La Lección Amarga: el ensayo de IA de Rich Sutton explicado

La única frase detrás del auge de la IA

El 13 de marzo de 2019, Richard Sutton publicó un ensayo breve en su sitio web personal. Sutton no es un vendedor de humo. Es uno de los fundadores del aprendizaje por refuerzo, coautor del libro de texto de referencia de ese campo y, más tarde, ganador del Premio Turing. El ensayo apenas supera una página. Podría decirse que ha moldeado más decisiones de miles de millones de dólares que cualquier libro de negocios publicado en esa década.

Su primera línea es todo el argumento: "La mayor lección que puede extraerse de 70 años de investigación en IA es que los métodos generales que aprovechan el cómputo son, en última instancia, los más eficaces, y por un amplio margen".

Léelo dos veces, porque es menos obvio de lo que parece. Sutton no dice que el cómputo ayuda. Dice que a largo plazo es lo único que gana de forma fiable, y que el conocimiento humano que con tanto cariño incorporamos a nuestros sistemas tiende a estorbar. Los métodos que escalan con el cómputo bruto vencen a los métodos que codifican lo que la gente inteligente ya descubrió. No por poco. Por un amplio margen.

Esa afirmación suena casi anti-intelectual. Dice que el experto en el dominio, la persona que entiende la estructura especial del problema, suele ser quien pierde. Y Sutton no lo argumentó desde la teoría. Lo argumentó a partir de seis décadas de investigadores de IA cometiendo el mismo error, viéndolo fracasar y volviéndolo a cometer.

Sesenta años, cuatro veces el mismo error

La fuerza del ensayo es que se trata de un patrón, no de una opinión. Sutton repasa cuatro campos en los que se desarrolló la misma película.

Ajedrez. Durante décadas, los investigadores del ajedrez por computadora intentaron codificar la comprensión humana del ajedrez: teoría de aperturas, heurísticas posicionales, la sabiduría de los grandes maestros. Entonces, en 1997, Deep Blue de IBM venció al campeón mundial Garry Kasparov mediante una búsqueda masiva y profunda, evaluando cientos de millones de posiciones por segundo. No "entendía" el ajedrez como lo hace un gran maestro. Buscaba. Los enfoques basados en el conocimiento perdieron frente a la anticipación bruta ejecutada en hardware de propósito específico.

Go. Se suponía que el Go era diferente. El tablero es demasiado grande para la búsqueda por fuerza bruta, así que seguramente este era el juego en el que la intuición humana seguiría siendo esencial. Entonces, unos veinte años después de Deep Blue, AlphaGo de DeepMind venció a Lee Sedol en 2016, y su sucesor AlphaZero aprendió Go, ajedrez y shogi a nivel sobrehumano desde cero mediante el autojuego, sin ninguna partida humana. La misma historia, el mismo final: la búsqueda más el aprendizaje vencieron al conocimiento humano codificado.

Reconocimiento de voz. En la década de 1970, DARPA organizó una competición de reconocimiento de voz. Un bando usaba el conocimiento humano de las palabras, los fonemas y el tracto vocal humano. El otro usaba métodos estadísticos y modelos ocultos de Markov que hacían más cómputo y sabían menos sobre el lenguaje. Ganaron las estadísticas. Décadas después, el aprendizaje profundo llevó la misma lección más lejos, y los sistemas de voz modernos casi no contienen lingüística codificada a mano.

Visión por computadora. La investigación temprana en visión buscaba bordes, esquinas y características ingeniosas diseñadas a mano como SIFT. Entonces, en 2012, una red neuronal profunda conocida como AlexNet redujo la tasa de error en el benchmark ImageNet de aproximadamente el 26% a alrededor del 16% en un solo salto, usando convolución, GPU y datos en lugar de características diseñadas por humanos. La tubería hecha a mano que una generación de investigadores había refinado desapareció en pocos años.

Cuatro campos, cuatro grupos de expertos, un mismo resultado. Cada vez, las personas que mejor entendían el problema respaldaron el enfoque que perdió.

