How We Get To AGI (Chollet): la conferencia en detalle

« How We Get To AGI » es la conferencia en la que François Chollet explica por qué aumentar el tamaño de los modelos de lenguaje no ha conducido a la inteligencia general y qué vía considera prometedora: sistemas que, ante un problema nuevo, construyen un programa adecuado combinando la intuición de las redes neuronales con la búsqueda discreta de programas. Presentada el 16 de junio de 2025 en AI Startup School de Y Combinator, es la exposición más completa de su postura reciente. Esta página ofrece un recorrido detallado por su contenido, sus conceptos y las cifras citadas, además de repasar lo ocurrido desde entonces.

Fuentes utilizadas: el video publicado por Y Combinator y la transcripción publicada por The Singju Post, generada automáticamente y sin revisión del autor. La transcripción contiene errores de reconocimiento en nombres propios y términos técnicos; en caso de duda, prevalece el video. Las ideas se resumen con otras palabras, sin citas textuales entre comillas. Si busca una lectura breve, puede consultar el artículo sobre las ideas clave de la conferencia.

La conferencia de un vistazo


Título	How We Get To AGI
Ponente	François Chollet, creador de Keras y ARC-AGI, cofundador de ARC Prize y del laboratorio Ndea
Evento	AI Startup School, organizado por Y Combinator
Fecha y lugar	16 de junio de 2025, San Francisco
Formato	exposición con diapositivas, en inglés
Tesis	la inteligencia es la eficiencia para afrontar situaciones nuevas; exige unir la intuición aprendida y la búsqueda de programas
Enlaces	video · transcripción · ensayo de 2019

La conferencia se articula en torno a tres preguntas planteadas al inicio: por qué escalar el preentrenamiento no ha llevado a la AGI, si la adaptación durante la evaluación permitirá llegar a ella y qué vendrá después. Para responderlas, el ponente vuelve primero a la definición de inteligencia.

Capítulo 1: veinte años de avances impulsados por el cómputo

La exposición comienza con una curva: según François Chollet, el costo del cómputo se reduce dos órdenes de magnitud por década desde 1940. Durante mucho tiempo, la capacidad de cálculo y los datos disponibles limitaron lo que podía hacer la IA.

Hacia 2010, la abundancia de capacidad de cálculo en procesadores gráficos y de grandes conjuntos de datos permite que el aprendizaje profundo dé buenos resultados, primero en visión por computadora y después en lenguaje. El entrenamiento autosupervisado con texto se convierte más adelante en el paradigma dominante: la misma arquitectura, el mismo método, modelos y datos cada vez mayores, y puntuaciones que suben de forma previsible. Son las leyes de escalado, presentadas justo antes, en el mismo evento, por Jared Kaplan, a quien el ponente hace referencia.

Muchos dedujeron que bastaría con seguir aumentando la escala y que la inteligencia general surgiría por sí sola. François Chollet señala que esa era la creencia dominante dos años antes y que, en 2025, casi nadie la sigue defendiendo.

Capítulo 2: qué medían realmente los benchmarks

A su juicio, el error procedía de una confusión sobre el significado de los benchmarks. Hay que distinguir entre las habilidades memorizadas, estáticas y específicas de una tarea, y la inteligencia fluida: la capacidad de comprender sobre la marcha algo que nunca se ha visto.

ARC, publicado en 2019, buscaba hacer visible esa diferencia. Entre 2019 y GPT-4.5, Chollet estima que el tamaño de los modelos base aumentó por un factor aproximado de 50 000, mientras sus resultados en ARC-AGI-1 pasaron del 0 % a alrededor del 10 %. Un humano, en cambio, supera ampliamente el 95 %. Su conclusión es clara: la inteligencia fluida no surge del preentrenamiento a gran escala.

Capítulo 3: el giro hacia la adaptación durante la evaluación

En 2024, la investigación se orienta hacia la adaptación durante la evaluación: modelos capaces de modificar su estado durante la inferencia para ajustarse a una tarea nueva, en lugar de limitarse a consultar conocimientos fijos. Esto incluye el entrenamiento durante la evaluación, la síntesis de programas y la síntesis de cadenas de razonamiento.

