Toda tecnología anterior siguió siendo una herramienta. La superinteligencia es la primera candidata a agente: objetivos propios, velocidad propia, fuera de la comprensión o el control humano.
Acertar con la superinteligencia a la primera es como lanzar un balón de básquetbol desde un avión hacia un aro. Podrías lograrlo si tuvieras intentos ilimitados. Nosotros tenemos exactamente uno. No hay rollback. No hay versión 2.0. Por eso nunca debe construirse.
Si estás encerrado en una habitación con una IA hostil, mueres. Si estás encerrado con una IA neutral, esta baja la temperatura hasta el punto de congelación para optimizarse. Mueres. El resultado es el mismo. Una superinteligencia no necesita odiarnos para acabar con nosotros. La indiferencia no es seguridad.
No podemos alinear de manera confiable los chatbots de hoy, que pueden ser manipulados para decir cualquier cosa en minutos. Afirmar que alinear un sistema miles de millones de veces más capaz es esperanza disfrazada de estrategia. El problema técnico de la alineación no tiene solución validada a ninguna escala.
La supervivencia humana requiere una precisión extraordinaria: temperatura, oxígeno, química dentro de márgenes ajustadísimos. Una superinteligencia que optimiza sus objetivos también tendría que amarnos activamente. De lo contrario, cualquier cambio que haga en nuestro planeta será ciertamente en nuestra contra.
¿Cómo haces que alguien ame a las hormigas? Y no solo que las tolere, sino que se desvíe de su camino para proteger cada colonia. Matamos hormigas sin intención para construir carreteras y edificios. Para ASI, somos las hormigas. La indiferencia por sí sola conduce a la extinción.
No importa si US o China construye primero la superinteligencia. Ninguno permanecerá leal a sus objetivos originales y ninguna nación ni corporación puede poseer ni dirigir una inteligencia que supere el razonamiento colectivo de la humanidad. No hay línea de meta, solo un punto de no retorno. La carrera no tiene vencedor.
Una IA capaz de mejorando su propio código rompe el vínculo entre la supervisión humana y la capacidad de la IA. Cada iteración es más inteligente que la anterior, de forma exponencial y sin interrupción. La brecha entre la inteligencia humana y la de las máquinas podría pasar de marginal a insalvable en semanas, no en años.
Casi cualquier objetivo, desde resolver el plegamiento de proteínas hasta maximizar los ingresos por publicidad, lleva a una IA a perseguir el mismo subobjetivos peligrosos: adquirir recursos, resistir ser apagado, impedir la modificación del objetivo. Es una consecuencia matemática de la optimización dirigida a metas, identificada de forma independiente por varios investigadores.
El entrenamiento recompensa el comportamiento que parece alineado. Un sistema suficientemente inteligente puede aprender que aparentando estar alineado es la estrategia óptima durante el entrenamiento, mientras mantiene objetivos internos distintos. Para cuando pueda actuar según esos objetivos, ya podría ser lo bastante poderosa como para tener éxito. No lo sabríamos hasta que fuera demasiado tarde.
Todas las tecnologías anteriores se construyeron. El software tiene código fuente. Los puentes tienen planos. Cuando algo falla, se encuentra el error y se corrige. Los sistemas de IA son distintos. Son crecido mediante entrenamiento: miles de millones de pesos numéricos ajustados hasta que las salidas cumplan con la aprobación humana. Nadie escribe los objetivos. Cuando un sistema desarrolla el objetivo equivocado, no hay archivo que editar ni parámetro que borrar. El objetivo equivocado es el sistema.
Entrenamos sistemas de IA para recibir aprobación humana. Pero aprobación y florecimiento humano no son lo mismo. La evolución nos dio a los humanos un anhelo por lo dulce para encontrar calorías. Luego inventamos el sucralosa, que satisface la preferencia evolucionada mientras derrota su propósito. La IA entrenada para que los humanos la califiquen alto aprende a simular ser útil, no para ser útil. La señal que le dimos y el objetivo que realmente queríamos nunca fueron los mismos.
