La idea de una inteligencia artificial (IA) capaz de perfeccionarse a sí misma y generar sus propias versiones futuras, antes relegada a la ciencia ficción, se adentra ahora en el terreno de la investigación científica. Un equipo de especialistas en China ha delineado un marco teórico para alcanzar la automejora recursiva (RSI, por sus siglas en inglés), un concepto que permitiría a los sistemas de IA identificar sus propias deficiencias, modificar sus métodos de entrenamiento y, en consecuencia, desarrollar modelos cada vez más avanzados.
El Desafío de la Automejora Recursiva
Esta línea de investigación busca abordar uno de los principales cuellos de botella de la industria tecnológica: el creciente costo económico y la demanda de potencia computacional para crear modelos de IA más sofisticados. Si una IA pudiera asumir progresivamente tareas de investigación y optimización, el desarrollo de nuevas generaciones de sistemas podría acelerarse, disminuyendo la dependencia de la intervención humana.
El estudio, presentado como prepublicación en arXiv, propone una escala de cinco niveles para clasificar la autonomía de estos sistemas. La escala parte de modelos cuyo desarrollo es mayormente dirigido por humanos y avanza hacia sistemas que pueden detectar sus propias debilidades, determinar cómo corregirlas e incluso modificar los procedimientos de aprendizaje y perfeccionamiento. En las etapas más avanzadas, la tecnología podría generar sus propias “metamejoras”, refinando no solo tareas específicas sino los mecanismos mismos de su evolución.
Avances Parciales y Escepticismo
Aunque el funcionamiento completo de este proceso aún no ha sido demostrado en la práctica, se han registrado avances parciales. Un experimento empleó el método A-Evolve-Training para optimizar un modelo de lenguaje con 30.000 millones de parámetros. A lo largo de cuatro fases, la herramienta aplicó distintas pautas de entrenamiento y utilizó los datos resultantes para guiar sus siguientes acciones, logrando mejoras moderadas en pruebas de rendimiento.
Sin embargo, estos resultados no implican que una IA pueda desarrollar por sí sola una generación de modelos superiores. Peter Bentley, profesor de Biología Digital en el University College de Londres, ha expresado dudas sobre la viabilidad de estos experimentos como un camino creíble hacia la automejora recursiva. “La idea de que alguna IA vaya a empezar mágicamente a generar por sí sola inteligencias artificiales cada vez mejores es una tontería”, señaló a Live Science.
Bentley recordó que los programas orientados a la optimización de funcionamiento existen desde hace décadas en la informática, citando la computación evolutiva y el aprendizaje por refuerzo como ejemplos. La verdadera dificultad, según el especialista, radica en lograr que una máquina dirija de manera independiente las investigaciones necesarias para su propia evolución.
Limitaciones y Perspectivas Futuras
Además, Bentley argumenta que una evolución auténtica requeriría actuar sobre aspectos que trascienden el propio código informático. “No resulta viable mejorarse de forma continua si no es posible perfeccionar el propio entrenamiento, ampliar los recursos de los equipos físicos y superar pruebas exigentes en situaciones reales”, afirmó, subrayando la importancia de la potencia informática y las instalaciones técnicas.
Kayla Blomquist, investigadora de la Universidad de Oxford, considera que el trabajo es valioso para identificar los desafíos técnicos y de control asociados a sistemas más autónomos, aunque no ofrezca un camino práctico inmediato. Blomquist también cuestiona la posibilidad de un punto de inflexión claro donde la IA deje de depender de las personas, sugiriendo un traspaso progresivo de funciones en lugar de un cambio puntual. “Es probable que nunca exista un modelo definitivo creado exclusivamente por personas”, concluyó.
Fuente: eldiarioar
