Frente a la carrera hacia la superinteligencia, quizá el futuro de la IA no sea una única escalera, sino un ecosistema de inteligencias diversas.
Viendo entrevistas de los principales gurús, investigadores o CEO de Silicon Valley, sorprende que, a la pregunta de cómo será el futuro de la inteligencia artificial, las respuestas, aunque en la superficie parecen diferentes, suelen compartir algo: ven el futuro como si la trayectoria fuera imposible de desviar. La gran mayoría ve una IA que avanzará hacia una superinteligencia. Curiosamente, pueden discrepar sobre el destino o sobre el tiempo en llegar a ese punto: si existirá abundancia, desempleo o incluso la extinción humana, pero siempre imaginan una IA más poderosa.
Elon Musk, por ejemplo, piensa que la IA nos llevará a un momento histórico de abundancia.
Esta manera de entender la tecnología de vanguardia no es novedosa. Nos recuerda a las ideas de las décadas de los 50 y 60, cuando existió una expectativa bastante extendida de que la energía nuclear nos daría un periodo de abundancia energética y, por ende, material. El ejemplo más claro fue Lewis Strauss, que fue presidente de la Comisión de Energía Atómica de EE. UU. En 1954 afirmó que no era demasiado esperar que sus hijos disfrutarían en sus hogares de una electricidad tan económica que no sería necesario ni medirla, «too cheap to meter», y que las grandes hambrunas regionales periódicas fueran conocidas únicamente como hechos históricos. En ambos casos, la IA y la energia nuclear son ejemplos que una tecnología concreta puede convertirse en el soporte de una determinada imaginación del futuro.
Por otro lado está la parte pesimista de los gurús, desempleo masivo, destrucción civilizatoria, incluso la extinción humana. Dario Amodei, CEO de Anthropic, por ejemplo, estima en torno a un 25 % la probabilidad de que las cosas salgan «muy, muy mal».
https://www.axios.com/2025/09/17/anthropic-dario-amodei-p-doom-25-percent?utm_source=chatgpt.com
Parecen estas dos posturas totalmente en las antípodas. Pero, en el fondo, ambas posturas, la de Musk y la de Amodei, ven el futuro dominado por una IA. Aunque aparentemente las respuestas hablen de probabilidades y escenarios distintos, muchas de sus reflexiones coinciden en la misma estructura: la trayectoria tecnológica parece imposible de desviar. Las variaciones son de los destinos. Algunos hablan de abundancia; otros, de desempleo masivo, pérdida de control y catástrofe. Pero rara vez piensan en desviar la línea hacia otra dirección sea una posibilidad.
A mi juicio, aquí se vislumbra un problema: el determinismo tecnológico. No consiste en saber a ciencia cierta el futuro. Consiste en asumir que solo existe un único camino desde la tecnología actual hasta la inteligencia general y, finalmente, la superinteligencia.
Un ejemplo más gráfico del pensamiento generalizado nos lo da Demis Hassabis, cofundador de DeepMind,
No es importante para mí llevar la contraria a Hassabis respecto a cuándo llegará la AGI, ni siquiera si llegará como él imagina. Lo más interesante es la metáfora que utiliza: una escalera.
¿ por qué tiene que existir una única trayectoria? ¿y si no hubiera una única escalera?
**¿Y si el desarrollo de la inteligencia artificial pudiera tomar caminos diferentes? **
Soy de los que piensa que, si no hacemos nada, es muy probable que finalmente se cumpla. Pero no por una inevitabilidad tecnológica, sino por lo que conocemos como hiperstición: una ficción que, al circular y ser creída, deseada o puesta en práctica, puede acabar convirtiéndose en realidad.
Por eso creo que las predicciones de los grandes líderes sobre IA no son inocentes.
Cuando Sam Altman nos dice que la superinteligencia es inevitable, no solo está describiendo un futuro posible. También está contribuyendo a construir una determinada visión del futuro en la que necesitamos cada vez más capacidad de cómputo, más GPU, más centros de datos y más infraestructura.
¿Están prediciendo el futuro o están fabricando un futuro?
Lo inevitable corre el riesgo de obviar otras rutas posibles que seguramente pueden quedar relegadas a un segundo plano.
Esta carrera que estamos viendo, entre las grandes empresas tecnológicas estadounidenses incluso en China, están demostrando lo que Yuk Hui denomina sincronización tecnológica: una tendencia de la modernidad a imaginar la tecnología como un proceso universal, convergente y compartido.
Ya hemos hablado en otros artículos de la tecnodiversidad de Yuk Hui y de la importancia que tiene en la actualidad para la fragmentación tecnológica.
La lógica dominante, como hemos visto, está reproduciéndose por todo el mundo. La mayoría parece correr hacia un mismo horizonte, modelos enormes, con más capacidad de cálculo y centralizados. Y las únicas alternativas imaginables son aceptarla tal y como nos dicen que es o rechazar por completo la inteligencia artificial. Esto recuerda al realismo capitalista de Mark Fisher: imaginar que una alternativa es totalmente imposible.
