¿Evolucionará repentinamente la IA? Paradigm te da la respuesta con un juego.

Paradigm ha lanzado un simulador RSI que permite experimentar la curva de explosión inteligente de la recursión de la IA y la auto-mejora, revelando la dinámica entre la potencia informática, los recursos humanos y los datos, y también comprender por qué los inversores de capital riesgo en criptomonedas están invirtiendo fuertemente en tecnologías de vanguardia.

La conocida firma de capital riesgo especializada en criptomonedas, Paradigm, lanzó ayer un juego web llamado RSI Simulator.

Los jugadores asumen el papel del director de un laboratorio de IA con el objetivo de crear una superinteligencia desde cero.

Dispones de tres recursos: recursos humanos, capacidad de procesamiento y datos. Debes decidir cuánto invertir en I+D, cuánto en formación y cuánto en escalabilidad. Tras cada ronda de decisiones, las capacidades del modelo cambiarán, y estos cambios, a su vez, afectarán a la eficiencia de la I+D, hasta que se alcance un punto crítico en el que la IA comience a acelerar su auto-mejora y la curva de rendimiento se eleve bruscamente.

Parece un juego sin importancia. En realidad, es una herramienta educativa que transforma los artículos de economía en una experiencia interactiva.

Paradigm lo utiliza para responder a una pregunta que todos se plantean, pero que pocos analizan cuantitativamente: ¿Con qué rapidez mejorará la IA de forma autónoma? ¿Explotará repentinamente? ¿Qué factores determinan su límite?

¿Qué es la superación personal recursiva?

La auto-mejora recursiva (RSI, por sus siglas en inglés) es uno de los temas centrales en el campo de la investigación sobre seguridad de la IA.

En pocas palabras: cuando un modelo de IA es lo suficientemente potente como para ayudar a los humanos a mejorar la próxima generación de modelos de IA, se forma un ciclo en el que la IA participa en la creación de una IA más potente, y esta, a su vez, participa en la creación de una IA aún más potente.

Una vez que comienza este ciclo, teóricamente puede producir una aceleración exponencial, también conocida como la "explosión inteligente".

Esto ya no es ciencia ficción. En febrero de 2026, cuando OpenAI lanzó GPT-5.3-Codex, reconoció que una versión temprana del modelo "desempeñó un papel fundamental" en su creación, ayudando a depurar el proceso de entrenamiento, gestionar la implementación y diagnosticar y evaluar fallos. Esta fue la primera vez que un laboratorio líder admitió oficialmente que un modelo había participado sustancialmente en el proceso de ingeniería para crear su sucesor.

¿Cómo se juega?

La parte lúdica de RSI Simulator simula las decisiones de asignación de recursos en un laboratorio de inteligencia artificial.

En cada ronda, debes asignar recursos en tres direcciones. Invertir más potencia de cálculo permite entrenar modelos más grandes; invertir más recursos humanos en investigación mejora la eficiencia de los algoritmos (logrando el mismo efecto con menos potencia de cálculo); e invertir en la recopilación de datos amplía el alcance de los materiales de entrenamiento.

El mecanismo clave es el siguiente: cuando las capacidades del modelo alcanzan cierto nivel, comienza a "ayudar en la investigación", y la eficiencia de la investigación humana mejora gracias a la asistencia de la IA. Este es el punto de partida del ciclo RSI. Es necesario determinar cuándo cambiar los recursos del modo de expansión a un modo que "permita que la IA investigue por sí misma".

Si se realiza el cambio demasiado pronto, las capacidades del modelo serán insuficientes y la IA será menos eficiente que los humanos en la investigación, desperdiciando potencia de cálculo. Si se realiza el cambio demasiado tarde, otros laboratorios (hipotéticos) podrían superarlo.

Paradigm también incluye un "Explorador" que permite a los usuarios ajustar directamente los parámetros del modelo económico subyacente, como el "coeficiente de elasticidad de la capacidad del modelo con respecto a la velocidad de I+D", y observar cómo cambia la curva de progreso de la IA bajo diferentes configuraciones de parámetros.

Esta sección está dirigida a un público más especializado, y básicamente convierte los modelos matemáticos de los artículos académicos en paneles interactivos que se pueden arrastrar.

Cuatro ideas clave que el juego quiere transmitir.

