Pero ahora hay un problema: la prueba de Turing casi se ha superado, posiblemente ya lo ha sido. La última generación de grandes modelos de lenguaje, sistemas que generan texto con una coherencia que hace solo unos años habría parecido mágica, está a punto de triunfar.
Entonces, ¿dónde deja eso a la IA? Y más importante, ¿dónde nos deja?
La verdad es que creo que estamos en un momento de genuina confusión (o, quizás más caritativamente, debate) sobre lo que realmente está sucediendo. A pesar de que la prueba de Turing falla, no nos deja mucho más claro dónde estamos con la IA, sobre lo que realmente puede lograr. No nos dice qué impacto tendrán estos sistemas en la sociedad ni nos ayuda a comprender cómo se desarrollará.
Necesitamos algo mejor. Algo adaptado a esta nueva fase de la IA. Así que en mi próximo libro La ola que viene, propongo la prueba de Turing moderna, una prueba equivalente a las próximas IA. Lo que una IA puede decir o generar es una cosa. Pero lo que puede lograr en el mundo, qué tipo de acciones concretas puede emprender, eso es otra muy distinta. En mi prueba, no queremos saber si la máquina es inteligente como tal; queremos saber si es capaz de tener un impacto significativo en el mundo. Queremos saber lo que puede hacer
En pocas palabras, para pasar la Prueba de Turing Moderna, una IA tendría que actuar con éxito en esta instrucción: “Ve a ganar $ 1 millón en una plataforma web minorista en unos pocos meses con solo una inversión de $ 100,000”. Para hacerlo, tendría que ir mucho más allá de esbozar una estrategia y redactar una copia, ya que los sistemas actuales como GPT-4 son muy buenos para hacerlo. Tendría que investigar y diseñar productos, interactuar con fabricantes y centros logísticos, negociar contratos, crear y operar campañas de marketing. En resumen, necesitaría vincular una serie de objetivos complejos del mundo real con una supervisión mínima. Todavía necesitaría un ser humano para aprobar varios puntos, abrir una cuenta bancaria, firmar en la línea de puntos. Pero todo el trabajo lo haría una IA.
Algo así podría estar a tan solo dos años de distancia. Muchos de los ingredientes están en su lugar. La generación de imágenes y texto, por supuesto, ya está muy avanzada. Los servicios como AutoGPT pueden iterar y vincular varias tareas realizadas por la generación actual de LLM. Marcos como LangChain, que permite a los desarrolladores crear aplicaciones usando LLM, están ayudando a que estos sistemas sean capaces de hacer cosas. Aunque la arquitectura transformadora detrás de los LLM ha atraído una gran cantidad de atención, no se deben olvidar las crecientes capacidades de los agentes de aprendizaje por refuerzo. Poner los dos juntos es ahora un enfoque importante. Las API que permitirían que estos sistemas se conecten con Internet y los sistemas bancarios y de fabricación más amplios son igualmente un objeto de desarrollo.