> ## Content Index
> Fetch the complete content index at: https://fomoera.com/llms.txt
> Use this file to discover other available public pages before exploring further.

# DeepMind Institute plantea cuatro rutas hacia la superinteligencia, sin fecha de llegada
- URL: https://fomoera.com/deepmind-institute-cuatro-rutas-superinteligencia/
- Published: 2026-11-20T19:20:00.000Z
- Updated: 2026-11-20T19:20:00.000Z
- Description: Tim Genewein describe cuatro caminos posibles para pasar de una IA de nivel humano a sistemas que superen a equipos de expertos. Su ensayo plantea límites técnicos y deja abierta la velocidad de ese avance.
- Author: Patricia Rodriguez
- Tags: Tecnología y Ciencia, IA

Tim Genewein, investigador de Google DeepMind, planteó en un ensayo publicado el 19 de noviembre cuatro vías por las que una inteligencia artificial de nivel humano podría avanzar hacia la superinteligencia. Para el autor, ese umbral exige superar de forma sostenida a grandes grupos de expertos en casi todas las tareas de interés humano. El texto del DeepMind Institute presenta el avance rápido como una posibilidad, sin fijar una fecha para alcanzarlo.

## El umbral va mucho más allá de ganar en ajedrez

El ensayo llama inteligencia artificial general, o AGI, a un sistema que iguala a las personas en casi todas las tareas cognitivas. Para hablar de superinteligencia artificial, o ASI, Genewein eleva el listón: el sistema tendría que resolver trabajos que ocuparían años a grandes equipos humanos, en menos tiempo y con menos recursos. Sobresalir en ajedrez, Go o predicción de estructuras de proteínas solo demuestra rendimiento excepcional en ámbitos específicos.

El mapa tampoco apareció por primera vez esta semana. Genewein y otros 13 autores presentaron las cuatro rutas en un informe técnico depositado el 10 de junio de 2026 en arXiv. La versión revisada el 10 de noviembre añadió una discusión sobre la abundancia de trabajo cognitivo que podría traer la caída de costos. El ensayo del 19 de noviembre acerca ese argumento a una audiencia más amplia. El propio instituto aclara que sus publicaciones reflejan las ideas de sus autores y no la posición oficial de Google.

El DeepMind Institute se presentó en septiembre como una plataforma para discutir el desarrollo de la AGI y sus consecuencias desde varias disciplinas. Ese origen ayuda a leer el nuevo texto como una propuesta de investigación, no como el anuncio de un sistema ya construido.

[DeepMind Institute: Legg alerta por la seguridadShane Legg lanzó un instituto para estudiar la AGI y pidió que sus capacidades no superen los controles de seguridad.![](https://fomoera.com/content/images/icon/FomoEra-favicon-512-00d4b4c7-32e1-4d25-8066-bf8c468428d5.png)FomoEraGerardo Pavez![](https://fomoera.com/content/images/thumbnail/fomoera-shane-legg-lanza-el-deepmind-institute-y-pide-que-la-seguridad-siga-el-ritmo-de-la-ia-96edcc6d-16x9-v2-1600x900-559da999-b045-4368-8bbc-815ed380e12c.webp)](https://fomoera.com/shane-legg-deepmind-institute-seguridad-agi/)

## Las cuatro rutas dependen de capacidades que aún se investigan

Genewein describe mecanismos que podrían combinarse, cada uno con obstáculos distintos:

- Escalar los modelos, los datos y el cómputo puede ampliar sus capacidades, aunque los datos de calidad, la electricidad, las fábricas de chips y el rendimiento decreciente ponen límites prácticos.
- Un cambio de paradigma podría mejorar el aprendizaje continuo, la comprensión del mundo y la capacidad de crear conceptos nuevos. El ensayo reconoce que sigue abierto si bastan mejoras de los modelos actuales.
- Coordinar miles o millones de agentes podría permitir resolver problemas colectivos. Todavía falta saber cuánto mejora el resultado cuando aumenta el número de agentes y cuánto se pierde en coordinación.
- Usar IA para mejorar futuros sistemas podría acelerar el diseño de algoritmos, chips o datos de entrenamiento. Ese ciclo necesita formas fiables de evaluar cada resultado; una retroalimentación deficiente podría frenarlo.

Las rutas pueden reforzarse entre sí. Esa interacción lleva al autor a sostener que limitar únicamente el cómputo usado para entrenar modelos no detendría por sí solo todo el progreso. Es una conclusión del marco propuesto, sujeta a cómo evolucionen las demás vías.

## Diez veces más capacidad de cómputo no equivale a diez veces más inteligencia

Genewein combina tendencias históricas de mejores chips, mayor inversión en hardware y eficiencia de los algoritmos para estimar que la capacidad mundial de cómputo efectivo para IA ha crecido al menos diez veces al año. Si esa tasa persistiera durante otra década, el cálculo daría un aumento de 10,000 millones de veces. El ensayo lo presenta como una extrapolación condicional: disponer de más capacidad para ejecutar agentes no demuestra que esos agentes puedan resolver cualquier tarea.

Hay una medición distinta para contrastar una parte del argumento. Epoch AI calculó que, desde 2023, el precio de alcanzar un mismo nivel de rendimiento en cinco pruebas bajó alrededor de 13 veces por año. Sus autores advierten que una mejora en pruebas no equivale necesariamente a trabajo útil y que su serie abarca apenas tres años. Esa caída de precios mide cuánto cuesta reproducir ciertas puntuaciones, mientras la cifra de Genewein proyecta cuánta capacidad efectiva podría acumularse. Ninguna de las dos mide una fecha de llegada de la ASI.

El siguiente paso que propone Genewein es construir evaluaciones capaces de detectar capacidades nuevas y seguir el avance de grupos de agentes, con acceso a modelos avanzados y suficientes recursos para ponerlos a prueba. El informe identifica las posibles rutas; medir sus límites será necesario para saber hasta dónde llega cada una.

*Fuentes:* [1](https://institute.deepmind.com/essays/what-comes-after-agi/?ref=fomoera.com), [2](https://arxiv.org/abs/2606.12683?ref=fomoera.com), [3](https://epoch.ai/publications/the-plunging-price-of-thought?ref=fomoera.com)