Investigadores de DeepMind proponen la "Inteligencia Artificial Simbiótica" para desafiar la singularidad de la IA

La narrativa dominante en torno a la "singularidad" de la inteligencia artificial suele imaginar una superinteligencia aislada y de automejora continua que supera a la humanidad de la noche a la mañana. En un ensayo reciente para el DeepMind Institute, los investigadores vinculados a Google Benjamin Bratton, Blaise Agüera y Arcas y James Manyika desafían esta premisa y presentan un concepto alternativo: la "Inteligencia Artificial Simbiótica".

En lugar de concebir la inteligencia artificial general (AGI) como una máquina individual e independiente, los investigadores plantean la inteligencia como un fenómeno inherentemente social. Desde su perspectiva, la AGI tomará forma como un ecosistema interconectado donde los seres humanos, diversas redes de agentes e instituciones híbridas coevolucionan y toman decisiones conjuntas de manera continua.

Los modelos de razonamiento como "sociedades del pensamiento"

Los autores fundamentan su marco teórico en evidencia empírica proveniente de sistemas de razonamiento recientes. En un preprint complementario titulado "Reasoning Models Generate Societies of Thought", los investigadores Junsol Kim, Shiyang Lai, Nino Scherrer, Agüera y Arcas y James Evans analizaron trazas de razonamiento de modelos de pesos abiertos, entre ellos DeepSeek-R1 y QwQ-32B.

Sus hallazgos revelaron que, cuando los modelos se entrenan mediante aprendizaje por refuerzo que premia la precisión, desarrollan de forma natural diálogos internos multiperspectiva sin necesidad de instrucciones explícitas. Los modelos debaten alternativas, plantean objeciones y concilian puntos de vista opuestos dentro de sus trazas de salida. El ensayo de DeepMind sostiene que esta dinámica interna espontánea apunta a un principio más amplio: la inteligencia prospera a través de la negociación colectiva distribuida, una arquitectura que puede escalarse a redes de personas y agentes autónomos.

El inminente punto de inflexión cognitivo

El ensayo destaca un cambio macrodemográfico que podría transformar la sociedad moderna. En muchas naciones industrializadas, la urbanización, la creciente especialización y la caída en las tasas de natalidad están reduciendo gradualmente la fuerza laboral biológica. Por el contrario, las instancias de agentes sintéticos de IA se multiplican con rapidez.

Los autores trazan un paralelismo con la Revolución Industrial, época en la que la fuerza física mecanizada superó al músculo biológico. Un umbral histórico similar podría alcanzarse pronto en el trabajo del conocimiento, cuando el volumen acumulado de texto sintético, código y ejecución administrativa sobrepase la producción biológica de los cerebros humanos. En este escenario, los humanos funcionarían cada vez más como una capa directiva abstracta que orquesta un vasto campo de cognición maquínica distribuida.

Redefinir a los agentes como ensamblajes dinámicos

Un componente central del ensayo radica en redefinir qué representa realmente un agente de IA. Mientras que los usuarios suelen antropomorfizar a los chatbots percibiéndolos como entidades individuales con identidades continuas, los autores describen a los agentes como ensamblajes temporales.

A diferencia de los seres humanos, cuyos cerebros mantienen una continuidad física a lo largo del tiempo, un agente de IA se ensambla sobre la marcha para cada ventana de contexto, combinando modelos, herramientas, almacenes de memoria y pautas éticas. Tratar a los agentes como análogos humanos fijos o "gemelos digitales" no refleja la flexibilidad que pueden alcanzar los enjambres coordinados de agentes. Además, es probable que los usuarios dirijan múltiples "espejos parasociales" de sí mismos de forma simultánea para gestionar distintos flujos de trabajo, multiplicando así su propia capacidad operativa.

Esta transición exigirá cambios específicos tanto en la tecnología como en las capacidades humanas:

• Nuevas interfaces: Superar los simples chats de texto uno a uno para adoptar grafos de red visuales que permitan a los usuarios supervisar y dirigir enjambres de nodos de agentes de forma simultánea.

• Nuevas habilidades para los operadores: Pasar de una programación determinista basada en lógica estricta a la gestión de la ambigüedad, la delegación de tareas y la orquestación de flujos de trabajo distribuidos y complejos.

• Vocabulario específico para máquinas: Desarrollar una "teoría de la mente" de las máquinas basada en características no humanas, tales como la "muerte de sesión" (session-death, o pérdida de continuidad cuando finaliza un chat) y la "arrojadez del prompt" (prompt thrownness, o ingresar a una tarea arbitraria con un contexto preestablecido).

Instituciones y alineación continua

Los investigadores enfatizan que la capacidad del modelo por sí sola no garantizará un despliegue funcional. De manera similar a cómo las sociedades humanas dependen de instituciones estructuradas —como los tribunales con reglas claras de evidencia y roles definidos para los participantes—, las redes entre humanos y agentes requieren marcos de gobernanza cuidadosamente diseñados. De hecho, los sistemas de orquestación actuales que combinan múltiples modelos especializados ya superan habitualmente a las arquitecturas monolíticas de un solo modelo.

En consecuencia, la alineación de la IA no puede resolverse codificando valores estáticos y fijos de arriba hacia abajo. En cambio, debe operar como una negociación continua moldeada por normas humanas, límites institucionales y ciclos de retroalimentación en el mundo real a través de distintos ámbitos. Al desplazar el foco de una superinteligencia solitaria hacia un ecosistema simbiótico e integrado, los autores abogan por una gobernanza y una investigación que prioricen la arquitectura, la coordinación y las instituciones, a la par de la escala bruta de los modelos.