Por Canuto  

Demis Hassabis, CEO de Google DeepMind, aseguró que la compañía sigue captando parte importante del mejor talento en inteligencia artificial y defendió una estrategia amplia hacia la AGI, basada en modelos multimodales, simulaciones y ciencia. También advirtió que los riesgos de la IA no se limitarán al ciberespacio y pidió un enfoque internacional más sistemático para probar sistemas de frontera.
***

  • Demis Hassabis sostuvo que Google DeepMind conserva la banca de investigación más amplia y profunda entre los laboratorios líderes de IA.
  • El ejecutivo afirmó que la ruta hacia la AGI requerirá comprender el mundo físico, no solo texto y código, lo que refuerza la apuesta por Gemini, robótica y modelos generativos multimodales.
  • También alertó sobre riesgos crecientes en ciberseguridad, biología y temas nucleares, y propuso un organismo internacional de estándares para evaluar sistemas avanzados.

Demis Hassabis, director de Google DeepMind, defendió la posición de su empresa en la carrera global por la inteligencia artificial general, o AGI. En una conversación pública, sostuvo que Google sigue ganando una porción relevante del mejor talento del sector y que su laboratorio mantiene la plataforma de investigación más amplia entre los actores de frontera.

La declaración llega en un momento en que la industria vive una competencia extrema por ingenieros, científicos y arquitectos de modelos. También aparece en medio de crecientes inquietudes regulatorias y sociales por el impacto de sistemas capaces de generar código, detectar vulnerabilidades y producir contenido audiovisual cada vez más realista.

En DeepMind Chief Demis Hassabis Says Google’s Still Winning AI Talent | Semafor Tech, una entrevista de Semafor con Hassabis, el ejecutivo describió un panorama doble. Por un lado, habló de avances que podrían impulsar ciencia, medicina y productividad; por otro, advirtió que la humanidad se acerca a una fase donde los riesgos serán más serios que los ya visibles en ciberseguridad.

Para lectores que siguen de cerca los mercados tecnológicos, esta discusión importa más allá del negocio publicitario o del software. El laboratorio que logre combinar talento, cómputo y una arquitectura generalista podría terminar definiendo nuevas capas de infraestructura digital, con efectos directos sobre productividad, valuaciones corporativas y modelos económicos.

Hassabis incluso volvió sobre una idea que ha repetido en otras ocasiones. Dijo que estamos “en las estribaciones de la singularidad”, una forma de señalar que la AGI ya no le parece un objetivo remoto, sino un horizonte más cercano que exige mecanismos de supervisión mejor diseñados.

Google DeepMind reivindica su ventaja en talento e investigación

Consultado sobre si Google DeepMind todavía posee el talento necesario para ganar la carrera hacia la AGI, Hassabis respondió que sí. Reconoció que existe una fuerte movilidad de personal entre los principales laboratorios, pero insistió en que su firma sigue atrayendo una parte sustancial de los perfiles más codiciados.

Su defensa no se apoyó solo en fichajes recientes. También se basó en la historia técnica del grupo, al que atribuyó más del 90% de los grandes avances que sostienen la industria moderna de IA durante la última década, cuando Google Brain y DeepMind operaban como entidades separadas antes de fusionarse.

Entre esos avances mencionó a los transformers, la arquitectura que sostiene a los grandes modelos de lenguaje, y los hitos de aprendizaje por refuerzo que llevaron a sistemas como AlphaGo. Su argumento fue claro: la ventaja de Google no depende de una sola moda tecnológica, sino de una tradición de investigación amplia y acumulativa.

Hassabis definió el mercado laboral actual como probablemente el más ferozmente competitivo que ha existido en la historia de la industria tecnológica. Esa frase resume la presión que enfrentan Google, OpenAI, Anthropic y otros grupos, donde el acceso a investigadores de alto nivel se ha vuelto un factor estratégico tan importante como el acceso a chips.

