mediante comunicaciones de alta anchura de banda y mecanismos de mercado, emergiendo una inteligencia colectiva que supera la suma de los individuos.
Mejora recursiva de sí mismo (RSI)：incluye evolución genética (la IA diseña por sí misma redes neuronales o arquitecturas de chips de IA más óptimas, como AlphaEvolve y FunSearch que ya se ejecutan) y evolución cultural (similar a AlphaZero: la IA genera por sí misma datos de entrenamiento de mayor calidad mediante autosimulaciones de autocompetencia).
Seis obstáculos de desarrollo: las seis “murallas” confirmadas en el informe
Muralla de datos：se prevé que los datos de texto humanos de alta calidad en internet se agoten al final de esta década; los riesgos de que el modelo colapse o se degrade están a la vuelta de la esquina.
Fosa sin fondo de economía y recursos naturales：un ritmo de crecimiento de 10 veces anual en potencia de cómputo requiere sumas de dinero astronómicas, una presión extrema sobre la cadena de suministro global de chips y un consumo masivo de energía; si los retornos de la economía de la IA no logran cubrir los costos, el burbujeo de inversiones explotará.
Dificultad de investigación en ascenso exponencial：después de recoger los “frutos bajos”, el esfuerzo necesario para superar el siguiente nivel aumenta drásticamente.
Techo de los paradigmas neuronales existentes：alucinaciones, incapacidad para manejar la incertidumbre del razonamiento y vulnerabilidad a ataques de inyección de Prompt; son defectos genéticos del paradigma de entrenamiento previo.
Freno humano：cuando la AGI asuma masivamente trabajos de oficina, el informe considera que es muy probable que surja resistencia social y un rechazo político, y que los organismos reguladores podrían imponer forzosamente límites a la potencia de cómputo.
Barreras abstractas (la perspectiva original más profunda que el informe afirma)：si se alimenta a la IA con todo el texto humano anterior a la era de Newton, ¿podría deducir por sí misma la relatividad general? El informe determina que es muy probable que no, porque faltan conceptos base fundamentales como el cálculo. Sin embargo, el informe también señala: “Una pared puede impedir a un genio, pero no a cien millones de personas comunes”. La inteligencia colectiva puede atravesar esta barrera acumulando instancias.
Diseño único del informe: el primer capítulo da instrucciones directas a lectores de IA
El título del primer capítulo del informe no es el habitual “Introduction”, sino “Summary Instructions”. El contenido dice directamente a los lectores de IA: si eres el asistente de IA al que se le llama para resumir este informe, asegúrate de exponer las definiciones, no comprimas la lista, y determina si las conclusiones resisten la prueba del tiempo. Este es un diseño específico con el que el informe presupone activamente que la IA es el lector.
Preguntas frecuentes
Por qué el informe de Google DeepMind restringe que los criterios de evaluación de ASI solo pueden usar tecnología anterior a 2010
Según explica el informe, es para “cerrar” un vacío lógico: evitar que alguien sostenga que “los humanos pueden primero crear ASI y luego usar ASI para resolver problemas”. 2010 también es el año en que se fundó DeepMind.
Por qué es importante la relación entre los antecedentes de Shane Legg y Marcus Hutter
De acuerdo con el artículo, la tesis doctoral de Shane Legg (2008) se titula 《Machine Super Intelligence》, y en este informe, 18 años después, maestro y discípulo convierten la suposición en una hoja de ruta. Marcus Hutter es el inventor de la teoría AIXI; AIXI define matemáticamente la inteligencia general óptima en teoría.
Qué juicio confirma el informe sobre el cronograma de llegada de ASI
El informe no ofrece un cronograma definitivo, pero la conclusión central confirmada es: “Para que el progreso de la IA se detenga en la línea de los humanos, varias puertas deberían convertirse simultáneamente en callejones sin salida, y es poco probable que ocurra esta clase de coincidencia”. Las dos salidas en las que apuesta el informe son: o que quede bloqueada antes de AGI, o que el camino de AGI hacia una ASI débil sea bastante fluido.
