Por Canuto  

El CEO de Nvidia, Jensen Huang, afirmó nuevamente que la inteligencia artificial general ya se alcanzó para muchas tareas, aunque cuestionó el valor de declarar este tipo de hitos sin una definición ni una métrica verificable. Su argumento desplaza la atención hacia los agentes autónomos, el trabajo productivo y la generación de tokens rentables.
***

  • Jensen Huang afirmó que, para muchas tareas, podría decirse que la AGI ya fue alcanzada, sin presentar una prueba concreta.
  • El ejecutivo sostuvo que el valor actual de la IA está en crear agentes autónomos, realizar trabajo útil y generar beneficios.
  • OpenAI, Anthropic y otras compañías utilizan conceptos y umbrales distintos para describir avances relacionados con la inteligencia general.

Jensen Huang, CEO de Nvidia, afirmó nuevamente que la compañía ya alcanzó la inteligencia artificial general para muchas tareas, uno de los objetivos más ambiciosos de la industria tecnológica. La declaración se produjo durante una llamada de resultados de Nvidia, según la información disponible, pero el propio ejecutivo cuestionó el valor de presentar estos anuncios como hitos definitivos y los calificó de “insensatos” cuando no existe una definición ni una métrica común. Su postura refleja una tensión cada vez más visible: las empresas hablan de AGI como si fuera una frontera concreta, aunque todavía no hay acuerdo sobre qué significa ni cómo verificar su llegada.

Al responder una pregunta sobre la búsqueda de AGI de OpenAI, Huang sostuvo que “para muchas tareas, podríamos decir que ya hemos logrado la AGI”. El CEO no ofreció una definición específica ni mencionó un punto de referencia que permitiera comprobar la afirmación, y en cambio dirigió la conversación hacia el uso práctico de los sistemas actuales. Según su planteamiento, el debate relevante ya no consiste en colocar una etiqueta sobre la tecnología, sino en demostrar que puede ejecutar trabajo productivo y generar valor económico.

Huang señaló que la IA está pasando de responder indicaciones sencillas a operar mediante agentes autónomos, capaces de aprender nuevas habilidades y mejorar sus capacidades de forma recursiva. En ese escenario, el indicador que más le interesa es que los sistemas estén “haciendo trabajo productivo y útil” y “generando tokens rentables”. También vinculó el aumento del cómputo con una mayor producción de tokens y, por consecuencia, con más beneficios para las empresas que construyen y operan esa infraestructura.

La lógica empresarial ayuda a explicar por qué Nvidia y sus clientes están apostando grandes cantidades de capital en esta etapa. Los procesadores y sistemas de cómputo de la compañía son una pieza central de la expansión de los modelos de IA, por lo que una demanda creciente de agentes y servicios automatizados puede traducirse en más ventas de hardware y capacidad computacional. Para Huang, la utilidad económica observable tiene mayor importancia que un hito cuya definición continúa abierta a interpretaciones.

Una afirmación que Huang ya había hecho

La declaración no fue la primera ocasión en que Huang afirmó que la AGI ya había sido alcanzada. En marzo, durante una aparición en el podcast de Lex Fridman, dijo de manera directa: “Creo que hemos logrado la AGI”. En aquella oportunidad tampoco explicó con precisión qué entendía por inteligencia artificial general, lo que dejó la afirmación apoyada en su criterio personal y no en una prueba aceptada por toda la industria.

Fridman propuso entonces una definición particularmente exigente y concreta: un sistema capaz de hacer esencialmente el trabajo de una persona, incluyendo fundar, hacer crecer y dirigir una empresa tecnológica exitosa valorada en más de USD $1.000 millones. Huang matizó su posición al señalar que las probabilidades de que 100.000 agentes construyan Nvidia eran del cero por ciento. La respuesta mostró que una visión optimista sobre la capacidad de los agentes no equivale a considerar resueltas todas las tareas de liderazgo, estrategia y ejecución empresarial.

La dificultad central está en que la palabra inteligencia tampoco tiene una definición universalmente aceptada. La AGI suele describirse como una tecnología capaz de igualar o superar la inteligencia humana en una amplia variedad de dominios, pero esa formulación deja abiertas preguntas sobre autonomía, razonamiento, adaptación, creatividad y desempeño en trabajos concretos. Sin criterios compartidos, dos compañías pueden declarar avances incompatibles y, aun así, utilizar la misma etiqueta para describirlos.

El problema no es meramente académico, porque las declaraciones sobre AGI influyen en las expectativas de inversionistas, clientes y empleados. Una empresa que anuncia cercanía con ese objetivo puede atraer capital y acelerar la adopción, mientras otra podría presentar una capacidad similar con un lenguaje más prudente y parecer rezagada. La ausencia de una prueba común convierte el término en una herramienta poderosa para comunicar progreso, pero débil para comparar resultados.

Definiciones que compiten por el mismo concepto

OpenAI, compañía fundada con el objetivo explícito de construir AGI, define el concepto como “sistemas altamente autónomos que superan a los humanos en la mayoría de los trabajos económicamente valiosos”. Sin embargo, esa descripción tampoco establece una escala precisa para medir qué significa superar a los humanos, en cuántos trabajos debe ocurrir ni durante cuánto tiempo debe sostenerse el desempeño. La definición deja abierta la forma de verificar el supuesto cumplimiento del umbral.

