✨︎ Resumen (TL;DR):
- Demis Hassabis acorta su pronóstico para la llegada de la AGI, de una ventana de tres a cinco años a otra de dos o tres.
- Su definición exige todas las capacidades cognitivas humanas, incluida la creatividad de científicos y artistas.
- AlphaFold 3 e IsoDDE muestran la diferencia entre predecir estructuras moleculares y diseñar medicamentos con IA.
Demis Hassabis, científico jefe de Alphabet y presidente de Google DeepMind, espera que la inteligencia artificial general (AGI) llegue en dos o tres años. También dirige Isomorphic Labs, dedicada al diseño de medicamentos con IA. El cálculo recorta la estimación previa de tres a cinco años que había planteado en 2026; para Hassabis, la AGI debe desplegar todas las capacidades cognitivas humanas, incluida la creatividad de científicos y artistas.
La AGI que describe Hassabis exige crear ciencia
The Wall Street Journal publicó el 21 de octubre una entrevista de Ben Cohen en la que Hassabis adelantó este cambio de pronóstico. Google confirmó ese reparto de funciones al anunciar que dejaría la gestión cotidiana de DeepMind para concentrarse en cuestiones estratégicas de AGI y ciencia.
Big Technology publicó otra entrevista el 29 de enero de 2026. En ella, Hassabis definió el alcance que debería tener esta tecnología.
La inteligencia artificial general (AGI) es un sistema que puede desplegar todas las capacidades cognitivas humanas, incluida la creatividad de científicos y artistas.
Hassabis puso como ejemplo la capacidad de concebir una teoría física, como hizo Einstein, y aprender conocimientos nuevos en cualquier disciplina. Resolver un problema ya formulado y plantear una idea científica original son exigencias diferentes bajo ese criterio.
También señaló el aprendizaje continuo, la memoria, el razonamiento y la planificación a largo plazo como áreas que podían requerir avances adicionales.
AlphaFold mide una capacidad molecular concreta
En mayo de 2024, Nature publicó el estudio de AlphaFold 3. El trabajo describe un sistema que predice estructuras de complejos que contienen proteínas, ADN, ARN y otras moléculas.
Sus autores evaluaron la precisión de esas predicciones frente a herramientas anteriores. El estudio mide un avance en tareas moleculares concretas, no todas las capacidades cognitivas que Hassabis exige para la AGI.
Por eso, el rendimiento de AlphaFold 3 en predicción molecular, por sí solo, no acredita que el sistema pueda crear teorías, aprender conocimientos nuevos en cualquier disciplina o planear a largo plazo.
IsoDDE añade información para diseñar fármacos
Isomorphic Labs distingue otro paso dentro de la investigación farmacológica. El 10 de febrero de 2026, la empresa publicó la presentación de IsoDDE y explicó que conocer las estructuras de las biomoléculas resultaba insuficiente para desarrollar el proceso de descubrimiento de fármacos en una computadora.
IsoDDE es un sistema que predice la fuerza de unión de una molécula a su objetivo y localiza posibles sitios de unión en proteínas.
Esas funciones buscan orientar qué moléculas diseñar y priorizar. Isomorphic Labs afirma que sus equipos ya utilizan esas capacidades para estudiar estructuras desconocidas, identificar sitios de unión y diseñar nuevas moléculas en sus programas de medicamentos.
AlphaFold 3 e IsoDDE muestran dos capacidades específicas dentro de la investigación molecular. El estándar de Hassabis exige algo más amplio: creatividad científica, aprendizaje continuo, memoria, razonamiento y planificación a largo plazo. Bajo esa definición, predecir estructuras y orientar el diseño de fármacos todavía no demuestra por sí solo la llegada de la AGI.
