Gary Marcus contra Nature: por qué es prematuro hablar de la llegada de la AGI

Gary Marcus y sus colegas Walter Quattrociocchi y Valerio Capraro han criticado un reciente artículo de la prestigiosa revista Nature que afirmaba que se había logrado la inteligencia artificial general (AGI). Los autores de la respuesta sostienen que el impresionante rendimiento de los grandes modelos de lenguaje (LLM) en diversos benchmarks, e incluso en la resolución de problemas matemáticos complejos, no es prueba de inteligencia genuina. A su juicio, quienes defienden que la AGI existe cometen un error fundamental: confunden la capacidad de realizar tareas muy especializadas con una inteligencia verdaderamente general. El texto es un llamado a ser más prudentes con la terminología y a hacer un análisis más profundo y reflexivo de lo que entendemos por «inteligencia».

Cada vez más personas afirman que la inteligencia artificial general ya existe. Quizá la declaración más reciente y sonada en este sentido figura en un artículo publicado en Nature. Estas afirmaciones suelen apoyarse en los logros de los grandes modelos de lenguaje (LLM), cuyos resultados muestran un alto rendimiento en diversos conjuntos de pruebas, un manejo fluido de áreas muy distintas y, en algunos casos, incluso soluciones correctas a problemas matemáticos abiertos. Con frecuencia se interpreta todo ello como prueba irrefutable de que la humanidad ha alcanzado el umbral de la inteligencia artificial general.

Sin embargo, como señalan con razón Marcus y sus coautores, esas interpretaciones se basan en una confusión fundamental: equiparan los resultados en tareas concretas, a menudo bien estudiadas y estandarizadas, con la inteligencia en sí. Realizar tareas concretas, aunque los resultados sean impresionantes, no puede considerarse prueba suficiente de inteligencia general. En su artículo, los autores muestran que las afirmaciones recientes sobre el logro de la AGI se apoyan en un error conceptual: confundir la aproximación estadística, cada vez más sofisticada, con la inteligencia misma.

También sostienen que las afirmaciones recientes (por ejemplo, las publicadas por Chen et al., 2026) sobre un supuesto éxito en la creación de la AGI dependen de redefinir lo que el propio término «IA» significó históricamente.

La idea central de los autores es que los LLM actuales, pese a sus notables capacidades, son en esencia máquinas estadísticas muy complejas. Se entrenan con enormes volúmenes de datos y aprenden a predecir la siguiente palabra o secuencia de palabras a partir de patrones probabilísticos. Eso les permite generar texto, responder preguntas e incluso resolver problemas que exigen cierto nivel de lógica o conocimiento.

Pero, según Marcus y sus colegas, esto no significa que el modelo «comprenda» la tarea en sentido humano ni que sea capaz de transferir conocimientos y habilidades a situaciones totalmente nuevas e imprevistas, un aspecto clave de la inteligencia general. Argumentan que se parece más a una forma muy avanzada de imitación o aproximación que a un pensamiento real.

Las consecuencias de esta confusión pueden ser considerables. Las afirmaciones prematuras sobre la AGI pueden generar un optimismo excesivo, una mala asignación de recursos y, lo que es más importante, una subestimación de los problemas y retos reales de crear una inteligencia artificial genuina. También pueden hacernos menos críticos con las capacidades y limitaciones de los sistemas de IA actuales, al suponer que poseen un nivel de comprensión que en realidad no tienen. Además, pueden frenar la investigación orientada a crear sistemas más fiables, interpretables y realmente inteligentes.

En conclusión, Gary Marcus y sus coautores piden a la comunidad científica y al público general un enfoque más sobrio y crítico a la hora de evaluar los avances en inteligencia artificial. Subrayan la importancia de distinguir las impresionantes capacidades estadísticas de los LLM de la inteligencia general genuina, que implica capacidad de razonar, aprender, adaptarse y comprender en una amplia gama de contextos. Hasta que se alcance ese nivel, las afirmaciones sobre la llegada de la AGI deben considerarse prematuras y basadas en una interpretación errónea de los datos.