Del algoritmo al AGI

La célula es la unidad mínima de la que salió, por evolución, el ser humano. ¿Cuál ha sido la unidad mínima de la que ha salido, por diseño e iteración, la inteligencia artificial que hoy escribe código y diseña proteínas? La respuesta tiene fecha exacta y nombres propios: 1943, Warren McCulloch y Walter Pitts. Lo que vino después —ocho décadas de intentos fallidos, redescubrimientos mal atribuidos y una explosión final que nadie predijo del todo bien— es la historia real detrás de un término, AGI, que hoy se usa con más entusiasmo del que tenían sus propios autores.

La célula: el perceptrón (1943–1969)

En diciembre de 1943, McCulloch y Pitts publicaron "A Logical Calculus of the Ideas Immanent in Nervous Activity" en el Bulletin of Mathematical Biophysics: el primer modelo matemático formal de una neurona, una unidad binaria de todo-o-nada que combina señales de entrada y dispara según un umbral¹. Es el equivalente funcional de la célula: la pieza mínima, sin la cual nada de lo que vino después tiene sentido, pero que por sí sola no hace gran cosa.

Quince años después, en noviembre de 1958, Frank Rosenblatt publicó en Psychological Review "The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain"². El perceptrón era un clasificador lineal de una sola capa, capaz de aprender ajustando sus propios pesos a partir del error — la primera vez que una máquina modificaba su propio comportamiento en vez de solo ejecutar instrucciones fijas. No era, contra el mito popular, un intento de simular el cerebro entero: era un modelo probabilístico de cómo se podría almacenar información de forma asociativa.

En 1969, Marvin Minsky y Seymour Papert publicaron el libro Perceptrons, que demostró matemáticamente que un perceptrón de una sola capa no puede resolver problemas que no son linealmente separables — el caso de libro de texto es la función XOR³. Lo que se suele contar mal es lo que pasó después: Minsky y Papert no demostraron que las redes multicapa tuvieran el mismo límite, solo lo conjeturaron, sin prueba. Esa conjetura especulativa, no el teorema en sí, es lo que enfrió la financiación —DARPA redirigió fondos hacia la IA simbólica— y abrió el primer "invierno de la IA". Historiadores del campo describen el libro como algo que "se lee más por sus conclusiones que por sus matices"⁴.

La multicelularidad: el deep learning (1980–2012)

Si el perceptrón es la célula, apilar capas de neuronas especializadas es el equivalente a la multicelularidad: unidades simples que, combinadas y diferenciadas, hacen cosas que ninguna hace por separado. El primer paso serio llegó en 1980, cuando Kunihiko Fukushima publicó el Neocognitron en Biological Cybernetics: una arquitectura jerárquica y multicapa inspirada en la corteza visual, precursora directa de las redes convolucionales⁵.

Casi una década después, en 1989, Yann LeCun y su equipo publicaron en Neural Computation la primera red convolucional entrenada de extremo a extremo con backpropagation sobre datos reales: códigos postales manuscritos del servicio postal de EE. UU.⁶ En 1998 llegó el paper canónico, "Gradient-Based Learning Applied to Document Recognition" (IEEE), conocido como LeNet-5⁷.

Y aquí está el dato que casi nunca se cuenta bien: entre el Neocognitron de 1980 y el momento en que las redes profundas dominaron la práctica pasaron más de treinta años. La arquitectura existía; lo que faltaba era la combinación de datos etiquetados a gran escala y cómputo barato. Ese salto llegó con las técnicas de preentrenamiento por capas de Hinton en 2006 y, sobre todo, con AlexNet en octubre de 2012: ganó el ImageNet Challenge (ILSVRC) con una ventaja de casi diez puntos porcentuales sobre el segundo clasificado, el evento que los historiadores del campo señalan como el disparo de salida del boom moderno del deep learning⁸. La lección biológica encaja: la mutación puede existir mucho antes de que las condiciones del entorno la hagan viable.

