Demis Hassabis, cofundador de DeepMind: “Si hubiera dependido de mí habríamos dejado la IA en el laboratorio más tiempo”

Demis Hassabis no encaja en el estereotipo del tecnólogo deslumbrado por la velocidad del progreso. A sus 49 años, el CEO de Google DeepMind y premio Nobel de Química por el desarrollo de AlphaFold —el sistema de inteligencia artificial que predice la estructura tridimensional de millones de proteínas— es una de las figuras clave en la convergencia entre ciencia e IA. Sin embargo, su mirada sobre el momento actual de esta tecnología es tan ambiciosa como cautelosa.

Lejos de celebrar sin matices la explosión comercial de la inteligencia artificial, Hassabis ha reconocido que, de haber estado solo en su mano, el ritmo habría sido otro. “Si hubiera dependido de mí habríamos dejado la IA en el laboratorio más tiempo. El enfoque científico más puro habría sido tomarse las cosas con más calma para seguir avanzando gradualmente hacia la inteligencia artificial general (IAG) prestando mucha atención a cada paso y a los aspectos de seguridad”, afirmó en una reciente intervención en Google DeepMind: The Podcast.

Su reflexión no es un rechazo al desarrollo actual, pero sí una advertencia. A su juicio, la carrera global entre empresas y países por liderar la IA está dificultando mantener el rigor científico necesario. “Se ha creado una carrera frenética donde hay muchos intereses de compañías y países acelerando en el desarrollo para mejorar y superarse unos a otros, y eso hace difícil mantener el rigor científico al mismo tiempo”, señaló.

La IA como herramienta científica, no solo producto

Pese a ese contexto, Hassabis mantiene intacta la brújula que ha guiado su carrera. “La razón por la que he dedicado toda mi carrera a la IA es para acelerar los descubrimientos científicos y ayudar en cosas como la salud humana. Y creo que es lo más importante que podemos hacer con la IA”, aseguró durante la última edición del All-in Summit.

AlphaFold es el ejemplo más conocido de esa visión: una herramienta que ha transformado la biología molecular al predecir estructuras proteicas con un alcance impensable hace apenas unos años. Pero no es el único. Según explica, en DeepMind han aplicado sistemas de IA a campos como el diseño de materiales, el control de reactores de plasma y fusión, la predicción meteorológica o la resolución de problemas matemáticos de la Olimpiada Matemática.

“Creo que solo estamos arañando la superficie de lo que la IA será capaz de hacer”, apuntó, subrayando que, con ajustes adicionales, los mismos tipos de sistemas pueden abordar una gran variedad de problemas complejos.

El gran límite: la creatividad

A pesar de estos avances, Hassabis insiste en que la inteligencia artificial actual está lejos de igualar a la mente humana en un aspecto decisivo: la creatividad científica.

“Diría que la IA actual no tiene verdadera creatividad, en el sentido de que aún no es capaz de plantear nuevas conjeturas o hipótesis. Quizás pueda demostrar algo que se le plantee, pero no es capaz de generar por sí misma una idea o teoría nueva”, explicó. Para él, esa capacidad de proponer ideas originales sería una de las pruebas clave de que se ha alcanzado la IAG.

Hassabis también señala otras carencias de la IA actual: el razonamiento profundo, la coherencia y el aprendizaje continuo. “La IA no tiene ahora mismo las capacidades de razonamiento y algunas de las capacidades de pensamiento que se necesitan para lograr un gran avance científico”, afirmó.

Además, considera que un verdadero sistema de IAG debería rendir con solidez en todos los ámbitos al nivel de un doctorado. Sin embargo, los sistemas actuales todavía cometen errores básicos cuando se les formula una pregunta de cierta manera, incluso en matemáticas sencillas. “Eso no debería suceder con un verdadero sistema de IAG”, remarcó.

A su juicio, todavía faltan avances importantes, posiblemente uno o dos hitos clave en los próximos cinco años, para acercarse a ese nivel. También ve esencial el aprendizaje continuo: la capacidad de enseñar algo nuevo a un sistema en tiempo real o ajustar su comportamiento sobre la marcha.

En cuanto al calendario, Hassabis sitúa la llegada de sistemas con estas capacidades entre cinco y diez años vista, aunque reconoce la enorme velocidad del campo: “Diez años, incluso diez semanas es mucho tiempo en IA”.

Sigue el canal de MeriStation en Twitter. Tu web de videojuegos y de entretenimiento, para conocer todas las noticias, novedades y última hora sobre el mundo del videojuego, cine, series, manga y anime. Avances, análisis, entrevistas, tráileres, gameplays, podcasts y mucho más.

¡Suscríbete! Si estás interesado en licenciar este contenido, pincha aquí.