A charla sobre o coñecemento

—

Aravind Srinivas pronunciou esta charla o 3 de outubro de 2026 ante a Cambridge Union Society. A Cambridge Union Society é a maior sociedade estudantil da Universidade de Cambridge e a sociedade de debate en funcionamento ininterrompido máis antiga do mundo.

—

Ola e grazas. É unha honra estar aquí.

Unha das cousas que non esperaba ao fundar unha empresa é o moito tempo que chego a pasar nas universidades. Gústame. Para un CEO, as universidades adoitan ser o único público que replica. Así que reservaremos máis tempo para o debate do que penso dedicar a falar.

Comecemos.

Normalmente, cando me invitan a falar nalgún sitio, pídenme que dea unha charla de predicións cun título xenérico como “o futuro da IA.” Non vou falar do futuro da IA. En cambio, vou falar do voso futuro. O voso futuro paréceme máis interesante e, probablemente, a vós tamén volo pareza.

Primeiro, un pouco sobre o pasado. Cambridge é o lugar perfecto para falar do pasado e, ao mesmo tempo, do voso futuro, porque ten as dúas cousas.

Segundo conta a historia, o que hoxe chamamos sistema de revisión por pares inventouse aquí, en Cambridge. A verdade exacta é que foi só un profesor de Cambridge, e propúxoo na Royal Society de Londres, non aquí na universidade. Foi en 1831. Hoxe publícanse cada ano máis de 3,5 millóns de artigos científicos baixo o sistema de revisión por pares.

Uns 160 anos despois, dous doutorandos de Stanford traballaban en estruturas de redes e minaría de datos. Era cando o boom de Internet dos anos noventa estaba a comezar. A World Wide Web era do único que falaba todo o mundo. Algo así como a “IA” hoxe.

Tamén como hoxe, a maioría das persoas que falaban do boom eran investidores e medios de comunicación. A “comunidade tecnolóxica” daquela era a industria das telecomunicacións. Non había moitos académicos no debate. (Algúns, pero non moitos). E estes dous doutorandos non eran precisamente persoas de dentro do boom de Internet.

Pero sabían unha cousa que á xente de fóra do sistema universitario non lle importaba demasiado.

Como a maioría dos académicos, entendían o propósito da universidade. O propósito da universidade é facer avanzar o coñecemento.

Por iso usamos a revisión por pares. Tamén é por iso que a escritura académica ten tantas citas. E estes dous estudantes sabían que a cantidade de coñecemento no mundo (medida indirectamente polo número de artigos coa calidade da revisión por pares) só medra. Así que lles resultou doado ver que a web tamén só medraría co coñecemento humano.

Tamén tiñan experiencia cun vello problema que era “novo” para a web: como atopar o coñecemento axeitado, ou o mellor coñecemento, se está en constante expansión. No modelo antigo, os académicos xulgan se a investigación de alguén é útil ou fiable en función do número de veces que foi citada.

Así que tiveron a idea de construír un algoritmo que avalía cada sitio web de Internet segundo cantos outros sitios web o citaban, ou ligaban a el, en relación co contido deses sitios.

Chamáronlle ao sistema “Page Rank” porque clasificaban todas as páxinas da web e porque un destes doutorandos se chamaba Larry Page.

Larry e o seu socio (Sergey Brin) colleron este pequeno principio académico e puxérono ao alcance do gran público. Google converteuse nunha das ferramentas máis útiles da historia, e nun dos negocios de máis éxito, porque Larry Page simplemente adaptou o que as universidades levaban facendo xa cen anos.

Como dixen, o propósito da universidade é facer avanzar o coñecemento. Nesta charla vouvos contar tres cousas sobre o coñecemento. Espero que cheguemos a comprender mellor e de forma práctica a intelixencia artificial reflexionando sobre a nosa propia intelixencia.

1.

Primeiro, o coñecemento ten vida. Nace, decae e morre.

Ten un ciclo de vida. E, como ten un ciclo de vida, o coñecemento experimenta unha evolución.

A medida que evoluciona o que sabemos, todos nos volvemos máis intelixentes. Chámase efecto Flynn. O efecto Flynn é a observación de que a humanidade foi volvéndose máis intelixente a razón de arredor de 3 puntos de CI por década.

Os tests de CI renormalízanse constantemente para que a media se manteña en 100, así que unha forma sinxela de pensar no efecto Flynn é en percentís. En 1950, alguén no percentil 92 de intelixencia hoxe estaría só no percentil 50. Todos nos volvemos máis intelixentes.

O ano 1950 é tamén o ano en que se inventou o test de Turing. Foi a primeira proba para determinar se unha máquina é máis intelixente ca as persoas, ou cando o é. Iso significa que o test de Turing de 1950 era moito máis fácil de superar para unha máquina. Porque o listón da intelixencia “humana” era máis baixo.

