Miguel Correas Aneas
En esta segunda entrega sobre la inteligencia artificial voy a desarrollar varios aspectos básicos que quedaron pendientes en el anterior escrito sobre el tema, aunque finalmente, en un tercer escrito, reflejaré las opiniones de una gran experta en el tema (Karen Hao), y disidente de la deriva en la que está metida la utilización de esta potente tecnología y los ingentes beneficios que reportan, en la actualidad, a las grandes compañías del sector tecnológico. En el pasado año 2025, las 15 mayores empresas de Inteligencia artificial fueron: Ai Superior, nvidia, Dynatrace, Sentinel One, IBM, Tesla, Sensei, Palantir, Sound Hound AI, C3.ai, BigBeard.ai, Appen, DeeoMind, Almaware y Palladyne AI. Téngase en cuenta que en inglés primero se dice artificial y después inteligencia, por eso se escribe AI. De la lista de 100 empresas Forbes, casi la mitad tiene su sede en la Bahía de San Francisco, y otras en diversas ciudades de los Estados Unidos, lo cual supone una abrumadora mayoría de empresas en territorio americano, aunque también haya importantes empresas en Alemania, Rusia, Reino Unido, Australia o Israel.
En la base de todo lo relacionado con la inteligencia artificial está la robótica, que es la disciplina que se ocupa del diseño, operación, manufacturación, estudio y aplicación de autómatas o robots. Esta disciplina combina áreas como la ingeniería mecánica, eléctrica, electrónica y las ciencias de la computación para crear herramientas que puedan realizar tareas de manera eficiente, rápida y en ambientes inaccesibles para los humanos. La robótica también combina diversas disciplinas como la informática, la inteligencia artificial y además la ingeniería de control y la física. Otras áreas importantes en robótica son el álgebra, los autómatas programables, la animatrónica y las máquinas de estados, y se usa como ayuda para la enseñanza. La robótica va unida a la construcción de “artefactos” que trataban de materializar el deseo humano de crear “seres” a su semejanza y que, al mismo tiempo, le descargarse de trabajos tediosos o peligrosos. El término robótica fue acuñado por Isaac Asimov, definiendo a la ciencia que estudia los robots. Este científico también creó las tres leyes de la robótica. Los robots se utilizan ampliamente en la fabricación, el ensamblaje, empaque y embalaje, minería, transporte exploración espacial, cirugía, armamento, investigación de laboratorio, seguridad, bienes industriales y un largo etcétera.
Aunque a lo largo de este artículo escribiré, muy someramente, de la inteligencia artificial débil o estrecha, mi intención es desarrollar la IA fuerte o general. La inteligencia artificial pretende construir máquinas capaces de comprender el mundo, interactuar con su entorno y tomar decisiones complejas con un nivel de independencia y flexibilidad compatible -o superior- al ser humano. Pero ¿qué es la Inteligencia Artificial General (AIG)?, conocida como IA fuerte o sólida; es un tipo de inteligencia artificial teórica que iguala o supera la capacidad intelectual humana en todos sus ámbitos, permitiendo a una máquina comprender, aprender, razonar y adaptarse a cualquier tarea cognitiva de manera autónoma, sin limitarse a un área específica. A diferencia de la IA débil (o especializada) que se centra en tareas concretas, la IAG busca una conciencia y un aprendizaje globales, similares a los de un cerebro humano.