También recordó que cuando fundó DeepMind en 2010, trabajar en IA era visto por muchos como un callejón sin salida profesional. Según relató, ni la industria ni buena parte de la academia tomaban seriamente el campo, lo que vuelve más llamativo el giro actual, en el que prácticamente toda gran empresa considera indispensable desarrollar o integrar IA.

La ruta hacia la AGI, según Hassabis, no pasa solo por texto y código

Una de las ideas centrales de Hassabis fue que la AGI no surgirá únicamente de modelos de texto capaces de escribir software o de mejorarse mediante código. Aunque reconoció la importancia del escalado, del razonamiento y de los avances en programación, marcó distancia frente a una visión exclusivamente centrada en chatbots.

Su apuesta sigue siendo multimodal. Dijo que Google DeepMind empuja con fuerza a Gemini y a sus trabajos de escalado, pero al mismo tiempo desarrolla modelos de medios generativos como Omni y Veo, a los que considera esenciales para que los sistemas entiendan el contexto y el mundo que los rodea.

Para Hassabis, un sistema de AGI completo debe comprender también el entorno físico. Esa capacidad sería clave para aplicaciones como la robótica y los asistentes integrados en gafas inteligentes, dos áreas que describió como especialmente interesantes para llevar la inteligencia artificial más allá de la pantalla.

La idea tiene implicaciones relevantes para la industria. Si la AGI requiere modelos del mundo y no solo destreza lingüística, entonces la competencia ya no depende únicamente de quién produce mejores respuestas en texto, sino de quién logra integrar visión, video, audio, acción y aprendizaje sobre entornos reales o simulados.

Ese enfoque también ayuda a explicar por qué las empresas de IA invierten simultáneamente en hardware, agentes, robótica, video sintético y herramientas científicas. No se trata, en esta visión, de líneas de producto inconexas, sino de piezas de una misma arquitectura generalista.

Los riesgos van más allá del ciberespacio

Hassabis fue enfático al señalar que los riesgos actuales de ciberseguridad no son el límite del problema. Los describió como una especie de advertencia temprana y dijo esperar que la humanidad los tome en serio antes de enfrentar amenazas potencialmente más graves.

Entre esos peligros futuros mencionó riesgos biológicos y nucleares. Añadió que podrían aparecer “en los próximos dos años”, lo que refuerza el sentido de urgencia de su llamado a crear marcos más sistemáticos para evaluar sistemas de frontera.

Su propuesta fue avanzar hacia una entidad de estándares, idealmente internacional. Ese organismo ayudaría a probar los modelos más avanzados para verificar que sean robustos y que sus barandillas de seguridad sean suficientes antes de desplegarlos a gran escala.

En un entorno donde los gobiernos todavía discuten cómo regular modelos generativos y agentes autónomos, la sugerencia tiene peso político. También conecta con un debate más amplio sobre si la supervisión debe recaer solo en empresas privadas, o si hace falta una estructura coordinada entre estados, investigadores y actores industriales.

Para sectores como finanzas, infraestructura y seguridad digital, el planteamiento no es abstracto. La posibilidad de que sistemas cada vez más capaces detecten fallas, automaticen ataques o aceleren descubrimientos sensibles obliga a pensar la gobernanza tecnológica como un asunto de riesgo sistémico.

Creatividad, publicidad y medios generativos

Durante la conversación, Hassabis también habló del impacto de la IA en industrias creativas. Sostuvo que, en el último año, el salto más visible de las herramientas generativas ha sido la posibilidad de editar y refinar resultados con control fino, en lugar de regenerar una pieza completa desde cero.

Describió esa mejora como una manera de “vivir” el resultado del modelo y modificar partes específicas con instrucciones en lenguaje natural. En su visión, este tipo de iteración resulta mucho más útil para creadores profesionales que necesitan afinar detalles una y otra vez hasta llegar a una versión final pulida.

