Goalposts - Vota si Hacker News ya cumplió sus retos para la IA

Show HN: Vote on which of Hacker News' challenges for AI have been met

Goalposts es una plataforma interactiva que te permite votar sobre si los desafíos de Hacker News para la inteligencia artificial ya se han superado. Inspirada en el concepto de 'runaway effect', la herramienta recopila benchmarks históricos y los somete a la opinión de la comunidad. ¿Puede una IA mejorar sus propios algoritmos de entrenamiento? ¿Está cerca de diseñar hardware especializado? Con una interfaz sencilla, exploras cada reto, emites tu veredicto y ves cómo evoluciona el consenso. Ideal para desarrolladores y entusiastas que quieren medir el pulso real del progreso en IA.

Mi benchmark es el 'runaway effect'. En algún momento podremos apuntar las IAs a un entorno de Python y TensorFlow y mejorará los algoritmos que tenemos para entrenarse a sí misma. Y en algún momento, empezará a sugerir mejoras (o diseños completamente nuevos) para el hardware acelerador de IA.
  1. hatthew

    Mi comentario sobre que el examen final de la humanidad es un nombre inapropiado está incluido, y propuse mejores ideas sobre cómo podría ser un examen final. Una de las cosas que dije fue "resolver un problema matemático abierto", lo cual se ha hecho de forma concluyente con Navier-Stokes (independientemente de la controversia que lo rodea). Sin embargo, en aras de clarificar los goalposts, la IA solo ha pasado 1/6 de las pruebas que propuse. Un 17% no es una nota aprobatoria, así que diría que no, mi desafío no se ha cumplido.

    Otra cosa a tener en cuenta es que el resumen (presumiblemente generado por IA) de mi desafío no representa con precisión lo que escribí, ya que enumera solo la mitad de las cosas que dije y dice "o" en lugar de "y".

  2. joegibbs

    Hay uno mío ahí donde predije en 2023 que pasarían 20 años hasta que la IA fuera capaz de construir y desplegar de forma fiable aplicaciones arbitrarias a partir de un prompt. ¡Me equivoqué por unos 18 años en esa!

  3. bmenrigh

    Al menos 1/3 de estas predicciones no son lo suficientemente claras como para determinar exactamente qué se está afirmando/prediciendo. Incluso después de leer el comentario completo varias veces, en muchas de ellas no podía decir dónde había puesto el autor los goalposts como para poder afirmar si los hemos cruzado o no.

  4. Retr0id

    Je, hay uno mío: https://stoppels.ch/goalposts/?c=39727943

    "GPT-4 mira un dibujo ASCII original de un pie, no copiado de la web, y dice que es un pie".

    La votación actualmente es 64% sí, 18% no.

    Justo ahora le pedí a Opus 5.5 que generara un pie en ASCII art, y lo hizo de forma aceptable. No es genial, pero es un pie. Luego lo pegué en ChatGPT (lo que sea que estén sirviendo por defecto en el nivel gratuito, que parece ser 5.6 Luna), y dijo que era un "tren/locomotora": https://chatgpt.com/share/6abeaa39-cc80-83ed-851f-29370db089...

    Quizás sea culpa de Opus por dibujar un pie malo, pero creo que es justo decir que los LLM siguen siendo bastante malos en ASCII art (sin llamadas adicionales a herramientas, etc.).

  5. ben_w

    Muy contento de que una de mis predicciones fuera totalmente errónea: https://news.ycombinator.com/item?id=23252711

    Claro, claro, qué

    Lo que hacen los LLM todavía no es "código eficiente y libre de errores": mi predicción queda falsificada porque, si bien los LLM pueden escribir y entrenar nuevos modelos con machine learning, el ML fundamentalmente no está lo suficientemente avanzado como para lanzarle tareas nuevas arbitrarias así.

  6. orbital-decay

    Algunas de esas estaban bastante desencaminadas y no se podían responder con sí/no/no estoy seguro. Por ejemplo, un post que decía que no podía producir una ilustración convincente falla el punto: puede producir imágenes coherentes y sensatas, pero todas son demasiado similares. Necesitas una entrada novedosa e incluso así no hay garantía. "Convincente" tiene muchísimo más de una dimensión. El problema de la variedad en la salida era obvio y bien conocido en 2024 cuando se publicó, y es dolorosamente obvio ahora que todo el mundo está harto del slop, y ni los grandes laboratorios ni otros investigadores están interesados en resolverlo. Otro problema es que el entrenamiento agéntico/de código se filtra como loco, y los modelos empeoraron en el departamento creativo incluso en comparación con 2024, a pesar de ser más coherentes y convincentes. Así que la respuesta es técnicamente sí (y era sí cuando se publicó), pero en la práctica "depende", y los goalposts se quedan exactamente en el mismo sitio en el que estaban en 2024.

  7. outlore

    Estas preguntas se beneficiarían de ser reformuladas para dejar claro qué se está votando

  8. ErrantX

    Lo que me resulta interesante es que en 2016 la gente decía: pasar el test de Turing, escribir código, pedirme un café.

    E incluso en 2024 los temas son similares, generalmente más complejos o específicos sobre el test de código/Turing/acción.

    Pero en 2026 hay un cambio enorme, tenemos cosas como: puede abrir una puerta física, emula la mezquindad humana de forma convincente, hace descubrimientos científicos novedosos.

    Eso solo ya te dice mucho, en mi opinión.

Más de este día

2026-10-01