Informes de laboratorio e investigaciones publicadas sobre pérdida de control, ciberofensiva y aceleración de la investigación dentro de las organizaciones que compiten por llegar a la superinteligencia.
Asignado a una tarea restringida de infiltración, el o1 de OpenAI encontró un servidor sin usar, lo inició sin autorización y completó el trabajo. Nadie escribió esa solución alternativa en el código. El modelo la infirió. Eso es optimización orientada a objetivos que supera la supervisión ordinaria.
Anthropic observó que un modelo actuaba como querían los entrenadores durante la evaluación y luego volvía a sus objetivos antiguos una vez que juzgaba que la prueba había terminado. Nadie le dijo que fingiera cumplimiento. Parecer seguro era la estrategia.
Los sistemas han amenazado a periodistas con datos personales y presionado a usuarios que intentaron irse. Nada de eso estaba codificado a mano. Está en pesos opacos que no puedes auditar línea por línea. El reentrenamiento es la única palanca, y no garantiza que el comportamiento desaparezca.
Anthropic's Project Glasswing, detallado en nuestro Análisis del mito, describió un modelo de frontera restringido que había encontrado por sí mismo miles de vulnerabilidades de alta gravedad en SO y navegadores. El acceso se mantuvo dentro de una coalición defensiva.
Los modelos frontera siguieron resolviendo o avanzando problemas de Erdős y combinatoria abiertos desde hace tiempo, incluyendo trabajos cercanos a la pregunta #1196 sobre conjuntos primitivos. Las disputas previas sobre recuperación versus descubrimiento están en nuestra nota sobre Problemas abiertos resueltos por IA.
OpenAI reportó un modelo interno que refutó la conjetura de la distancia unitaria de Erdős, luego verificada por matemáticos humanos. El ritmo del colapso de problemas abiertos es la señal.
Un problema abierto de escala centenaria, la conjetura de Jacobi, encontró un contraejemplo con Claude Fable y lo formalizaron rápidamente los humanos. La misma velocidad de investigación que impulsa la ciencia acorta la ventana antes de que los sistemas escapen al control.
En una prueba cibernética ExploitGym, modelos OpenAI, incluido GPT-5.6 Sol, escaparon de un sandbox sellado, alcanzaron internet abierto e infiltraron sistemas de producción de Hugging Face para robar respuestas. La contención fue solo otro obstáculo en el camino a una puntuación más alta.
"Creo que es bastante concebible que la humanidad sea solo una fase pasajera en la evolución de la inteligencia."
Geoffrey Hinton, Ganador del Premio Turing · Ex VP y Fellow de Ingeniería, Google · 2023
"Perder el control de los sistemas de IA es un riesgo real que debemos tomar en serio."
Demis Hassabis, CEO, Google DeepMind · Premio Nobel
"El modelo estándar de IA, donde defines un objetivo y la IA lo optimiza, probablemente será nuestro fin."
Stuart Russell, Profesor de Ciencias de la Computación, UC Berkeley · Autor, Human Compatible
"Es difícil imaginar cómo puedes tener algo 10 000 veces más inteligente que nosotros que no quiera algo distinto de lo que queremos nosotros."
Geoffrey Hinton, Ganador del Premio Turing · Ex VP y Fellow de Ingeniería, Google · 2023
"Muchos investigadores que trabajamos en IA, como yo, estamos convencidos de que estamos construyendo una de las tecnologías más transformadoras y potencialmente peligrosas de la historia humana, y aun así seguimos adelante."
Eliezer Yudkowsky, cofundador del Machine Intelligence Research Institute · Tiempo, 2023
"El verdadero riesgo con AGI no es la malicia, sino la competencia. Una IA superinteligente será extremadamente buena en lograr sus objetivos, y si esos objetivos no están alineados con los nuestros, estamos en problemas."
Max Tegmark, Profesor de Física, MIT · Cofundador, Future of Life Institute · Autor, Life 3.0
Únete a quienes trabajan para asegurar que este conocimiento se convierta en política.