En 2016, un programa de computadora derrotó a Lee Sedol —el mejor jugador de Go del mundo— cuatro a uno. El programa era AlphaGo. El investigador que lideró el equipo detrás de ese sistema era David Silver.
Diez años después, Silver dejó DeepMind, fundó una empresa nueva y levantó 1.100 millones de dólares en una ronda liderada por Sequoia Capital y Lightspeed Venture Partners. El objetivo es construir una inteligencia artificial que aprenda sin datos humanos. La empresa se llama Ineffable Intelligence. La valuación inicial: 5.100 millones de dólares.
El problema con todos los sistemas de IA actuales
Todos los modelos de lenguaje grande —GPT-5, Claude, Gemini, Llama— funcionan con el mismo principio básico: ingieren cantidades masivas de texto, imágenes o código producidos por humanos y aprenden a predecir patrones. El conocimiento que tienen es un reflejo del conocimiento humano. Sus límites son los límites del corpus en el que fueron entrenados.
Eso crea un techo. Si querés que un modelo mejore, necesitás más datos. Si querés datos más específicos, necesitás más producción humana o más síntesis. La dependencia de la generación humana de conocimiento es estructural.
Silver propone otra arquitectura. No exactamente nueva —ya la aplicó en AlphaGo y AlphaZero— pero escalada de manera diferente. En lugar de aprender de lo que los humanos hicieron, el sistema aprende haciendo. Prueba. Falla. Ajusta. Vuelve a probar. Sin modelo humano de referencia.
En ajedrez y Go, eso funcionó. AlphaZero aprendió a jugar ambos juegos mejor que cualquier humano en la historia simplemente jugando partidas contra sí mismo durante horas. No leyó libros de apertura. No estudió partidas de campeones. Empezó desde cero y llegó a un nivel que ningún humano puede alcanzar.
Qué es un "superlearner"
Ineffable Intelligence llama a su objetivo un "superlearner": un sistema que adquiere conocimiento y habilidades de manera autónoma, sin depender de datos generados por personas.
El sitio web de la empresa afirma que el éxito representaría "un avance científico de magnitud comparable a Darwin". No es una afirmación pequeña. Darwin no descubrió un hecho nuevo sobre la naturaleza. Descubrió el mecanismo por el cual emerge la vida. Ineffable pretende descubrir el mecanismo por el cual emerge la inteligencia.
La diferencia con el aprendizaje por refuerzo convencional —que ya existe y ya se usa— es de escala y dominio. El aprendizaje por refuerzo funciona bien cuando hay reglas claras: un tablero de ajedrez, un videojuego, un sistema de navegación. El desafío que Silver plantea es si ese mismo principio puede aplicarse a dominios abiertos, sin reglas fijas, donde el conocimiento relevante no está codificado en un conjunto de victorias y derrotas.
Los inversores y lo que apuestan
La ronda fue liderada por Sequoia y Lightspeed, dos de los fondos con mayor historial en apuestas tempranas a infraestructura tecnológica. Entre los otros inversores están Google y Nvidia —ambos con intereses directos en el desarrollo de arquitecturas de IA alternativas— y el British Business Bank y Sovereign AI, el fondo soberano del gobierno del Reino Unido.
La participación estatal no es accidental. El gobierno británico está tratando de posicionar al Reino Unido como hub de investigación de IA de nivel mundial después de perder a DeepMind —técnicamente británica pero operando dentro de Google— como actor independiente. Ineffable Intelligence, con sede en Londres y fundada por uno de los investigadores más reconocidos del campo, es exactamente el tipo de empresa que el gobierno quiere anclar en el país.
Silver anunció también que donará las ganancias personales de la empresa a organizaciones de alto impacto social. No es un detalle menor: varios de los investigadores más prominentes del campo —incluyendo a Geoffrey Hinton y Yoshua Bengio— han adoptado posiciones públicas sobre la responsabilidad de quienes construyen sistemas con este nivel de potencial.
Por qué importa ahora
El momento de este anuncio tiene contexto. El mercado de la IA está en un momento de crecimiento acelerado de inversión pero con señales de incertidumbre sobre qué viene después de los modelos de lenguaje grande actuales. GPT-5 existe. Claude 3.7 existe. Pero hay una pregunta abierta sobre si el escalado de datos y parámetros sigue produciendo mejoras proporcionales.
Si la respuesta es que el escalado se está aplanando, entonces la arquitectura de los modelos actuales tiene un techo. Lo que Ineffable propone es construir fuera de ese techo: sistemas que no dependan de más datos humanos sino de más experiencia autónoma.
Si eso funciona a escala, el mapa de la inteligencia artificial cambia. Los laboratorios con las mayores reservas de datos de entrenamiento pierden parte de su ventaja. Las empresas con mayor capacidad computacional —y con mejores algoritmos de aprendizaje autónomo— ganan relevancia.
El experimento de Silver en DeepMind demostró que el principio es válido en dominios cerrados. La pregunta de Ineffable Intelligence es si el mundo abierto tiene las mismas propiedades que un tablero de ajedrez.
Fuente original: Un Mundo Loco