E ese é o poder da evolución. O coñecemento sempre leva a máis coñecemento.

O malo é que o mundo pode volverse máis intelixente, pero vós, como individuos, podedes volvervos máis parvos. O coñecemento decae. Pensade nel como nunha semivida. A semivida dun elemento radioactivo é o tempo que tarda en desintegrarse a metade del. A semivida do coñecemento é o tempo que tarda a metade del en quedar obsoleta.

Aquí tedes algúns exemplos, daquí mesmo, de Cambridge.

En 1978, Sir Roy Calne contribuíu a introducir a ciclosporina nos transplantes. Isto foi importante para previr o rexeitamento de órganos. Os primeiros ensaios clínicos fixéronse en Cambridge. Para 2001, outro fármaco, o tacrolimus, xa se convertera no tratamento predominante da súa clase nos transplantes de ril nos Estados Unidos. Así que poderiamos dicir que o coñecemento médico do tratamento con ciclosporina tivo unha semivida de 23 anos.

É unha medida imperfecta, pero é un modelo útil para avaliar enxeñeiros en campos que evolucionan rapidamente. Facémolo no sector tecnolóxico. A pregunta implícita é: “en que momento da carreira deste enxeñeiro queda totalmente obsoleta a metade do que sabe?”

En que momento da vosa carreira vos pasará a vós? A resposta depende de canto tempo dediquedes a aprender cousas novas.

Tristemente, en casos excepcionais o coñecemento tamén morre. Hai linguas que xa non teñen falantes. Hai sabedoría que morre cunha persoa maior.

Por iso, durante máis de 4000 anos, os seres humanos construíron bibliotecas. E cando chegou a web, puxemos nela infinitamente máis do que sabemos. Así que o coñecemento morre, pero non ten por que. Quizais por algún aspecto innato da condición humana, as persoas sentiron a necesidade de preservar o coñecemento. Estámolo gardando constantemente e facendo medrar o coñecemento total do mundo. Iso é algo bo.

Debo aclarar unha cousa: o coñecemento é como un ser vivo, pero non está vivo. Só vós estades vivos. Simplemente creo que estades máis vivos cando aprendedes algo novo.

Por certo, por iso existe Perplexity. Pero non estou aquí para falar de Perplexity. Estou aquí para falar de vós e da economía do coñecemento. O que me leva ao meu segundo punto.

2.

Segundo, o coñecemento non é diñeiro. Pero compórtase como o diñeiro.

O diñeiro ten un valor temporal. O interese faino medrar e a inflación faino encoller. Co tempo suficiente, tanto o interese como a inflación teñen un efecto composto.

Cando cen mil libras teñan o poder adquisitivo de corenta mil (probablemente nuns 23 anos), necesitaredes 250.000 £ para quedar igual. E 23 anos despois diso, necesitariades 625.000 £.

Cando hai un efecto composto, as ganancias ou as perdas medran exponencialmente co tempo.

Por iso o principio financeiro máis básico é que sempre deberiades obter un interese composto a unha taxa superior á inflación. Porque se non medrades, encolledes. Co coñecemento pasa o mesmo.

Igual que o valor dunha libra, o valor do que sabedes hoxe depreciarase co tempo. E, igual que unha depreciación normal, farao só un pouco cada día. Será tan pouco que apenas o notaredes. Ata que un día espertedes e non teñades nada. O voso coñecemento xa non terá o mesmo valor de mercado. Isto é inevitable. Lembrade que o teorema de Pitágoras foi noutrora algo que só as elites tiñan permitido coñecer. Pero todos os que estades aquí o aprendestes en sétimo curso.

Todos nos volvemos máis intelixentes, para sempre. Como mencionei, ese é precisamente o propósito da universidade. Con sorte, algún día, nun futuro afastado, o que estudastes aquí en Cambridge poderá ser o temario do alumnado de sétimo curso.

Iso é bo se acontece. Significa progreso. Pero tamén significa que os vosos obxectivos económicos requiren que nunca deixedes de aprender. Tedes que aprender cun tipo de interese superior á taxa de inflación do coñecemento.

Dito doutro xeito, tedes que duplicar o que sabedes a un ritmo superior á vosa propia semivida do coñecemento. Isto leva tempo. Pero cando ollades o mundo a través da lente do interese composto, tedes que miralo cunha perspectiva de futuro longa.

Por iso o mellor truco para facer medrar a vosa riqueza con interese composto é comezar novos, e a segunda mellor forma é morrer vellos. Warren Buffet comezou a investir aos 11 anos, pero o 99 % da súa riqueza acumulouse despois dos 65.

O que apunta á última semellanza entre o coñecemento e o diñeiro. Tedes que gastalo.

