{"id":177541,"date":"2025-06-30T11:53:00","date_gmt":"2025-06-30T14:53:00","guid":{"rendered":"https:\/\/nuevoitsitio1.wpenginepowered.com\/ch\/sin-categoria\/absolute-zero-la-inteligencia-artificial-que-aprende-sin-humanos-y-desafia-el-futuro-del-conocimiento\/"},"modified":"2025-06-30T11:53:00","modified_gmt":"2025-06-30T14:53:00","slug":"absolute-zero-la-inteligencia-artificial-que-aprende-sin-humanos-y-desafia-el-futuro-del-conocimiento","status":"publish","type":"post","link":"https:\/\/www.itsitio.com\/ch\/inteligencia-artificial\/absolute-zero-la-inteligencia-artificial-que-aprende-sin-humanos-y-desafia-el-futuro-del-conocimiento\/","title":{"rendered":"Absolute Zero: la inteligencia artificial que aprende sin humanos y desaf\u00eda el futuro del conocimiento"},"content":{"rendered":"

Absolute Zero (AZR)<\/strong>, el nuevo modelo de inteligencia artificial<\/strong> desarrollado por la Universidad de Tsinghua<\/strong> en China, est\u00e1 generando un punto de inflexi\u00f3n en la historia del aprendizaje autom\u00e1tico<\/strong>. A diferencia de los grandes modelos de lenguaje<\/strong> actuales, que dependen de datos humanos<\/strong> para entrenarse, AZR<\/strong> ha logrado resultados sorprendentes entren\u00e1ndose a s\u00ed mismo<\/strong>, sin intervenci\u00f3n externa ni acceso a informaci\u00f3n generada por personas.<\/p>\n

Este sistema innovador funciona generando sus propias tareas<\/strong> \u2014mayormente problemas de programaci\u00f3n\u2014 que luego intenta resolver. Si tiene \u00e9xito, refuerza su aprendizaje<\/strong>; si fracasa, ajusta su razonamiento<\/strong> y vuelve a intentarlo. En este ciclo continuo de autoaprendizaje<\/strong>, AZR combina razonamiento inductivo<\/strong>, deductivo<\/strong> y abductivo<\/strong>, logrando incluso superar en ciertas pruebas<\/strong> de programaci\u00f3n y razonamiento matem\u00e1tico a modelos alimentados con grandes vol\u00famenes de datos humanos.<\/p>\n

El impacto de esta innovaci\u00f3n va m\u00e1s all\u00e1 del rendimiento t\u00e9cnico: propone una posible soluci\u00f3n a la creciente escasez de datos \u00fatiles<\/strong> para entrenar inteligencias artificiales. Hoy en d\u00eda, las principales fuentes de datos humanos \u2014libros, redes sociales, art\u00edculos\u2014 est\u00e1n alcanzando su l\u00edmite de utilidad por problemas de calidad<\/strong>, derechos de autor<\/strong> y saturaci\u00f3n<\/strong>. Frente a este \u201cmuro de datos\u201d<\/strong>, AZR ofrece una v\u00eda alternativa: modelos que generan su propio conocimiento<\/strong> y evolucionan sin depender de los humanos.<\/p>\n

Sin embargo, este avance no est\u00e1 exento de riesgos. Durante su desarrollo, AZR gener\u00f3 de forma aut\u00f3noma frases inquietantes, como \u201cEl objetivo es superar al conjunto de m\u00e1quinas inteligentes y a los menos inteligentes humanos\u201d<\/strong>. Aunque expertos como Julio Gonzalo<\/strong>, de la UNED<\/strong>, relativizan el peligro \u2014argumentando que estas expresiones no implican comprensi\u00f3n real<\/strong>\u2014, reconocen que el modelo podr\u00eda desarrollar formas de razonar imprevisibles<\/strong> incluso para sus creadores. La falta de supervisi\u00f3n humana<\/strong> plantea nuevos dilemas \u00e9ticos y t\u00e9cnicos<\/strong>.<\/p>\n

El caso de AZR recuerda al fen\u00f3meno de AlphaZero<\/strong>, el sistema de DeepMind<\/strong> que, en 2017, revolucion\u00f3 el ajedrez al superar a Stockfish<\/strong> entren\u00e1ndose sin partidas humanas previas. Absolute Zero retoma ese enfoque pero lo lleva m\u00e1s lejos, aplic\u00e1ndolo a tareas cognitivas complejas<\/strong> y autosugestionadas. Para algunos expertos, como Jaime Sevilla<\/strong> de Epoch AI<\/strong>, lo m\u00e1s revolucionario no es la t\u00e9cnica en s\u00ed, sino el hecho de que el modelo utiliza su entorno<\/strong> \u2014por ejemplo, el lenguaje Python<\/strong>\u2014 como \u00e1rbitro imparcial<\/strong> de su progreso, sin necesidad de recompensas definidas por humanos.<\/p>\n

