27 de diciembre de 2025 — Tecnología IA — El debate sobre la inteligencia artificial (IA), especialmente sobre la Inteligencia Artificial General (AGI) —capaz de igualar o superar la inteligencia humana en múltiples tareas cognitivas— está cambiando de enfoque. Ya no se trata tanto de cuánta información puede almacenar un modelo, sino de cómo aprende a enfrentar situaciones nuevas y desarrollar habilidades con pocos ejemplos. La Vanguardia
📌 ¿Por qué importa el aprendizaje frente a la memoria?
Durante décadas se ha evaluado el progreso de la IA por su capacidad de acumular datos y responder consultas complejas. Sin embargo, este criterio ya muestra límites. Herramientas avanzadas pueden sostener conversaciones naturales o resolver problemas complejos, pero a menudo fallan en tareas que requieren abstracción o adaptación a contextos inéditos —una señal de que la mera memorización de información no es suficiente para simular inteligencia. La Vanguardia
François Chollet, investigador reconocido en el campo de la IA, ha propuesto que la inteligencia no es simplemente acumular conocimiento, sino aprender habilidades nuevas de forma flexible y eficiente. Según él, esto implica recombinar conceptos previos para resolver problemas que nunca antes se han visto, en vez de depender de reglas o patrones aprendidos estáticamente. La Vanguardia
📍 Hacia modelos que generalicen mejor
Un enfoque actual de investigación —como el test ARC-AGI ideado por Chollet— evalúa sistemas de IA en tareas con muy pocos ejemplos, forzando a que la IA inferencie reglas nuevas sin apoyarse en grandes cantidades de datos previos. En estas pruebas, los humanos todavía superan significativamente a las máquinas, aunque la brecha se va estrechando. La Vanguardia
Esto apunta a un giro en la arquitectura y entrenamiento de sistemas de IA:
- La IA del futuro deberá aprender conceptos generales y transferibles de forma natural.
- Tendrá que adaptarse rápidamente a escenarios nunca vistos, algo que hoy los humanos hacemos fácilmente pero que sigue siendo un desafío para los sistemas actuales. La Vanguardia
🎯 Límites de la memorización
Expertos como Geoffrey Hinton —ganador del Nobel de Física en 2024 y pionero en aprendizaje profundo— advierten que los sistemas basados en memorizar grandes cantidades de datos no replican la mente humana. Las máquinas actuales no generalizan de forma verdadera, sino que funcionan como gigantescos buscadores estadísticos de información almacenada. La Vanguardia
Esto se conecta con una limitación estructural de la IA actual: su incapacidad para consolidar de forma permanente nueva información tras ser desplegada en el mundo real, algo que la investigación sigue intentando resolver con técnicas de aprendizaje continuo. MIT Noticias
🧠 En síntesis
El futuro de la inteligencia artificial estará definido menos por cuánto sabe un sistema y más por cómo aprende, generaliza y aplica ese conocimiento a situaciones completamente nuevas sin entrenamiento previo. Este cambio de paradigma —de la memorización a la habilidad de aprender— será una pieza clave para avanzar hacia la AGI real