Capacidades emergentes

Se llama capacidades emergentes a las habilidades que no aparecen en modelos pequeños pero sí en modelos más grandes, a veces de manera abrupta: hacer aritmética de varios dígitos, responder preguntas que exigen varios pasos de razonamiento o seguir una cadena de pensamiento.

El concepto lo difundió un artículo de 2022 de Jason Wei y colegas (Google y otras instituciones), que definió una capacidad como emergente si «no está presente en modelos más pequeños pero sí en modelos más grandes» y, por tanto, no puede predecirse simplemente extrapolando el desempeño de los pequeños. Documentaron decenas de ejemplos en distintas familias de modelos.

La idea es polémica. En 2023, Rylan Schaeffer y colegas, de Stanford, argumentaron que muchas de esas «emergencias» son un espejismo creado por la métrica: si mides con algo de todo o nada (la respuesta es exactamente correcta o no), una mejora gradual se ve como un salto. Con métricas continuas, la mejora suele verse suave y predecible.

¿Por qué importa? Para la seguridad de la IA y la gobernanza, la diferencia es crucial: si las habilidades surgen de golpe, es más difícil anticipar riesgos de un modelo de frontera antes de entrenarlo. Por eso se invierte en evaluaciones sistemáticas en cada nueva generación de modelos.