La IA “no es inteligente”, entonces, ¿qué sigue en materia de inteligencia químico?

“No tenemos robots que sean tan buenos para comprender el mundo físico como una rata”, dice Yann LeCun, una de las principales figuras del mundo de la inteligencia químico.

Trabajó en Meta, propietario de Facebook, durante una decenio, donde fue irrefutable presidente de IA, pero lo dejó en 2025 y fundó Advanced Machine Intelligence Labs (AMI Labs).

Su objetivo es resistir la IA más allá de los sistemas actuales como ChatGPT, Claude y Gemini. Tienen sus usos, dice, pero nunca podrán encarar situaciones complicadas en el mundo verdadero, como conseguir que un androide haga las tareas del hogar.

“No son un camino en torno a el nivel humano o una inteligencia humana, o incluso una inteligencia animal, porque no pueden manejar datos del mundo verdadero, simplemente no están diseñados para eso”, me dice al ganancia de VivaTech, la principal conferencia tecnológica de Francia.

Por eso, AMI Labs, con sede en París, está ocupado desarrollando un nuevo tipo de inteligencia químico que no se plinto en la tecnología detrás de ChatGPT y sus rivales.

Los inversores creen que tiene potencial. A principios de este año, AMI Labs anunció que había recaudado más de mil millones de dólares (760 millones de libras esterlinas), con inversores que incluían al superhombre estadounidense de chips informáticos Nvidia y el fondo que gestiona la riqueza privada del fundador de Amazon, Jeff Bezos.

Esa indicación ronda de financiación original (la primera ronda de cobranza de fondos para empresas emergentes) fue una de las más grandes de su tipo en Europa.

Los modelos de jerga egregio (LLM) como ChatGPT son extremadamente buenos en algunas cosas como codificación, problemas matemáticos y engendramiento de texto, dice LeCun.

Pero sostiene que se prostitución de problemas acertadamente definidos y predecibles.

“Ellos [LLMs] Básicamente, simplemente acumula conocimientos… Pueden regurgitar poco, los entrenas para regurgitar, pero no son particularmente inteligentes. No tienen una comprensión subyacente”, dice.

En el mundo verdadero hay una desconcertante variedad de resultados para cualquier actividad, lo que requiere un tipo más flexible de inteligencia químico.

LeCun sostiene un bolígrafo en posición derecho sobre su punta. ¿Qué pasa cuando lo sueltas?, pregunta. Incluso un escuincle pequeño sabría que el bolígrafo se caería. Pero ningún ser humano se molestaría en adivinar en qué dirección podría caer el bolígrafo, no hay forma de saberlo.

Pero un LLM podría intentar producir una única predicción sobre el próximo movimiento del bolígrafo basándose en patrones estadísticos de sus datos de entrenamiento.

Es casi seguro que la predicción sería errónea, porque el sistema no razona sobre la existencia física de la situación: está generando lo que parece ser estadísticamente plausible.

LeCun dice que el sistema que su empresa está desarrollando, llamado Joint Embedding Predictive Architecture (JEPA), está configurado para encarar problemas como ese.

Crea abstracciones del mundo verdadero que le permiten evaluar los resultados de las acciones.

Crear estas abstracciones implica matemáticas difíciles, pero esencialmente filtran información inútil, dejando a la IA con imágenes bártulos del mundo.

En el caso del bolígrafo, la IA sabría que no tiene sentido intentar predecir en qué dirección caería el bolígrafo.

Construir una inteligencia químico más flexible es una prioridad para la industria de la robótica.

Se han invertido miles de millones de dólares en la construcción de robots humanoides y sus hazañas son cada año más impresionantes.

Pero capacitarlos para realizar tareas domésticas de forma segura, como planchar o apilar el lavavajillas, está resultando difícil y costoso.

Y, según LeCun, es poco probable que los modelos actuales de IA sean buenos en ese entorno.

“Los LLM son en gran medida inútiles para la robótica”, afirma.

“Las afirmaciones de que de alguna forma simplemente ampliando los LLM vamos a alcanzar una inteligencia sobrehumana, eso simplemente no va a suceder”.

Muchos en la industria de la IA están de acuerdo con LeCun.

Ingmar Posner es uno de ellos. Es profesor de Inteligencia Químico Aplicada en la Universidad de Oxford y dirige su Laboratorio de IA Aplicada. Asimismo es un Amazon Scholar.

“Mi opinión es que la próxima decenio efectivamente se centrará en sistemas que puedan explicar… Se necesitan modelos que puedan reponer preguntas como: ¿Qué importa? ¿Qué causa qué? ¿Qué pasaría si hiciera otra cosa, como si tomara una actividad diferente?”

Posner y su equipo de unos 10 investigadores han estado trabajando durante cuatro primaveras en una forma alternativa de IA, que cae en una categoría indicación Modelos Mundiales.

Si acertadamente los modelos mundiales existen conceptualmente desde hace décadas, una inspiración para este trabajo fue un influyente artículo publicado en 2018 por David Ha y Jurgen Schmidhuber.

Su idea fue que, dados los avances en el formación inevitable y la potencia de cálculo, una IA puede formarse a hacer poco nada más a partir de una simulación “mental” aprendida de cómo es el mundo.

Desde 2018, esa idea ha catalizado una cantidad significativa de investigaciones sobre modelos mundiales, incluido el Dreamer World Model de Google. El año pasado, una modificación de Dreamer descubrió cómo cosechar diamantes en el videojuego Minecraft, imaginando escenarios futuros para ayudarlo en la toma de decisiones.

Posner paciencia que el sistema de inteligencia químico en el que está trabajando su equipo sea un paso más. Lo flama un “maniquí mundial mecanicista”, que estructurará el conocimiento de una forma que la IA pueda utilizar de forma competente.

“Se necesitan sistemas que sean capaces de compartimentar y organizar el conocimiento de tal forma que pueda recuperarse, combinarse y modificarse cuando sea necesario”, afirma Posner.

Es muy difícil asegurar cuánto tiempo llevará desarrollar estos nuevos modelos, añade.

“Si le preguntaras a cierto en 2017 o 2018 cuánto tiempo pasaría hasta que pudieras tener poco así como ChatGPT, respondería: ‘Décadas, décadas de trabajo'”.

La lectura llamativo de ChatGPT se lanzó en noviembre de 2022.

DeepMind (parte del propietario de Google, Alphabet) está realizando otros trabajos sobre World Models con su maniquí Genie y Wayve, con sede en Londres, tiene un sistema llamado Gaia.

Mientras tanto, el pionero de la IA Fei-Fei Li fundó World Labs en San Francisco en 2023 para desarrollar un nuevo maniquí de IA.

LeCun dice que AMI Labs pasará el resto de este año perfeccionando su maniquí de IA y paciencia que el próximo año se ponga en uso, al principio en entornos industriales.

Si esto tiene éxito, será momento de pensar en egregio.

“Con el tiempo, tendremos una especie de sistemas de inteligencia genéricos generales que se pueden aplicar a casi cualquier cosa en el mundo con un entrenamiento minúsculo o un ajuste fino”.

¿Qué pasará con los humanos en un mundo donde los robots puedan proceder de forma independiente?

“Todavía vamos a precisar que los humanos descubran qué preguntas hacer, qué construir, qué crear, que es efectivamente el aspecto propiamente humano”, afirma.

La IA funcionará para nosotros, añade.

“Nuestra interacción con los futuros sistemas de IA -incluso si son más inteligentes que nosotros- será como la interacción entre un capitán de industria o un líder político con su personal de asistentes, muchos de los cuales son más inteligentes que ellos”.

Tecnología de Negocios