El director ejecutivo de NVIDIA, Jen-Hsun Huang, hizo recientemente otra declaración pública de gran éxito, afirmando que "hemos logrado la inteligencia artificial general (AGI)". Sin embargo, sus expresiones y ejemplos en diferentes entrevistas también revelaron que todavía existe una gran brecha entre la etapa emergente de capacidades de inteligencia artificial y la "inteligencia a nivel humano".

El 22 de marzo, le preguntaron a Huang en una entrevista con el presentador del podcast Lex Fridman cuándo se alcanzaría el AGI. Según la definición de Fridman, AGI debería ser "un sistema que pueda hacer su trabajo, incluido iniciar, administrar y hacer crecer una empresa de tecnología de más de mil millones de dólares desde cero". Cuando se le pidió que diera un calendario de cinco, diez o incluso veinte años, Huang respondió sin dudarlo: "Creo que es ahora". Sin embargo, añadió inmediatamente que la otra parte mencionó "mil millones de dólares estadounidenses", pero no dijo "cuánto tiempo puede durar". Esto equivale a entender el AGI como un umbral escalonado para el logro comercial, en lugar de una "mente" estable a largo plazo con capacidades cognitivas similares a las humanas.

Huang Renxun lo dejó claro en la misma entrevista: "Creo que hemos logrado AGI". Consideró con grandes esperanzas la clase actual de sistemas de agentes de IA como ejemplos, creyendo que estos sistemas han demostrado un fuerte potencial empresarial en el lanzamiento de aplicaciones sociales y la realización de experimentos creativos. Mencionó que los proyectos de código abierto, incluido OpenClaw (una plataforma de agentes de IA de código abierto adquirida por OpenAI) están generando una ola de "olas empresariales" que utilizan agentes digitales para crear personas influyentes virtuales y comunidades digitales automatizadas, lo que parece demostrar que AGI ha "llegado".

Pero al tiempo que enfatiza esta ola, Huang también admitió que el éxito actual de estos sistemas es altamente accidental. Señaló que muchos proyectos "se enfrían después de dos meses de incendio" y dijo sin rodeos que "la probabilidad de hacer una NVIDIA entre 100.000 agentes de este tipo es cero". En realidad, esta declaración reconoce que los agentes actuales de IA todavía están muy lejos de poseer verdaderamente la capacidad integral de construir y operar sistemáticamente empresas tecnológicas de gran escala durante mucho tiempo. También debilita su anterior juicio radical de que "se ha logrado AGI".

La declaración sobre "si se ha realizado AGI" también ha tocado diferencias de larga data en la industria. El propio concepto de inteligencia artificial general ha estado muy "politizado" y "capitalizado" durante mucho tiempo. En los términos de los contratos entre empresas como OpenAI y Microsoft y sus socios, si "se ha logrado AGI" a menudo está directamente relacionado con grandes cantidades de dinero y una dirección estratégica. Por lo tanto, cualquier declaración que afirme que "se ha logrado el AGI" puede fácilmente inflamar el debate. Los líderes tecnológicos e investigadores han estado debatiendo durante años si los actuales sistemas modelo a gran escala encarnan una "verdadera inteligencia general" o son simplemente fragmentos altamente simulados de la inteligencia humana.

Vale la pena señalar que solo tres días antes del lanzamiento de la entrevista de Fridman el 19 de marzo, Huang Jen-Hsun dio un énfasis completamente diferente sobre la aplicación práctica de la IA cuando fue invitado al All-In Podcast durante la Nvidia GTC (GPU Technology Conference). En esa conversación, no se centró en si la AGI se "realizó", sino que se centró en si los ingenieros humanos estaban haciendo pleno uso de las herramientas de IA existentes, e incluso advirtió en términos contundentes que estaría "profundamente conmocionado" si los ingenieros bien pagados no gastaran suficiente dinero en IA.

"Si un ingeniero con un salario anual de 500.000 dólares no consume al menos 250.000 dólares en tokens de IA al año, estaría muy atento", dijo Huang. Explicó que el "token" es la unidad de medida básica para el procesamiento de modelos grandes y la generación de lenguaje, y también un reflejo directo de los costos y las capacidades de trabajo de la computación de IA. En su opinión, el uso insuficiente de tokens significa que los ingenieros no tienen la capacidad de utilizar plenamente la IA, lo que equivale a desperdiciar productividad potencial.

Huang incluso comparó este comportamiento con el de los diseñadores de chips que se niegan a utilizar herramientas de automatización de diseño electrónico como CAD y "vuelven a la era del lápiz y papel" para dibujar diagramas de circuitos. Reveló que Nvidia actualmente está tratando de reservar alrededor de $2 mil millones en presupuesto de tokens para el equipo de ingeniería y está considerando incorporar tokens directamente en los paquetes de compensación de los empleados. Imaginó que, además de un salario básico de cientos de miles de dólares al año, un ingeniero también recibiría una "cuota simbólica" equivalente a aproximadamente la mitad del salario básico, de modo que pudiera "amplificar su eficiencia laboral 10 veces" mediante el uso de una gran cantidad de herramientas de inteligencia artificial.

Al observar estas dos apariciones públicas con varios días de diferencia, Huang Jen-Hsun, por un lado, utilizó un lenguaje muy provocativo para afirmar que AGI ha "llegado" y cumple con una cierta definición de "inteligencia general" orientada a logros empresariales; por otro lado, al hablar de gestión interna y prácticas de ingeniería, enfatizó que el sistema de IA actual todavía depende en gran medida de la iniciativa humana y el uso intensivo, y la probabilidad de éxito en la práctica empresarial del mundo real es extremadamente baja. La tensión entre los comentarios anteriores y posteriores refleja exactamente el sutil cambio entre la "frontera exagerada" y las "capacidades realistas" de la actual industria de la IA: si bien se compite por recursos exagerando las perspectivas, hay que admitir que la tecnología todavía está lejos de alcanzar la "inteligencia a nivel humano" ideal en muchas dimensiones clave.