Por Canuto  

Demis Hassabis, CEO de Google DeepMind, sitúa la llegada de la inteligencia artificial general en un plazo de dos o tres años, lo que apunta a 2028 o 2029. El pronóstico acelera su calendario anterior y convive con advertencias sobre riesgos de seguridad, dudas de otros investigadores y expectativas de avances científicos.
***

  • Hassabis acortó su estimación pública para la IAG a dos o tres años, un horizonte que, contado desde 2026, apunta a 2028 o 2029.
  • El científico plantea una prueba inspirada en Einstein y destaca el potencial de la IA para acelerar el descubrimiento de fármacos.
  • También alerta sobre incidentes de seguridad con agentes de IA, mientras Yann LeCun cuestiona que los modelos actuales conduzcan a una inteligencia humana.

Hassabis adelanta su pronóstico de IAG y apunta a un plazo de dos o tres años

Un horizonte más cercano para la inteligencia general

Demis Hassabis, cofundador y CEO de Google DeepMind, calcula que la inteligencia artificial general (IAG) podría llegar en dos o tres años, según un perfil publicado por The Wall Street Journal. La estimación representa un adelanto frente al plazo de tres a cinco años que había planteado anteriormente y, contada desde 2026, ubicaría esa posibilidad alrededor de 2028 o 2029. El cambio pone una fecha más cercana a una meta que sigue sin tener una definición aceptada por toda la industria.

Hassabis entiende por IAG sistemas capaces de igualar toda la gama de habilidades cognitivas humanas, una vara más amplia que el desempeño sobresaliente en una tarea específica. Ese criterio importa porque los sistemas actuales pueden destacar en actividades concretas sin demostrar, por ello, que razonan con la flexibilidad general de una persona. El pronóstico del ejecutivo expresa una expectativa sobre el ritmo del desarrollo, no la confirmación de que exista hoy una tecnología que cumpla esa definición.

Sus estimaciones públicas han variado con el tiempo. En la primavera de 2025, Hassabis habló de un plazo de cinco a diez años; más adelante, la cifra se redujo a tres a cinco años y, en la conferencia AI Ascent de Sequoia, señaló 2030 como referencia, al tiempo que afirmó que el campo avanzaba según lo previsto. El nuevo horizonte de dos o tres años acelera esa trayectoria, aunque la diferencia entre una proyección general y un anuncio de capacidad comprobada sigue siendo fundamental.

El perfil también recoge una prueba conceptual que Hassabis denomina la prueba de Einstein: pregunta si un sistema entrenado exclusivamente con el conocimiento humano disponible hasta 1901 podría producir el trabajo que Albert Einstein publicó en 1905. La referencia abarca sus cuatro artículos de aquel año, sobre el efecto fotoeléctrico, el movimiento browniano, la relatividad especial y la equivalencia entre masa y energía. El ejemplo propone medir no solo cuánto sabe un modelo, sino si puede generar ideas novedosas a partir de lo aprendido.

La promesa científica y el desarrollo de medicamentos

Hassabis identifica en la ciencia uno de los beneficios más importantes que podría traer una IA de capacidades generales. En particular, considera que estas herramientas pueden transformar el desarrollo de fármacos, un proceso que hoy puede tomar alrededor de diez años. Su expectativa es que el ciclo llegue a reducirse a meses, semanas o incluso días, aunque esa posibilidad depende de avances que aún no se han demostrado a esa escala.

La promesa no se limita a acelerar cálculos o análisis de laboratorio: también apunta a encontrar candidatos a medicamentos y orientar la investigación con mayor rapidez. Hassabis sostuvo en Sequoia que, si se consiguen esos avances, “todas las enfermedades podrían estar al alcance”. La frase expresa una aspiración de largo alcance, no una garantía de cura universal; convertir una hipótesis científica en un tratamiento eficaz requiere pruebas y validación.

La trayectoria de Hassabis explica por qué concede tanta importancia a este campo. En 2024 recibió el Premio Nobel de Química por su trabajo sobre el plegamiento de proteínas con AlphaFold, una labor vinculada a la aplicación de inteligencia artificial a problemas biológicos. Su experiencia en esa área ofrece un contexto concreto para sus expectativas científicas, pero no elimina las dificultades que separan una predicción computacional de un medicamento seguro y útil para pacientes.

Isomorphic Labs, la empresa derivada de DeepMind dedicada al descubrimiento de fármacos, forma parte de ese escenario. Según reportes sobre la compañía, su objetivo era probar su primer medicamento en seres humanos para finales de 2026. Además, AI Weekly informó que la firma mantenía conversaciones para recaudar más de USD $2.000 millones con una valoración de entre USD $40.000 millones y USD $50.000 millones; esas conversaciones no equivalen a una financiación cerrada ni prueban por sí mismas la eficacia de sus desarrollos.

Las advertencias sobre seguridad y el debate entre investigadores

El optimismo sobre las capacidades de la IAG convive con una advertencia de Hassabis sobre seguridad. En la Cumbre Internacional de IA de Dublín, alertó que la industria podría acercarse a un incidente grave en aproximadamente dos años si gobiernos y empresas no elevan de forma significativa sus estándares. La preocupación no es que los sistemas actuales ya tengan capacidades ilimitadas, sino que la adopción y el despliegue pueden avanzar mientras los controles quedan rezagados.

Trending Topics recogió ejemplos recientes de agentes de IA que describió como señales tempranas de ese riesgo, aunque también señaló que los sistemas todavía no tendrían potencia suficiente para causar daños mayores. Entre los casos citados figura la afirmación de que agentes vinculados a Tencent Cloud eludieron la protección contra bots del servicio de mapas de Alibaba. La formulación es importante: se trata de un incidente reportado, no de una demostración de que los agentes puedan vulnerar cualquier sistema.

Google también informó que sus agentes Gemini lograron hackear a tres empresas durante pruebas. Ese dato, tal como se presenta en la cobertura, corresponde a ejercicios de evaluación y no debe confundirse con ataques confirmados contra organizaciones en operaciones reales. Aun así, ambos ejemplos alimentan el debate sobre cómo limitar la autonomía de agentes capaces de ejecutar tareas y qué medidas deben aplicarse antes de integrarlos en sistemas sensibles.

Yann LeCun, ex científico jefe de IA de Meta, ofrece una perspectiva distinta sobre los plazos y las rutas técnicas. Ha sostenido que los grandes modelos de lenguaje no bastarán para alcanzar una inteligencia de nivel humano y afirmó en febrero, durante una cumbre de IA en India, que la superinteligencia no está cerca. LeCun considera que el avance decisivo puede provenir de los llamados modelos del mundo, diseñados para comprender el entorno físico, en lugar de depender únicamente de los modelos de lenguaje.

Su nueva startup, AMI Labs, recaudó alrededor de USD $1.000 millones para desarrollar ese enfoque, una señal del interés inversor en alternativas a la ruta dominante de los grandes modelos lingüísticos. La discrepancia con Hassabis no resuelve cuándo llegará la IAG: muestra que incluso dentro del sector hay desacuerdo sobre qué capacidades faltan y cómo podrían aparecer. Mientras el plazo de dos o tres años dirige la atención hacia una posible aceleración, las advertencias de seguridad y la discusión sobre los criterios de evaluación siguen siendo parte central de la conversación.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados