Jensen Huang, jefe de Nvidia, predice el advenimiento de una super inteligencia artificial
Pon esto en tu calendario porque Jensen Huang, el jefe de la gigante tecnológica Nvidia, ha hecho una predicción audaz. ¡La Inteligencia Artificial General (AGI) pronto se asomará en nuestro horizonte! ¿Y cuánto tiempo tenemos antes de que esta nueva era de la IA nos alcance? Según Huang, apenas cinco años.
¿Qué es esta AGI de la que todos hablan?
Para aquellos que se preguntan “¿Qué demonios es AGI?”, les explicaremos. AGI, un término que suena a ciencia ficción, se refiere a un sistema automatizado capaz de realizar cualquier tarea intelectual que un humano puede hacer. No estamos hablando sólo de calcular números o procesar datos, sino también de razonar, aprender, comunicarse en lenguaje natural e incluso hacer planes para el futuro. ¡Es como tener un cerebro humano en una computadora!
La AGI vs la IA: ¿Cómo se diferencian?
Es importante no confundir la AGI con la IA común y corriente. La IA, como muchos de nosotros la conocemos, es un software de computadora que puede aprender a realizar tareas nuevas o complejas con un rendimiento similar al humano después de un entrenamiento previo. Sin embargo, la AGI lleva esto a otro nivel, ya que tiene la capacidad de aprender y resolver problemas por sí misma, sin necesidad de entrenamiento manual o de estar limitada a un ámbito específico.
Según Huang, esta AGI es tan superior que podría superar a la mayoría de nosotros en tareas como un examen de abogado, pruebas de lógica, economía, o incluso en un examen de medicina preuniversitaria. En sus palabras, esta super inteligencia artificial podría ser “un 8% mejor que la mayoría de los usuarios”.
Las alucinaciones de la IA: un problema solucionable
Además de predecir el advenimiento de la AGI, Huang también abordó otro tema candente en el mundo de la IA: las alucinaciones. No, las máquinas no están viendo dragones o unicornios, pero a veces los modelos impulsados por IA pueden producir datos que, aunque parecen coherentes, contienen información incorrecta, sesgada o errónea.
Según Huang, este problema es fácilmente solucionable. La clave está en hacer una investigación previa antes de permitir que la IA genere una respuesta. Primero, debemos examinar la fuente y el contexto de la respuesta de la IA. Luego, debemos comparar los hechos con verdades conocidas. Si la respuesta es incorrecta, incluso parcialmente, debemos descartar la fuente y pasar a otra diferente.