Las puntuaciones en ARC empiezan a subir con fuerza. En diciembre de 2024, OpenAI presenta o3, en una versión ajustada con ARC, que alcanza por primera vez un nivel humano en ARC-AGI-1. Según el ponente, en 2025 todos los enfoques que obtienen buenos resultados en ARC utilizan adaptación durante la evaluación. Algunos concluyen que la AGI ya ha llegado; Chollet no comparte esa opinión y dedica el resto de la conferencia a explicar por qué.

Capítulo 4: definir la inteligencia

Este es el núcleo teórico de la conferencia. Retoma su ensayo On the Measure of Intelligence, de 2019, explicado en el artículo sobre la medida de la inteligencia según François Chollet.

Se contraponen dos tradiciones. Para Marvin Minsky, la IA consiste en hacer que las máquinas realicen tareas que hacen los humanos; su versión actual es la AGI entendida como un modelo capaz de desempeñar la mayoría de las tareas económicamente útiles. Para John McCarthy, la IA consiste en abordar problemas para los que la máquina no ha sido preparada. François Chollet se alinea con McCarthy: la inteligencia es un proceso y la habilidad es su producto. Mostrar habilidades, aunque sean muchas, no demuestra inteligencia. Lo ilustra con una comparación: una red de carreteras conecta puntos previstos de antemano; una empresa de obras públicas construye las carreteras que faltan.

Formaliza la inteligencia como una tasa de conversión entre la información disponible —la experiencia previa y los conocimientos aportados por los diseñadores— y la capacidad de actuar en situaciones futuras nuevas e inciertas. Es una medida de eficiencia. De ahí se desprenden tres conceptos:

Concepto	Pregunta que plantea	Ejemplo de la conferencia
Habilidad estática o inteligencia fluida	¿el sistema aplica un programa existente o crea uno?	es un continuo, no una oposición binaria
Ámbito de aplicación	¿la habilidad funciona lejos de lo que ya se ha visto?	saber conducir en cualquier ciudad, no solo en una zona delimitada
Eficiencia en el uso de la información	¿cuántos datos y cuánta práctica hacen falta para adquirir la habilidad?	cuanto mayor es la eficiencia, mayor es la inteligencia

Esto tiene dos consecuencias prácticas. Los exámenes humanos miden mal la IA porque parten de que quien se examina no ha leído las respuestas de antemano. Además, cualquier medida única está expuesta a los atajos: se alcanza la puntuación deseada sin cumplir el propósito de la prueba. Entre los ejemplos citados figuran el premio Netflix, cuyo sistema ganador era demasiado complejo para ponerse en producción, y el ajedrez, donde la victoria de Deep Blue sobre Kasparov apenas aportó conocimientos sobre la inteligencia. Perseguir habilidades conduce a la automatización; perseguir la inteligencia fluida conduce a la invención y a acelerar la ciencia, que es lo que se espera de la AGI.

Capítulo 5: ARC-AGI-1, 2 y 3

ARC-AGI es el intento del ponente de medir esa inteligencia. La página de referencia sobre ARC-AGI recoge las versiones y sus puntuaciones; esto es lo que explica la conferencia.

Versión	Lanzamiento	Qué evalúa	Aspectos clave citados
ARC-AGI-1	2019	inteligencia fluida mínima mediante pares de entrada y salida	1 000 tareas únicas; solo requiere los conocimientos básicos de un niño de 4 años; se comporta como una prueba binaria y alcanza su techo por debajo del nivel humano
ARC-AGI-2	marzo de 2025	generalización composicional frente a los sistemas de razonamiento	probado con unas 400 personas en San Diego; cada tarea fue resuelta por al menos dos personas; 0 % para los modelos base y entre el 1 y el 2 % para el razonamiento con una sola cadena
ARC-AGI-3	anunciado para principios de 2026	capacidad de actuar como agente: explorar, aprender mediante la interacción y fijarse un objetivo	juegos desconocidos con controles desconocidos; se puntúa la eficiencia y el número de acciones se limita al nivel humano

Tres ideas enmarcan estas versiones. ARC no determina si un sistema es una AGI: señala los obstáculos que siguen sin resolverse. ARC ha resistido el aumento de escala y, según el ponente, fue el único benchmark que reflejó con claridad el giro de 2024, cuando los demás ya estaban saturados. Por último, propone este criterio: mientras resulte fácil inventar tareas sencillas para un humano que la IA no pueda resolver, por mucha capacidad de cálculo que tenga, la AGI no habrá llegado.

Capítulo 6: la hipótesis del caleidoscopio

Si el futuro no tuviera nada en común con el pasado, ninguna inteligencia podría desenvolverse en él. Pero, según François Chollet, nada es completamente nuevo: el mundo está hecho de elementos que guardan semejanzas entre sí, desde los árboles hasta las neuronas, desde el electromagnetismo hasta la hidrodinámica. Lo llama la hipótesis del caleidoscopio: una complejidad aparentemente infinita producida al recombinar un pequeño número de unidades de significado.

La inteligencia tiene entonces dos componentes:

Adquirir abstracciones: extraer de la experiencia, de forma eficiente, elementos reutilizables, como invariantes, estructuras y principios que se repiten.
Recombinarlas sobre la marcha: seleccionar y ensamblar esos elementos para construir un modelo adecuado a la situación presente.

La eficiencia cuenta en ambos casos. Necesitar cientos de miles de horas para adquirir una habilidad sencilla, o enumerar todos los movimientos posibles de un tablero de ajedrez para encontrar el mejor, no es inteligente. Se trata de eficiencia tanto en datos como en cómputo. Esta idea enlaza con la generalización, un concepto central en su trabajo.

Capítulo 7: qué les falta a los modelos actuales

Según Chollet, dos carencias explican por qué aumentar el tamaño de los modelos no ha sido suficiente:

La recombinación durante la evaluación: los modelos adquirían muchas abstracciones durante el entrenamiento, pero después permanecían fijos y solo podían aplicar un modelo ya almacenado. La adaptación durante la evaluación cubre esta carencia y supone un gran paso hacia la AGI.
La eficiencia: para adquirir una abstracción sencilla, el descenso de gradiente requiere entre tres y cuatro órdenes de magnitud más de datos que un humano. En la recombinación, las mejores técnicas de 2025 consumían miles de dólares en cómputo para alcanzar el nivel humano en ARC-AGI-1, sin que ese enfoque escalara a ARC-AGI-2.

El problema de fondo es la falta de generalización composicional, precisamente lo que mide ARC-AGI-2. El ponente lo explica mediante la distinción entre dos tipos de abstracción.

	Tipo 1: centrada en los valores	Tipo 2: centrada en los programas
Dominio	continuo	discreto: programas y, por tanto, grafos
Comparación	distancia continua	coincidencia exacta de estructuras, mediante isomorfismos de grafos y subgrafos
Utilidad	percepción, reconocimiento de patrones, intuición	razonamiento, planificación y rigor; lo que hace un desarrollador al refactorizar código
¿La manejan bien los Transformers?	sí	no: sigue siendo difícil aprender a ordenar una lista o sumar cifras presentadas token a token

Ambos tipos se apoyan en la analogía y, según Chollet, toda la cognición surge de su combinación.

