Avances en inteligencia artificial

El progreso en inteligencia artificial ( IA ) se refiere a los avances, hitos y descubrimientos logrados en este campo a lo largo del tiempo. La IA es una rama de la informática que busca crear máquinas y sistemas capaces de realizar tareas que normalmente requieren inteligencia humana. Las aplicaciones de IA se han utilizado en una amplia gama de campos, incluyendo el diagnóstico médico , las finanzas , la robótica , el derecho , los videojuegos , la agricultura y el descubrimiento científico. La sociedad en su conjunto espera que la inteligencia artificial sea un factor clave en los próximos años debido a su potencial. Sin embargo, muchas aplicaciones de IA no se perciben como tales: "Mucha IA de vanguardia se ha incorporado a aplicaciones generales, a menudo sin ser denominada IA, porque una vez que algo se vuelve lo suficientemente útil y común, ya no se etiqueta como IA ". ^{[ 1 ] [ 2 ]}

"Miles de aplicaciones de IA están profundamente integradas en la infraestructura de cada industria." ^{[ 3 ]} A finales de la década de 1990 y principios de la de 2000, la tecnología de IA se generalizó como elementos de sistemas más grandes, ^{[ 3 ] [ 4 ]} pero en ese momento rara vez se le reconoció al campo el mérito de estos éxitos.

Kaplan y Haenlein estructuran la inteligencia artificial en tres etapas evolutivas:

1. Inteligencia artificial estrecha: IA capaz únicamente de realizar tareas específicas;
2. Inteligencia artificial general : IA con capacidad en varias áreas y capaz de resolver de forma autónoma problemas para los que ni siquiera fue diseñada;
3. Superinteligencia artificial : IA capaz de realizar tareas generales, incluyendo creatividad científica , habilidades sociales y sabiduría general . ^{[ 2 ]}

Para permitir la comparación con el desempeño humano, la inteligencia artificial puede evaluarse en problemas restringidos y bien definidos. Estas pruebas se conocen como pruebas de Turing para expertos en la materia . Además, los problemas más pequeños ofrecen objetivos más alcanzables y se observa un número cada vez mayor de resultados positivos.

En 2023, los humanos aún superaban sustancialmente tanto a GPT-4 como a otros modelos probados en el benchmark ConceptARC. Estos modelos obtuvieron un 60 % en la mayoría de las categorías y un 77 % en una, mientras que los humanos obtuvieron un 91 % en todas y un 97 % en una. ^{[ 5 ]} Sin embargo, una investigación posterior en 2025 mostró que las cuadrículas de salida generadas por humanos solo eran precisas el 73 % de las veces, mientras que los modelos de IA disponibles ese año lograron obtener una puntuación superior al 77 %. ^{[ 6 ]}

Aumentar, promover o limitar el progreso de la IA a menudo se ha hecho controlando o aumentando la cantidad de computación . ^{[ 7 ] [ 8 ]}

Existen muchas habilidades útiles que pueden describirse como manifestaciones de inteligencia. Esto permite comprender mejor el éxito comparativo de la inteligencia artificial en diferentes áreas.

La IA, al igual que la electricidad o la máquina de vapor, es una tecnología de propósito general . No existe consenso sobre cómo caracterizar en qué tareas tiende a sobresalir la IA. ^{[ 18 ]} Algunas versiones de la paradoja de Moravec observan que los humanos tienen más probabilidades de superar a las máquinas en áreas como la destreza física, que han sido el objetivo directo de la selección natural. ^{[ 19 ]} Si bien proyectos como AlphaZero han logrado generar su propio conocimiento desde cero, muchos otros proyectos de aprendizaje automático requieren grandes conjuntos de datos de entrenamiento. ^{[ 20 ] [ 21 ]} El investigador Andrew Ng ha sugerido, como una "regla general muy imperfecta", que "casi cualquier cosa que un humano típico pueda hacer con menos de un segundo de pensamiento mental, probablemente podamos automatizarla ahora o en un futuro cercano usando IA". ^{[ 22 ]}