Hassabis mencionó ejemplos de herramientas internas como el nuevo modelo Omni y “nano banana” para imágenes. No presentó cifras de adopción ni métricas de uso, pero sí defendió que el avance mensual de estos sistemas sigue siendo muy rápido.

Sobre la discusión en torno a si debe revelarse el uso de IA en una obra creativa, trazó una distinción importante. Consideró necesario identificar cuando un contenido fue generado sintéticamente, pero puso en duda que siempre deba divulgarse el uso de IA como herramienta parcial del proceso, del mismo modo en que antes no se exigía declarar cada uso de software de edición.

Al mismo tiempo, sostuvo que la desinformación y los deepfakes sí requieren respuestas claras. Recordó que Google desarrolló SynthID, un sistema de marca de agua digital pensado para incrustarse de forma imperceptible en imágenes, música y video, con el fin de detectar procedencia y ayudar a periodistas, ciudadanos y gobiernos a verificar si un contenido fue generado por IA.

Según explicó, la empresa abrió esa tecnología al resto de la industria y varios actores, entre ellos OpenAI y Nvidia, la han adoptado. Su expectativa es que la detección de procedencia termine acercándose a una exigencia regulatoria, lo que también podría ayudar en asuntos de propiedad intelectual y derechos de autor.

¿La IA resta creatividad o la multiplica?

Frente a la crítica de que estos sistemas podrían volver menos creativas a las personas, Hassabis defendió una visión más ambivalente. Dijo que la IA democratiza herramientas creativas y reduce barreras de entrada, lo que puede abrir espacios a nuevos creadores en distintas partes del mundo.

Esa apertura, sin embargo, tiene un costo evidente. Al facilitar la producción masiva de contenido, también puede aumentar la cantidad de obras poco valiosas o superficiales, un efecto que ya empieza a verse en plataformas visuales y de audio.

Para creadores profesionales, su diagnóstico fue más optimista. Sostuvo que podrán intentar muchas más ideas, iterar más rápido y explorar conceptos que antes eran demasiado costosos o lentos de materializar, algo que podría multiplicar por diez su capacidad productiva.

El ejecutivo usó la industria de los videojuegos como referencia personal. Dijo que el sector ya utiliza IA para activos, gráficos y tareas evidentes, pero que todavía no ha descubierto las formas más profundas en que estas herramientas podrían cambiar la naturaleza misma del medio o abrir géneros completamente nuevos.

También reconoció que aún estamos en una etapa temprana. Como ocurrió con internet o con la computación personal, el resultado dependerá de cómo se use la herramienta: de forma perezosa puede empobrecer procesos, pero usada con imaginación puede ampliarlos.

De la ciencia al arte: una misma plataforma generalista

Hassabis rechazó la idea de que la IA para ciencia y la IA creativa pertenezcan a mundos separados. A su juicio, ambas surgen de la misma tesis fundacional de la AGI: construir sistemas de propósito general capaces de aprender de casi cualquier entrada y producir salidas útiles en múltiples formatos.

Ese principio, argumentó, explica por qué las capacidades necesarias para analizar artículos científicos, observar células, interpretar proteínas o estudiar moléculas también se relacionan con las que permiten comprender video, imágenes y escenas del mundo cotidiano. La diferencia está en la aplicación final, no en la esencia del sistema.

Desde esa perspectiva, trabajos previos en juegos como Atari o Go no eran un fin en sí mismo. Eran escalones de investigación con metas medibles que ayudaban a construir la escalera técnica que más tarde permitiría abordar problemas del mundo real, como el plegamiento de proteínas con AlphaFold o el descubrimiento de fármacos.

Hassabis dejó claro que su motivación principal sigue siendo la ciencia. Afirmó que dedica su tiempo a usar estos sistemas para investigación científica y desarrollo de terapias, aunque reconoce que la misma plataforma subyacente también puede impulsar productividad empresarial y medios generativos.

