¿La IA evolucionará de repente? Paradigm te lo cuenta a través de un juego

Autor: Xiao Bing

El conocido capital de riesgo en criptomonedas Paradigm lanzó ayer un juego en línea llamado RSI Simulator.

Los jugadores asumen el papel de un director de un laboratorio de IA, con el objetivo de crear una superinteligencia desde cero.

Tienes tres recursos: mano de obra, potencia de cálculo y datos, y debes decidir cuánto invertir en investigación y desarrollo, cuánto en entrenamiento y cuánto en expansión. Después de cada ronda de decisiones, la capacidad del modelo cambia, y esta variación a su vez afecta la eficiencia de la investigación y desarrollo, hasta que se alcanza un punto crítico en el que la IA comienza a mejorar a sí misma, y la curva se eleva abruptamente.

Suena como un juego de tipo idle. En realidad, es una herramienta educativa que convierte un artículo académico de economía en una experiencia interactiva.

Paradigm lo utiliza para responder a una pregunta que todos se hacen, pero que pocos han cuantificado: ¿Qué tan rápido podrá mejorar la IA por sí misma? ¿Habrá una explosión repentina? ¿Qué factores determinan su límite superior?

¿Qué es la mejora autónoma recursiva? {#article-toc-33185-2}

La mejora autónoma recursiva, abreviada como RSI, es uno de los temas más centrales en el campo de la investigación de seguridad de la IA.

En términos simples: cuando un modelo de IA es lo suficientemente potente como para ayudar a los humanos a mejorar la próxima generación de modelos de IA, se forma un ciclo en el que la IA participa en la creación de una IA más fuerte, y esta IA más fuerte a su vez participa en la creación de una IA aún más fuerte.

Una vez que este ciclo se inicia, teóricamente puede producir una aceleración exponencial, lo que se conoce como explosión de inteligencia.

Esto ya no es ciencia ficción. En febrero de 2026, OpenAI admitió al lanzar GPT-5.3-Codex que las versiones tempranas de este modelo "jugaron un papel importante" en la creación de sí mismo, ayudando a depurar el proceso de entrenamiento, gestionar el despliegue y diagnosticar fallos. Este es el primer reconocimiento formal de un laboratorio líder de que un modelo participó de manera sustancial en el proceso de ingeniería de su sucesor.

¿Cómo se juega? {#article-toc-33185-3}

La parte del juego de RSI Simulator simula las decisiones de asignación de recursos en un laboratorio de IA.

En cada ronda, debes distribuir recursos entre tres direcciones. Invertir más potencia de cálculo puede entrenar modelos más grandes; invertir más mano de obra en investigación puede mejorar la eficiencia del algoritmo (logrando el mismo efecto con menos potencia de cálculo); invertir en la recolección de datos puede ampliar los límites del material de entrenamiento.

El mecanismo clave es: cuando la capacidad del modelo alcanza un cierto nivel, comienza a "ayudar en la investigación", y la eficiencia de tu investigación de mano de obra mejora gracias a la asistencia de la IA. Este es el punto de partida del ciclo RSI. Debes juzgar cuándo deberías cambiar los recursos del modo de expansión al modo de "dejar que la IA investigue a sí misma".

Si cambias demasiado pronto, la capacidad del modelo no es suficiente, y la eficiencia de la IA en la investigación es inferior a la de los humanos, desperdiciando potencia de cálculo. Si cambias demasiado tarde, podrías ser superado por otros laboratorios (hipotéticos).

Paradigm también ha incluido un "explorador" (Explorer), que permite a los usuarios ajustar directamente los parámetros del modelo económico subyacente, como el "coeficiente de elasticidad de la capacidad del modelo respecto a la velocidad de investigación", para observar cómo cambia la curva de progreso de la IA con diferentes configuraciones de parámetros.

Esta parte está dirigida a un público más técnico, y esencialmente convierte el modelo matemático de un artículo académico en un panel de control interactivo.

Cuatro percepciones que el juego quiere transmitir {#article-toc-33185-4}

Paradigm ha resumido en un artículo de investigación complementario cuatro conocimientos obtenidos del modelo y el juego.

El cuello de botella siempre está en el eslabón más débil. La investigación y desarrollo de IA requiere tres elementos complementarios: mano de obra, potencia de cálculo y datos. Incluso si la inteligencia de la IA se eleva indefinidamente, las limitaciones físicas de la potencia de cálculo y los datos siguen existiendo. La mejora autónoma recursiva puede estar limitada por la oferta de potencia de cálculo o la calidad de los datos, y no por la inteligencia en sí.

