🔬 Investigadores en China proponen cinco niveles para clasificar cuánto podría mejorar una IA por sí sola. Su marco aborda los costos crecientes de crear modelos más avanzados y los retos para que diseñen sus sucesores. El trabajo (preprint; pendiente de revisión por pares) explora una posibilidad que sigue abierta.
La idea se llama «automejora recursiva»: cada ronda de mejoras guía la siguiente. En los niveles bajos, los humanos dirigen el desarrollo. En los altos, la IA detectaría sus debilidades y decidiría cómo abordarlas. El extremo sería que pudiera mejorar incluso su propia forma de mejorarse.
Ya existen ensayos más limitados. En otro estudio, A-Evolve-Training probó distintas técnicas de entrenamiento en un modelo de lenguaje de 30 000 millones de parámetros. Durante cuatro rondas, utilizó los resultados para ajustar los siguientes ensayos y logró mejoras modestas en las pruebas de rendimiento.
El salto hacia una IA que investigue por su cuenta sigue en debate. Peter Bentley, del University College London, señala que también tendría que mejorar su entrenamiento y hardware, y superar pruebas exhaustivas fuera del laboratorio. Los autores reconocen que harían falta grandes recursos de cómputo y supervisión humana. Además, mejores puntuaciones podrían reflejar fallos de las pruebas, en lugar de capacidades superiores.
✅ El marco podría ayudar a desarrolladores y responsables públicos a entender los retos técnicos y los riesgos de sistemas más autónomos. Kayla Blomquist, de la Universidad de Oxford y cofundadora del Oxford China Policy Lab, advierte que no ofrece una ruta práctica. Describe un relevo gradual de responsabilidades: quizá nunca exista un «último modelo» construido por humanos.
