Dosier
AGI: entender la inteligencia artificial general
La AGI es una IA capaz de aprender con eficacia a resolver problemas que nunca ha visto, en cualquier ámbito. Aún no existe: el mejor modelo resuelve el 95 % de ARC-AGI-2, pero con un coste y una eficiencia de aprendizaje muy lejos de los humanos. Este dosier de 12 páginas explica cómo medirla y qué falta.
La AGI: ¿de qué hablamos?
La inteligencia artificial general (AGI) designa un sistema capaz de aprender y resolver con eficacia problemas nuevos, en ámbitos variados, sin haber sido preparado para cada uno. La definición es objeto de debate: algunos la miden por el número de tareas humanas automatizadas, otros por la capacidad de adquirir una habilidad nueva a partir de muy pocos ejemplos. Este dosier sigue en detalle el segundo enfoque, centrado en la generalización.
Las páginas siguientes explican las nociones clave (generalización, adaptación en el momento de la prueba, síntesis de programas), los benchmarks que intentan medir el progreso, la historia del concepto, las previsiones y los riesgos. Se publican bajo la responsabilidad de François Chollet, creador del benchmark ARC-AGI.
La conferencia «How We Get To AGI»
François Chollet : How We Get To AGI (AI Startup School, Y Combinator, 2025). El vídeo solo se carga desde YouTube al hacer clic.
El resumen estructurado y comentado de la conferencia está en How We Get To AGI.
El dosier, en orden de lectura
- ARC-AGI Principiante
ARC-AGI evalúa la adaptación a problemas nuevos. Conozca sus tres versiones, los resultados publicados y sus límites para interpretar los avances de la IA. - ARC Prize Principiante
ARC Prize premia métodos abiertos para ARC-AGI. Conozca sus reglas, los resultados de cada edición y qué conclusiones permiten extraer las puntuaciones obtenidas. - How We Get To AGI Intermedio
La conferencia de François Chollet en AI Startup School 2025: recorrido completo, conceptos clave, cifras citadas y qué se ha confirmado o sigue en debate. - Generalización Intermedio
La generalización permite resolver problemas nuevos. Conozca las definiciones, los ejemplos y los métodos para medir la inteligencia según François Chollet. - Síntesis de programas Avanzado
La síntesis de programas genera código a partir de restricciones o ejemplos. Conozca sus métodos, su historia y su papel en la investigación sobre la AGI. - Modelos de razonamiento Intermedio
Los modelos de razonamiento mejoran algunas tareas con más cómputo. Conozca cómo se entrenan, qué avances se han medido y cuáles son sus límites en la práctica. - Adaptación en prueba Avanzado
La adaptación en tiempo de prueba ajusta un modelo a una tarea nueva. Conozca sus mecanismos, los resultados publicados y el coste del cálculo en inferencia. - Medir los avances Intermedio
Los benchmarks miden capacidades concretas, no cuánto falta para la AGI. Conozca sus límites, la saturación y la contaminación para interpretar los resultados. - Historia de la AGI Principiante
De Turing a los laboratorios actuales, la historia de la AGI permite entender sus definiciones, sus principales enfoques y los debates sobre cómo medirla. - Riesgos de la AGI Intermedio
Los riesgos de la AGI abarcan daños observados y escenarios futuros. Conozca los desacuerdos científicos, las pruebas disponibles y las medidas de protección. - Previsiones de AGI Intermedio
No hay consenso sobre cuándo llegará la AGI. Compare las previsiones publicadas, sus definiciones, sus métodos y las incertidumbres que explican sus diferencias. - Límites del aprendizaje profundo Avanzado
El aprendizaje profundo sigue mostrando dificultades ante lo nuevo, las causas y las tareas largas. Conozca los análisis y cómo evaluar sus límites en la práctica.
¿Dónde están los modelos en ARC-AGI?
ARC-AGI mide la capacidad de resolver rompecabezas visuales nunca vistos, fáciles para un humano. A 25 de octubre de 2026, 73 modelos tienen una puntuación publicada en ARC-AGI-2; el mejor es GPT-6 Astra (95 %). En la primera versión, ARC-AGI-1, el récord es del 98,5 % (Claude Opus 5.5). Una puntuación alta no basta para concluir que hay AGI: el coste por tarea y la eficiencia de aprendizaje también cuentan.
Artículos recientes sobre la AGI y la investigación
- Síntesis de programas: la vía de Ndea hacia la AGI 21 de octubre de 2026
- «How We Get To AGI»: las ideas clave de la conferencia de François Chollet 20 de octubre de 2026
- ¿Los LLM razonan realmente? 20 de octubre de 2026
- « On the Measure of Intelligence » explicado de forma sencilla 19 de octubre de 2026
- ARC-AGI explicado: el test que mide la inteligencia de la IA 17 de octubre de 2026
- ¿Qué es la AGI? Definición, medición y estado de la investigación 16 de octubre de 2026
Preguntas frecuentes
¿Existe ya la AGI?
No, según la definición basada en la generalización: los mejores sistemas siguen lejos de la eficiencia de aprendizaje humana ante problemas realmente nuevos, aunque sus puntuaciones avancen rápido. Otras definiciones, más económicas, dan respuestas distintas; el dosier las compara.
¿Qué es el benchmark ARC-AGI?
Un conjunto de rompecabezas visuales en cuadrícula, creado en 2019, en el que hay que deducir una regla a partir de dos o tres ejemplos. Cada tarea es nueva, lo que impide acertar por simple memorización.
¿Cuándo llegará la AGI?
Nadie lo sabe. Las previsiones públicas van de pocos años a varias décadas y dependen sobre todo de la definición elegida. La página de previsiones resume las principales estimaciones y sus hipótesis.
Artículos relacionados
- Síntesis de programas: la vía de Ndea hacia la AGI21 de octubre de 2026
- «How We Get To AGI»: las ideas clave de la conferencia de François Chollet20 de octubre de 2026
- ¿Los LLM razonan realmente?20 de octubre de 2026
- « On the Measure of Intelligence » explicado de forma sencilla19 de octubre de 2026
Neutralidad. Ningún enlace de afiliación. Ningún editor paga por ser evaluado, puntuado o clasificado. Las evaluaciones las dirige François Chollet, neutrales y factuales, y cada dato está fechado y con su fuente. Cómo puntuamos