Jeff Bezos está a la caza del 'algoritmo central' del cerebro humano para aplicarlo en IA

Paylaş

Bu Yazıyı Paylaş

veya linki kopyala

Rob Williams sabe cómo convencer a Jeff Bezos: escribe un comunicado de prensa como si su producto ya estuviera fabricado. Bezos lo lee y da su aprobación o desaprobación.

Williams pasó por este proceso muchas veces como ejecutivo del "equipo S" de Amazon, a cargo de productos de software como Alexa, hasta su partida el otoño pasado. Pero la propuesta que presentó unas semanas después, en diciembre de 2025, fue diferente. Ahora colaboraba con Thomas Reardon, neurocientífico y fundador de varias startups, y se dirigía a Bezos como inversionista, no como jefe.

Esto es lo que Bezos, sentado en su yate en algún lugar, leyó mientras Williams lo observaba ansiosamente por Zoom:

Flourish es una empresa de IA neurocientífica que aborda los dos problemas más complejos a los que se enfrenta la IA hoy en día: la eficiencia energética y el aprendizaje continuo. Estamos desarrollando Cortex AI, el primer sistema de inteligencia sintética diseñado para igualar la capacidad computacional, la eficiencia de aprendizaje y el consumo energético del cerebro humano.

Vish Sivakumar Rob Williams Thomas Reardon el inversionista y asesor Jacob Vogelstein y Joshua T. Vogelstein en la...

(De izquierda a derecha): Vish Sivakumar, Rob Williams, Thomas Reardon, el inversionista y asesor Jacob Vogelstein, y Joshua T. Vogelstein en la oficina de Flourish.

Fotografía: LANNA APISUKH

Un mes después, almuerzo con Reardon y Williams en el barrio Flatiron de Nueva York. Reardon va directo al grano. La IA está en problemas. Aunque cada vez más potentes, los grandes modelos de lenguaje (LLM) son grandes consumidores de potencia informática y datos.

Aunque los LLM se inspiraron en la biología, los modelos actuales tienen poco en común con el cerebro humano. Una persona utiliza unos 20 vatios de energía para procesar información; un solo chip de un clúster de entrenamiento de IA consume más de 30 veces esa cantidad. Los hiperescaladores requieren miles de chips y gigavatios de energía, suficiente para alimentar pequeñas ciudades. Y esos modelos tienen que absorber prácticamente todo lo que han escrito los humanos. Cada nuevo modelo requiere más. En pocas palabras, los modelos no aprenden. Una vez entrenados, se quedan estancados.

El objetivo, me explica Reardon, es construir "un cerebro de IA sintética que funcione con 50 vatios o menos". Debería adaptarse a sus condiciones, ser tan ágil como una mente humana y consumir una mínima fracción de la potencia de cálculo y la energía de un máster en Derecho. La prueba de concepto está prosperando dentro de nuestros cráneos. "Hay algo fundamentalmente erróneo en decir: 'Necesito leer todos los libros existentes veinte veces para aprender inglés'. Un bebé humano lo consigue con cientos de miles de palabras", afirma Reardon.