Las características clave de la Inteligencia Artificial General (la IAG) se distingue por una serie de capacidades que van mucho más allá de lo que ofrecen los sistemas actuales. La IAG aspira a operar con una versatilidad cognitiva comparable a la mente humana. Sus principales características son: A) Inteligencia general. B) Razonamiento y resolución de problemas. C) Aprendizaje y adaptabilidad. D) Comprensión contextual, para entender el lenguaje natural. E) Autoconciencia. Estas capacidades colocan a la IAG como una tecnología radicalmente diferente a otras formas de inteligencia artificial. Ello implica un profundo conocimiento sobre su impacto en la sociedad, el trabajo, la seguridad y la ética digital. Por otro lado, aunque comparten fundamentos tecnológicos, la inteligencia artificial general y la inteligencia débil representan enfoques diametralmente distintos en cuanto a sus objetivos, capacidades y aplicaciones. Tener en cuenta las diferencias es clave para situar correctamente el debate sobre el futuro de la IA. En primer lugar, el alcance de la IA débil, conocida como IA especializada, está diseñada para ejecutar tareas concretas con alta eficiencia, mientras que la IAG aspira a un alcance global, donde una sola máquina pueda abordar cualquier problema cognitivo. En segundo lugar, la IA débil no es transferible. La IAG tiene la capacidad de extrapolar conocimientos como la lógica matemática en una estrategia de negocios de comunicación. La IA generativa y la IA predictiva, siguen formando parte del espectro de la IA débil, están organizadas para tareas específicas, pero no poseen entendimiento, conciencia ni adaptabilidad general. La IAG busca romper esa barrera, con una identidad autónoma e inteligente. La creación de una IAG es uno de los grandes objetivos de investigación para las empresas tecnológicas, instituciones académicas y centros de innovación a nivel global. El desarrollo de una IA fuerte representa el siguiente gran salto en la evolución tecnológica.
El potencial de la AIG es inmenso: desde resolver crisis globales hasta transformar industrias enteras a través de la automatización avanzada, la innovación en salud o la gestión inteligente de los recursos. Sin embargo, el riesgo de pérdida de control, sesgos amplificados o decisiones autónomas sin supervisión humana plantea desafíos que van más allá de la ingeniería: exige marcos regulatorios, principios de responsabilidad y una reflexión profunda sobre el papel de la tecnología en la sociedad. La discusión sobre la IAG ya no es futurista. Es un debate urgente sobre el equilibrio entre progreso, seguridad y sostenibilidad tecnológica. Dentro de este ecosistema, es fundamental distinguir entre los distintos tipos de inteligencia artificial para comprender su alcance real. Aunque términos como IA generativa, IA predictiva o IA general pueden parecer similares, su naturaleza, capacidades y aplicaciones son radicalmente distintas.
La IA predictiva se basa en el análisis de grandes volúmenes de datos para identificar patrones y anticipar comportamientos futuros. Es utilizada en sectores como las finanzas y el retall; aunque también aparece en marketing, donde permite optimizar decisiones en probabilidades estadísticas. Es poderosa, pero limitada a los datos para la que ha sido entrenada para interpretar. Por su parte la IA generativa es capaz de crear contenido nuevo: texto, imágenes, música o código, y todo, a partir de patrones aprendidos. Ha ganado protagonismo gracias a modelos como GPT, Dalle. E o Midjourney, que combinan creatividad y eficiencia en tareas como la redacción, el diseño o la programación. Es dependiente del input humano y no comprende el contenido que genera: por ello, no tiene conciencia ni intención.
Finalmente, la IAG no se limita a predecir en general. La IAG aspira a entender. La IAG puede realizar las tareas de predicción y generación, pero también razonar, adaptarse a nuevos entornos, cuestionar, planificar y decidir de forma autónoma. Su gran diferencia, su diferencia clave, es la autonomía cognitiva: capacidad de operar en contextos no entrenados y aprender de forma continua, como lo haría una mente humana. Comprender las diferencias es clave para diseñar estrategias tecnológicas realistas y aprovechar cada tipo de IA según su nivel de madurez y utilidad. La inteligencia artificial general (AIG) representa un salto cualitativo en la evolución tecnológica: no solo por sus capacidades teóricas, sino por lo que implicaría su desarrollo real para la sociedad, la economía y la toma de decisiones a gran escala. A diferencia de la IA especializada, la IAG plantea un modelo de inteligencia autónoma, capaz de aprender, adaptarse y operar en cualquier entorno si necesidad de intervención por parte del ser humano. Su impacto potencial es tan relevante que ya está moldeando la investigación, el debate ético y la planificación estratégica de las principales organizaciones del mundo. Entender qué es y cómo se diferencia y hacia dónde apunta, es esencial para anticiparse a sus implicaciones futuras.
Será en el siguiente artículo cuando escriba sobre el Chat GPT, que es una aplicación de chabot de inteligencia artificial generativa desarrollada en 2022 por Open AI, y sobre su consejero delegado, Sam Altman.