AI aprendió a construirse sola: Google DeepMind y OpenAI en el camino hacia la automejora

En 1966, el matemático I.J. Good predijo que una máquina superinteligente podría crear máquinas aún más inteligentes, lo que llevaría a una "explosión de inteligencia". Esa ciencia ficción se está convirtiendo en realidad: OpenAI, Google DeepMind y Anthropic ya están usando IA para crear versiones más avanzadas de sí mismas.

IA Comienza a Escribirse a Sí Misma

OpenAI informó recientemente que GPT-5.3-Codex participa activamente en su propio mejoramiento. El modelo escribe código para su propio entrenamiento, depura el proceso de entrenamiento, gestiona la implementación y analiza los resultados de las evaluaciones. Esencialmente, se ayuda a sí mismo a mejorar.

Anthropic ha ido más allá: la mayoría del código para Claude (su asistente de IA principal para programación) ahora es escrito por el propio Claude. Esto crea un ciclo peculiar: la IA mejora a sí misma, pero los humanos permanecen en el ciclo, verificando resultados y tomando decisiones.

Google DeepMind introdujo AlphaEvolve—un agente para "descubrimiento científico y algorítmico". El sistema puede optimizar arquitecturas de redes neuronales, mejorar la distribución de tareas en centros de datos y mejorar el diseño de chips. Cada avance permite a los científicos avanzar más rápido hacia el siguiente.

"A menudo observas lo que el sistema ha descubierto y aprendes de ese descubrimiento", dice Matey Balog de DeepMind. El sistema ya ha sorprendido a sus creadores al encontrar algoritmos de optimización que escaparon a la intuición humana.

Dos creadores de AlphaChip (un sistema de diseño de chips) fundaron la startup Recursive Intelligence. Prometen reducir ciclos de desarrollo de chips de uno a dos años a días. En la tercera fase, la empresa planea usar IA para crear chips que entrenen mejor la próxima generación de IA.

Por Qué Esto Aún No Ha Despegado

A pesar de los éxitos impresionantes, la independencia completa de la IA respecto a los humanos sigue siendo lejana. Los investigadores señalan que los sistemas actuales generan ideas e las implementan en un nivel 'bueno, pero no excelente'. Aquí está lo que congela el proceso:

• Los humanos aún establecen objetivos y deciden qué cuenta como éxito
• El entrenamiento de modelos principales cuesta miles de millones—nadie liberará tal sistema sin supervisión
• El conocimiento en las grandes corporaciones está distribuido entre miles de personas (TSMC emplea a 90.000) y no puede ser empaquetado en un único algoritmo
• La automatización completa requeriría no solo código y chips, sino también la construcción de centros de datos, plantas de energía y operaciones mineras

Los investigadores de Meta proponen un camino diferente: en lugar de la automatización completa, buscar la 'co-mejora' de humanos y máquinas. Al permanecer en el ciclo de desarrollo, los humanos aseguran tanto la velocidad del progreso como su seguridad.

¿Puede Esto Salir de Control?

Una encuesta de 25 expertos líderes en IA mostró: 23 de ellos no descartan una 'explosión de inteligencia' con la automatización completa del desarrollo. La mayoría cree que las empresas mantendrán tales modelos en secreto, sin liberarlos al público.

David Krueger de Montreal, quien aboga por una pausa en el desarrollo de IA, pinta un cuadro oscuro:

"Esto es apostar con las vidas de todos."

Propone detener el desarrollo de IA cuando las máquinas comiencen a escribir el 99% del código. "Parece que nos estamos acercando a este momento ahora mismo", añade.

Lo Que Significa Esto

Estamos al comienzo de una era en la que la IA realmente comienza a acelerar su propio desarrollo. Esto podría llevar a avances en medicina, ciencia y tecnología. Pero también requiere supervisión rigurosa—tanto de reguladores internacionales como de las propias empresas. La historia demuestra: las tecnologías poderosas requieren límites.