Para una audiencia interesada en IA como infraestructura económica, esta idea es central. Sugiere que la ventaja competitiva no estará solo en una app llamativa, sino en poseer una base de modelos capaz de reciclar conocimiento entre dominios, desde la investigación biomédica hasta interfaces para consumidores.

Neurociencia, imaginación y el origen de su visión

La conversación también se internó en el pasado académico de Hassabis. Recordó su trabajo en neurociencia sobre el hipocampo, donde estudió a pacientes con daño en esa región cerebral y halló que no solo tenían dificultades para recordar, sino también para imaginar escenas nuevas o proyectar el futuro.

Ese hallazgo reforzó su idea de que memoria e imaginación comparten mecanismos. En su interpretación, recordar no equivale a reproducir una grabación fija, sino a reconstruir activamente experiencias a partir de componentes, algo que también haríamos al crear escenarios novedosos en la mente.

Hassabis conectó esa intuición con su experiencia previa como diseñador de videojuegos. Dijo que, al crear juegos, visualizaba de manera intensa al jugador interactuando con el sistema, anticipando problemas y sensaciones antes de que el producto existiera realmente.

Trasladado a la IA, ese marco sugiere que la creatividad emerge de la capacidad de simular. Aunque aclaró que no intenta copiar el cerebro de forma literal, sí busca extraer principios y algoritmos generales del funcionamiento humano para orientar el diseño de modelos artificiales.

Incluso afirmó que colegas de neurociencia ya comparan respuestas de modelos generativos con patrones cerebrales observados en escáneres. Mencionó experimentos donde se intenta reconstruir la imagen que una persona imagina o sueña mediante modelos visuales, y luego validar con el sujeto si la reconstrucción coincide con su experiencia mental.

El “test de Einstein” y la importancia de las simulaciones

Entre las ideas más llamativas que expuso estuvo su llamado “test de Einstein”. La prueba consistiría en dar a una IA toda la información disponible hasta una fecha previa a 1905 y comprobar si puede llegar a una hipótesis realmente nueva, como la teoría de la relatividad, sin apoyarse en conocimiento posterior.

Para Hassabis, ese sería un mejor criterio de creatividad genuina que la simple recombinación de datos ya conocidos. No basta con extrapolar o resumir patrones existentes; el desafío es formular una hipótesis novedosa sobre la realidad y, después, sostenerla con razonamiento y evidencia.

Aun así, sugirió que el lenguaje por sí solo podría no ser suficiente. Recordó que Einstein se apoyaba en experimentos mentales visuales, como imaginar trenes y trayectorias a velocidades extremas, lo que refuerza su tesis de que la inteligencia avanzada necesita una comprensión rica del mundo físico.

Ese punto desemboca en otra obsesión de Hassabis: las simulaciones. Explicó que imaginar es una forma de simular, y que la utilidad de una simulación radica en probar muchas trayectorias posibles para seleccionar la más prometedora, una lógica que ya aparece en AlphaGo mediante búsqueda Monte Carlo.

Según planteó, este paradigma podría extenderse a robótica, asistentes digitales, ciencia e incluso economía. Puso como ejemplo la política monetaria: sería preferible simular cientos de miles de trayectorias de la economía antes de mover tasas de interés y descubrir demasiado tarde si la decisión empujó a una recesión.

La dificultad, añadió, es que muchos sistemas complejos no pueden describirse completamente a mano. Por eso cree que la IA debe aprender simulaciones desde los datos, ya sea en clima, economía u otros dominios, lo que conecta de nuevo la creatividad, la ciencia y la AGI dentro de un mismo proyecto tecnológico.

En conjunto, la intervención de Hassabis dejó una tesis consistente. Google DeepMind quiere competir por la AGI con una combinación de talento, modelos multimodales, simulaciones y aplicaciones científicas, mientras insiste en que la industria necesita reglas de seguridad mucho más maduras para la siguiente etapa.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados