Google DeepMind propone un marco cognitivo para medir el progreso hacia la AGI

Google DeepMind presentó un marco científico que busca medir el progreso hacia la AGI a través de un conjunto de capacidades cognitivas y no mediante benchmarks aislados. Además, la compañía lanzó un hackatón en Kaggle para que los investigadores construyan pruebas prácticas para este sistema de evaluación.

Por qué hace falta un marco

Google DeepMind parte de un problema sencillo: casi todos los grandes laboratorios hablan de AGI, pero aún no existe una forma comúnmente aceptada de medir cuánto se han acercado los sistemas. Las pruebas sueltas de matemáticas, código o generación de texto solo muestran fragmentos del cuadro. Si el objetivo es entender el nivel general de inteligencia de un modelo, la medición debe mirar más allá de un solo conjunto de tareas o de una demo exitosa.

En el nuevo trabajo, titulado Measuring Progress Toward AGI: A Cognitive Taxonomy, el equipo propone apoyarse en la ciencia cognitiva, la psicología y las neurociencias. La lógica es esta: si la AGI se entiende como una inteligencia suficientemente general, debe evaluarse mediante funciones cognitivas básicas y no solo mediante habilidades aplicadas. No es una escala acabada de «AGI o no AGI», sino un armazón científico al que se pueden añadir pruebas concretas.

«La ciencia cognitiva es una pieza importante del rompecabezas»,

escriben los autores.

En qué consiste el enfoque

En el centro del marco hay diez capacidades que, según la hipótesis de DeepMind, son importantes para la inteligencia general de los sistemas de IA. La lista incluye percepción, generación, atención, aprendizaje, memoria, razonamiento, metacognición, funciones ejecutivas, resolución de problemas y cognición social.

Este conjunto importa porque abarca no solo los puntos fuertes habituales de los modelos actuales, como la generación de texto o las cadenas lógicas, sino también aspectos más complejos: por ejemplo, la capacidad de detectar los propios errores, cambiar con flexibilidad entre objetivos y manejar correctamente el contexto social.

Para convertir esta taxonomía en una herramienta medible, DeepMind propone un protocolo de tres pasos. Primero, los sistemas de IA deben pasar por una amplia batería de tareas cognitivas para cada capacidad, con conjuntos de prueba reservados para reducir el riesgo de contaminación de datos. Después, se obtiene una referencia humana para las mismas tareas con una muestra de adultos demográficamente representativa. Por último, los resultados de los modelos se comparan no con una «nota de aprobado» abstracta, sino con la distribución de resultados humanos en cada capacidad.

La idea es que la comparación con las personas sea empírica y rigurosa, no un eslogan general. Un modelo puede ser muy fuerte en razonamiento y memoria, pero quedar claramente por detrás en aprender de instrucciones nuevas o en la interpretación social. En ese caso, hablar de progreso hacia la AGI se vuelve más concreto: se ve no solo dónde impresiona el sistema, sino dónde exactamente conserva carencias estructurales.

El hackatón en Kaggle

DeepMind no se limita a una publicación. Junto con Kaggle, la compañía lanzó el hackatón Measuring progress toward AGI: Cognitive abilities para que la comunidad ayude a construir en la práctica las evaluaciones que faltan. Se invita a los participantes a usar la nueva plataforma Community Benchmarks de Kaggle y a probar sus ideas en una serie de modelos de frontera. El foco está en las áreas donde la brecha de evaluación es hoy más visible.

• Aprendizaje
• Metacognición
• Atención
• Funciones ejecutivas
• Cognición social

El fondo de premios es de 200.000 dólares. Según las condiciones de DeepMind, los dos mejores trabajos de cada una de las cinco categorías recibirán 10.000 dólares cada uno, y las cuatro mejores propuestas, sin importar la categoría, 25.000 dólares cada una. La recepción de trabajos está abierta del 17 de marzo de 2026 al 16 de abril de 2026, y la compañía promete anunciar los resultados el 1 de junio de 2026.

Es un detalle importante: DeepMind no se limita a publicar un marco teórico, sino que intenta reunir rápidamente a su alrededor un ecosistema de verificaciones y experimentos externos.

Qué significa

Google DeepMind propone ver el progreso de la IA no como una carrera de récords aislados, sino como una comparación sistemática de los perfiles cognitivos de los modelos con el nivel humano. Si el enfoque cuaja, la industria tendrá un lenguaje más claro para hablar de «acercarse a la AGI», con desglose por capacidades, brechas definidas y pruebas reproducibles, y no solo con grandes declaraciones sobre el próximo avance.