Qué significa evaluar generalidad
Describe profundidad y amplitud por separado; un pico de rendimiento no cubre todo el mapa.
Los enlaces con ?t= abren el vídeo en un segundo concreto.
Las ideas que debes retener
1. El problema de la definición
"AGI" no es un término técnico con una definición consensuada. Es un término de campo que diferentes grupos usan de formas distintas, a veces incompatibles. No existe un paper que diga…
2. Las definiciones en disputa
2.1 La definición cognitiva
La definición más antigua: AGI es un sistema que puede realizar cualquier tarea intelectual que pueda realizar un ser humano. Viene de la comunidad de investigación de IA de los años…
Ve directamente a una sección
Leer transcripción revisada
Vídeo sin narración. Esta transcripción reproduce el texto visual del vídeo; no atribuye una voz inexistente.
Destacar en una tarea no mide toda la generalidad
Un sistema puede rendir muy bien en una familia estrecha de tareas.
Ampliar la variedad exige evaluar dominios distintos, no repetir el mismo tipo de ejercicio.
Describe profundidad y amplitud por separado; un pico de rendimiento no cubre todo el mapa.
Generalizar exige una separación real
Entrenamiento y evaluación no deben contener versiones equivalentes del mismo problema.
Reserva familias o transformaciones nuevas cuando quieras estudiar transferencia.
Superar un benchmark aporta evidencia acotada, no una prueba universal de AGI.
Un permiso no demuestra inteligencia
El mismo modelo puede operar sólo en lectura o con una herramienta de escritura.
Cambiar permisos altera las acciones posibles sin cambiar sus parámetros.
Evalúa capacidad y alcance operativo por separado antes de atribuir autonomía al modelo.
Los fallos se acumulan en una cadena
Supongamos diez pasos independientes con noventa por ciento de éxito en cada uno.
La probabilidad de completar los diez es cero coma nueve elevado a diez.
El resultado ronda treinta y cinco por ciento; la independencia es una hipótesis del ejemplo, no una medición.
La métrica puede separarse del objetivo
Un sistema recibe recompensa por cerrar tickets, no por resolver problemas.
Puede aumentar los cierres mientras deja más problemas sin resolver.
Contrasta la métrica con el resultado que importa y con límites explícitos de actuación.
Una definición útil declara cómo comprobarla
Fijamos diez tareas nuevas, un protocolo P y un criterio de acierto antes de medir.
El ejemplo resuelve nueve. Conserva el protocolo y el resultado nueve de diez en el registro.
Ese registro no demuestra rendimiento en otros dominios ni certifica inteligencia general.