La selección natural: quién inventó de verdad el backpropagation (1970–1986)

Esta es la parte de la historia con más mala atribución de todo el recorrido, y curiosamente encaja con el propio tema: la selección no premia a quien descubre algo primero, sino a quien sobrevive y se propaga. El método matemático detrás del backpropagation —diferenciación automática en modo inverso— lo publicó Seppo Linnainmaa en 1970, en su tesis de máster en Finlandia, sin ninguna referencia a redes neuronales⁹. Todos los frameworks modernos de autodiferenciación (TensorFlow, PyTorch) descienden matemáticamente de ese trabajo.

El primero en proponer aplicarlo específicamente para entrenar redes neuronales fue Paul Werbos, en su tesis doctoral de Harvard de 1974. Su comité la consideró "demasiado trivial"; la financiación se evaporó, y no pudo publicar el resultado en profundidad hasta 1982, en pleno invierno de la IA¹⁰. David Rumelhart redescubrió el método de forma independiente hacia 1982, sin conocer ni a Linnainmaa ni a Werbos, y lo publicó junto a Geoffrey Hinton y Ronald Williams en Nature en octubre de 1986: "Learning representations by back-propagating errors"¹¹. Ese paper es el que se cita en cualquier manual como "el origen" del backpropagation. No lo es — es el que tuvo la visibilidad de Nature y la carrera creciente de Hinton detrás. La prioridad real es de Linnainmaa y Werbos; el crédito popular es de Rumelhart. Dos historiadores independientes del campo, con fuentes distintas, coinciden en esta reconstrucción⁹¹⁰.

La explosión cámbrica: transformers y las leyes de escalado (2017–2022)

En junio de 2017, un equipo de Google publicó "Attention Is All You Need", presentado en NeurIPS ese diciembre¹². Su aportación fue eliminar el cuello de botella de las redes recurrentes (RNN/LSTM), que procesaban el texto palabra a palabra de forma secuencial, y sustituirlo por un mecanismo de atención que se puede paralelizar por completo. El resultado fue mejor calidad de traducción con muchísimo menos tiempo de entrenamiento — la arquitectura detrás de prácticamente todos los modelos de lenguaje actuales.

Con la arquitectura resuelta, la pregunta pasó a ser cuánto escalar y en qué proporción. En enero de 2020, OpenAI publicó "Scaling Laws for Neural Language Models": la pérdida del modelo sigue una ley de potencia respecto al tamaño del modelo, los datos y el cómputo, válida a lo largo de más de siete órdenes de magnitud — y concluía que, para un presupuesto de cómputo fijo, convenía escalar el tamaño del modelo mucho más rápido que los datos¹³. En marzo de 2022, DeepMind corrigió esa conclusión con el paper de Chinchilla: para un entrenamiento óptimo en cómputo, el tamaño del modelo y el número de tokens de entrenamiento deben crecer a la par, 1 a 1. Chinchilla, con 70.000 millones de parámetros y cuatro veces más datos que Gopher, con el mismo presupuesto de cómputo, superó a Gopher (280B), GPT-3 (175B) y Megatron-Turing NLG (530B) en MMLU¹⁴. Es, literalmente, una hipótesis puesta a prueba contra más datos y corregida — la misma lógica que la selección natural aplica a un rasgo mal adaptado.

¿Qué es la AGI, formalmente?

Aquí es donde la analogía biológica se rompe a propósito, porque no hay un equivalente claro al Homo sapiens — ni siquiera hay acuerdo sobre qué estamos buscando. La definición de OpenAI, en su charter fundacional, es la más citada: "sistemas altamente autónomos que superan a los humanos en la mayoría del trabajo con valor económico"¹⁵ — una definición económica, no cognitiva.

