Superinteligencia recursiva y el empleado de 200 millones de dólares

La matemática detrás de la valoración es tan cruda como especulativa. Con un equipo de 20 personas y una valoración de 4.000 millones de dólares, el mercado está valorando efectivamente a cada empleado en 200 millones de dólares. Esto supera las tasas máximas de 'acq-hire' vistas durante la primera ola del auge del aprendizaje profundo hace una década. Sugiere que los inversores —incluyendo la rama de capital riesgo de Google y la empresa de semiconductores más poderosa del mundo— ya no están interesados en ganancias incrementales en Modelos de Lenguaje Extensos (LLMs). Están buscando la rampa de salida del desarrollo con intervención humana.

¿Puede el código realmente escribir mejor código?

La premisa fundamental de la Superinteligencia Recursiva es la búsqueda de un ciclo de mejora autónoma. El desarrollo actual de la IA es un proceso con cuellos de botella: los humanos diseñan las arquitecturas, los humanos curan los conjuntos de datos y los humanos proporcionan el Aprendizaje por Refuerzo con Retroalimentación Humana (RLHF) que evita que los modelos alucinen o se vuelvan tóxicos. Este es un modelo de crecimiento lineal. La automejora recursiva apunta a uno exponencial, donde un modelo identifica sus propias ineficiencias algorítmicas y reescribe su propia base de código para corregirlas.

Los ingenieros en el campo suelen referirse a esto como 'cerrar el bucle'. La dificultad reside en la función objetivo. Si se le asigna a un modelo la tarea de mejorar su propio razonamiento, necesita una forma de verificar que su versión 'nueva y mejorada' sea realmente mejor, en lugar de solo más rápida o más segura de sus errores. Sin una base en la realidad física o la lógica formal —algo de lo que los LLMs carecen notoriamente—, la automejora recursiva a menudo conduce al 'colapso del modelo', un bucle de retroalimentación donde la IA comienza a amplificar sus propias peculiaridades hasta que la salida se convierte en ruido estadístico. El equipo de Recursive, liderado por Richard Socher y Tim Rocktäschel, apuesta a que su enfoque específico en el razonamiento simbólico o el descubrimiento automatizado puede evitar esta entropía.

La trayectoria de Tim Rocktäschel en el University College London y Google DeepMind ofrece una pista sobre la dirección técnica. Su trabajo se ha centrado frecuentemente en el aprendizaje 'abierto' (open-ended): entornos donde los agentes deben aprender a resolver tareas sin que se les diga cuáles son esas tareas. En un contexto industrial europeo, este es el tipo de investigación de alto nivel que suele terminar financiada por subvenciones de Horizon Europe o el Consejo Europeo de Investigación. Aquí, ha sido ignorado por el capital riesgo estadounidense, lo que resalta la brecha persistente entre la excelencia académica europea y la capacidad del continente para escalar esa excelencia hacia un poder industrial soberano.

Nvidia es el propietario de la Singularidad

Esto crea una peculiar economía circular en el ecosistema de Silicon Valley. Los fondos de capital riesgo de EE. UU. proporcionan el capital, que las startups gastan en hardware de Nvidia, lo que a su vez infla las ganancias de Nvidia, lo cual impulsa los índices tecnológicos más amplios de los que dependen los socios comanditarios de los fondos de capital riesgo. Para los observadores europeos, este ciclo es frustrantemente cerrado. Aunque la Ley de Chips de la UE busca construir capacidad de fabricación local, aún no ha fomentado el tipo de bucle de retroalimentación software-hardware de alto riesgo y alta recompensa que hace posible una valoración de 4.000 millones de dólares para una empresa de cuatro meses de antigüedad en Palo Alto, pero impensable en Berlín o París.

La inclusión de Richard Socher, ex científico jefe de Salesforce, añade una capa de pragmatismo comercial a lo que de otro modo podría parecer un ejercicio puramente académico. La carrera de Socher se ha definido por hacer que el procesamiento de lenguaje natural (NLP) funcione para la empresa. Si Recursive Superintelligence fuera simplemente un laboratorio de 'moonshot', podría haber tenido dificultades para obtener 500 millones de dólares en este entorno de tasas de interés. La escala de la financiación sugiere que existe la creencia de que incluso un éxito parcial —una IA que pueda simplemente optimizar sus propios costos de inferencia o limpiar sus propios datos— valdría miles de millones en ahorros operativos para las empresas de Fortune 500.

¿Es la 'explosión de inteligencia' un objetivo de ingeniería viable?

Los críticos de la teoría de la automejora recursiva señalan el problema de los 'rendimientos decrecientes'. En la mayoría de las disciplinas de ingeniería, cuanto más se optimiza un sistema, más difícil resulta encontrar más ganancias. Un motor de automóvil con un 98% de eficiencia es significativamente más difícil de mejorar que uno con un 40%. La narrativa de la 'Singularidad' asume que la inteligencia es diferente —que cada incremento en la capacidad cognitiva facilita el siguiente incremento—. Esto sigue siendo una hipótesis filosófica, no un hecho de ingeniería.

Desde un punto de vista regulatorio, la Ley de IA en Europa pronto tendrá que enfrentarse a empresas que no solo 'usan' IA, sino empresas cuyo producto es el acto de creación en sí mismo. Si un modelo comienza a reescribir su propio código, ¿quién es responsable del resultado final? ¿Los programadores originales? ¿El proveedor de computación? Esta ambigüedad legal es precisamente el tipo de cosas que hace que los capitalistas de riesgo en EE. UU. se encojan de hombros y los de Alemania busquen sus pólizas de seguro. Es una diferencia fundamental en el apetito por el riesgo que continúa definiendo la brecha atlántica.

La velocidad de este acuerdo —cuatro meses de cero a quinientos millones— es síntoma de un mercado aterrorizado por perderse el próximo cambio que definirá una época. Recuerda a los primeros días de la carrera espacial, donde el objetivo no era necesariamente tener un modelo de negocio sostenible, sino llegar al destino antes que el otro lado. En este caso, el destino es una inteligencia autónoma que pueda trabajar las 24 horas del día, los 7 días de la semana en su propia evolución. Si Recursive Superintelligence tiene éxito, el precio de 500 millones de dólares parecerá un error de redondeo. Si fracasan, se recordará como el pico de la Segunda Burbuja de IA: un momento en el que valoramos el sueño de una máquina capaz de pensar por sí misma a un precio mayor que la mayoría de las empresas que realmente construyen cosas para las personas.

Silicon Valley ha decidido que la forma más inteligente de construir el futuro es dejar que el futuro se construya a sí mismo. Europa todavía está esperando a que el papeleo se presente por triplicado.