Avances en pruebas para medir el nivel de inteligencia de las IAs

La inteligencia artificial ha mejorado significativamente en los últimos años. Para medir su nivel de inteligencia, se utilizan pruebas como el Humanity’s Last Exam y el Abstraction and Reasoning Corpus for Artificial General Intelligence.

El Humanity’s Last Exam es una prueba de 2.500 preguntas sobre diversas disciplinas. Los mejores modelos pasaron de responder correctamente el 8 por ciento de las preguntas a entre el 35 y el 50 por ciento en apenas un año. Claude Fable 5 y GPT-5.6 Sol son los modelos que mejor han performado, alcanzando casi el 60 por ciento de respuestas correctas. Sin embargo, estos modelos pueden mejorar notablemente si tienen acceso a las respuestas, lo que no es considerado un logro legítimo.

“Sin embargo, estos modelos pueden mejorar notablemente si tienen acceso a las respuestas, lo que no es considerado un logro legítimo”

Otra prueba utilizada es el Abstraction and Reasoning Corpus for Artificial General Intelligence, que mide la capacidad de descubrir reglas nuevas. En lugar de responder preguntas, la IA debe resolver juegos y rompecabezas visuales deduciendo la lógica a partir de unos pocos ejemplos. Esta prueba es más desafiante para los modelos de IA, ya que requiere enormes recursos computacionales. Las versiones más avanzadas de esta prueba, como el ARC-AGI 2 y el ARC-AGI 3, ponen el listón todavía más alto, con conceptos espaciales y reglas lógicas más complicadas.

La capacidad de los modelos de IA para resolver estos desafíos es limitada. Aunque GPT-5.6 Sol Max alcanza casi el 8 por ciento de éxito en el ARC-AGI-3, la mayoría de los modelos apenas llegan al 2 por ciento. Esto muestra que, aunque la inteligencia artificial ha mejorado, todavía está lejos de alcanzar la inteligencia humana. La investigación en este campo sigue avanzando, y se espera que los modelos de IA sigan mejorando en el futuro.