La charla sobre el conocimiento

—

Aravind Srinivas pronunció esta charla el 3 de octubre de 2026 ante la Cambridge Union Society. La Cambridge Union Society es la sociedad estudiantil más grande de la Universidad de Cambridge y la sociedad de debate en funcionamiento continuo más antigua del mundo.

—

Hola, y gracias. Es un honor estar aquí.

Una de las cosas que no esperaba al fundar una empresa es cuánto tiempo llego a pasar en universidades. Lo disfruto. Como CEO, noto que las universidades suelen tener el único público que me lleva la contraria. Así que reservaremos más tiempo para el debate del que planeo dedicar a hablar.

Comencemos.

Normalmente, cuando me invitan a hablar en algún lugar, me piden dar una charla de predicciones con un título genérico como “el futuro de la IA.” No voy a hablar del futuro de la IA. En cambio, voy a hablar del futuro de ustedes. Su futuro me parece más interesante, y probablemente a ustedes también.

Primero, un poco sobre el pasado. Cambridge es el lugar perfecto para hablar del pasado y, al mismo tiempo, de su futuro, porque tiene ambos.

Según se cuenta, lo que hoy llamamos el sistema de revisión por pares se inventó aquí, en Cambridge. La verdad precisa es que fue solo un profesor de Cambridge, y lo propuso en la Royal Society de Londres, no aquí en la universidad. Eso fue en 1831. Hoy, cada año se publican más de 3.5 millones de artículos científicos bajo el sistema de revisión por pares.

Unos 160 años después, dos candidatos a doctorado en Stanford trabajaban en estructuras de redes y minería de datos. Era cuando apenas despegaba el auge de Internet de los años noventa. La World Wide Web era de lo único que todos hablaban. Algo así como la “IA” hoy.

También como hoy, la mayoría de quienes hablaban del auge eran inversionistas y medios de comunicación. La “comunidad tecnológica” de entonces era la industria de las telecomunicaciones. No había muchos académicos en la conversación. (Algunos, pero no muchos). Y estos dos estudiantes de doctorado no eran precisamente parte del círculo interno del auge de Internet.

Pero sabían algo que a la gente fuera del sistema universitario realmente no le importaba.

Como la mayoría de los académicos, entendían el propósito de la universidad. El propósito de la universidad es hacer avanzar el conocimiento.

Por eso usamos la revisión por pares. También es la razón por la que la escritura académica tiene tantas citas. Y estos dos estudiantes sabían que la cantidad de conocimiento en el mundo (medida indirectamente por el número de artículos con calidad de revisión por pares) solo crece. Así que les fue fácil ver que la web también solo crecería junto con el conocimiento humano.

También tenían experiencia con un problema antiguo que era “nuevo” para la web: cómo encontrar el conocimiento correcto, o el mejor conocimiento, si está en constante expansión. En el modelo antiguo, los académicos juzgan si la investigación de alguien es útil o creíble según el número de veces que se ha citado.

Así que tuvieron la idea de crear un algoritmo que evaluara cada sitio web de Internet según cuántos otros sitios web lo citaban, o lo enlazaban, en relación con el contenido de esos sitios.

Llamaron al sistema “Page Rank”, porque clasificaban cada página de la web y porque uno de estos candidatos a doctorado se llamaba Larry Page.

Larry y su socio (Sergey Brin) tomaron este pequeño principio académico y lo pusieron al alcance de todo el mundo. Google se convirtió en una de las herramientas más útiles de la historia, y en uno de los negocios más exitosos, porque Larry Page simplemente adaptó lo que las universidades ya llevaban cien años haciendo.

Como dije, el propósito de la universidad es hacer avanzar el conocimiento. En esta charla les voy a contar tres cosas sobre el conocimiento. Espero que lleguemos a una mejor comprensión práctica de la inteligencia artificial al reflexionar sobre parte de la nuestra.

1.

Primero, el conocimiento tiene vida. Nace, decae y muere.

Tiene un ciclo de vida. Y como tiene un ciclo de vida, el conocimiento pasa por una evolución.

A medida que evoluciona lo que sabemos, todos nos volvemos más inteligentes. Se llama efecto Flynn. El efecto Flynn es la observación de que la humanidad se ha vuelto más inteligente a razón de unos 3 puntos de CI por década.

Las pruebas de CI se renormalizan constantemente para que la media se mantenga en 100, así que una forma sencilla de entender el efecto Flynn es con percentiles. En 1950, alguien en el percentil 92 de inteligencia hoy solo estaría en el percentil 50. Todos nos volvimos más inteligentes.

1950 también es el mismo año en que se inventó la prueba de Turing. Fue la primera prueba para determinar si una máquina es más inteligente que las personas, o cuándo lo es. Eso significa que la prueba de Turing en 1950 era mucho más fácil de superar para una máquina. Porque el umbral de la inteligencia “humana” era más bajo.

