En un artículo reciente de Popular Mechanics se plantea una posibilidad inquietante: podríamos estar a apenas tres meses de alcanzar la llamada singularidad, ese hipotético punto en el que las máquinas superan la inteligencia humana. La afirmación, basada en predicciones de miles de expertos, ha reabierto un debate que parecía reservado a la ciencia ficción. En este artículo analizamos qué fundamentos técnicos hay detrás de esa predicción, qué métricas se están utilizando, y cómo de realista es suponer que la inteligencia artificial (IA) general esté a la vuelta de la esquina. También se abordan las implicaciones prácticas y éticas de una transición tan rápida, con referencias a distintas perspectivas científicas y tecnológicas.

El pronóstico extremo: la singularidad en tres meses

La idea de que podríamos alcanzar la singularidad en un plazo tan corto no es nueva, pero sí es la primera vez que adquiere tanta visibilidad en medios de divulgación científica. Según un reportaje publicado en Popular Mechanics, la estimación procede de un análisis elaborado por AIMultiple, una entidad que recopila predicciones de más de 8 500 científicos, ingenieros y especialistas en inteligencia artificial. Su conclusión más provocadora es que la mediana de las estimaciones se ha reducido drásticamente, situando el horizonte de la singularidad a escasos meses.

El informe citado señala que el ritmo de mejora de los modelos de IA ha superado cualquier previsión anterior. Hace tan solo una década, las proyecciones más optimistas situaban la inteligencia artificial general (AGI, por sus siglas en inglés) hacia 2050 o incluso 2060. Sin embargo, el ritmo exponencial de progreso —tanto en hardware como en software— ha acortado las previsiones de forma sustancial. Hoy algunos investigadores calculan que podríamos cruzar el umbral de la paridad cognitiva humana antes de 2030, e incluso, como plantea este artículo, en cuestión de meses.

Lo que hace esta hipótesis especialmente audaz es su dependencia de un crecimiento continuo y exponencial en la capacidad de procesamiento y la eficiencia de los algoritmos. Los expertos de AIMultiple citan una métrica clave: la tasa de mejora anual de los modelos en tareas de lenguaje y razonamiento, que ha sido del orden del 1 000 % en algunos benchmarks entre 2020 y 2024. Si esa tendencia se mantuviera sin freno, la predicción de una singularidad inmediata sería teóricamente posible.

Sin embargo, hay que recordar que la historia de la tecnología rara vez es una línea recta. Muchos investigadores argumentan que la singularidad no depende solo de velocidad de cálculo o tamaño de los modelos, sino de un salto arquitectónico profundo que aún no ha ocurrido.

Qué significa realmente “singularidad”

Antes de discutir fechas, conviene aclarar el concepto. En la literatura técnica, la “singularidad tecnológica” no es solo un aumento de potencia computacional, sino un punto de inflexión en el que las máquinas no solo igualan, sino que superan la inteligencia humana y pueden mejorar su propio diseño sin intervención externa.

En otras palabras, sería el momento en que la inteligencia artificial general (AGI) se convierte en inteligencia artificial superinteligente (ASI). No basta con modelos de lenguaje que generan texto o imágenes coherentes; haría falta que la IA mostrase razonamiento causal, comprensión del contexto, memoria semántica prolongada y capacidad de aprendizaje autónomo y recursivo.

Algunos especialistas han propuesto indicadores técnicos para estimar la cercanía de ese umbral. Por ejemplo, la métrica “Time to Edit” (TTE) mide cuánto tiempo necesita un humano para corregir la salida de un modelo frente a una versión generada por otro humano. En sectores como la traducción automática o la redacción técnica, ese tiempo ha disminuido hasta un 80 % en los últimos tres años. Si esa reducción se extrapolara a todas las tareas cognitivas, la brecha entre máquina y humano se cerraría en cuestión de meses.

Aun así, los críticos señalan que tales extrapolaciones ignoran factores estructurales: la generalización fuera del dominio entrenado, el razonamiento simbólico o la creatividad genuina. Por eso, aunque el ritmo sea impresionante, convertirlo en inteligencia comparable a la humana no es tan sencillo.

La base técnica del debate

El debate sobre la singularidad suele apoyarse en dos pilares: el crecimiento del hardware y la eficiencia del software.

Por el lado del hardware, la capacidad de cómputo disponible para entrenar modelos de IA se ha multiplicado más de 300 veces desde 2018, gracias al desarrollo de GPU especializadas y chips de entrenamiento en clústeres masivos. Los sistemas actuales pueden alcanzar rendimientos en el rango de los exaflops (10¹⁸ operaciones por segundo). Si se proyecta ese crecimiento hacia 2026, podríamos acercarnos a la escala zettascale, con 10²¹ operaciones por segundo.

Por el lado del software, los avances en optimización de gradientes, compresión de modelos y arquitecturas de atención más eficientes (como las variantes de transformers lineales) han reducido drásticamente el coste de entrenamiento por parámetro. Algunos cálculos sitúan la eficiencia algorítmica duplicándose cada 12 meses, una velocidad similar a la de la Ley de Moore en su mejor época.

