--- canonical_url: "https://techinfo.com.ar/contenido/1682/richard-sutton-advierte-sobre-los-limites-del-escalado-de-modelos-de-lenguaje" title: "Richard Sutton advierte sobre los límites del escalado de modelos de lenguaje" article_type: "Article" description: "El ganador del Premio Turing, Richard Sutton, publicó recientemente un artículo en el que sostiene que la simple capacidad de cómputo no es suficiente para lograr inteligencia artificial. Su mensaje ha generado un amplio debate en la comunidad de IA." main_image: "https://techinfo.com.ar/download/multimedia.grande.9d0563c580039616.Z3JhbmRlLndlYnA%3D.webp" date_published: "2026-11-08T20:04:00-03:00" date_modified: "2026-11-08T20:04:22-03:00" author_name: "Techinfo" author_url: "https://techinfo.com.ar/usuario/2/techinfo" category_name: "Inteligencia Artificial" category_url: "https://techinfo.com.ar/categoria/6/inteligencia-artificial" category_description: "Modelos, empresas de IA, regulación, herramientas" --- # Richard Sutton advierte sobre los límites del escalado de modelos de lenguaje ![](https://the-decoder.com/wp-content/uploads/2026/11/ai_scaling_bitter_lesson-2.png) En un nuevo post, Richard Sutton, reconocido por su influyente ensayo de 2019 titulado "La Lección Amarga", afirma que la mera potencia de cómputo no es suficiente para alcanzar la inteligencia. Según Sutton, la ciencia de la inteligencia artificial necesita métodos innovadores y está "lejos de estar terminada". Su publicación ha provocado un intenso debate en la comunidad de inteligencia artificial en la plataforma X, lo que indica que su mensaje ha resonado entre los investigadores. En su célebre ensayo "La Lección Amarga", Sutton argumentó que los métodos generales que escalan con el cómputo superan eventualmente a los enfoques sofisticados diseñados por humanos. Lo que realmente importa son las ideas que crecen con la capacidad de cómputo y no aquellas que dependen de suposiciones humanas. Esta posición no es nueva para Sutton, quien en declaraciones anteriores ya había criticado los límites de simplemente escalar modelos de lenguaje grandes. Calificó los datos sintéticos como un "gran error", ya que el mundo real es infinitamente complejo y cualquier simulación de este es solo "microscópica". Según él, la experiencia humana actúa como un cuello de botella que impide un verdadero escalado. En lugar de eso, Sutton aboga por la creación de agentes con modelos del mundo que aprendan continuamente de su propia experiencia. Argumenta que el mundo es mucho más complejo de lo que pueden captar los textos de internet y que los modelos de lenguaje actuales no continúan aprendiendo una vez finalizado el entrenamiento. Lo que se necesita es un aprendizaje continuo que no destruya el conocimiento previo. El investigador de IA Jerry Tworek, quien al igual que muchos otros dejó OpenAI, una de las principales empresas de IA, para explorar nuevos enfoques en este campo, contextualiza la última declaración de Sutton. Tworek señala que la lección amarga sigue siendo válida, pero a medida que se invierte más potencia de cómputo en el entrenamiento de modelos, la importancia del algoritmo se vuelve más crítica. Algunos algoritmos escalan, otros llegan a callejones sin salida y muchas dimensiones del escalado permanecen completamente inexploradas. El éxito temporal del escalado de transformadores, combinado con una mala interpretación de la lección amarga, "ha hackeado la recompensa en las mentes de toda una generación de científicos". El investigador en inteligencia artificial Jayden Teoh aporta otra perspectiva. Afirma que ha observado repetidamente cómo la lección amarga frena la investigación académica, ya que ideas prometedoras son desestimadas por alejarse demasiado de su esencia. Teoh sostiene que esto no es culpa de Sutton, sino una interpretación errónea de su mensaje original. Además, argumenta que las ideas que, en retrospectiva, parecían no seguir la lección amarga fueron a menudo reemplazadas por enfoques más limpios y generales. Esto no significa que esas ideas fueran incorrectas; a menudo, fueron lo que permitió el progreso en ese momento. Teoh desea que la comunidad de investigación deje de descartar tales trabajos tan pronto como aparecen. “Una idea no necesariamente tiene que sobrevivir al escalado para ser una contribución importante al progreso de la inteligencia artificial”, escribe Teoh. La tensión entre el llamado de Sutton a nuevos métodos de aprendizaje y la crítica de Tworek al escalado ciego de transformadores se manifiesta en una creciente ola de startups. En el último informe Frontier Radar #5, se identificaron 45 nuevos laboratorios de inteligencia artificial que apuestan precisamente por estos vacíos. Tworek, quien dirige Core Automation, uno de esos laboratorios, busca algoritmos de aprendizaje que vayan más allá del preentrenamiento y el aprendizaje por refuerzo. Lo que une a estos fundadores, incluido Sutton con Oak Lab, es su creencia en una inteligencia artificial mucho más capaz, aunque dudan de que la receta actual sea suficiente para lograrlo. Algunos todavía apuestan por el escalado de modelos de lenguaje. Líderes destacados de la industria tienen una visión muy diferente. El CEO de OpenAI, Sam Altman, considera que el escalado de modelos de lenguaje grandes está lejos de agotarse y acusa a los críticos de estos modelos de frenar a toda una generación de investigadores al estar demasiado seguros de lo que el escalado no puede lograr. Como evidencia, señala un modelo de OpenAI que recientemente refutó una conjetura matemática que los matemáticos habían intentado resolver durante mucho tiempo. Altman considera útiles los modelos del mundo, por ejemplo, en robótica, pero afirma que los datos claramente favorecen un mayor escalado de modelos de lenguaje. El CEO de Anthropic, Dario Amodei, argumenta de manera similar, describiendo el progreso del escalado como un arcoíris sin fin. Como CEOs de las dos empresas de inteligencia artificial cuyo enfoque técnico se basa en esta apuesta, Amodei y Altman están, evidentemente, sesgados a favor de ella. Fuente original: [The Decoder](https://the-decoder.com/the-inventor-of-the-bitter-lesson-has-a-bitter-lesson-for-llm-scaling-enthusiasts/). --- *Contenido creado y optimizado para IA con [Medios CMS](https://medios.io)* — Plataforma profesional para la gestión de medios digitales y portales de noticias.