Los juegos proporcionan un punto de referencia de alto perfil para evaluar las tasas de progreso; muchos juegos tienen una gran base de jugadores profesionales y un sistema de clasificación competitivo bien establecido. AlphaGo puso fin a la era de los puntos de referencia de los juegos de mesa clásicos cuando la Inteligencia Artificial demostró su ventaja competitiva sobre los humanos en 2016. El programa de software de IA AlphaGo de DeepMind derrotó al mejor jugador profesional de Go del mundo, Lee Sedol . ^{[ 23 ]} Los juegos de conocimiento imperfecto plantean nuevos desafíos a la IA en el área de la teoría de juegos ; el hito más destacado en esta área fue la victoria de Libratus en el póker en 2017. ^{[ 24 ] [ 25 ]} Los deportes electrónicos continúan proporcionando puntos de referencia adicionales; Facebook AI, DeepMind y otros han colaborado con la popular franquicia de videojuegos StarCraft . ^{[ 26 ] [ 27 ]}

Las categorías generales de resultados para una prueba de IA pueden ser las siguientes:

• óptimo : no es posible obtener un mejor resultado (nota: algunas de estas entradas fueron resueltas por humanos).
• superhumano : rinde mejor que todos los humanos
• alto-humano : rinde mejor que la mayoría de los humanos
• par-humano : se desempeña de manera similar a la mayoría de los humanos.
• subhumano : se desempeña peor que la mayoría de los humanos

En su famosa prueba de Turing , Alan Turing eligió el lenguaje, la característica definitoria de los seres humanos , como base. ^{[ 76 ]} Actualmente, la prueba de Turing se considera demasiado susceptible a la manipulación como para ser un punto de referencia significativo. ^{[ 77 ]}

La prueba de Feigenbaum , propuesta por el inventor de los sistemas expertos , evalúa el conocimiento y la pericia de una máquina sobre un tema específico. ^{[ 78 ]} Un artículo de Jim Gray de Microsoft en 2003 sugirió extender la prueba de Turing a la comprensión del habla , el habla y el reconocimiento de objetos y comportamientos. ^{[ 79 ]}

Las pruebas propuestas de "inteligencia universal" buscan comparar el desempeño de máquinas, humanos e incluso animales no humanos en conjuntos de problemas lo más genéricos posible. En un caso extremo, el conjunto de pruebas puede contener todos los problemas posibles, ponderados por la complejidad de Kolmogorov ; sin embargo, estos conjuntos de problemas tienden a estar dominados por ejercicios de reconocimiento de patrones simples, donde una IA entrenada puede superar fácilmente los niveles de desempeño humano. ^{[ 80 ] [ 81 ] [ 82 ] [ 83 ] [ 84 ]}

Según OpenAI , en 2023 GPT-4 obtuvo puntuaciones altas en varios exámenes estandarizados y profesionales, incluyendo alrededor del percentil 90 en el Examen Uniforme de Abogacía , el percentil 89 en la sección de matemáticas del SAT , el percentil 93 en Lectura y Escritura del SAT, el percentil 54 en la sección de escritura analítica del GRE , el percentil 88 en razonamiento cuantitativo del GRE y el percentil 99 en razonamiento verbal del GRE. OpenAI también informó que GPT-4 obtuvo una puntuación entre el percentil 99 y el 100 en el examen semifinal de la Olimpiada de Biología de EE. UU. de 2020 y obtuvo las mejores puntuaciones en varios exámenes AP . ^{[ 85 ]}

Investigadores independientes descubrieron en 2023 que ChatGPT, basado en GPT-3.5, obtuvo un rendimiento "en o cerca del umbral de aprobación" en las tres partes del Examen de Licencia Médica de los Estados Unidos (USMLE), lo que sugiere que los modelos de lenguaje grandes podrían alcanzar un rendimiento de nivel de aprobación en algunas evaluaciones de conocimientos médicos incluso sin un ajuste fino específico del dominio. ^{[ 86 ]} También se informó que GPT-3.5 obtuvo una calificación baja pero aprobatoria en los exámenes de cuatro cursos de la facultad de derecho de la Universidad de Minnesota . ^{[ 85 ]}

Estudios posteriores informaron que GPT-4 aprobó un examen de radiología basado en texto, similar a un examen de certificación. ^{[ 87 ]} Estudios de radiología posteriores, realizados entre 2024 y 2025, continuaron encontrando un buen desempeño de los modelos más nuevos en preguntas tipo examen, incluyendo exámenes de radiología basados ​​en imágenes y para estudiantes, aunque también observaron debilidades persistentes y variaciones según el tipo de tarea. ^{[ 88 ] [ 89 ]}