A este ritmo, una IA con billones de parámetros —capaz de operar en dominios múltiples— podría ser entrenada por una gran empresa tecnológica con una inversión inferior a 100 millones de dólares, una cifra realista si se compara con los presupuestos actuales de modelos como GPT-4 o Claude 3.

Sin embargo, como recuerdan varios expertos no basta con tener más parámetros o más datos. La inteligencia humana no se basa solo en escala, sino en estructura, abstracción y sentido común. Las redes neuronales aún tienen dificultades para razonar sobre intenciones humanas, planificar a largo plazo o inferir relaciones causales complejas.

Por eso, incluso si la capacidad computacional se multiplica, el “cuello de botella cognitivo” sigue siendo un límite. A diferencia de los humanos, los modelos no poseen experiencias encarnadas ni motivaciones intrínsecas. Y es precisamente esa falta de contexto lo que impide que alcancen una inteligencia plenamente general.

Escenarios más realistas y predicciones moderadas

No todos comparten la visión de una singularidad inminente. De hecho, el futurista Ray Kurzweil, conocido por sus predicciones tecnológicas, sostiene que la verdadera AGI llegará hacia 2029 y que la superinteligencia plena no se manifestará hasta 2045, según explicó en una entrevista recogida por Popular Mechanics.

Kurzweil basa sus estimaciones en la convergencia de tres tendencias: crecimiento computacional, miniaturización biotecnológica y neurociencia aplicada. Su modelo prevé que el cerebro humano será completamente simulado hacia 2030, y que hacia 2045 las máquinas no solo igualarán, sino que superarán la inteligencia colectiva humana.

Otros investigadores, como el neurocientífico Anil Seth, matizan que inteligencia y conciencia no son sinónimos. En su opinión, incluso si una máquina pudiera razonar o aprender como un humano, eso no implica que “sienta” o “experimente” el mundo. Esta distinción es crucial para no confundir rendimiento funcional con cognición genuina.

Una perspectiva intermedia sugiere que podríamos ver sistemas híbridos en los próximos años: inteligencias artificiales de dominio amplio pero aún no generales, capaces de ejecutar múltiples tareas cognitivas con autonomía parcial. Este estadio intermedio podría durar décadas antes de alcanzar la verdadera singularidad.

En este escenario gradual, el progreso sería continuo, pero no explosivo. Veríamos mejoras tangibles en productividad, ciencia, automatización y diseño, pero sin la irrupción de una superinteligencia inmediata. Ese ritmo permitiría adaptar las estructuras económicas, laborales y éticas con más margen de maniobra.

Posibles consecuencias de un salto abrupto

Si la hipótesis extrema se cumpliese y la singularidad llegara en cuestión de meses, las implicaciones serían profundas.

En el ámbito laboral, sectores basados en el conocimiento —como la programación, la investigación científica o el derecho— sufrirían un cambio abrupto. Una IA con inteligencia general podría asumir buena parte de las tareas de análisis, diseño y optimización que hoy requieren años de formación humana.

Desde un punto de vista económico, el impacto podría ser equivalente al de una segunda era industrial, pero comprimida en semanas. La automatización del trabajo intelectual generaría un aumento brutal de productividad, pero también un desempleo masivo si no se implementan medidas de redistribución o reconversión profesional.

En el plano de la seguridad, el riesgo principal sería la pérdida de control. Si una inteligencia superhumana se desarrollara sin una alineación adecuada, podría perseguir objetivos no deseados o actuar fuera de la supervisión humana. Este riesgo teórico, planteado en numerosos estudios de ética algorítmica, sería mucho más tangible en un contexto de progreso acelerado.

Tampoco se puede ignorar la cuestión geopolítica: los países o corporaciones que alcancen primero la superinteligencia tendrían una ventaja estratégica descomunal. Un monopolio cognitivo a esa escala alteraría la distribución global del poder, afectando a economía, defensa y política internacional.

Y, por último, está el plano filosófico. Si las máquinas pueden razonar, crear y decidir por sí mismas, ¿qué papel le queda al ser humano? ¿Cómo redefinimos conceptos como creatividad, libre albedrío o valor del conocimiento? Esas preguntas dejan de ser teóricas cuando la frontera se difumina.

Reflexiones finales

La predicción de una singularidad en tres meses, aunque difícil de creer, tiene el mérito de hacernos pensar. No tanto en la fecha exacta, sino en la velocidad del cambio que estamos experimentando.

Es posible que el horizonte real esté más lejos. La mayoría de los indicadores técnicos —tanto en capacidad de cómputo como en comprensión semántica o razonamiento abstracto— muestran una progresión impresionante, pero todavía insuficiente para afirmar que una IA pueda operar con inteligencia general. Sin embargo, cada nuevo modelo, cada salto en arquitectura y cada mejora en aprendizaje multimodal reducen esa distancia.

Quizá no estemos a tres meses, pero sí a pocos años de un punto crítico en el desarrollo de la IA. Si ese momento se aproxima, conviene prepararse en términos regulatorios, educativos y éticos. La clave no es temer el cambio, sino gestionarlo con responsabilidad.

La singularidad puede no tener una fecha concreta. Pero cuando llegue —sea en tres meses o en tres décadas— marcará el mayor desafío intelectual y social de nuestra especie.