La IA está acelerando drásticamente la investigación en IA
Un autor externo analiza un informe público de METR sobre Anthropic: entre octubre de 2025 y octubre de 2026, el progreso en capacidades habría ido el doble de rápido que el año anterior, y la IA sería en gran parte la causa. Según él, el umbral de «aceleración dramática» de la RSP ya se habría cruzado.
Foto: vía planned-obsolescence.org
1 medio · MadridPublicada 6 nov, 22:15Actualizada 7 nov, 06:45· Ya no está en portadaEscrita por IA · cómo funciona
El texto parte de que Anthropic afirmó en su S1 que «puede alcanzar inminentemente» el umbral de «progreso dramáticamente acelerado por la IA» de su Responsible Scaling Policy. La política lo define como un progreso en capacidades al menos el doble de rápido que el ritmo sostenido más alto anterior a que la IA contribuyera mucho a la I+D, y atribuible a la automatización de esa I+D y no a más cómputo. El autor no participó en el informe de METR ni vio la versión sin censurar, y habla a título personal.
Según el informe, entre octubre de 2025 y octubre de 2026 el progreso en Anthropic fue unas dos veces más rápido que en los doce meses previos, medido con una versión interna del Epoch Capabilities Index (AECI). Los autores creen que la automatización con IA explica probablemente la mayor parte de que el ritmo siga siendo alto. Buena parte de las pruebas de apoyo, y los motivos de esa atribución, aparecen censurados.
A partir de ahí, el autor hace un cálculo propio. Si las capacidades globales van el doble de rápido, los «multiplicadores de cómputo» (mejoras de algoritmos y arquitecturas) deben avanzar unas 2-3 veces más rápido. Con un modelo Cobb-Douglas simple, el aumento de productividad de los investigadores tendría que ser de 4-9x, y quizá cercano a 10x por los rendimientos decrecientes. Cuadra, dice, con el uplift de unas 12 veces que declaran empleados de Anthropic. Lo compara con que cada investigador viva diez días por cada día externo.
Los autores del informe no encontraron cuellos de botella ni rendimientos decrecientes fuertes que frenen la aceleración. El autor extrapola que, si la aceleración sigue creciendo de forma suave, el ritmo se duplicaría de nuevo en seis meses, luego en tres y luego en seis semanas. Cree que eso llevaría a sistemas capaces de desarrollar armas nuevas y, si estuvieran mal alineados, de desempoderar a la humanidad. Añade que exigiría una seguridad muy superior a la actual de la industria.
«AI is dramatically accelerating AI research» · puesto 11 · 260 puntos · enviado por yurivish
Lo que dicen los comentarios
Los comentarios discrepan sobre cuánto se deduce de la premisa. Quienes investigan en ML aceptan que los LLM aceleran su trabajo, pero ven un salto lógico hacia la superinteligencia: señalan los límites de los datos, los experimentos físicos necesarios para nuevas armas y la dificultad de medir muchas capacidades. Otros replican que la persuasión bastaría para eludir esos límites. Se discute también si el avance viene de modelos más inteligentes o de más gasto en tokens y enjambres de agentes, y si el entrenamiento seguirá siendo un cuello de botella. Un comentario recuerda que un texto escéptico de Ramez Naam, de septiembre, queda desfasado por los nuevos datos. Otros desconfían de que las pruebas estén censuradas.
Como investigador de ML, los LLM aceleran la investigación, quizá 10x en algunos casos. Pero eso solo afecta a la parte computacional. Que mejore no implica una «superinteligencia» que acabe con el mundo.
Cada punto de las gráficas mezcla varios benchmarks, y lo medible se puede entrenar con coste. Ya tenemos superinteligencia «irregular» (calculadoras, compiladores) y asistimos a una explosión de más, limitada a lo que admite RL.
La IA acelera mi trabajo, que solo existe por la IA. Sin ella iría más lento, pero si doy un paso atrás, no estoy cambiando el mundo más rápido que antes.
Es un artículo muy desfasado, de septiembre. Ramez dijo que ganar 2x en capacidades exigiría unas 40x de productividad investigadora, justo lo que muestran los nuevos datos. Sus supuestos ya han quedado refutados.
Aunque la investigación en IA se acelere 10x, ¿no seguimos limitados por la velocidad de entrenamiento? Procesar más de 10T tokens lleva tiempo, y converger los pesos tiene límites fundamentales.
Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.