Capítulo 8: unir intuición y búsqueda de programas

Para el tipo 2 hace falta una búsqueda discreta de programas: explorar combinaciones de operadores de un lenguaje especializado. Según el ponente, todos los sistemas conocidos capaces de inventar algo se basan en una búsqueda discreta, desde los diseños mediante algoritmos genéticos de la década de 1990 hasta el movimiento 37 de AlphaGo y AlphaEvolve de DeepMind. La síntesis de programas tiene fortalezas y debilidades opuestas a las del aprendizaje automático:

	Aprendizaje automático	Síntesis de programas
Modelo	función paramétrica diferenciable, una curva	grafo de operaciones simbólicas
Motor del aprendizaje	descenso de gradiente	búsqueda combinatoria
Necesidad de datos	alta: un muestreo denso	baja: dos o tres ejemplos
Principal obstáculo	la densidad de los datos	la explosión combinatoria

La solución propuesta une ambos enfoques, como hace una persona al jugar al ajedrez: el cálculo paso a paso, de tipo 2, se concentra en los pocos movimientos que ha señalado la intuición, de tipo 1. Los juicios rápidos y aproximados de una red neuronal sirven para orientar la búsqueda y contener la explosión combinatoria. Es como utilizar un mapa para estimar rápidamente una distancia sin recorrer todas las rutas posibles de una red de metro.

Capítulo 9: la arquitectura propuesta y Ndea

Por último, el ponente describe el sistema en el que trabaja su laboratorio, Ndea:

Un sistema de metaaprendizaje parecido a un programador, que escribe un programa adecuado para cada tarea nueva.
Ese programa combina módulos de aprendizaje profundo para los subproblemas de tipo 1, como la percepción, y módulos algorítmicos para los de tipo 2.
El programa se construye mediante una búsqueda discreta guiada por una intuición aprendida sobre la estructura del espacio de programas.
La búsqueda recurre a una biblioteca global de abstracciones, que se amplía con cada problema resuelto, del mismo modo que un desarrollador publica una biblioteca útil para otros.
El sistema mejora al ampliar esa biblioteca y afinar su intuición.

El objetivo declarado es una IA capaz de inventar y descubrir de forma autónoma para acelerar la ciencia. El primer hito anunciado consiste en resolver ARC-AGI con un sistema que, al principio, no sepa nada de ARC.

Las cifras citadas y su naturaleza

Cifra citada en junio de 2025	Naturaleza
Costo del cómputo dividido por 100 cada década desde 1940	orden de magnitud presentado por el ponente
Tamaño de los modelos base multiplicado aproximadamente por 50 000 entre 2019 y GPT-4.5	estimación del ponente
ARC-AGI-1: del 0 % a alrededor del 10 % para los modelos base; más del 95 % para un humano	estimación del ponente, que debe contrastarse con los resultados publicados por ARC Prize
o3, en su versión ajustada con ARC, alcanza el nivel humano en ARC-AGI-1 en diciembre de 2024	hecho público, anunciado por OpenAI y ARC Prize
ARC-AGI-2 publicado en marzo de 2025 y probado con unas 400 personas	hecho público de ARC Prize
Datos: entre tres y cuatro órdenes de magnitud más que un humano	estimación del ponente

Qué ha ocurrido desde junio de 2025

Confirmado: ARC-AGI-3 se publicó en marzo de 2026. Su informe técnico indica que, en ese momento, los humanos resolvían todos los entornos y los sistemas más avanzados no llegaban al 1 %, como preveía el ponente.

Con matices: en octubre de 2026, los resultados verificados de ARC Prize muestran puntuaciones muy altas en ARC-AGI-3, pero estas dependen mucho del entorno de ejecución del agente. Gemini 4 Argon obtiene un 97,5 % con el entorno proporcionado por su desarrollador y un 49,8 % con el entorno estándar de ARC Prize; GPT-6.1 Sol presenta una diferencia de magnitud similar. Nuestro comparador de benchmarks sigue estas cifras en cada actualización.

Todavía abierto: la conferencia situaba la eficiencia en el centro del debate. Determinar qué parte de la puntuación corresponde al modelo, qué parte a las herramientas y con qué costo es precisamente la cuestión que planteaba. El criterio final del ponente —la dificultad creciente para inventar tareas fáciles para un humano e imposibles para la IA— no se puede medir con una sola puntuación.