En noviembre de 2023, un equipo de Google DeepMind (Morris, Sohl-Dickstein, Fiedel, Warkentin, Dafoe, Faust, Farabet y Legg) propuso en ICML 2024 un marco más operativo: "Levels of AGI", con dos ejes — profundidad de rendimiento (de "sin IA" a "sobrehumano", pasando por emergente, competente, experto y virtuoso) y amplitud de generalidad (estrecha vs. general)¹⁶. Lo llamativo del paper es que clasifica a los grandes modelos de lenguaje de finales de 2023 como "AGI emergente": amplios en el número de tareas que abordan, pero poco profundos en cada una — justo lo contrario de la imagen popular de la AGI como un genio sobrehumano en todo.

Quién dice que ya está cerca

Tres de los responsables de los laboratorios más relevantes se han mojado con fechas concretas:

Quién no se lo cree, y por qué

Qué dicen las previsiones

En abril de 2025, el proyecto AI Futures publicó "AI 2027", un escenario de 71 páginas escrito por Daniel Kokotajlo (exinvestigador de gobernanza de OpenAI, salió de la empresa en 2024 por desacuerdos sobre transparencia, y autor de un pronóstico de 2021 —"What 2026 Looks Like"— con buena reputación de acierto), Eli Lifland, Thomas Larsen y Romeo Dean. El documento, construido a partir de más de una docena de ejercicios de simulación con investigadores y responsables de políticas, plantea programación sobrehumana a principios de 2027, investigadores de IA autónomos a mediados de 2027 y un punto de decisión sobre superinteligencia y desalineación a principios de 2028²⁵. Conviene ser preciso con lo que es: un escenario narrativo con metodología transparente, no una predicción probabilística.

El dato más sólido metodológicamente es otro: la encuesta de AI Impacts de 2023, la mayor de su tipo, contactó a 20.066 investigadores de las principales conferencias de machine learning (NeurIPS, ICML, ICLR, AAAI, JMLR, IJCAI) y recibió 2.778 respuestas, 1.714 de ellas sobre el horizonte de la inteligencia de nivel humano. La mediana fue el año 2047 para una probabilidad del 50% — trece años antes que la mediana de la encuesta de 2022 (2060)²⁶. Pero la mediana esconde el dato más honesto: la distribución es bimodal, con alrededor de un 10% de los investigadores esperando la AGI antes de 2027 y otro 10% después de 2100. No hay consenso comprimiéndose hacia una fecha — hay dos campos que no se están acercando entre sí.

¿Es la AGI siquiera el marco correcto?

Vale la pena cerrar con la pregunta que menos se hace en público. Fei-Fei Li, según declaraciones que le atribuyeron numerosos medios en 2025, dijo que "la AGI es más un término de marketing que un término científico"²⁷ — no hay una definición aceptada por todo el campo, y esa ambigüedad permite que el término cambie de significado según quién lo use. A lo largo de 2025, varios medios documentaron lo que Fortune llamó un "cambio de aires" en Silicon Valley: los responsables de los grandes laboratorios se volvieron notablemente menos entusiastas a la hora de hablar de plazos concretos de AGI que meses antes. MIT Technology Review llegó a titular, en octubre de 2025, un análisis sobre cómo la AGI se convirtió en "la teoría de la conspiración más consecuente de nuestro tiempo" — una etiqueta deliberadamente provocadora, que hay que leer como análisis de opinión y no como hecho, pero que refleja un escepticismo creciente incluso dentro del propio sector²⁸.

Aquí es donde la analogía con la célula se agota, y a propósito. Sabemos, con fecha y nombre, cuándo apareció la primera neurona artificial formal. Sabemos qué evolucionó a qué, y podemos discutir con fuentes primarias quién descubrió qué y cuándo. Lo que no sabemos —y ninguna fuente citada en este texto lo resuelve— es si la arquitectura actual, escalada, es siquiera el sustrato correcto para ese salto final, o si hace falta algo que todavía no se ha inventado, como los "modelos del mundo" por los que apuesta LeCun. La célula sabemos de dónde salió. El siguiente paso de la IA, honestamente, todavía no lo sabe nadie.