Y ese es el poder de la evolución. El conocimiento siempre lleva a más conocimiento.

La desventaja es que el mundo puede volverse más inteligente, pero ustedes, como individuos, pueden volverse más tontos. El conocimiento decae. Piénsenlo como una vida media. La vida media de un elemento radiactivo es el tiempo que tarda la mitad de él en desintegrarse. La vida media del conocimiento es el tiempo que tarda la mitad de él en volverse obsoleto.

Estos son algunos ejemplos de aquí mismo, de Cambridge.

En 1978, Sir Roy Calne ayudó a introducir la ciclosporina en los trasplantes. Esto fue importante para prevenir el rechazo de órganos. Los primeros ensayos clínicos se realizaron en Cambridge. Para 2001, otro fármaco, el tacrolimus, se había convertido en el tratamiento predominante de su clase en los trasplantes de riñón en Estados Unidos. Así que podría decirse que el conocimiento médico sobre el tratamiento con ciclosporina tuvo una vida media de 23 años.

Es una medida imperfecta, pero es un modelo útil para evaluar a ingenieros en campos que evolucionan rápidamente. Lo hacemos en tecnología. La implicación es: “¿en qué momento de la carrera de este ingeniero queda completamente obsoleta la mitad de lo que sabe?”

¿En qué momento de su carrera les pasará a ustedes? La respuesta depende de cuánto tiempo dediquen a aprender cosas nuevas.

Lamentablemente, en casos excepcionales el conocimiento también muere. Hay lenguas que ya no tienen hablantes. Hay sabiduría que muere con un anciano.

Por eso, durante más de 4,000 años, los seres humanos han construido bibliotecas. Y cuando llegó la web, pusimos en ella infinitamente más de lo que sabemos. Así que el conocimiento muere, pero no tiene por qué hacerlo. Quizá como un aspecto innato de la condición humana, las personas se han sentido impulsadas a preservar el conocimiento. Lo guardamos constantemente y hacemos crecer el conocimiento total del mundo. Eso es algo bueno.

Debo aclarar: el conocimiento es como un ser vivo, pero no está vivo. Solo ustedes están vivos. Simplemente creo que están más vivos cuando aprenden algo nuevo.

Por cierto, por eso existe Perplexity. Pero no estoy aquí para hablar de Perplexity. Estoy aquí para hablar de ustedes y de la economía del conocimiento. Lo que me lleva a mi segundo punto.

2.

Segundo, el conocimiento no es dinero. Pero se comporta como el dinero.

Existe el valor del dinero en el tiempo. El interés lo hace crecer y la inflación lo hace encoger. Con suficiente tiempo, tanto el interés como la inflación tienen un efecto compuesto.

Cuando cien mil libras tengan el poder adquisitivo de cuarenta mil (probablemente en unos 23 años), necesitarán £250,000 para no salir perdiendo. Y 23 años después de eso, necesitarían £625,000.

Cuando hay un efecto compuesto, las ganancias o las pérdidas crecen exponencialmente con el tiempo.

Por eso el principio financiero más básico es que siempre deben generar interés compuesto a una tasa mayor que la inflación. Porque si no están creciendo, se están encogiendo. Con el conocimiento pasa lo mismo.

Al igual que el valor de una libra, el valor de lo que saben hoy se depreciará con el tiempo. Y, como cualquier depreciación normal, lo hará solo un poco cada día. Será tan poco que apenas lo notarán. Hasta que un día despierten y no tengan nada. Su conocimiento ya no tendrá el mismo valor de mercado. Esto es inevitable. Recuerden que el teorema de Pitágoras alguna vez fue algo que solo a las élites se les permitía saber. Pero todos los aquí presentes lo aprendieron en primero de secundaria.

Todos nos volvemos más inteligentes, para siempre. Como mencioné, ese es el propósito mismo de la universidad. Con suerte, algún día en un futuro lejano, lo que estudiaron aquí en Cambridge podría ser el plan de estudios de primero de secundaria.

Eso es algo bueno si sucede. Significa progreso. Pero también significa que sus metas económicas les exigen no dejar nunca de aprender. Deben aprender con una tasa de interés mayor que la tasa de inflación del conocimiento.

Dicho de otra manera, deben duplicar lo que saben a un ritmo más rápido que su propia vida media del conocimiento. Esto lleva tiempo. Pero cuando ven el mundo a través del lente del interés compuesto, tienen que verlo con un largo futuro por delante.

Por eso el mejor truco para hacer crecer su riqueza con interés compuesto es empezar joven, y la segunda mejor forma es morir viejo. Warren Buffet empezó a invertir a los 11 años, pero el 99% de su riqueza se acumuló después de los 65.

Lo que sugiere la última similitud entre el conocimiento y el dinero. Hay que gastarlo.

