Cuidadorrr!: Altman anuncia Chat GPT5 para este año y la AGI para 2025 (posiblemente)

Altman promete GPT-5 este año y la AGI en 2025: nadie firma la fecha​

Sam Altman ha vuelto a poner fecha a lo que nadie ha logrado fechar: la inteligencia artificial general (AGI). GPT-5 para este año, AGI para 2025 y un «posiblemente» que lo cubre todo. La promesa la firma el consejero delegado de OpenAI y se ha colado en las conversaciones sobre tecnología, empleo y dinero. El problema no es que suene ambiciosa. Es que suena igual desde hace dos años, con la salvedad de que la lista de octubres tachados en el calendario ya no cabe en la pared.

¿Qué es la AGI y por qué nadie se aclara?​

La AGI es, en teoría, una inteligencia capaz de igualar o superar al ser humano en cualquier tarea cognitiva. En la práctica, nadie ha definido con precisión qué significa «cualquier tarea». Ahí empieza el problema. Hay consenso en que GPT-4 no es una AGI y en que los modelos actuales fallan en cosas que un chaval resuelve. La definición más repetida en el análisis es la de una persona sintética que supera a un humano promedio, con un añadido incómodo: si ese es el listón, buena parte del personal ya no compite.

El cálculo que descoloca: 100 billones de sinapsis​

Se estima que el cerebro humano tiene alrededor de 100 billones (100 x 10^12) de sinapsis. Los rumores atribuyen a GPT-4 unos 2 billones (2 x 10^12) de parámetros. Si GPT-5 multiplica esa cifra por diez, se coloca en el mismo orden de magnitud que un cerebro. Y aquí llega el matiz que hunde la comparación: una neurona biológica y una unidad de red neuronal artificial no son lo mismo, y el ADN humano contiene solo 3.000 millones de bases. Tener más parámetros no equivale a tener más cabeza. El desglose completo de las dos magnitudes, unidad por unidad, da una conclusión que deja frío.

Por qué el «humo» de la IA llegó justo con los tipos altos​

Hay una tesis incómoda circulando: que el boom de los grandes modelos de lenguaje coincide sospechosamente con la subida de los tipos de interés. Cuando el capital riesgo huía del sector tecnológico y las grandes compañías encajaban el golpe, brotaron las herramientas generativas como churros y el dinero volvió a entrar por la puerta grande. Para unos es innovación pura; para otros, marketing financiero con fecha de caducidad. El paralelismo con aquel «blockchain que iba a acabar con los notarios» y los registradores de la propiedad está en todas las bocas, aunque la IA ya se use a diario en empresas reales.

«A mucha gente la van a mandar al paro»​

El impacto laboral es el punto donde el optimismo se rompe. La previsión dominante es una sustitución gradual empezando por el software: diseño, gestión, administración de datos, planificación y ejecución de proyectos. Sectores con vacantes sin cubrir aceleran la automatización sin necesidad de que llegue la AGI. Google anunció 30.000 despidos y no faltó quien los leyó como la primera factura del giro. El escenario que se dibuja es el de una élite ociosa y engreída al estilo de los patricios romanos, y una mayoría desplazada, sin que nadie haya explicado aún cómo se reparte el excedente.

El frente filosófico: conciencia, sentido común y el teorema de Gödel​

La discusión se enreda cuando alguien pregunta si una máquina puede «pensar». Un doctor en la materia lo resume sin anestesia: el aprendizaje automático factura millones y resuelve problemas reales, pero la AGI sigue siendo ciencia ficción y aquí se vende mucha moto. Los teoremas de Gödel y la máquina de Turing aparecen como murallas teóricas: por muchas reglas que metas, tu sistema siempre dejará algo fuera. La pregunta operativa es si la IA tiene sentido común, y los propios modelos contestan que no: el sentido común es un conjunto de obviedades que compartimos, no un sistema de comprensión.

Lo que viene: MAMBA, Q* y otras arquitecturas​

Mientras se discute, la técnica avanza. Una arquitectura llamada MAMBA, sin transformers, gestiona hasta un millón de tokens y se anuncia cinco veces más rápida que los modelos convencionales. Aplicada con mezcla de expertos (32 en el último trabajo), promete. En el otro extremo, OpenAI prueba aprendizaje por refuerzo del tipo Q*, para que los modelos encadenen razonamientos en árbol en lugar de disparar la primera respuesta. Y Altman admitió en una entrevista con Bill Gates que entrenar solo con lenguaje no basta: hacen falta vídeo y otras formas de datos. La sombra de AlphaGo sobrevuela: el día en que la máquina aprenda sola, el juego cambia.

Donde el análisis se atasca​

Nadie discute que la herramienta funciona y que ya resulta imprescindible en muchas plantillas, de informáticos a periodistas y diseñadores. Lo que no cierra es la fecha, ni la definición, ni quién paga la factura del desempleo. Altman tiene intereses económicos en el calendario que anuncia, y eso no lo convierte en mentiroso: lo convierte en parte interesada. Con 2025 en el horizonte y el número de parámetros subiendo, la pregunta útil no es si llegará la AGI. Es qué se hace con los que sobran mientras llega.