Foto: CES 2025
Durante el CES 2025, celebrado en Las Vegas, Yann LeCun, científico jefe de inteligencia artificial en Meta, ofreció una conferencia en la cual destacó los principales retos que enfrenta el desarrollo de la IA y presentó nuevas líneas de investigación en la materia. Fue enfático al señalar que, a pesar de los avances recientes, los modelos actuales no son suficientes para alcanzar una inteligencia comparable a la humana. "No hay forma en que los modelos autoregresivos actuales lleguen a la inteligencia de nivel humano", afirmó.
El científico detalló que el camino hacia una inteligencia artificial verdaderamente avanzada pasa por construir sistemas capaces de planificar, razonar y comprender el entorno físico. Según sus palabras, "necesitamos sistemas que tengan modelos mentales del mundo y puedan planificar secuencias de acciones para cumplir objetivos". Esta estrategia es parte del abordaje de investigación que Meta está llevando a cabo, con el objetivo de desarrollar sistemas de IA más avanzados y autónomos en los próximos años.
Respecto a las predicciones sobre la pronta llegada de la inteligencia general artificial (AGI, por sus siglas en inglés), LeCun se mostró escéptico y aseguró que el desarrollo de una IA con capacidades comparables a las humanas no ocurrirá en el corto plazo. "La gente lleva cometiendo los mismos errores desde hace setenta años, creyendo que superar benchmarks significa haber alcanzado una inteligencia similar a la humana", sostuvo. De todas maneras, si el plan de investigación actual en Meta tiene éxito, no prevé contar con un sistema de estas características antes de cinco o seis años.
El enfoque JEPA y los modelos de energía
Uno de los conceptos más destacados durante la intervención de LeCun fue el modelo JEPA (Joint Embedding Predictive Architecture), una nueva arquitectura la cual se diferencia de los modelos generativos tradicionales. Según explicó, esta perspectiva permite a los sistemas hacer predicciones más abstractas al centrarse en los elementos relevantes del entorno y eliminar detalles innecesarios. "La idea es no predecir todos los detalles, sino entrenar un sistema que aprenda una representación abstracta del mundo", detalló. Agregó que este método podría facilitar el desarrollo de sistemas con capacidad de razonamiento y planificación en entornos complejos.
En cuanto a la escalabilidad de los modelos actuales, LeCun mencionó que el crecimiento exponencial observado en los últimos años está alcanzando un punto de saturación. "El costo de entrenar modelos más grandes sigue aumentando exponencialmente, pero el rendimiento ya no crece al mismo ritmo", explicó.
Perspectiva sobre el futuro de la IA y la regulación
LeCun también ofreció su perspectiva sobre el futuro de los agentes de inteligencia artificial y su impacto en la vida diaria de las personas. Según sus estimaciones, en los próximos diez a quince años, será común que cada individuo cuente con un asistente virtual inteligente el cual lo acompañe constantemente, facilitando tareas cotidianas y ofreciendo recomendaciones personalizadas. De todas maneras, aclaró que todavía se necesitan avances significativos en el desarrollo de sistemas capaces de interactuar de manera autónoma con el mundo físico.
En cuanto al debate sobre la regulación de la inteligencia artificial, LeCun se manifestó en contra de regular los modelos de IA en su fase de investigación y desarrollo, argumentando que esto podría frenar la innovación y el avance científico. "Regular la investigación y el desarrollo no tiene sentido. El riesgo de imponer regulaciones en esta etapa es que se desincentive la creación de modelos abiertos", afirmó.
DESCARGA LA NOTA SÍGUENOS EN GOOGLE NEWS