La ambigüedad se complica por un umbral financiero distinto que OpenAI habría acordado con Microsoft. Según información atribuida a The Verge, ese criterio correspondería a sistemas capaces de generar al menos USD $100.000 millones en beneficios. El parámetro no mide directamente razonamiento o autonomía, sino el resultado económico de una tecnología, por lo que desplaza la discusión desde las capacidades cognitivas hacia la rentabilidad empresarial.

Las propias declaraciones de OpenAI muestran lo flexible que puede ser el calendario de la AGI. Mark Chen, director de investigación de la compañía, estimó en un artículo de Time que OpenAI estaba al 80% del camino hacia ese objetivo, mientras Sam Altman dijo que para finales de año la empresa tendría algo que él llamaría AGI. Sin una línea de llegada compartida, porcentajes y fechas como esos dependen de la definición que cada ejecutivo adopte en cada momento.

Anthropic también ha cuestionado la utilidad del término. Su CEO, Dario Amodei, describió la AGI como una idea imprecisa e incluso como un “término de marketing”, y prefirió hablar de “IA poderosa”. Ese lenguaje busca destacar la capacidad efectiva de los modelos sin comprometerse con una frontera simbólica que todavía carece de una prueba universal.

La industria cambia las etiquetas

Otras compañías han creado expresiones propias para describir objetivos ampliamente parecidos. Meta utiliza “superinteligencia personal”, Microsoft habla de “superinteligencia humanista” y Amazon emplea “inteligencia general útil”, mientras Demis Hassabis, de Google DeepMind, comenzó a referirse a las “estribaciones de la singularidad”. Aunque cada término puede intentar marcar una diferencia conceptual, todos participan de la misma competencia por explicar hacia dónde avanzan los sistemas de IA.

La proliferación de nombres no ha vuelto más tangible el significado de estas promesas. En algunos casos, las nuevas etiquetas enfatizan la relación con el usuario, la utilidad empresarial o la superioridad frente a las capacidades humanas, pero ninguna resuelve por sí sola cómo evaluar un sistema en distintos contextos. Para el público y los mercados, esa variedad puede dificultar la comparación y favorecer interpretaciones exageradas sobre el estado real de la tecnología.

La trayectoria de Ilya Sutskever ilustra otro giro dentro de esta discusión. El cofundador de OpenAI, quien según se informó dirigía a empleados en cánticos de “feel the AGI”, ahora dirige una empresa llamada Safe Superintelligence. El cambio refleja cómo algunos investigadores mantienen la preocupación por sistemas extremadamente avanzados, pero optan por utilizar nombres y marcos diferentes para describir su misión.

Huang, en cambio, centra el discurso en la producción y en la economía de los modelos. Su insistencia en los tokens rentables conecta el progreso de la IA con el consumo de cómputo, el desarrollo de agentes y la generación de ingresos, una perspectiva especialmente relevante para Nvidia como proveedor de infraestructura. Bajo ese enfoque, la etiqueta AGI puede seguir circulando aunque la verdadera prueba del avance se mida en tareas útiles, productividad y resultados financieros.

Un hito difícil de verificar

El debate no implica que los sistemas actuales carezcan de avances significativos. La capacidad de ejecutar tareas con menos supervisión, aprender procedimientos nuevos y coordinar acciones representa una evolución frente a los modelos limitados a contestar indicaciones aisladas. No obstante, convertir esas mejoras en una declaración definitiva de AGI requiere criterios que distingan entre una herramienta especializada, un agente autónomo y una inteligencia general comparable con la humana.

También persiste la cuestión de la autonomía. Un agente puede completar una secuencia de tareas y adaptarse a ciertos cambios, pero eso no demuestra automáticamente que pueda comprender objetivos ambiguos, gestionar riesgos inesperados o sostener decisiones complejas durante largos periodos. Las afirmaciones de Huang apuntan a una transición tecnológica importante, aunque no resuelven todas las dimensiones que distintos investigadores asocian con la inteligencia general.

Por eso, la insistencia de los líderes empresariales en anunciar cercanía con la AGI debe leerse con cautela. Sus comentarios pueden describir una percepción sobre el progreso interno, una estrategia para destacar la capacidad de sus productos o una manera de movilizar inversiones hacia más centros de datos y procesadores. Sin pruebas públicas comparables, el lector debe separar la afirmación corporativa del hecho verificable.

La conclusión de Huang es, en cierto sentido, paradójica: considera que la AGI ya fue alcanzada para muchas tareas, pero al mismo tiempo sostiene que declarar esos hitos resulta insensato si no existe una definición y una métrica verificables. Esa tensión resume el estado actual del debate, donde la palabra conserva un enorme poder comercial pese a su escasa precisión técnica. Mientras la industria no acuerde una definición y una evaluación comunes, la utilidad económica de la IA seguirá siendo más fácil de observar que su supuesta llegada a la inteligencia general.

La expectativa, por ahora, es que el término continúe apareciendo en presentaciones, entrevistas y pronósticos de las principales compañías del sector. Nvidia, OpenAI y sus competidores tienen incentivos para mostrar que el futuro está cerca, incluso cuando describen ese futuro con vocabularios diferentes. Hasta que exista una prueba ampliamente aceptada, las declaraciones sobre AGI deben entenderse como afirmaciones de sus autores y no como certificados de un logro definitivo.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


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