Jul 16, 2024

Explorando la inteligencia de ChatGPT

Nadie nacido hoy vivirá jamás en un mundo en el que sea más inteligente que la IA. Pero, ¿qué significa esto realmente? ¿Existe alguna manera que los seres humanos comprendan cuán inteligente es la IA? ¿Es el coeficiente intelectual una prueba justa? ¿Es siquiera razonable aplicar ideas sobre la inteligencia humana a las máquinas? Si las pruebas de coeficiente intelectual no son correctas, ¿cómo sabremos si un modelo de IA es más inteligente que nosotros?

Por Shelly Palmer/Jul 14, 2024

Además, ¿podemos separar los puntos de referencia de inteligencia de los puntos de referencia de capacidades prácticas? Después de todo, la información no es conocimiento: saber cómo hacer algo es muy diferente de la capacidad de hacerlo realmente.

Con esto en mente, exploremos algunas formas de pensar sobre la inteligencia artificial en el contexto de las capacidades humanas.

Explorando el Concepto de Calificación de Inteligencia AI

OpenAI (los creadores de ChatGPT) ha propuesto una escala de cinco niveles para la inteligencia de IA. Ofrece un enfoque estructurado para categorizar la progresión de los sistemas de IA, proporcionando un marco para evaluar su impacto en la sociedad. Es importante destacar que esta escala aún no está completamente definida y OpenAI dice claramente que está en desarrollo, pero aquí están las descripciones agregadas de los cinco niveles propuestos:

Nivel 1: IA Estrecha (ANI – Inteligencia Artificial Estrecha): La IA en este nivel está diseñada para realizar tareas específicas con competencia, pero carece de la capacidad de generalizar en diferentes dominios. Opera dentro de parámetros predefinidos y destaca en tareas como el procesamiento del lenguaje natural, el reconocimiento de imágenes y los sistemas de recomendación. Los ejemplos incluyen asistentes virtuales como Siri y Alexa, chatbots como ChatGPT y algoritmos de recomendación utilizados por Netflix y Amazon.

Nivel 2: IA-Resolución de Problemas: Este nivel de IA puede resolver problemas básicos a un nivel comparable al de una persona con un doctorado. Puede manejar tareas más complejas dentro de dominios específicos y exhibe un mayor grado de capacidad cognitiva que la IA estrecha, aunque todavía opera bajo restricciones de dominio. Estos sistemas se utilizarían en áreas de investigación especializadas como diagnóstico médico, análisis de documentos legales y modelos financieros.

Nivel 3: Agentes de IA Autónomos: Los agentes de IA de este nivel son capaces de realizar acciones autónomas en nombre de los usuarios. Pueden realizar tareas que requieren una secuencia de decisiones, adaptarse a nuevas situaciones y tomar decisiones sin intervención humana, pero su autonomía sigue siendo específica de un dominio. Al alcanzar el nivel 3, obtendrá AV (vehículos autónomos), agentes de servicio al cliente autónomos y robótica avanzada en la fabricación.

Nivel 4: IA innovativa: La IA en esta etapa puede crear nuevas innovaciones, demostrando un alto nivel de creatividad y capacidades avanzadas de resolución de problemas. Puede generar nuevas ideas, diseños y soluciones, superando las capacidades humanas en muchos campos creativos y técnicos. La IA de nivel 4 podría usarse para el descubrimiento de fármacos, asistentes de investigación automatizados y para crear nuevas obras artísticas o teorías científicas.

Nivel 5: IA General (AGI – Inteligencia General Artificial): AGI puede realizar tareas que actualmente manejan organizaciones enteras de personas. Este nivel representa sistemas altamente autónomos que superan la inteligencia humana en la mayoría de las tareas económicamente valiosas, integrando y generalizando el conocimiento en varios dominios. Estos sistemas hipotéticos podrían gestionar empresas enteras, desarrollar estrategias integrales en múltiples industrias y realizar investigaciones interdisciplinarias complejas.

Hay un Nivel 6?

OpenAI no propone un Nivel 6, pero su escala se detiene en AGI. El siguiente nivel sería ASI (Super Inteligencia Artificial). Nadie sabe qué es eso, por cierto. Pero la hipótesis es que sería un sistema tan inteligente y capaz que los humanos no entenderían cómo funciona ni qué hace. Por el momento, esto es ciencia ficción, pero eso es sólo por el momento. Puede que nunca se logre la ASI, pero si la IA generativa nos ha enseñado algo en los últimos años, es que nos ha enseñado a nunca decir nunca.

Comprender el IQ humano y su Medición

El IQ humano, o Cociente de Inteligencia, es una medida diseñada para evaluar las capacidades cognitivas en relación con los demás. Nunca tuvo la intención de aplicarse a las máquinas. Las pruebas de IQ tradicionales evalúan diversas facultades mentales, incluido el razonamiento lógico, la capacidad matemática, la visualización espacial y las habilidades lingüísticas. Estas pruebas están calibradas para garantizar una puntuación promedio de 100, y puntuaciones superiores a 130 indican una inteligencia excepcional. Marilyn vos Savant, con un coeficiente intelectual de 228, ostenta el récord del coeficiente intelectual más alto jamás registrado.

Sin embargo, las pruebas de coeficiente intelectual y sus resultados pueden ser controvertidas y no son universalmente aceptadas como medidas definitivas de inteligencia. Pueden tener sesgos culturales y es posible que no capturen todo el espectro de la inteligencia humana, como la inteligencia emocional o creativa. Comprender las limitaciones y aplicaciones de las pruebas de coeficiente intelectual es crucial en el contexto más amplio de la medición de las capacidades cognitivas. Dicho esto, dado que estamos explorando formas de medir hipotéticamente la IA con respecto a la inteligencia humana (un área sin métricas definidas), usemos el coeficiente intelectual para este hipotético experimento mental.

La perspectiva más amplia sobre la medición de la inteligencia

Antes de hacer nuestros cálculos, es importante considerar que la inteligencia es un concepto multifacético que se extiende más allá del IQ tradicional. La teoría de las inteligencias múltiples de Howard Gardner sugiere que la inteligencia no es una capacidad general única, sino una combinación de varias capacidades distintas, como las inteligencias lingüística, lógico-matemática, musical e interpersonal. Esta perspectiva más amplia destaca que las capacidades cognitivas pueden manifestarse de diversas maneras, y una comprensión integral de la inteligencia debe considerar estas múltiples dimensiones. En el contexto de la IA, esto significa que la evaluación de las capacidades de la IA debe ir más allá de simples métricas y considerar la variedad de tareas y contextos en los que la IA puede operar de manera efectiva. Actualmente, no existen métodos de medición estandarizados para comparar la inteligencia humana y la de la IA. Entonces, inventemos uno.

Correlación Hipotética Entre los Parámetros de la IA y el IQ

Se dice que GPT-3.5 ha sido entrenado en alrededor de 175 mil millones de parámetros, OpenAI considera que la cantidad de parámetros utilizados para entrenar GPT-4 es un secreto comercial. La especulación informada sugiere que GPT-4 podría entrenarse en hasta 1 billón de parámetros. En nuestro escenario, planteemos la hipótesis de una relación directa entre la cantidad de parámetros de entrenamiento en los modelos de IA y sus puntuaciones de coeficiente intelectual.

Suponiendo que GPT-4, con un billón de parámetros estimado, tenga un IQ de 155 (una cifra especulativa sugerida por algunos entusiastas), ¿qué pasaría si duplicamos o cuadriplicamos el número de parámetros?

Usaremos dos enfoques diferentes para calcular el IQ hipotético potencial de los modelos de IA posteriores: escala lineal (demasiado simplista y supone una relación directa entre los parámetros y el IQ), escala logarítmica (más realista, ya que resalta que simplemente duplicar los parámetros no producen ganancias proporcionales). No los aburriré con las matemáticas, pero estos dos enfoques le brindarán una comprensión direccional.

Si GPT-Next está entrenado en 2 billones de parámetros:

– IQ de escala lineal: 310

– IQ de escala logarítmica: 218

Si GPT-Next está entrenado en 4 billones de parámetros:

– IQ de escala lineal: 620

– IQ de escala logarítmica: 310

En nuestra hipótesis, simplemente duplicar el número de parámetros utilizados para entrenar GPT-Next creará una IA con un coeficiente intelectual cercano al superior del coeficiente intelectual humano probado (218) o que esté más allá de la comprensión humana (310). Utilizando estos cálculos hipotéticos, duplicar los parámetros de entrenamiento a 4 billones crea una IA que probablemente operaría fuera de la comprensión humana, lo que nos lleva al concepto de ASI basado en la ciencia ficción.

La implicaciones de ASI

A medida que los modelos de IA se acerquen a estos hipotéticos niveles altos de coeficiente intelectual, sus capacidades cognitivas superarían la inteligencia humana hasta el punto de que sus procesos de pensamiento y toma de decisiones se volverían opacos e insondables. Es posible que todavía entendamos lo que pensaba una IA con un coeficiente intelectual de 310, pero una ASI con un coeficiente intelectual cercano a 620 operaría en un nivel más allá de la comprensión humana, lo que plantearía desafíos importantes en términos de control, alineación y consideraciones éticas. Si alguna vez sucede, el desarrollo de ASI requerirá medidas de seguridad y marcos de gobernanza sólidos para garantizar que sus acciones se alineen con los valores e intereses humanos.

Necesitamos una mejor manera de pensar en esto

Si bien la noción de asignar puntuaciones de IQ a la IA es puramente hipotética (y casi definitivamente errónea), subraya la trayectoria potencial del desarrollo de la IA y el impacto transformador que podría tener en la sociedad. Mantener un enfoque en el desarrollo ético y responsable de la IA es más importante que nunca. Y ser honesto acerca de las limitaciones e implicaciones de medir las capacidades de la IA nos ayudará a comprender cómo compartir el mundo con una inteligencia tan fundamentalmente diferente a la nuestra que todavía no sabemos cómo definirla o medirla.

Nota del autor: esta no es una publicación patrocinada. Soy el autor de este artículo y expresa mis propias opiniones. Ni yo ni mi empresa recibo compensación por ello. Este trabajo fue creado con la ayuda de varios modelos de IA generativa.

About Shelly Palmer

Shelly Palmer is the Professor of Advanced Media in Residence at Syracuse University’s S.I. Newhouse School of Public Communications and CEO of The Palmer Group, a consulting practice that helps Fortune 500 companies with technology, media and marketing.

Named LinkedIn’s “Top Voice in Technology,” he covers tech and business for Good Day New York, is a regular commentator on CNN and writes a popular daily business blog. He’s a bestselling author, and the creator of the popular, free online course, Generative AI for Execs.

Follow @shellypalmer or visit shellypalmer.com.