\n<\/p>\n
Hanson y yo hablamos sobre la idea de agregar inteligencia real a estas m\u00e1quinas evocadoras. Ben Goertzel, un conocido investigador de IA y director ejecutivo de SingularityNET, lidera un esfuerzo para aplicar los avances en el aprendizaje autom\u00e1tico al software dentro de los robots de Hanson que les permite responder al habla humana.<\/p>\n
La IA detr\u00e1s de Sophia a veces puede proporcionar respuestas aceptables, pero la tecnolog\u00eda no es tan avanzada como un sistema como GPT-4, que impulsa la versi\u00f3n m\u00e1s avanzada de ChatGPT y su creaci\u00f3n cost\u00f3 m\u00e1s de $ 100 millones. Y, por supuesto, incluso ChatGPT y otros programas de IA de vanguardia no pueden responder con sensatez preguntas sobre el futuro de la IA. Puede ser mejor pensar en ellos como imitadores sobrenaturalmente bien informados y dotados que, aunque son capaces de un razonamiento sorprendentemente sofisticado, tienen fallas profundas y solo tienen un \u00abconocimiento\u00bb limitado del mundo.<\/p>\n
Las \u201centrevistas\u201d enga\u00f1osas de Sophia y compa\u00f1\u00eda en Ginebra son un recordatorio de c\u00f3mo la antropomorfizaci\u00f3n de los sistemas de IA puede llevarnos por mal camino. La historia de la IA est\u00e1 plagada de ejemplos de humanos que extrapolan en exceso los nuevos avances en el campo.<\/p>\n
En 1958, en los albores de la inteligencia artificial, Los New York Times<\/em> escribi\u00f3 sobre uno de los primeros sistemas de aprendizaje autom\u00e1tico, una tosca red neuronal artificial desarrollada para la Marina de los EE. UU. por Frank Rosenblatt, un psic\u00f3logo de Cornell. \u201cLa Marina revel\u00f3 hoy el embri\u00f3n de una computadora electr\u00f3nica que espera pueda caminar, hablar, ver, escribir, reproducirse y ser consciente de su existencia\u201d, dijo el Veces<\/em> inform\u00f3: una declaraci\u00f3n audaz sobre un circuito capaz de aprender a detectar patrones en 400 p\u00edxeles.<\/p>\n Si mira hacia atr\u00e1s en la cobertura del juego de ajedrez de IBM, Deep Blue, el campe\u00f3n de Go de DeepMind, AlphaGo, y muchos de los saltos en aprendizaje profundo de la \u00faltima d\u00e9cada, que descienden directamente de la m\u00e1quina de Rosenblatt, ver\u00e1 mucho de lo mismo: personas que toman cada avance como si fuera una se\u00f1al de una inteligencia m\u00e1s profunda y m\u00e1s humana.<\/p>\n Eso no quiere decir que estos proyectos, o incluso la creaci\u00f3n de Sophia, no fueran haza\u00f1as notables o pasos potenciales hacia m\u00e1quinas m\u00e1s inteligentes. Pero tener una visi\u00f3n clara de las capacidades de los sistemas de IA es importante cuando se trata de medir el progreso de esta poderosa tecnolog\u00eda. Para dar sentido a los avances de la IA, lo menos que podemos hacer es dejar de hacer preguntas tontas a los t\u00edteres animatr\u00f3nicos.<\/p>\n<\/div>\n