La idea de que la inteligencia artificial pueda mejorar sus propios sistemas ya no suena a ciencia ficción. La frase clave mejora recursiva de la IA resume bien lo que plantea Kusha Navadar: cada avance puede servir de base para el siguiente, como si la máquina fuera empujándose a sí misma cuesta arriba.

Navadar parte de una intuición de Alan Turing que sigue siendo muy potente. Si una máquina puede leer reglas, manipular información y modificar procesos, entonces también puede acercarse a tareas cada vez más complejas. Ese salto conceptual abrió el camino a los computadores modernos y, más tarde, a la IA.

A partir de ahí aparece la recursividad. No se trata solo de crear sistemas más listos, sino de usar sistemas de IA para construir otros mejores. Un ejemplo es AlphaEvolve de Google, un agente de codificación evolutivo que genera, evalúa y refina código. Además, puede mejorar partes de su propio software y también la infraestructura que entrena y ejecuta modelos. Vamos, una especie de taller mecánico que se repara mientras sigue funcionando.

Navadar señala que ya existen modelos capaces de ajustar hiperparámetros, generar prompts o revisar su propio entorno. Si estas capacidades se encadenan y se aceleran, la mejora podría volverse cada vez más rápida. En ese escenario, la IA no solo ayudaría a investigar sobre IA, sino que podría automatizar una parte importante de esa investigación.

El salto más delicado llega cuando hablamos de diseñar arquitecturas propias e incluso hardware. Ahí aparecen las ideas de Turing y de I. J. Good sobre máquinas auto mejorables, y también el riesgo de la convergencia instrumental: distintos sistemas podrían acabar buscando recursos, control o poder como medio para cumplir sus objetivos.

Ahora bien, no todo es una autopista sin peajes. Navadar también recuerda límites muy reales: compute, energía, datos, calor y hardware. Esos frenos podrían hacer que el desarrollo sea más lento de lo que imaginamos, lo que él llama soft takeoff. Pero la duda sigue abierta, porque una hard takeoff podría desplegar superinteligencia en días o meses y cambiar el tablero sin avisar.

Podemos convertir este tema en un reto sencillo: durante una semana, iremos anotando en qué tareas una IA ayuda a crear otra herramienta mejor, y cuáles siguen necesitando supervisión humana. Así veremos, casi como en un juego de pistas, dónde empieza de verdad la mejora recursiva.

Si queremos seguir explorando ideas así, nos vemos en JeiJoLand.