Un equipo de investigadores chinos ha publicado una prepublicación en arXiv que propone un marco teórico para la automejora recursiva (RSI) en inteligencia artificial. El estudio, fechado el 10 de septiembre, describe un proceso en cinco fases de autonomía que permitiría a los sistemas de IA analizar sus propias limitaciones, modificar sus métodos de entrenamiento y desarrollar versiones posteriores más avanzadas. Esta propuesta busca abordar el incremento de costes y potencia computacional en la industria tecnológica, permitiendo que la IA asuma progresivamente tareas de optimización y reduzca la dependencia humana.
La investigación establece una estructura que va desde modelos dirigidos por personas hasta sistemas capaces de generar sus propias "metamejoras", perfeccionando los mecanismos de aprendizaje. Aunque diversos ensayos, como el método A-Evolve-Training, han logrado avances parciales en modelos de lenguaje, la comunidad científica mantiene escepticismo. Peter Bentley, de la University College de Londres, cuestiona que estos experimentos sean una vía creíble hacia la RSI, argumentando que la dificultad reside en lograr que una máquina dirija de forma independiente investigaciones complejas y superen pruebas exigentes en situaciones reales. Kayla Blomquist, de la Universidad de Oxford, añade que el texto señala retos técnicos y de control, pero no establece un camino práctico para una aplicación inmediata ni un momento concreto de independencia total.