La mejora autónoma puede ser pulsátil, no un crecimiento exponencial continuo. La IA puede experimentar un período de aceleración autónoma y luego detenerse en un lugar que aún no ha alcanzado el límite físico, si la potencia de cálculo se convierte en un cuello de botella. La explosión de inteligencia no necesariamente es una curva que se eleva continuamente, sino que puede ser varias etapas rápidas, intercaladas con períodos de estancamiento.

La explosión de inteligencia en dominios estrechos puede llegar antes que la explosión de inteligencia general. La IA puede lograr primero una aceleración en la mejora autónoma en el estrecho campo de la "investigación de IA", pero esta capacidad puede no generalizarse a todas las tareas cognitivas. Puedes imaginar una IA que es muy buena en mejorar el código de entrenamiento de IA, pero que no tiene avances equivalentes en la gestión de la cadena de suministro o en la escritura de novelas.

Todo depende de la configuración de parámetros. La salida del modelo depende en gran medida de un conjunto de parámetros llamados "coeficientes de elasticidad". El coeficiente de elasticidad mide "cuánto porcentaje aumenta la salida cuando la entrada aumenta un 1%". El coeficiente de elasticidad más crítico en la mejora autónoma recursiva es: cuando la capacidad actual del modelo aumenta un 1%, ¿cuánto porcentaje de aumento en la velocidad de nuevos descubrimientos se produce? Este número puede cambiar con el tiempo, y rastrear su variación en tiempo real es crucial.

¿Por qué Paradigm? {#article-toc-33185-5}

Paradigm ya no es solo un capital de riesgo en criptomonedas.

Hace un mes, Paradigm completó una nueva ronda de recaudación de fondos de 1.200 millones de dólares. La dirección de este dinero es completamente diferente a las tres rondas anteriores, y los cofundadores Matt Huang (ex socio de Sequoia Capital) y Alana Palmedo escribieron en el anuncio que el fondo "comenzará en criptomonedas y se expandirá a IA, robótica y otros campos de vanguardia".

Desde su fundación en 2018, Paradigm ha recaudado más de 4.000 millones de dólares, invirtiendo en proyectos emblemáticos de la industria de criptomonedas como Uniswap, Optimism, Hyperliquid y Kalshi.

Hoy en día, el mapa de inversiones de Paradigm ha cruzado claramente fronteras. En marzo, lideró la ronda H de la empresa de entrega de drones Zipline, en abril participó en la ronda D de la empresa de defensa espacial True Anomaly, y al mismo tiempo invirtió en el laboratorio de investigación de IA Nous Research.

El desarrollo de herramientas internas también se está extendiendo hacia la IA. Paradigm ha desarrollado Centaur (un conjunto de herramientas de agentes de IA) y EVMbench (un proyecto de evaluación de seguridad de blockchain en colaboración con OpenAI), con una pierna en la cadena y la otra ya en la infraestructura de IA.

En este contexto, el RSI Simulator no es solo un proyecto de relaciones públicas; Paradigm está apostando con los 1.200 millones de dólares en la "intersección de tecnologías de vanguardia", es decir, la aceleración de la IA, la computación descentralizada y la infraestructura automatizada.

Entender la economía del RSI es entender la lógica subyacente de su mayor apuesta. Si la velocidad de mejora autónoma de la IA se ajusta a la curva de ciertos parámetros en el juego, el ciclo de actualización de toda la pila tecnológica se comprimirá, y lo que hoy parece un proyecto tres años por delante podría ser eliminado en seis meses.

Paradigm concluye en el artículo que están interesados en cualquier trabajo que impulse la frontera del modelado de RSI, y alientan a los investigadores en campos relacionados a contactarlos. Este juego es una tarjeta de presentación, y detrás de la tarjeta hay 1.200 millones de dólares y una institución de inversión en transformación.

Dirección del juego: https://www.paradigm.xyz/research/rsi/game

Explorador del modelo: https://www.paradigm.xyz/research/rsi/explorer

Este contenido se ofrece únicamente con fines informativos generales y no constituye asesoramiento financiero, de inversión, legal ni fiscal. Cualquier evento, recompensa, promoción en línea o información relacionada que se mencione en el presente documento no debe considerarse como una recomendación, solicitud o invitación a comprar, vender, tradear o de negociar de otra manera con cualquier criptoactivo. Los criptoactivos son sumamente volátiles y pueden provocar pérdidas. La disponibilidad de los servicios, productos y eventos relacionados de WEEX puede variar según la región. Tienes la responsabilidad de asegurarte de que tu participación esté de acuerdo con las leyes y regulaciones locales vigentes.