Los laboratorios fronterizos están obsesionados. Están corriendo hacia modelos que mejoran a sí mismos, convencidos de que es la única manera de llegar allí. La lógica es circular pero seductora: la IA mejora la IA. Gira en espiral. Nos engaña. Incluso podría atraparnos.
Eso suena genial para una distopía. Inútil para un boletín.
Necesitaba sacar palabras. Rápido. Entonces me hice una pregunta práctica. ¿Puedo utilizar la superación personal recursiva para automatizar mi propio trabajo? No para una inteligencia divina. Sólo para trabajo duro.
Pasé una semana probándolo.
La respuesta es sí. Sorprendentemente, sí.
Más importante aún, sugiere un camino diferente. Uno que no dependa de que cinco empresas sean dueñas del cielo.
Empezar poco a poco (y romper cosas)
Comencé entrenando un pequeño modelo de lenguaje desde cero. Por “entrenamiento” quiero decir que le entregué todo el pensamiento duro a Claude.
Utilicé AutoResearch. El proyecto favorito de Andrej Karpathy. Lo conoces. Fundador de OpenAI, líder de Tesla AI, ahora en Anthropic. Esta herramienta ayuda a las IA disponibles en el mercado a crear versiones mejores y más pequeñas de sí mismas.
Escribí el comando. “Hola, mira program.md, comencemos un nuevo experimento”.
Luego proporcioné el resto. Hardware (una supercomputadora de escritorio Nvidia DGX). Electricidad (caliente, durante toda la noche). Y una voluntad imprudente de dejar que el código se vuelva loco, eludiendo los controles de seguridad estándar.
Déjalo cocinar.
Cada pocas horas, me asomaba. Claude estaba ajustando parámetros. Modificar los regímenes de entrenamiento. Observando cómo respondió el modelo más pequeño. Luego retocando de nuevo. Fue un bucle. Autónomo. Implacable.
Probé los primeros resultados. Mensaje: “En el principio…”
Salida: “Al principio del principio del y al final del final del final del comienzo…”
Tonterías. Ruido repetitivo.
¿Pero más tarde? Mientras Claude seguía refinando el proceso, el galimatías se calmó. Las frases tenían sentido. Todavía no es GPT-5. Pero la trayectoria era clara. El modelo estaba mejorando al hacer el trabajo de mejorar.
Algo útil (realmente útil)
Entrenar un modelo de juguete fue divertido. Pero escribo sobre artículos de IA. Tengo montones de ellos.
Necesitaba un curador.
Cambié a Prime Intellect. Una startup que tiene como objetivo democratizar la formación de modelos. Su tono es simple. Cree modelos personalizados para tareas específicas. No gigantes generales. Herramientas afiladas.
Les di 100 entradas de mi sección “En otros lugares de la frontera”. Bits y bobs. Aspectos destacados de la investigación. Luego le pedí a Claude que me ayudara a construir un modelo llamado Frontier_Paper_Curator. ¿Su trabajo? Encuentre y resuma artículos interesantes.
Aquí es donde se volvió complejo. Claude encontró más papeles. Generó datos sintéticos. Luego utilizó otro modelo para criticar su propio trabajo. El aprendizaje por refuerzo entró en acción. El entorno mismo se convirtió en el maestro.
Vincent Weisser dirige Prime Intellect. Su empresa acaba de recaudar 15 millones de dólares. Odia la narrativa de la centralización.
“No queremos una inteligencia divina. Queremos mil millones de inteligencias”.
Él cree en nichos. Herramientas especializadas creadas por todos, no solo por los laboratorios. Si todas las empresas obtienen una infraestructura de frontera, la creatividad colectiva del mercado vence a unos pocos monopolistas. Sostiene que la IA centralizada es un cuello de botella. Descentralizado es hermoso.
Otras startups están de acuerdo. Adaption vende una herramienta llamada AutoScientist. La directora ejecutiva Sara Hooker señala que las grandes empresas están quemando dinero en tokens. Carecen de expertos internos. Necesitan una automatización que realmente funcione.
Luego está el factor de riesgo. Cuando Anthropic bloqueó ciertas solicitudes de Claude, destacó la fragilidad de la dependencia. Alex Karp de Palantir advierte al respecto. Utilizar laboratorios de vanguardia significa renunciar a datos. Significa perder el control.
Quería control. O al menos, apalancamiento.
Pasé menos de un día con Prime Intellect. El resultado fue un agente curatorial funcional.
Produjo este resumen para iFLYTEK:
Los investigadores de iFLYTEK desarrollaron iFLYTEK-Embodied-Ai, un modelo multimodal que fusiona visión, lenguaje y acción. Los viejos métodos separaban estas tareas. Este modelo comparte la atención entre ellos. Como un cerebro y un cerebelo hablando directamente. Reduce las cascadas de errores. Se entrena con diversos datos de vídeo. El resultado es un agente capaz de razonar y controlar simultáneamente. Un nuevo paradigma arquitectónico para la robótica.
¿Es perfecto? No.
Es demasiado ansioso. Selecciona trabajos que me saltaría. Los resúmenes son ligeramente genéricos.
Pero funciona.
Me liberó de parte del trabajo pesado. No se convirtió en un dios. Se convirtió en una herramienta.
Y tal vez ese sea el mejor resultado. No estamos construyendo dioses. Estamos creando mejores borradores.
Quién sabe qué pasará cuando vuelvan a refinarse.