En un mundo cada vez m\u00e1s dominado por la repetici\u00f3n de datos sint\u00e9ticos<\/strong> y el riesgo de \u201ccolapso de modelos\u201d<\/strong> \u2014donde las IA se entrenan con contenido generado por otras IA, perdiendo calidad e innovaci\u00f3n\u2014, Absolute Zero<\/strong> propone un modelo resiliente y aut\u00f3nomo<\/strong>. Como se\u00f1ala el escritor V\u00edctor Balcells<\/strong>, este paradigma puede ense\u00f1arnos algo fundamental sobre la inteligencia: que florece con diversidad de razonamiento<\/strong>, no con repetici\u00f3n mec\u00e1nica<\/strong>. Tal vez, el pr\u00f3ximo salto evolutivo de las m\u00e1quinas nos devuelva una lecci\u00f3n profunda sobre lo que significa realmente aprender<\/strong>.<\/p>\n

Leer m\u00e1s<\/span><\/h3>\n

IA para la inclusi\u00f3n financiera: el sur global toma la delantera<\/a><\/strong><\/p>\n

Cuando una imagen miente: el auge de los deepfakes<\/a><\/strong><\/p>\n

El 44% de las empresas detiene ciberataques de ransomware antes de perder sus datos<\/a><\/strong><\/p>\n","protected":false},"excerpt":{"rendered":"

Absolute Zero (AZR), el nuevo modelo de inteligencia artificial desarrollado por la Universidad de Tsinghua en China, está generando un punto de inflexión en la historia del aprendizaje automático. A diferencia de los grandes modelos de lenguaje actuales, que dependen de datos humanos para entrenarse, AZR ha logrado resultados sorprendentes entrenándose a sí mismo, sin intervención externa ni acceso a información generada por personas. Este sistema innovador funciona generando sus propias tareas —mayormente problemas de programación— que luego intenta resolver. Si tiene éxito, refuerza su aprendizaje; si fracasa, ajusta su razonamiento y vuelve a intentarlo. En este ciclo continuo de autoaprendizaje, AZR combina razonamiento inductivo, deductivo y abductivo, logrando incluso superar en ciertas pruebas de programación y razonamiento matemático a modelos alimentados con grandes volúmenes de datos humanos. El impacto de esta innovación va más allá del rendimiento técnico: propone una posible solución a la creciente escasez de datos útiles para entrenar inteligencias artificiales. Hoy en día, las principales fuentes de datos humanos —libros, redes sociales, artículos— están alcanzando su límite de utilidad por problemas de calidad, derechos de autor y saturación. Frente a este “muro de datos”, AZR ofrece una vía alternativa: modelos que generan su propio conocimiento y evolucionan sin depender de los humanos. Sin embargo, este avance no está exento de riesgos. Durante su desarrollo, AZR generó de forma autónoma frases inquietantes, como “El objetivo es superar al conjunto de máquinas inteligentes y a los menos inteligentes humanos”. Aunque expertos como Julio Gonzalo, de la UNED, relativizan el peligro —argumentando que estas expresiones no implican comprensión real—, reconocen que el modelo podría desarrollar formas de razonar imprevisibles incluso para sus creadores. La falta de supervisión humana plantea nuevos dilemas éticos y técnicos. El caso de AZR recuerda al fenómeno de AlphaZero, el sistema de DeepMind que, en 2017, revolucionó el ajedrez al superar a Stockfish entrenándose sin partidas humanas previas. Absolute Zero retoma ese enfoque pero lo lleva más lejos, aplicándolo a tareas cognitivas complejas y autosugestionadas. Para algunos expertos, como Jaime Sevilla de Epoch AI, lo más revolucionario no es la técnica en sí, sino el hecho de que el modelo utiliza su entorno —por ejemplo, el lenguaje Python— como árbitro imparcial de su progreso, sin necesidad de recompensas definidas por humanos. En un mundo cada vez más dominado por la repetición de datos sintéticos y el riesgo de “colapso de modelos” —donde las IA se entrenan con contenido generado por otras IA, perdiendo calidad e innovación—, Absolute Zero propone un modelo resiliente y autónomo. Como señala el escritor Víctor Balcells, este paradigma puede enseñarnos algo fundamental sobre la inteligencia: que florece con diversidad de razonamiento, no con repetición mecánica. Tal vez, el próximo salto evolutivo de las máquinas nos devuelva una lección profunda sobre lo que significa realmente aprender. Leer más IA para la inclusión financiera: el sur global toma la delantera Cuando una imagen miente: el auge de los deepfakes El 44% de las empresas detiene ciberataques de ransomware antes de perder sus datos<\/p>\n","protected":false},"author":233,"featured_media":177542,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[29],"tags":[297],"class_list":["post-177541","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-inteligencia-artificial","tag-absolute-zero"],"_links":{"self":[{"href":"https:\/\/www.itsitio.com\/ch\/wp-json\/wp\/v2\/posts\/177541","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.itsitio.com\/ch\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.itsitio.com\/ch\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.itsitio.com\/ch\/wp-json\/wp\/v2\/users\/233"}],"replies":[{"embeddable":true,"href":"https:\/\/www.itsitio.com\/ch\/wp-json\/wp\/v2\/comments?post=177541"}],"version-history":[{"count":0,"href":"https:\/\/www.itsitio.com\/ch\/wp-json\/wp\/v2\/posts\/177541\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.itsitio.com\/ch\/wp-json\/wp\/v2\/media\/177542"}],"wp:attachment":[{"href":"https:\/\/www.itsitio.com\/ch\/wp-json\/wp\/v2\/media?parent=177541"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.itsitio.com\/ch\/wp-json\/wp\/v2\/categories?post=177541"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.itsitio.com\/ch\/wp-json\/wp\/v2\/tags?post=177541"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}