El impulso hacia la Inteligencia Artificial se desacelera, según expertos

San Francisco. –  En Silicon Valley circula un creciente escepticismo sobre los avances de la Inteligencia Artificial (IA), especialmente en lo que respecta a la creación de una IA capaz de igualar las habilidades humanas, un hito prometido por las grandes empresas tecnológicas. Desde el lanzamiento de ChatGPT hace dos años, los gurús de la IA aseguraron que los avances serían exponenciales a medida que aumentaran los datos y la potencia de cálculo. Sin embargo, parece que ese progreso se está desacelerando.

El razonamiento detrás del impulso hacia una IA General (AGI, por sus siglas en inglés) es que, si se alimenta a los modelos con suficientes datos y potencia computacional, estos eventualmente alcanzarían o incluso superarían la inteligencia humana. En este contexto, figuras prominentes como Elon Musk llegaron a pedir una pausa en el desarrollo de la IA debido a los rápidos avances que estaba experimentando la tecnología. Sin embargo, las grandes empresas tecnológicas, incluida la de Musk, siguieron invirtiendo miles de millones de dólares para no quedarse atrás en la carrera por la AGI.

Las recaudaciones de OpenAI

OpenAI, la empresa detrás de ChatGPT, con el respaldo de Microsoft, recaudó recientemente 6.600 millones de dólares para financiar sus próximos avances. Por su parte, xAI, la empresa de Musk, busca inversores para obtener 6.000 millones de dólares y adquirir 100.000 chips de Nvidia, cruciales para el desarrollo de la IA, según informó la CNBC. A pesar de estas inversiones multimillonarias, el camino hacia una AGI parece estar lleno de obstáculos.

Los expertos empiezan a notar que los grandes modelos lingüísticos (LLM) no están mejorando al ritmo esperado, a pesar de recibir más potencia de cálculo y datos. A pesar de las enormes inversiones, las mejoras tecnológicas en IA parecen haber tocado techo. Según Gary Marcus, crítico de la IA, «los valores actuales de mercado de empresas como OpenAI y Microsoft están basados en la idea de que los LLM se transformarán en AGI a través de un escalado continuo, pero eso no es más que una fantasía».

El límite de los datos y la escala

Uno de los principales desafíos a los que se enfrentan los desarrolladores es la finitud de los datos lingüísticos disponibles para entrenar los modelos de IA. Scott Stevenson, CEO de la empresa Spellbook, que trabaja con OpenAI y otros, destaca que centrarse únicamente en acumular más datos lingüísticos es un enfoque que está destinado al fracaso. «Algunos laboratorios han cometido el error de pensar que más lenguaje hará que la IA sea más inteligente», explica Stevenson.

Sasha Luccioni, investigadora de Hugging Face, también señala que el frenazo en los avances era previsible. Según Luccioni, el enfoque basado en la idea de que «cuanto más grande, mejor» para los modelos de IA tiene que llegar a un límite en algún momento, y eso es lo que estamos presenciando ahora. «La búsqueda de la inteligencia artificial siempre ha sido poco realista», añade.

A pesar de estas críticas, algunos desarrolladores se mantienen optimistas. Sam Altman, fundador y CEO de OpenAI, publicó en X (anteriormente Twitter): «No hay barreras», sin ofrecer más detalles. Dario Amodei, CEO de Anthropic, que desarrolla el chatbot Claude en colaboración con Amazon, también sigue creyendo que la AGI es alcanzable, estimando que este hito podría lograrse entre 2026 y 2027.

Redefiniendo el progreso

A pesar de las expectativas de futuro, OpenAI ha tenido que retrasar el lanzamiento de su sucesor de GPT-4, ya que no ha alcanzado el rendimiento esperado. En lugar de seguir apostando por más datos, la empresa está centrando sus esfuerzos en optimizar el uso de la capacidad de su tecnología. Este cambio se refleja en su modelo *o1*, que mejora la precisión de las respuestas al perfeccionar el razonamiento en lugar de simplemente aumentar los datos de entrenamiento.

Stevenson, de Spellbook, compara este cambio de estrategia con el descubrimiento del fuego: «En lugar de añadir más leña para avivar la llama, ahora se trata de usarla de manera más eficiente para tareas específicas». De forma similar, Walter De Brouwer, profesor de la Universidad de Stanford, compara los LLM con estudiantes que pasan de la escuela secundaria a la universidad. Según De Brouwer, los primeros modelos de IA eran como «bebés de IA» que improvisaban mucho y cometían errores. «El enfoque de ‘pensar antes de actuar’, propio del homo sapiens, está llegando», afirma.

Con información de AFP