Documental de DeepMind: la IA general es más grandiosa que la energía térmica; la civilización humana será reescrita.

DeepMind publica gratuitamente el documental “The Thinking Game”, que narra el viaje de toda la vida de Demis Hassabis en busca de la Inteligencia Artificial General (AGI). Hassabis considera que la AGI es más importante que la aparición de la electricidad o el fuego. Advierte que la AGI está a punto de nacer y será un punto de inflexión en la historia de la humanidad: “Nuestra próxima generación vivirá en un mundo completamente nuevo, cada momento cuenta”.

La misión de vida de Demis Hassabis por la AGI

(Fuente: Youtube)

Como un estudiante destacado de la Universidad de Cambridge, que ganó un campeonato local de ajedrez a los seis años, Demis Hassabis adoptó desde muy joven la investigación sobre la AGI como su misión vital, porque quería resolver un problema que había desconcertado al mundo de la biología durante 50 años: el plegamiento de proteínas. Hoy puede resultar difícil de imaginar, pero en aquel entonces, muchas personas tanto en el sector de capital riesgo como en el mundo académico mostraban gran escepticismo hacia la tecnología de la AGI. Los primeros pensaban que las ideas de Demis eran demasiado ambiciosas, y los segundos consideraban que combinar neurociencia y aprendizaje automático no era ciencia “pura”.

DeepMind, fundada en 2010, tuvo un camino difícil para conseguir financiación en sus inicios, hasta que conocieron al famoso inversor ángel Peter Thiel. Aunque Thiel se convirtió en el principal financiador de DeepMind, insistió en que el equipo se mudara a Silicon Valley. Demis se negó rotundamente a abandonar Londres, convencido de que allí existía un talento único y de que la cultura de Silicon Valley de fracasar y pivotar rápidamente no era adecuada para una tecnología de AGI que requería investigación a largo plazo.

Esta decisión puso de manifiesto la profunda comprensión de Hassabis sobre la investigación en AGI. La Inteligencia Artificial General no es un producto de consumo que se pueda iterar rápidamente, sino una investigación a largo plazo que requiere avances en la ciencia básica. La cultura de las startups en Silicon Valley enfatiza la validación rápida de la demanda del mercado y del modelo de negocio, pero el verdadero valor de la AGI podría no verse hasta dentro de décadas. Hassabis se mantuvo en Londres para proteger la pureza de la investigación de DeepMind.

Hassabis compara la AGI con el descubrimiento del fuego, una analogía muy significativa. El descubrimiento del fuego permitió a la humanidad cocinar alimentos, calentarse, iluminarse y fundir metales, cambiando fundamentalmente la trayectoria de la civilización. Hassabis considera que la AGI tendrá una influencia igual o incluso mayor, porque no solo es una herramienta, sino una inteligencia capaz de aprender y crear por sí misma.

De los juegos al Go: los avances de DQN y AlphaGo

(Fuente: DeepMind)

Tras establecer DeepMind en Londres, reunió a un grupo de soñadores. Para entrenar a la IA, decidieron utilizar los “juegos” como campo de pruebas, ya que son entornos perfectamente controlados. Combinando el aprendizaje profundo (Deep Learning) y el aprendizaje por refuerzo (Reinforcement Learning), crearon el modelo DQN y le hicieron jugar al Pong de Atari, sin enseñar las reglas, solo pidiéndole que mirara los píxeles y buscara la máxima puntuación.

Al principio, la IA no era capaz ni de devolver una sola pelota, lo que llevó al equipo a dudar si la AGI era solo una ilusión. Pero, de repente, la IA empezó a puntuar. Después la hicieron jugar a Breakout. Tras cientos de partidas de entrenamiento, la IA aprendió por sí misma la estrategia de abrir túneles en los laterales para que la pelota rebotara sobre los ladrillos, una solución óptima que ningún humano le había enseñado.

Esto demostró que DeepMind había logrado crear un sistema de aprendizaje general capaz de adaptarse a diferentes entornos, un enorme avance en el desarrollo de la AGI. No solo se trataba de que la máquina aprendiera a jugar, sino de que podía descubrir estrategias y soluciones de forma autónoma, sin intervención humana. Esta capacidad de aprendizaje autónomo es la característica central de la AGI.

A pesar de los avances en aprendizaje automático, la potencia de cálculo se convirtió en un cuello de botella. Para acelerar el desarrollo de la AGI, DeepMind aceptó finalmente ser adquirida por Google por unas 400 millones de libras, aunque con la condición de mantener la independencia en la investigación. Con el apoyo computacional de Google, DeepMind centró su atención en el Go, originario de China, considerado durante mucho tiempo el “Santo Grial” inalcanzable para la IA.

