Suscríbete al boletín diario de Popular Science para recibir avances, descubrimientos y consejos de bricolaje seis días a la semana. El progreso de los modelos de inteligencia artificial (IA) suele ilustrarse por su destreza en los videojuegos. Deep Blue de IBM sorprendió al mundo en 1997 al derrotar al gran maestro de ajedrez Garry Kasparov, y casi dos décadas después, AlphaGo de Google venció a un campeón humano en Go—una hazaña que en su momento se consideraba imposible. Desde entonces, la IA ha avanzado desde los juegos de mesa hasta los videojuegos, utilizando aprendizaje por refuerzo, una técnica también crucial para entrenar chatbots como ChatGPT, permitiendo que las máquinas dominen juegos de Atari y títulos de estrategia compleja como Dota 2 y Starcraft II. Sin embargo, la IA todavía tiene dificultades para aprender rápidamente varios juegos más abiertos, un dominio donde los humanos sobresalen. Cuando enfrentan un juego desconocido, los jugadores humanos comprenden rápidamente sus conceptos básicos, mientras que los modelos de IA a menudo fracasan, como se destaca en un artículo reciente del profesor de informática de NYU Julian Togelius y sus colegas. Esta brecha subraya una diferencia fundamental entre la inteligencia humana y las capacidades actuales de la IA, dejando en evidencia que la IA aún tiene un largo camino por recorrer antes de alcanzar o superar una verdadera inteligencia a nivel humano. Los juegos han sido durante mucho tiempo un campo de pruebas ideal para la IA, debido a sus reglas predecibles, objetivos definidos y mecánicas que encajan bien con el aprendizaje por refuerzo: los modelos juegan repetidamente en simulaciones para mejorar mediante prueba y error. Este enfoque permitió que DeepMind dominara los juegos de Atari en 2015 y todavía influye en los modelos de lenguaje grande actuales entrenados con vastos datos de internet. Sin embargo, estos modelos solo destacan en tareas específicas con límites claros; pequeños cambios en el diseño del juego pueden afectar su rendimiento. Si bien la IA puede alcanzar habilidades sobrehumanas en ciertos juegos, le cuesta improvisar. Esta limitación es más evidente a medida que los juegos modernos se vuelven cada vez más abiertos y abstractos. A diferencia del ajedrez, juegos como “Red Dead Redemption” de mundo abierto tienen objetivos complejos ligados a interpretar a un personaje moralmente conflictuado en lugar de metas sencillas.

Los humanos comprenden intuitivamente esas sutilezas; las máquinas no. Incluso en juegos de simulación más simples como “Minecraft”, la IA puede realizar acciones básicas como saltar sin entender su contexto. Los autores destacan que los juegos bien diseñados se alinean estrechamente con la intuición, el sentido común y la experiencia vivida, conocimientos que los humanos acumulan tras años de interacción en el mundo real. Por ejemplo, los bebés aprenden a reconocer objetos alrededor de los 18 a 24 meses simplemente a través de la experiencia, mientras que las máquinas requieren mucha más orientación y datos para hacerlo. Esta ventaja experiencial permite a los humanos aprender nuevos juegos más rápido. Investigaciones muestran que la IA basada en aprendizaje por refuerzo impulsada por curiosidad puede necesitar aproximadamente cuatro millones de pulsaciones de tecla —o unas 37 horas continuas— para completar un juego, mientras que los jugadores humanos suelen entender nuevas mecánicas en menos de 10 horas. No obstante, la IA avanza en el juego general. En 2023, Google DeepMind presentó SIMA 2, un modelo que combina la IA existente con capacidades de razonamiento de su gran modelo de lenguaje Gemini, lo que permite una mejor comprensión e interacción con juegos en 3D, incluso aquellos para los que no fue específicamente entrenado. Sin embargo, Togelius y sus colegas advierten que la IA todavía tiene un camino importante por recorrer antes de igualar la adaptabilidad humana. Proponen un punto de referencia en el que un modelo pueda jugar y ganar en los 100 mejores juegos de Steam o la App Store de iOS sin entrenamiento previo en ninguno de ellos, y hacer esto en un tiempo similar al que un humano tardaría. Este sigue siendo un desafío formidable que los métodos actuales de IA ni están cerca de resolver ni están intentando abordar seriamente. Lograr ese nivel de generalización requeriría que la IA demuestre verdadera creatividad, planificación anticipada y pensamiento abstracto—cualidades que son características únicas de la inteligencia humana. En última instancia, la verdadera prueba de que la IA alcance la “inteligencia a nivel humano” tal vez no esté en crear deepfakes o escribir novelas superficiales, sino en su capacidad para dominar una amplia variedad de juegos diversos con una velocidad de aprendizaje y comprensión similar a la humana.