Ley de rendimientos acelerados explicados: camino hacia el desarrollo de AGI

En una entrevista reciente, Elon Musk compartió su visión optimista sobre la línea de tiempo para el advenimiento de la inteligencia general artificial (AGI), afirmando que podría ser tan pronto como *"3 a 6 años" *. Del mismo modo, Demis Hassabis, CEO de DeepMind de Google, expresado en el festival Future of Everything de Wall Street Journal que AGI podría ser *"Unos años, tal vez dentro de una década de distancia" *. Estas predicciones contrastan con las estimaciones más conservadoras de muchos en la comunidad de IA, que a menudo sugieren que AGI podría estar a una década o incluso a un siglo de distancia. Parte de esta precaución proviene de una renuencia a precisar una línea de tiempo específica, temiendo que pueda resultar inexacta. Esta cautela no es nueva; En 1956, durante el Proyecto de Investigación de Verano de Dartmouth, el término "inteligencia artificial" nació con la esperanza de que las máquinas con inteligencia a nivel humano surjan dentro de una generación, o unos 25 años.

Geoffrey Hinton, a menudo conocido como el padrino de la IA, proporciona una perspectiva más matizada. Recientemente ajustó su línea de tiempo, diciendo: * "Hasta hace muy poco, pensé que iba a ser de 20 a 50 años antes de que tuviéramos una IA de propósito general. Y ahora creo que puede ser 20 años o menos". * Este cambio en la perspectiva refleja el rápido progreso en el campo de la IA, impulsado en gran medida por los avances en los algoritmos de aprendizaje de refuerzo profundo que impulsan los modelos de idiomas actuales (LLM).

A pesar de estos avances, el estado actual de la IA sigue limitado a aplicaciones estrechas como chatbots y traducción de idiomas. AGI, por otro lado, representa un objetivo más ambicioso: un tipo de inteligencia artificial que puede entender, aprender y aplicar conocimiento en una amplia gama de tareas a nivel humano. Si bien el salto a AGI parece desalentador para muchos, algunos creen en la inevitabilidad de su desarrollo, impulsado por lo que se conoce como "la ley de los rendimientos acelerantes".

Este concepto fue introducido por Ray Kurzweil, un reconocido autor, inventor y futurista. Las contribuciones de Kurzweil abarcan el reconocimiento de caracteres ópticos (OCR), la síntesis de texto a voz y la tecnología de reconocimiento de voz. Después de publicar su influyente libro "Cómo crear una mente", que profundiza para comprender el cerebro humano para diseñar la máquina de pensamiento definitiva, Google lo reclutó para trabajar en proyectos de IA. Eric Schmidt, entonces CEO de Google, se inspiró particularmente en este libro.

Quizás aún más pertinente es el libro de Kurzweil "The Singularity Is Near", publicado en 2005. Sus predicciones han seguido de cerca la trayectoria del crecimiento tecnológico en las últimas dos décadas. En particular, Kurzweil predice el logro de AGI para 2029, alineándose con los recientes pronósticos de Elon Musk y Demis Hassabis.

La ley de los rendimientos acelerados sugiere que la tasa de cambio en varios sistemas evolutivos, incluidos los avances tecnológicos, crece exponencialmente. En el ámbito de la tecnología, esto significa que podemos anticipar innovaciones cada vez más rápidas a medida que cada nueva generación de tecnología se basa en la última, acelerando el ritmo del progreso.

Esta ley destaca cómo el crecimiento explosivo de tecnologías como la IA generativa está en la ola de otras tecnologías exponenciales convergentes, como la fabricación de chips y la impresión en 3-D. Esta convergencia actúa como una catapulta para que la IA se convierta en la aplicación más poderosa jamás creada.

En 2001, Ray Kurzweil hizo una predicción sorprendente:

Un análisis de la historia de la tecnología muestra que el cambio tecnológico es exponencial, contrario a la visión "lineal intuitiva" de sentido común. Por lo tanto, no experimentaremos 100 años de progreso en el siglo XXI: serán más como 20,000 años de progreso (a la tasa actual). Los "retornos", como la velocidad del chip y la rentabilidad, también aumentan exponencialmente. Incluso hay un crecimiento exponencial en la tasa de crecimiento exponencial. En unas pocas décadas, la inteligencia de máquinas superará la inteligencia humana, lo que conducirá a la singularidad: el cambio tecnológico tan rápido y profundo representa una ruptura en el tejido de la historia humana. Las implicaciones incluyen la fusión de la inteligencia biológica y no biológica, los humanos inmortales basados ​​en software y los niveles de inteligencia ultra altos que se expanden hacia afuera en el universo a la velocidad de la luz.

Esta explosión tecnológica está estrechamente vinculada a la ley de Moore, que postuló que el número de transistores en un chip duplicaría aproximadamente cada dos años. Cuando se combina con otros avances tecnológicos, ilustra la naturaleza próspera de la ley de los rendimientos acelerados. Las observaciones de Kurzweil sobre el futuro de la humanidad basadas en esta ley son profundas:

• La evolución utiliza la retroalimentación positiva en la que se utilizan métodos más efectivos de una etapa de progreso para crear la siguiente, lo que resulta en una tasa de progreso aumentada exponencialmente.
• El "orden" de información en procesos evolutivos (qué tan bien sirve a un propósito, como la supervivencia) aumenta con el tiempo.
• Los "retornos" de un proceso evolutivo, como la velocidad, la rentabilidad o la potencia general, también crecen exponencialmente.
• A medida que un proceso como el cálculo se vuelve más efectivo, se invierten más recursos en su mayor desarrollo, lo que lleva a un segundo nivel de crecimiento exponencial.
• La evolución biológica y la evolución tecnológica son procesos evolutivos, y este último sale y continúa con el primero.
• Un paradigma específico proporciona un crecimiento exponencial hasta que alcanza su límite, momento en el cual un cambio de paradigma permite un crecimiento exponencial continuo.

Se alienta a los lectores a explorar el blog de Kurzweil para reflexionar sobre las implicaciones de este crecimiento exponencial y considerar cómo se alinea o difiere de sus propias experiencias desde la publicación inicial del blog.

Si bien no es tan ampliamente reconocida como la ley de Moore, la ley de acelerar los rendimientos sigue siendo tan pertinente hoy como cuando se introdujo por primera vez.

Mira este video en YouTube