Así nació AlphaGo, que se enfrentó al mejor jugador de Go humano del mundo, Lee Sedol. AlphaGo jugó la histórica jugada 37, considerada casi imposible de realizar por un humano, mostrando que las máquinas no solo son buenas calculando, sino que también pueden ser creativas. La derrota de Lee Sedol conmocionó al mundo, y especialmente en China supuso un “momento Sputnik”, despertando la atención global sobre la IA y desatando una “carrera espacial” en el ámbito de la inteligencia artificial.

Cuatro hitos en la evolución tecnológica de DeepMind

Modelo DQN: combina aprendizaje profundo y por refuerzo, la IA descubre estrategias de juego por sí sola

AlphaGo: derrota a campeones humanos de Go, demostrando creatividad e intuición

AlphaZero: descarta por completo el conocimiento humano, aprende exclusivamente jugando contra sí misma

AlphaFold: resuelve el problema del plegamiento de proteínas, galardonado con el Premio Nobel de Química

Aunque AlphaGo era potente, dependía principalmente de datos de partidas humanas para aprender. DeepMind desarrolló después AlphaZero, un algoritmo aún más elegante que prescinde por completo del conocimiento humano y aprende jugando solo contra sí mismo. AlphaZero empezó desde cero y, en un solo día, dominó el ajedrez, el shogi y el Go, mostrando estilos de juego nunca antes vistos por los humanos y demostrando que la máquina puede superar siglos de sabiduría acumulada por la humanidad solo con experiencia propia.

AlphaFold resuelve el plegamiento de proteínas y gana el Premio Nobel

Los juegos solo eran un campo experimental; la verdadera ambición de Demis siempre fue usar la IA para resolver problemas científicos, en concreto el “plegamiento de proteínas” mencionado al principio. El plegamiento de proteínas ha sido durante mucho tiempo uno de los mayores enigmas biológicos de la humanidad; si pudiéramos predecir la estructura de las proteínas, se aceleraría el desarrollo de medicamentos y la cura de enfermedades. Para probar el potencial de la IA en biología, DeepMind formó el equipo AlphaFold y participó en CASP (Competición de Predicción de Estructuras de Proteínas).

En CASP13 de 2018, AlphaFold ganó la competición, pero su precisión aún no era suficiente para que los biólogos la usaran en investigaciones reales, lo que supuso una lección de humildad para el equipo, al darse cuenta de que los desafíos científicos son mucho más complejos que los juegos. Demis, sin rendirse, redobló sus esfuerzos durante la pandemia de COVID-19 para investigar AlphaFold, formando un equipo de asalto que combinaba conocimientos de física y aprendizaje automático. Trabajaron día y noche en condiciones difíciles de confinamiento.

Finalmente, en CASP14 de 2020, AlphaFold logró resultados sorprendentes. La comunidad científica reconoció que el problema del plegamiento de proteínas había sido resuelto de forma sustancial. DeepMind tomó entonces una decisión audaz: no comercializar el logro, sino publicar gratuitamente la estructura predicha de más de 200 millones de proteínas, prácticamente todas las secuencias conocidas en la Tierra, beneficiando a la comunidad biológica mundial. Demis y el investigador John Jumper recibieron el Premio Nobel de Química 2024 por esta contribución.

Cuenta atrás para la AGI: la gestión responsable es urgente

Desde la aparición de los chatbots de modelos de lenguaje (LLM) como ChatGPT, la IA generativa ha transformado en solo tres años la distribución del trabajo en programación y empleos creativos. Ahora, productos basados en LLM como ChatGPT, Gemini o Grok están permitiendo que la gente común experimente de primera mano el impacto de la IA. El siguiente paso es inminente: la era de la AGI, que supondrá un punto de inflexión en la historia humana.

Demis afirma que la tecnología es neutral, pero que el uso que le dé la humanidad determinará el bien y el mal. Exigió a Google el compromiso de que la tecnología de DeepMind nunca será utilizada para vigilancia militar y subrayó la importancia de no adoptar una actitud de “moverse rápido y romper cosas”. Considera que la AGI es demasiado poderosa y, si se descontrola, las consecuencias serían inimaginables.

Hassabis advierte: “La AGI está a punto de nacer, nuestra próxima generación vivirá en un mundo completamente nuevo. Con la IA, todo será distinto. Si quieres gestionar la IA de manera responsable, cada momento cuenta; he dedicado mi vida a este momento”. Esta sensación de urgencia refleja la profunda conciencia del equipo de DeepMind sobre los riesgos potenciales de la AGI. Así como el fuego puede usarse para cocinar o destruir, la AGI puede resolver los grandes desafíos de la humanidad o generar riesgos sin precedentes.

En este momento clave, con la explosión de aplicaciones de IA generativa y la llegada de los agentes de IA, quizá sea el mejor momento para repasar la evolución de la AGI y reflexionar sobre el futuro.