Pero hay otra observación crucial aquí. La inteligencia nunca fue un punto final para la evolución, algo a lo que aspirar. En cambio, surgió en muchas formas diferentes, desde innumerables soluciones pequeñas hasta desafíos que permitieron que los seres vivos sobrevivieran y asumieran desafíos futuros. La inteligencia es el punto culminante actual de un proceso continuo y abierto. En este sentido, la evolución es bastante diferente de los algoritmos de la forma en que la gente suele pensar en ellos: como medio para un fin.
Es este final abierto, vislumbrado en la secuencia aparentemente sin rumbo de desafíos generados por POET, lo que Clune y otros creen que podría conducir a nuevos tipos de IA. Durante décadas, los investigadores de IA han intentado construir algoritmos para imitar la inteligencia humana, pero el verdadero avance puede provenir de la construcción de algoritmos que intentan imitar la resolución de problemas abierta de la evolución y sentarse a observar lo que surge.
Los investigadores ya están utilizando el aprendizaje automático en sí mismo, capacitándolo para encontrar soluciones a algunos de los problemas más difíciles del campo, como cómo hacer máquinas que puedan aprender más de una tarea a la vez o hacer frente a situaciones que no habían encontrado antes. Algunos ahora piensan que adoptar este enfoque y ejecutarlo podría ser el mejor camino hacia la inteligencia artificial general. “Podríamos iniciar un algoritmo que inicialmente no tiene mucha inteligencia en su interior y ver cómo se inicia a sí mismo hasta llegar potencialmente a AGI”, dice Clune.
La verdad es que por ahora, AGI sigue siendo una fantasía. Pero eso se debe en gran parte a que nadie sabe cómo hacerlo. Los avances en la inteligencia artificial son parciales y los llevan a cabo humanos, y el progreso generalmente implica ajustes en las técnicas o algoritmos existentes, lo que produce saltos incrementales en el rendimiento o la precisión. Clune caracteriza estos esfuerzos como intentos de descubrir los componentes básicos de la inteligencia artificial sin saber qué está buscando o cuántos bloques necesitará. Y eso es solo el comienzo. “En algún momento, tenemos que asumir la hercúlea tarea de ponerlos todos juntos”, dice.
Pedirle a la IA que encuentre y ensamble esos bloques de construcción para nosotros es un cambio de paradigma. Está diciendo que queremos crear una máquina inteligente, pero no nos importa cómo se verá, solo danos lo que funcione.
Incluso si la AGI nunca se logra, el enfoque de autoaprendizaje aún puede cambiar los tipos de IA que se crean. El mundo necesita más que un buen jugador de Go, dice Clune. Para él, crear una máquina súper inteligente significa construir un sistema que invente sus propios desafíos, los resuelva y luego invente otros nuevos. POET es un pequeño vistazo de esto en acción. Clune imagina una máquina que le enseña a un robot a caminar, luego a jugar a la rayuela, y luego tal vez a jugar a Go. “Entonces tal vez aprenda acertijos matemáticos y comience a inventar sus propios desafíos”, dice. “El sistema innova continuamente y el cielo es el límite en términos de adónde podría ir”.