Por qué la llamaron "Amarga"

Aquí está la parte que la gente se salta. La lección no es solo "el cómputo gana". Es que la victoria se siente mal, y que ese mal sentimiento hace que la gente inteligente siga resistiéndose a ella.

Cuando Deep Blue ganó con la búsqueda, señala Sutton, la reacción de los investigadores de ajedrez del bando del conocimiento humano no fue de curiosidad. Fue algo más cercano a las uvas verdes. Habían construido carreras sobre la idea de que dominar el ajedrez requería una comprensión posicional profunda, y una máquina que en su mayoría buscaba acababa de dejar en ridículo esa idea. En sus palabras, "no supieron perder".

El patrón tiene una lógica emocional. Incorporar tu propio conocimiento a un sistema es satisfactorio. Hace que el sistema funcione mejor hoy, y te hace sentir que la mejora vino de tu perspicacia. Ese beneficio a corto plazo es real, y precisamente por eso es una trampa. Ahora te recompensan justo por el movimiento que después se estanca.

Vale la pena tener presente el resumen que hace Sutton del ciclo:

• Los investigadores incorporan el conocimiento humano a sus sistemas.
• Ayuda, y sienta bien, a corto plazo.
• Con el tiempo se estanca y puede bloquear activamente el progreso posterior.
• El avance acaba llegando desde la dirección opuesta: escalar el cómputo mediante la búsqueda y el aprendizaje.

La lección es amarga porque nunca deja de ser tentador ignorarla. Cada campo nuevo llega convencido de que esta vez la perspicacia humana es esencial, de que este problema es especial. Hasta ahora, esa convicción tiene un historial de derrotas.

Búsqueda y aprendizaje: las dos únicas cosas que escalan

Si el conocimiento humano es lo que se estanca, ¿qué es lo que no lo hace? Sutton nombra exactamente dos cosas: la búsqueda y el aprendizaje.

Ambas comparten una propiedad rara. Mejoran cuando les lanzas más cómputo, y siguen mejorando. La búsqueda explora más posibilidades por segundo a medida que mejora el hardware. El aprendizaje extrae más estructura de más datos a medida que crecen los modelos y el cómputo. Ninguna de las dos depende de que un humano ya haya descubierto la respuesta, y por eso ninguna choca con el mismo techo.

Aquí es donde el argumento de Sutton se vuelve filosófico, y donde vive su mejor frase. La razón para dejar de codificar conocimiento a mano, escribe, es que "los contenidos reales de las mentes son tremenda e irremediablemente complejos". La forma en que pensamos sobre el espacio, los objetos, otros agentes y la simetría es mucho más desordenada que cualquier regla pulcra que pudiéramos anotar. Así que cuando intentamos comprimir nuestra comprensión en un sistema, estamos entregando una caricatura simplificada y con pérdidas de la inteligencia real.

Su receta se deduce directamente. No intentes incorporar los contenidos del pensamiento. Incorpora los meta-métodos que puedan encontrar esa complejidad por sí solos. Como él lo expresa, queremos agentes de IA "que puedan descubrir como nosotros, no que contengan lo que nosotros hemos descubierto". Dale al sistema la capacidad de buscar y de aprender, luego apártate y deja que la escala haga el trabajo que nunca ibas a hacer a mano.

Para cualquiera que se preocupe por el conocimiento, ese replanteamiento es mayor que la IA. Sugiere que el movimiento de mayor palanca no es meter más respuestas ya terminadas en tu cabeza. Es construir un sistema que pueda seguir descubriendo. Esa idea conecta directamente con por qué el conocimiento se acumula como el interés cuando lo configuras para que siga creciendo.

La prueba moderna: leyes de escalado y autojuego

La razón por la que el ensayo de 2019 se lee como una profecía es que los años inmediatamente posteriores se convirtieron en una larga confirmación.