Qué sigue en debate

No todas estas tesis generan consenso, y la propia conferencia delimita los puntos de discusión:

El papel de la escala: las leyes de escalado presentadas en el mismo evento siguen siendo la apuesta central de varios laboratorios, que añaden aprendizaje por refuerzo y cómputo durante la inferencia. François Chollet no niega su eficacia para la automatización; cuestiona que basten para alcanzar la inteligencia fluida.
La definición de AGI: la definición económica, centrada en realizar la mayoría de las tareas útiles, y la suya, centrada en adaptarse con eficiencia a situaciones nuevas, no conducen a las mismas medidas ni a los mismos plazos. Las previsiones sobre la AGI divergen en parte por este motivo.
La medición: ARC-AGI también es un benchmark y está expuesto a las limitaciones que describe la conferencia. De ahí las versiones sucesivas y el conjunto privado de evaluación. Puede ampliar este punto en cómo medir los avances hacia la AGI.

Glosario de la conferencia

Inteligencia fluida: capacidad de resolver un problema nuevo, frente a las habilidades ya adquiridas.
Adaptación durante la evaluación: modificación del estado del modelo durante la inferencia para ajustarse a una tarea.
Abstracción: elemento reutilizable extraído de la experiencia al eliminar los detalles que no son relevantes.
Generalización composicional: capacidad de combinar elementos conocidos para abordar un caso nuevo.
Búsqueda discreta de programas: exploración de combinaciones de operadores para encontrar un programa que resuelva la tarea.
Sistema de metaaprendizaje: sistema que aprende a construir, para cada tarea, el modelo que la resuelve.

Para profundizar

ARC-AGI, página de referencia: versiones, reglas y puntuaciones.
La adaptación durante la evaluación y la síntesis de programas: los dos conceptos técnicos centrales.
Los límites del aprendizaje profundo: el análisis de François Chollet y otros investigadores.
La sección de AGI e investigación: todas las páginas de referencia.

Páginas relacionadas

Preguntas frecuentes

¿Cuándo y dónde presentó François Chollet « How We Get To AGI »?

El 16 de junio de 2025, en AI Startup School, un evento organizado por Y Combinator en San Francisco. Y Combinator publicó después el video en su canal de YouTube, a principios de julio de 2025.

¿Se necesitan conocimientos técnicos para seguir la conferencia?

Las ideas generales se entienden sin formación técnica: la definición de inteligencia, la función de ARC-AGI y la hipótesis del caleidoscopio. La segunda mitad, dedicada a las abstracciones de tipo 1 y 2 y a la búsqueda de programas, requiere una idea básica de qué son una red neuronal y un programa. Las tablas de esta página recogen lo esencial.

¿En qué se diferencia esta página del artículo del blog sobre la conferencia?

El artículo del blog resume las ideas principales en una lectura breve. Esta página sirve como referencia: presenta el contenido capítulo a capítulo, los conceptos, una tabla con las cifras citadas y su naturaleza, y un seguimiento de lo que se ha confirmado o no desde junio de 2025.

¿Están verificadas las cifras de la conferencia?

Son las cifras que presentó el ponente en junio de 2025 y deben interpretarse en ese contexto temporal. Algunas son estimaciones, como el aumento de tamaño de los modelos por un factor de 50 000 o la diferencia de datos respecto a los humanos. Otras son hechos públicos verificables, como la fecha de lanzamiento de ARC-AGI-2 o el resultado de o3 en diciembre de 2024. La tabla de esta página distingue cada caso.

¿Está resuelto ARC-AGI-3 en octubre de 2026?

No en el sentido que plantea la conferencia. Los mejores modelos superan el 95 % con un entorno de agente proporcionado por su desarrollador, pero rondan el 50 % con el entorno estándar de ARC Prize, y la competición evaluada sobre el conjunto privado sigue abierta. La cuestión de la eficiencia, central en la conferencia, continúa pendiente.

« How We Get To AGI »: la conferencia de François Chollet, capítulo a capítulo