Para 2025, los estudios comparativos encontraron una variación sustancial en el desempeño de los exámenes médicos entre los diferentes modelos, en lugar de un nivel uniforme de "aprobación". Un estudio de referencia de 2025 sobre preguntas de muestra del USMLE disponibles públicamente informó que los modelos más nuevos, como ChatGPT y DeepSeek, superaron a algunos rivales, pero también cometieron errores distintos y aún mostraron limitaciones en el razonamiento clínico y la comprensión específica del dominio. ^{[ 90 ]}

Los nuevos estándares jurídicos publicados en 2025 también sugirieron que el rendimiento en los exámenes seguía siendo desigual. El estándar LEXam, elaborado a partir de 340 exámenes de derecho de 116 cursos de facultades de derecho, reveló que el razonamiento jurídico extenso seguía siendo un desafío para los modelos de lenguaje extenso contemporáneos, especialmente en preguntas abiertas que requerían un análisis estructurado de varios pasos. ^{[ 91 ]}

Para 2026, un trabajo más amplio sobre pruebas académicas de nivel experto enfatizó que muchos puntos de referencia y tareas de tipo examen más antiguos se estaban saturando. Un artículo de Nature de 2026 que presentaba el Último Examen de la Humanidad argumentó que los sistemas de vanguardia habían superado el 90 % de precisión en varios puntos de referencia populares, aunque seguían mostrando una baja precisión en un punto de referencia más difícil diseñado para evaluar la frontera del conocimiento humano experto. ^{[ 92 ]} Stanford HAI también advirtió en 2025 que el rendimiento en puntos de referencia y exámenes no debería tratarse como equivalente a un rendimiento fiable en el mundo real o a una toma de decisiones confiable. ^{[ 93 ]}

Numerosos concursos y premios, como el Imagenet Challenge , promueven la investigación en inteligencia artificial. Las áreas más comunes de competición incluyen inteligencia artificial general, comportamiento conversacional, minería de datos, coches robóticos y fútbol robótico, así como juegos convencionales. ^{[ 94 ]}

Una encuesta de expertos realizada alrededor de 2016 por Katja Grace del Future of Humanity Institute y sus asociados arrojó estimaciones medianas de 3 años para ganar el campeonato de Angry Birds , 4 años para las World Series of Poker y 6 años para StarCraft . En tareas más subjetivas, la encuesta dio 6 años para doblar la ropa tan bien como un trabajador humano promedio, 7-10 años para responder con pericia preguntas "fácilmente accesibles en Google", 8 años para transcribir el habla promedio, 9 años para realizar operaciones bancarias telefónicas promedio y 11 años para componer canciones con pericia, pero más de 30 años para escribir un best-seller del New York Times o ganar la competencia matemática Putnam . ^{[ 95 ] [ 96 ] [ 97 ]}

Los desarrollos posteriores a finales de la década de 2010 y principios de la de 2020 mostraron un rápido progreso en varias tareas de referencia, particularmente en juegos y dominios de problemas estructurados. Sistemas como AlphaGo, AlphaZero y, posteriormente, grandes modelos de lenguaje lograron o superaron el rendimiento humano en una variedad de pruebas de referencia establecidas. ^{[ 98 ] [ 99 ] [ 100 ]}

Al mismo tiempo, los investigadores han señalado que el rendimiento en puntos de referencia limitados puede saturarse a medida que los sistemas se optimizan para tareas específicas, y que el éxito en dichas evaluaciones no necesariamente se generaliza a formas más amplias de inteligencia. ^{[ 101 ]}

Ajedrez

Una IA derrotó a un gran maestro en una partida reglamentaria de torneo por primera vez en 1988; rebautizada como Deep Blue , venció al vigente campeón mundial de ajedrez humano en 1997 (véase Deep Blue contra Garry Kasparov ). ^{[ 102 ]}

Para la década de 2010, los motores de ajedrez que se ejecutaban en hardware de consumo habían superado a los mejores jugadores humanos por un amplio margen. Los sistemas basados ​​en redes neuronales, como AlphaZero, demostraron que se podía lograr un rendimiento sobrehumano mediante el aprendizaje por refuerzo a partir del autoaprendizaje, sin depender de datos de expertos humanos. ^{[ 103 ]} Los motores modernos se utilizan ampliamente en la preparación y el análisis, y el juego humano sin ayuda ya no puede competir con los mejores sistemas informáticos.

• Aplicaciones de la inteligencia artificial
• Lista de proyectos de inteligencia artificial
• Lista de tecnologías emergentes

• Base de datos MIRI de predicciones sobre la IAG