En 2020, un equipo liderado por Jared Kaplan publicó "Scaling Laws for Neural Language Models", que mostraba que el rendimiento de un modelo mejora como una ley de potencia suave a medida que aumentas el tamaño del modelo, los datos y el cómputo. Más grande y más significaba consistentemente mejor, a lo largo de órdenes de magnitud. Ese artículo se convirtió en la licencia intelectual para toda la carrera por escalar los grandes modelos de lenguaje. En 2022, el trabajo Chinchilla de DeepMind refinó la receta, mostrando que muchos modelos habían sido subentrenados en datos en relación con su tamaño, y reequilibrando la proporción.

El hilo conductor de Deep Blue a GPT es la misma lección con ropa nueva. AlphaZero aprendió un juego de clase mundial solo con autojuego, sin necesidad de registros de partidas humanas, lo que es búsqueda y aprendizaje a todo volumen. Los modelos de lenguaje aprendieron una competencia asombrosa no a partir de reglas de gramática y razonamiento escritas a mano, sino a partir de predecir el siguiente token a través de un océano de texto con enormes presupuestos de cómputo. Cada laboratorio que apostó por la escala en lugar del ingenio, desde OpenAI hasta DeepMind y Anthropic, estaba ejecutando, lo citaran o no, el manual de Sutton.

El motor de acumulación bajo todo esto es el crecimiento exponencial del cómputo disponible. Todo el argumento de Sutton se apoya en el supuesto de que el cómputo sigue abaratándose, de modo que cualquier método que pueda absorber más de él acaba ganando. Eso es un primo cercano de los retornos superlineales que Paul Graham describe en las startups: elige lo que se acumula, y el tiempo hace el trabajo pesado.

Donde la Lección Amarga contraataca

Un buen artículo explicativo tiene que decir dónde se cuestiona la idea, porque se cuestiona. Tratar "La Lección Amarga" como un evangelio es su propio tipo de error.

La refutación más citada llegó rápido. En marzo de 2019, el roboticista Rodney Brooks publicó "A Better Lesson". Su argumento: el bando del conocimiento humano no está realmente muerto, solo se mudó. Las redes neuronales convolucionales que "ganaron" la visión por computadora tienen la invariancia traslacional incorporada por diseñadores humanos. Las arquitecturas de modelos, los tokenizadores y las configuraciones de entrenamiento están llenos de sesgos humanos. No eliminamos el ingenio humano, argumentó Brooks. Lo reubicamos en la estructura de la máquina de aprendizaje y dejamos de notarlo. Otros añadieron que la ley de Moore se está ralentizando, así que "solo añade cómputo" no es gratis para siempre.

Luego, el giro más extraño de todos: el propio Sutton. En 2025, en el ensayo "Welcome to the Era of Experience" con David Silver y en una entrevista muy comentada en el pódcast de Dwarkesh Patel ese septiembre, Sutton argumentó que los grandes modelos de lenguaje actuales no satisfacen realmente la lección amarga. Los LLM aprenden imitando un montón fijo de texto humano, lo que él llamó aprender por mimetismo en lugar de aprender de la experiencia. La inteligencia real, en su visión más reciente, viene de agentes que aprenden continuamente de su propia interacción con el mundo, no de predecir la siguiente palabra humana. El padre de la lección amarga miró la era de los LLM y dijo, en efecto, que esto todavía tiene demasiado conocimiento humano dentro.

Así que la lectura honesta es en capas. La afirmación central, que la búsqueda y el aprendizaje escalables vencen al conocimiento codificado a mano, tiene un historial extraordinario. Pero "qué método escala mejor" sigue siendo una pelea abierta, y la persona que escribió el ensayo cree que el campeón actual es una parada intermedia, no el destino. Sostener ambas ideas a la vez es la señal de entenderlo de verdad, ese tipo de pensamiento en compensaciones que un buen rango entre campos tiende a producir.

La Lección Amarga de tomar notas

Ahora la parte que no va de IA en absoluto. La lección amarga tiene una versión de conocimiento personal, y una vez que la ves ya no puedes dejar de verla.

