La pregunta «¿cuándo llegará la superinteligencia?» parece pedir una fecha. Sin embargo, antes hay que resolver otra: ¿qué acontecimiento exacto contaríamos como su llegada?
No existe una definición operacional universalmente aceptada de superinteligencia ni un procedimiento único para verificarla. Tampoco hay una fecha de llegada establecida científicamente. Las estimaciones públicas pueden ser muy diferentes porque parten de supuestos distintos sobre capacidades, investigación, recursos y límites.
En vez de escoger una fecha llamativa, podemos analizar escenarios y aprender a leer sus condiciones.
1. Una predicción no es una observación
Cuando una empresa anuncia un nuevo modelo, podemos estudiar sus resultados. Cuando una persona afirma que habrá superinteligencia dentro de pocos años, estamos ante una previsión sobre un acontecimiento que todavía no se ha demostrado.
Ambos tipos de información pueden ser relevantes, pero exigen métodos diferentes.
- Observación: qué hizo un sistema en condiciones documentadas.
- Proyección: cómo podría evolucionar el rendimiento si ciertas tendencias continúan.
- Escenario: qué podría ocurrir si se cumplen varios supuestos.
- Opinión: juicio personal que puede o no apoyarse en evidencia contrastable.
Confundir estas categorías transforma una expectativa en un aparente hecho.
2. Tres escenarios para pensar el futuro
No son pronósticos con probabilidades asignadas. Son marcos para ordenar preguntas.
| Escenario | Qué supondría | Principal incertidumbre |
|---|---|---|
| Progreso gradual | Mejoras sucesivas con intervención humana y cuellos de botella persistentes | Cuánto se amplían las capacidades generales |
| Aceleración importante | Automatización creciente de investigación, programación y evaluación | Si las mejoras se sostienen fuera de tareas delimitadas |
| Estancamiento o avances desiguales | Grandes resultados en algunas áreas, con límites duraderos en otras | Qué restricciones resultan difíciles de superar |
También son posibles combinaciones. Una disciplina científica puede experimentar avances rápidos mientras otras dependen de experimentos físicos lentos.
3. Por qué los expertos discrepan sobre los plazos
Las diferencias no se explican únicamente por optimismo o pesimismo. Influyen cuestiones de fondo:
Definiciones. Algunas estimaciones se refieren a inteligencia artificial general, otras a sistemas capaces de automatizar una gran parte del trabajo y otras a superinteligencia. No son equivalentes.
Supuestos técnicos. Una previsión puede asumir que aumentar cálculo y datos seguirá mejorando los modelos; otra puede anticipar rendimientos decrecientes o nuevos obstáculos.
Automatización de la investigación. Algunas hipótesis consideran que sistemas avanzados acelerarán el desarrollo de sus sucesores. La magnitud y sostenibilidad de ese efecto siguen abiertas.
Infraestructura y economía. Energía, fabricación de chips, financiación y capacidad de validar experimentos pueden alterar cualquier trayectoria.
4. Qué pueden decirnos las encuestas a investigadores
Las encuestas sobre el futuro de la IA son útiles para estudiar cómo se distribuyen las expectativas entre quienes responden. Pero una mediana de opiniones no es una fecha de descubrimiento.
Importa leer la pregunta exacta: ¿se consulta por «IA de nivel humano», por automatización de ocupaciones o por sistemas que superen ampliamente a las personas? También importa quiénes respondieron, cuántos participaron y cómo se formuló la encuesta.
Las respuestas pueden cambiar con nuevos avances y con el contexto social. No deben interpretarse como mediciones directas de una tecnología que todavía no existe.
5. ¿Qué señales convendría seguir?
En lugar de contar los días hasta una fecha anunciada, podemos observar tendencias concretas:
- Generalización a problemas nuevos, no solo récords en pruebas conocidas.
- Fiabilidad de agentes que ejecutan tareas largas y verificables.
- Capacidad demostrada para acelerar investigación científica.
- Repetición independiente de resultados importantes.
- Coste, energía y tiempo necesarios para obtener mejoras.
- Evidencia de automejora sostenida, si llegara a observarse.
Ninguna señal aislada demuestra superinteligencia. Juntas pueden ayudar a evaluar si una hipótesis se vuelve más o menos plausible.
6. Cómo leer una predicción sobre «la singularidad en 2030»
Una fecha precisa merece preguntas precisas:
1. ¿Qué definición de singularidad o superinteligencia utiliza? 2. ¿Qué tendría que ocurrir para considerar acertada la predicción? 3. ¿Qué datos sustentan la trayectoria propuesta? 4. ¿Qué obstáculos podrían retrasarla o impedirla? 5. ¿El autor ha actualizado sus supuestos ante evidencia contraria?
La respuesta «no sabemos» no significa que el asunto carezca de importancia. Significa que la incertidumbre debe formar parte del análisis.
Conclusión
La superinteligencia podría transformar profundamente la ciencia y la sociedad si llegara a desarrollarse. Pero la magnitud potencial de sus consecuencias no permite deducir una fecha.
La mejor forma de seguir este tema es separar capacidades observadas, hipótesis técnicas y predicciones temporales. Eso permite comprender avances reales sin depender de calendarios especulativos.
Fuentes y lecturas
- Grace y colaboradores, *Thousands of AI Authors on the Future of AI*.
- Google DeepMind, *Levels of AGI: Operationalizing Progress on the Path to AGI*.
- Stanford HAI, *AI Index*.
- Vernor Vinge, *The Coming Technological Singularity* (1993).
Para profundizar, consulta AGI, superinteligencia y singularidad, la automejora recursiva y los límites físicos de la superinteligencia.