Pero, si queremos poner en duda esta sincronización tecnológica, no es suficiente con plantearla; tenemos que buscar alternativas.
Después de buscar información, podemos dividir estas posibilidades alternativas en tres capas que sustentan a la IA: hardware, software e infraestructura, para finalmente abordar la dimensión política.
Actualmente, el hardware dominante en IA se basa principalmente en GPU y otros aceleradores, con NVIDIA como actor dominante. Por lo que hace a la infraestructura, los grandes centros de datos son el standard y no parecen existir más caminos, este es el gran problema de la sincronización, pero si hacemos una búsqueda más detallada, no eliminamos las otras posibilidades y nos preguntamos ¿El cálculo tiene que hacerse necesariamente con GPU? encontramos toda una serie de alternativas que aún están por desarrollar, como la computación fotónica, basada en el uso de la luz para realizar diferentes cálculos, siendo muy buena en operaciones matriciales, básicas en redes neuronales.
https://www.nature.com/articles/s41566-024-01567-z?utm_source=chatgpt.com
O ek desarrollo de la computación analógica y el compute-in-memory. Donde, en vez de generar un flujo constante entre memoria y procesador, hacen algunas operaciones directamente donde están almacenados. Interesante porque combina analógico y digital.
https://www.nature.com/articles/s41928-024-01315-9?utm_source=chatgpt.com
Sobre la necesidad de entrenar los modelos frontier (los más avanzados) en grandes centros de datos, se justifica a la ventaja de reducir el tiempo de comunicación entre GPU cuando están en un mismo lugar físico.Al contrario, cuando están distribuidas entre diferentes nodos, la latencia y el ancho de banda crean un cuello de botella.
Pero, sorprendentemente, lejos de los grandes titulares existen investigaciones para superar esas limitaciones, demostrando que la concentración física no tiene que ser la única forma de desarrollar. la ia más capaces.
https://arxiv.org/abs/2206.01288?utm_source=chatgpt.com
Por lo que hace al software, hemos asumido que una inteligencia general y de gran capacidad es per sé mejor. Sin embargo, no parece que sea así, al menos no de manera absoluta, si nos basamos en investigaciones. Nos damos cuenta de que modelos pequeños y especializados pueden ser muy superiores cuando se entrenan y adaptan para tareas específicas.
https://aclanthology.org/2025.emnlp-main.9/?utm_source=chatgpt.com
Como consecuencia de esta realidad se abre incluso la puerta a lo llamado Edge IA, ejecutar inteligencia directamente en los mismos dispositivos donde se producen los datos. Así, ahorrar el envío continuado de información a centros de datos, reduciendo la eficiencia energética, pero, sobre todo, mejorando la privacidad.
https://dl.acm.org/doi/10.1145/3724420
No pretendo decir que exista una única solución. Y que justamente sea alguna de estas alternativas; al contrario, creo que la combinación de diferentes tecnologías, puede ser la clave.
Pongamos un ejemplo que pueda ser más visual. Imagina una app para detectar enfermedades concretas en las plantas de tomate. Quizás no necesitamos preguntar a un modelo que esté alojado en un centro de datos a mucha distancia con la mejor capacidad general, Para cumplir su cometido, puede incluso ser mucho más eficiente que un pequeño modelo especializado esté integrado en una cámara, capaz de reconocer las enfermedades. Incluso puede ser offline. El cual le da una capa de seguridad extra a posibles ataques informáticos.
Por tanto, la búsqueda creo que está equivocada: no es construir una máquina que lo pueda hacer todo, en primer lugar porque, aunque fuera posible, no sería eficiente el gasto de recursos necesarios. Podríamos crear un ecosistema donde diferentes inteligencias puedan hacer cosas extraordinariamente bien.
Diferentes modelos, arquitecturas, escalas y lugares de ejecución, conectados cuando sea necesario y aislados cuando sea conveniente.
Ahora bien la adopción de esta pluralidad tecnmologica, no es sinónimo de deseable. De hecho, creo que muchas, con el tiempo, serán adoptadas por las grandes tecnológicas solo por eficiencia energética y económica. Pero ninguna soluciona directamente el gran problema de IA dominante, y es el político.
Estamos asistiendo a un nuevo cercamiento del conocimiento humano, como sorprendentemente ya avanzó Marx en el Grundrisse y en El capital: el proceso mediante el cual los productores eran separados de las condiciones comunes que les permitían producir de manera autónoma.
la diversidad tecnológica, por tanto, no sería solamente una alternativa técnica. Se convierte en una necesidad política para conseguir articular sociedades más apertecibles para vivir
Quizá el futuro de la inteligencia artificial no sea una superinteligencia, sino una superdiversidad de inteligencias.
Porque el futuro tecnológico no está escrito.
Y precisamente por eso no deberíamos permitir que nos lo fabriquen unos pocos tipos de Silicon Valley.
Carles Salvador