Cuando tienen capital, lo invierten para que trabaje. Cuando tienen conocimiento, especialmente conocimiento excepcional, deberían ponerlo a trabajar. Hagan algo con él. Esa es la diferencia entre invención e innovación. La invención pregunta: “¿hiciste algo?”. La innovación pregunta: “¿Marcó la diferencia?”

Y si quieren marcar la diferencia, deben llevar el conocimiento a la acción. Solo la acción genera nuevas preguntas, indagación y nuevo conocimiento. Siempre deben estar aprendiendo y siempre deben estar haciendo.

Aquí es donde entra la inteligencia artificial, y esto me lleva a mi tercer y último punto.

3.

El propósito de la IA es acelerar el conocimiento y la prosperidad humanos.

Consideren estas dos primeras cosas que he dicho esta noche. Dije que el conocimiento tiene un carácter similar al de un ser vivo, y que debemos nutrirlo y hacerlo avanzar porque, en general, las personas se benefician. Luego dije que el conocimiento tiene un carácter económico. Que debemos cultivarlo porque, en términos generales, todas las personas se benefician.

Si creen en estas dos cosas, entonces también tienen que pensar en la IA de una forma ligeramente distinta.

En lugar de obsesionarse con alcanzar la IA general o con hacer que la tecnología sea inteligente por el simple hecho de serlo, concluirían que la razón para construir una IA mejor y más precisa es servir a las personas.

Concluirían que el propósito más alto y más importante de la IA es hacer que las personas sean más inteligentes y más prósperas.

Si esto se parece mucho al propósito de la universidad, pues aquí estamos.

Piensen otra vez en la revisión por pares. Se inventó en 1831. Este año, Perplexity lanzó un producto muy sencillo llamado Model Council, basado en una idea planteada por uno de los investigadores fundadores de OpenAI. Le hacen la misma pregunta a tres modelos de IA. Cada uno investiga y responde, y luego un modelo “presidente” evalúa en qué difieren y en qué coinciden, y razona hasta llegar a una respuesta final.

Model Council no reemplaza la revisión por pares. Más bien, su propósito es llevar el espíritu de la indagación académica a más personas. Podemos extender el ethos de una universidad más allá de estos muros, a todo el mundo.

Podríamos ayudar a más personas a tener razón, y no solo a sentir que la tienen o a parecer que la tienen. A buscar científicamente la verdad y el conocimiento. El arco del universo apunta a que todos tengan más acceso a más conocimiento. Es bueno que las personas tengan conocimiento. Y son las personas quienes se benefician.

Cerraré con una breve historia sobre mi empresa.

Cuando empezamos, éramos solo tres investigadores de IA, con más preguntas que visión. Luego, al llegar la cuarta persona, decidimos que era hora de contratar un seguro médico. El seguro médico en Estados Unidos es complicado incluso para los estadounidenses. Yo no soy de Estados Unidos, así que para mí era aún más confuso.

Los resultados de Google no sirvieron de nada. Y lo normal que hace un fundador en este caso es llamar a alguien que ya lo haya hecho antes. Como un inversionista u otro fundador. Pero ya era muy de noche. Quería resolverlo, así que tuve que encontrar el conocimiento por mi cuenta.

El problema es que investigar por cuenta propia significa buscar en Google entre sitios de seguros optimizados para SEO, que solo dan malos consejos y compiten por parecer los más creíbles.

Fue entonces cuando creé la primera versión de Perplexity.

Hizo la investigación por mí. E hice que citara las respuestas. Así podía verificar y seguir haciendo más preguntas. Y luego contraté nuestra cobertura médica. Quedó resuelto. Pasé al siguiente problema. Y al siguiente, y al siguiente. Y aquí estamos hoy.

La moraleja de esa historia es que ya no necesitan “conocer a alguien”. Simplemente pueden aprender cosas y hacerlas. Ya les dije que la promesa de la IA es que pueden acceder a cualquier conocimiento. La moraleja de esta historia es que cualquier persona puede acceder a cualquier conocimiento.

Esta es la promesa definitiva de la IA. Ahora cualquiera puede ser curioso. Cualquiera puede construir cualquier cosa. Ahora cualquiera puede entrar al templo del conocimiento. Eso beneficia a todos.

Y es una buena noticia para ustedes. Significa que lo más importante que pueden hacer, por el resto de su vida, es ser curiosos. El más exitoso de todos ustedes será quien tenga más preguntas. Y las mejores preguntas.

Así que mi consejo es que sean tan curiosos como puedan. No se conformen con pasar el tiempo en redes sociales en su teléfono. No se conformen con un agente de IA que solo hace reservaciones para cenar: hagan un trabajo real con él. Y nunca le crean a un chatbot que les dice que ya tienen la razón.

Crean en el espíritu de la indagación. Crean en lo que pueden aprender con la IA. Crean en lo que construirán cuando lo hagan. Y, por el bien de todos, que sea algo bueno.

Gracias.