Cando tedes capital, investídelo para que traballe. Cando tedes coñecemento, especialmente coñecemento excepcional, deberiades poñelo a traballar. Facede algo con el. Esa é a diferenza entre invención e innovación. A invención pregunta: “fixeches algo?”. A innovación pregunta: “Marcou a diferenza?”

E se queredes marcar a diferenza, tedes que actuar a partir do coñecemento. Só a acción desencadea novas preguntas, investigación e novo coñecemento. Tedes que estar sempre aprendendo e sempre facendo.

Aquí é onde entra a intelixencia artificial, e iso lévame ao meu terceiro e último punto.

3.

O propósito da IA é acelerar o coñecemento e a prosperidade humanos.

Pensade nestas dúas primeiras cousas que dixen esta noite. Dixen que o coñecemento é semellante a un ser vivo no seu carácter, e que debemos coidalo e facelo avanzar porque, en xeral, as persoas benefícianse. Despois dixen que o coñecemento ten un carácter económico. Que debemos cultivalo porque, en termos xerais, todas as persoas se benefician.

Se credes nestas dúas cousas, entón tamén tedes que pensar na IA dun xeito lixeiramente diferente.

En lugar de obsesionarvos con acadar a AGI ou con facer que a tecnoloxía sexa intelixente por si mesma, chegariades á conclusión de que a razón para construír unha IA mellor e máis precisa é servir ás persoas.

Chegariades á conclusión de que o propósito máis elevado e máis importante da IA é facer que as persoas sexan máis intelixentes e prósperas.

Se isto vos soa moito ao propósito da universidade, pois aquí estamos.

Pensade de novo na revisión por pares. Inventouse en 1831. Este ano, Perplexity lanzou un produto moi sinxelo chamado Model Council, baseado nunha idea proposta por un dos investigadores fundadores de OpenAI. Fáiselles a mesma pregunta a tres modelos de IA. Cada un investiga e responde, e despois un modelo “presidente” avalía en que difiren e en que coinciden, e razoa unha resposta final.

Model Council non substitúe a revisión por pares. Pola contra, o seu propósito é achegar o espírito da indagación académica a máis persoas. Podemos levar o espírito dunha universidade máis alá destas paredes, a todo o mundo.

Poderiamos axudar a que máis xente teña razón de verdade, en lugar de só sentir que a ten ou parecer que a ten. A buscar a verdade e o coñecemento de forma científica. O arco do universo tende a que todo o mundo teña máis acceso a máis coñecemento. É bo que as persoas teñan coñecemento. E son as persoas as que se benefician.

Vou rematar cunha pequena historia sobre a miña empresa.

Cando comezamos, eramos só tres investigadores de IA, con máis preguntas ca visión. Entón, ao chegar á cuarta persoa, decidimos que era hora de contratar un seguro de saúde. O seguro de saúde nos Estados Unidos é complicado ata para os estadounidenses. Eu non son estadounidense, así que para min era aínda máis confuso.

Os resultados de Google non me axudaron. E o normal que fai un fundador neste caso é chamar a alguén que xa o fixese antes. Como un investidor ou outro fundador. Pero era xa moi de noite. Quería deixalo feito, así que tiven que atopar o coñecemento eu mesmo.

O problema é que facer a investigación un mesmo significa buscar en Google entre sitios de seguros optimizados para SEO, cheos de malos consellos que compiten por parecer os máis fiables.

Foi entón cando construín a primeira versión de Perplexity.

Fixo a investigación por min. E fixen que citase as fontes das respostas. Así podía verificalas e seguir facendo máis preguntas. E entón contratei o noso seguro médico. Estaba resolto. Ao seguinte problema. E ao seguinte, e ao seguinte. E aquí estamos hoxe.

A lección desa historia é que xa non necesitades “coñecer a alguén”. Simplemente podedes aprender cousas e facelas. Xa vos dixen que a promesa da IA é que podedes acceder a calquera coñecemento. A lección desta historia é que calquera persoa pode acceder a calquera coñecemento.

Esta é a promesa definitiva da IA. Agora calquera pode ser curioso. Calquera pode construír calquera cousa. Agora calquera pode entrar no templo do coñecemento. Iso beneficia a todo o mundo.

E iso é unha boa noticia para vós. Significa que o máis importante que podedes facer, durante o resto da vosa vida, é ser curiosos. Quen máis éxito terá entre todos vós será quen teña máis preguntas. E as mellores preguntas.

Así que o meu consello é que sexades tan curiosos como poidades. Non vos conformedes con percorrer as redes sociais no móbil. Non vos conformedes cun axente de IA que só fai reservas para cear: facede traballo de verdade con el. E nunca creades a un chatbot que vos diga que xa tedes razón.

Crede no espírito de indagación. Crede no que podedes aprender coa IA. Crede no que crearedes cando o fagades. E, por todos nós, facede que sexa algo bo.

Grazas.