«La IA mantiene su crecimiento exponencial gracias a los datos sintéticos. No solo aprende del conocimiento humano digitalizado, ahora empieza a generar el material con el que seguir mejorando»
La IA puede generar fragmentos de código para situaciones que no aparecen literalmente en los repositorios originales.
En el artículo anterior explicaba que la IA (inteligencia artificial) es diferente a todas las revoluciones anteriores por una razón concreta: crece de forma exponencial. No avanza paso a paso, se multiplica. Pero esa multiplicación necesita algo esencial: datos.
Durante la última década, la IA ha crecido alimentándose del conocimiento humano digitalizado. Libros, artículos, código, imágenes, videos, foros… Todo lo que hemos producido en formato digital ha servido como materia prima. No significa que no exista más conocimiento en el mundo, pero sí que lo accesible a gran escala ya ha sido utilizado en gran medida.
Además, los humanos no generamos información nueva al mismo ritmo al que aumenta la capacidad de cálculo. En realidad, gran parte de lo que producimos es repetición. Comentamos lo que otros han dicho, reformulamos ideas, reciclamos contenidos. Si el crecimiento dependiera solo de nuestra producción constante de datos, tarde o temprano aparecería un límite.
Durante un tiempo se pensó que ese límite estaba cerca. Se habló de “agotamiento de datos”. Y los primeros intentos de entrenar modelos con datos sintéticos —generados por la propia IA— parecían un callejón sin salida. Si un sistema que aprende solo a partir de versiones de lo que ya sabía, corre el riesgo de empobrecerse.
Pero el salto reciente no consiste en copiar mejor, sino en explorar nuevos horizontes. Hoy la IA no se limita a reformular textos existentes; puede simular escenarios, generar soluciones nuevas o producir ejemplos que amplían el campo de entrenamiento.
Un ejemplo tangible es la investigación científica. Modelos actuales pueden proponer nuevas estructuras moleculares que no existían en bases de datos previas. En programación, la IA puede generar fragmentos de código para situaciones que no aparecen literalmente en los repositorios originales. En robótica, se entrenan sistemas en entornos simulados que producen millones de situaciones distintas, imposibles de recrear manualmente en el mundo físico.
Eso es lo decisivo. La IA no solo reutiliza datos humanos: empieza a generar nuevos datos con los que seguir mejorando.
Por supuesto, no significa que el crecimiento sea infinito. Existen límites energéticos, económicos y físicos. Haber explotado la mayor parte de los datos creados por los humanos no implica que el desarrollo de la IA tenga que frenarse. La revolución no es solo exponencial en potencia de cálculo. También lo es en capacidad de generar el material que necesita para seguir creciendo.
La pregunta ya no es si hemos agotado el conocimiento humano digitalizado. La pregunta es qué sucede cuando una tecnología empieza a ampliar por sí misma el terreno sobre el que aprende. En ese momento, la velocidad del cambio deja de depender solo de lo que producimos nosotros y empieza a apoyarse también en lo que la propia IA es capaz de descubrir y simular. Y si ese proceso se consolida, la exponencialidad no solo continúa: se intensifica.