En el artículo de investigación que acompaña al estudio, Paradigm resumió cuatro conclusiones extraídas de los modelos y los juegos.

El cuello de botella siempre reside en el eslabón más débil. La investigación y el desarrollo de la IA requieren tres elementos complementarios: recursos humanos, capacidad de procesamiento y datos. Incluso si la inteligencia artificial mejorara infinitamente, las limitaciones físicas de la capacidad de procesamiento y los datos persistirían. La mejora autónoma recursiva podría verse limitada por la disponibilidad de capacidad de procesamiento o la calidad de los datos, más que por la inteligencia en sí misma.

Es probable que la mejora autónoma sea intermitente, en lugar de un crecimiento exponencial continuo. La IA podría experimentar un período de aceleración autónoma y luego estancarse antes de alcanzar sus límites físicos, si la capacidad de procesamiento se convierte en el cuello de botella. La explosión de la inteligencia podría no ser una curva ascendente lineal, sino más bien una serie de pasos rápidos intercalados con períodos de estancamiento.

La explosión de la inteligencia artificial especializada podría preceder a la de la inteligencia general. La IA podría lograr primero una mejora autónoma acelerada en el ámbito específico de la investigación en IA, pero esta capacidad podría no generalizarse a todas las tareas cognitivas. Imaginemos una IA muy eficaz para mejorar el código de entrenamiento, pero que no logre el mismo avance en la gestión de una cadena de suministro o en la escritura de una novela.

Todo depende de la configuración de los parámetros. El resultado del modelo depende en gran medida de un conjunto de parámetros denominado "elasticidad". La elasticidad mide "cuánto aumenta el resultado cuando la entrada aumenta un 1 %". La elasticidad más importante en la mejora autónoma recursiva es: qué porcentaje de aumento en la velocidad de nuevos descubrimientos se logra cuando las capacidades del modelo actual mejoran un 1 %. Este valor puede variar con el tiempo, por lo que es crucial monitorizar sus cambios en tiempo real.

¿Por qué Paradigm?

Paradigm ya no es solo un simple controlador criptográfico.

Hace un mes, Paradigm completó un nuevo fondo de 1200 millones de dólares. La estrategia de inversión de este capital es completamente distinta a la de los tres fondos anteriores. El cofundador Matt Huang (antiguo socio de Sequoia Capital) y la socia gerente Alana Palmedo escribieron en el anuncio que el fondo "comenzará con criptomonedas y se expandirá a la inteligencia artificial, la robótica y otros campos de vanguardia".

Desde su fundación en 2018, Paradigm ha recaudado más de 4.000 millones de dólares y ha invertido en proyectos emblemáticos de la industria de las criptomonedas, como Uniswap, Optimism, Hyperliquid y Kalshi.

La cartera de inversiones de Paradigm se ha expandido claramente más allá de sus áreas principales. En marzo, lideró la ronda de financiación Serie H de Zipline, empresa de reparto con drones, y en abril, participó en la ronda de financiación Serie D de True Anomaly, empresa de defensa espacial. También invirtió en Nous Research, un laboratorio de investigación en inteligencia artificial.

Internamente, las herramientas también se están extendiendo hacia la IA. Paradigm ha desarrollado Centaur (un conjunto de herramientas para agentes de IA) y EVMbench (un proyecto de evaluación de la seguridad de la cadena de bloques en colaboración con OpenAI), con una rama en la cadena de bloques y la otra ya incursionando en la infraestructura de IA.

En este contexto, RSI Simulator ya no es solo un proyecto de relaciones públicas; Paradigm está apostando 1.200 millones de dólares en nueva financiación a la "encrucijada de las tecnologías de vanguardia", a saber, la aceleración de la IA, la computación descentralizada y la infraestructura automatizada.

Comprender la economía del RSI implica comprender la lógica subyacente de su apuesta máxima. Si el ritmo de mejora autónoma de la IA coincide con la curva definida por ciertos parámetros del juego, el ciclo de actualización de toda la pila tecnológica se acortará, y los proyectos que hoy parecen estar tres años por delante podrían quedar obsoletos en seis meses.

Paradigm concluye su artículo afirmando su interés en cualquier trabajo que amplíe los límites del modelado RSI y animando a los investigadores del sector a conectar. Este juego es una tarjeta de presentación, tras la cual se esconden 1200 millones de dólares y una empresa de inversión en plena transformación.