La startup de Richard Socher que quiere construir una IA que se mejore a sí misma

Richard Socher no viene a jugar. El miércoles, su startup Recursive Superintelligence salió del sigilo en San Francisco con una ambición tan grande como el nombre lo sugiere: construir un modelo de inteligencia artificial capaz de detectar sus propias fallas y rediseñarse autónomamente para corregirlas, sin intervención humana en ningún paso del proceso. Para intentarlo llegó con 650 millones de dólares en financiación.

Socher tiene credenciales reconocidas en el campo. Es conocido por su trabajo vinculado a ImageNet, por fundar You.com, uno de los primeros chatbots de búsqueda en llegar al mercado, y por haber pasado años en el mundo académico antes de volver al sector privado con proyectos propios. Ahora lidera Recursive junto a nombres que generan respeto en la comunidad investigadora: Peter Norvig, exdirector de investigación de Google y coautor del texto de referencia en inteligencia artificial más usado en universidades del mundo, y Tim Shi, cofundador de Cresta. No es un equipo improvisado.

El objetivo central de la empresa es lo que los investigadores llaman mejora recursiva: un sistema de IA que no solo aprende de datos externos, sino que identifica autónomamente qué está fallando en su propio diseño y modifica su arquitectura o proceso de entrenamiento para resolverlo. En otras palabras, una IA que se reinventa a sí misma. Según TechCrunch, esto es considerado el santo grial de la investigación contemporánea en inteligencia artificial, una meta perseguida durante décadas y todavía sin una solución definitiva demostrada a escala.

Socher hace una distinción técnica que importa y que frecuentemente se pierde en la cobertura general del tema: pedirle a una IA que mejore algo no es lo mismo que mejora recursiva real. Ese proceso, dice, es solo mejora tradicional. La diferencia está en si el sistema puede rediseñarse a nivel estructural de forma autónoma, sin instrucciones externas que definan qué mejorar, cuándo hacerlo ni cómo ejecutarlo.

La propuesta técnica de Recursive descansa en un enfoque llamado open-endedness. En lugar de optimizar hacia un objetivo fijo y acotado, el sistema puede explorar y redefinir sus propios objetivos de mejora de forma continua. "Nuestro enfoque único es usar open-endedness para lograr mejora recursiva, algo que nadie ha conseguido todavía. Es una meta esquiva para mucha gente", dijo Socher según TechCrunch.

El plan inicial es automatizar completamente el ciclo de investigación en inteligencia artificial: ideación de hipótesis, implementación técnica y validación de resultados. El sistema propone líneas de investigación, las convierte en código ejecutable y evalúa si los resultados superan el baseline anterior, sin que ningún investigador humano tenga que intervenir en ninguno de esos pasos. Si ese ciclo funciona a escala, la visión de largo plazo de Socher es extenderlo fuera del dominio de la IA hacia otras disciplinas: medicina, ciencia de materiales, física, cualquier área donde la investigación siga un método sistemático susceptible de ser automatizado.

Los 650 millones de dólares en financiación indican que hay inversores convencidos de la viabilidad de la propuesta. Aunque el propio Socher fue transparente al reconocer que la ambición de Recursive podría estar adelantada respecto de lo que la tecnología permite hoy. Esa honestidad no es menor en un sector donde el hype frecuentemente supera la evidencia por varios trimestres.

La carrera por sistemas de IA auto-mejorables no es exclusiva de esta startup. Varios laboratorios están explorando territorio similar: desde modelos que generan código para mejorar sus propios benchmarks hasta agentes que diseñan y ejecutan experimentos científicos sin supervisión directa. Pero ninguno ha publicado evidencia de mejora recursiva verdadera funcionando a escala en producción. O al menos esa es la versión oficial que circula en la industria.

Lo que distingue a Recursive, según el equipo, es el foco explícito en la recursividad real y no simulada. Si un modelo mejora porque un humano le pidió que mejorara, el humano sigue siendo el motor del proceso. Lo que Socher quiere construir es un sistema donde ese motor opere de forma completamente independiente.

El debate sobre si la inteligencia artificial puede mejorarse a sí misma sin supervisión humana tiene implicaciones que van mucho más allá de lo técnico. Si un sistema puede generar sus propios avances, validar su propio progreso y corregir sus propias limitaciones, el ritmo de desarrollo del campo podría acelerarse de formas difíciles de anticipar, cuantificar o controlar. Eso no necesariamente es una promesa sin matices.

Recursive entra a un mercado competitivo con un argumento diferenciado, un equipo con credenciales reales y financiación suficiente para sostener años de investigación. Por ahora tiene todo lo necesario para intentarlo. Si va a lograrlo es una pregunta que la industria tendrá que responder con tiempo, datos y evidencia, no con comunicados de prensa.