Un nuevo estudio revela que un único factor de inteligencia general explica una parte del rendimiento de los modelos de lenguaje mucho menor de lo que se suele suponer, lo que indica que la inteligencia artificial solo es parcialmente interpretable.
La investigación
Los investigadores Faiz Ghifari Haznitrama, Afrizal Hasbi Azizy y Faeyza Rishad Ardi analizaron 13.251 puntuaciones de evaluación publicadas de 1.618 modelos de lenguaje en 456 pruebas de referencia solo de texto. Mediante análisis factorial, una técnica de reducción de dimensiones tomada de la psicometría, comprobaron si el rendimiento de la IA se organiza en torno a un factor de inteligencia general y libre de dominio, similar a la inteligencia fluida en los seres humanos.
El conjunto de datos era extremadamente disperso, lo que significa que la mayoría de los modelos no se evaluaron en la mayoría de las pruebas. Para solucionarlo, el equipo trianguló su análisis con distintos métodos de densificación de datos e imputación. Surgió un patrón sólido: un factor de inteligencia general explicaba el 70,8 % de la varianza en el rendimiento de los modelos en la estimación más generosa, y mucho menos en la mayoría de las soluciones. Las pruebas de contenido similar no necesariamente se agrupaban juntas, y el factor g no estaba dominado por ningún tema común. Un aspecto crítico: no había evidencia de que las pruebas de "inteligencia" estándar representen bien este factor.
Por qué es importante
Estos hallazgos cuestionan los esfuerzos actuales por definir, identificar y apuntar a la inteligencia general como un constructo tangible en el desarrollo de modelos de lenguaje. Si las habilidades de primer orden son parcialmente idiosincrásicas y no identificables en la práctica, entonces apuntar a una única capacidad conceptual no tiene fundamento. Para cualquiera interesado en la cognición, esto refleja los debates en la psicometría humana: la inteligencia general es real, pero no es toda la historia. Así como las capacidades cognitivas humanas son una mezcla de factores amplios y específicos, el rendimiento de las máquinas puede depender de muchas habilidades estrechas que no se reducen a un solo número. Esto sugiere que tanto la inteligencia humana como la artificial se entienden mejor como perfiles de fortalezas que como una única clasificación.
Qué puedes hacer
En lugar de obsesionarte con una única puntuación de CI, explora tu perfil cognitivo. Haz pruebas que midan distintos dominios (memoria, razonamiento, habilidades verbales, capacidad espacial) y fíjate en dónde destacas. Luego, entrena esas áreas específicas con ejercicios dirigidos. Este enfoque basado en la evidencia respeta la complejidad de la inteligencia real, ya sea en cerebros o en máquinas.
Fuente: arXiv q-bio.NC
¿Tienes curiosidad por tu propio cerebro? Haz nuestra prueba de CI adaptativa gratuita o prueba los 306 niveles de entrenamiento cerebral.