Fíjate en cómo la mayoría de la gente intenta volverse más inteligente. Construye sistemas elaborados. Jerarquías anidadas de carpetas. Taxonomías intrincadas de etiquetas. Códigos de color, plantillas, una ontología perfecta para dónde debería vivir cada idea. Este es el enfoque del conocimiento humano aplicado a tu propio cerebro. Se siente productivo. Organizar es satisfactorio justo de la manera que Sutton advierte, y ayuda un poco al principio. Luego se estanca, porque el sistema requiere más esfuerzo de mantenimiento del que devuelve, y la mayoría de la gente lo abandona en silencio.

La alternativa escalable refleja la búsqueda y el aprendizaje. Captura mucho, casi sin estructura previa, y deja que la recuperación haga la organización más tarde. En lugar de decidir de antemano a dónde pertenece un resaltado, guárdalo todo y confía en la búsqueda de texto completo y la IA para que hagan aflorar lo correcto cuando lo necesites. Apuestas por el volumen más una buena recuperación en lugar de un archivado manual ingenioso. Ese es el eco personal de "los métodos generales que aprovechan el cómputo".

Por eso el hábito de resaltar vence al hábito de archivar. Cuando usas el resaltador web de Glasp para marcar lo que importa mientras lees, o guardas resúmenes de vídeos de YouTube y resaltados de transcripciones de charlas y conferencias, estás construyendo el corpus. El volumen es el punto. Luego el chat de IA de Glasp desempeña el papel de la búsqueda y el aprendizaje, dejándote hacer preguntas sobre todo lo que has guardado en lugar de recordar manualmente dónde vive cada idea. Tú aportas el meta-método, la captura, y dejas que la escala se encargue del resto.

También replantea un sentimiento de culpa que la mayoría de los lectores conocen bien. Un enorme montón de material guardado pero sin leer no es un fracaso, es cómputo en bruto para más adelante. Expusimos el caso completo de eso en por qué guardar ahora y no leer nunca aún te vuelve más inteligente. La lección amarga está de acuerdo: un corpus grande y desordenado más una buena recuperación vence a uno pequeño y perfectamente curado.

Cómo aplicarla a tu propio aprendizaje

El ensayo va de máquinas, pero el consejo operativo para los humanos es sorprendentemente concreto.

Deja de sobrediseñar el sistema. Las horas que dedicas a perfeccionar tu esquema de etiquetas son la versión de tomar notas de codificar a mano las heurísticas del ajedrez. Satisfactorio, y un estancamiento. Mantén la estructura lo bastante ligera como para que de verdad la sigas usando.

Reduce el coste de la captura a casi cero. Los métodos escalables ganan en parte porque son baratos de alimentar. Haz que guardar un resaltado, una cita o un resumen sea un reflejo de un solo clic, para que la fricción nunca te disuada de hacerlo. Un flujo de trabajo de notas inteligentes funciona mejor cuando la captura es sin esfuerzo y la conexión ocurre después.

Invierte en la recuperación, no en el archivado. Tu palanca está en lo bien que puedas encontrar y recombinar lo que guardaste, no en lo pulcramente que lo almacenaste. La búsqueda, el chat de IA sobre tus propias notas y un buen enlazado vencen a cualquier árbol de carpetas.

Apuesta por la acumulación, no por terminar. Nunca "terminarás" de aprender un campo, y la lección amarga dice que de todos modos no deberías intentar incorporar una respuesta final. Construye el hábito que sigue descubriendo. Un corpus que crece un poco cada día cruza en silencio umbrales que no puedes predecir.

Mantente generalista respecto a los métodos. El movimiento más profundo de la lección es la humildad intelectual: asume que tu mejor perspicacia actual será superada por la escala, y diseña para eso. Mantén tus entradas amplias. La ventaja más duradera es ser la persona que sigue aprendiendo, lo que enlaza con que el contexto que acumulas con el tiempo se convierta en tu verdadera ventaja.

El meta-punto es simple. Sé el meta-método. No intentes ser el sistema experto terminado y codificado a mano. Sé la cosa que sigue buscando y sigue aprendiendo, y deja que el volumen más una buena recuperación se acumulen a tu favor.

Preguntas frecuentes

¿Qué es la lección amarga en términos sencillos?

Es la observación, del ensayo de Richard Sutton de 2019, de que en la IA los enfoques que ganan con el tiempo son los que usan más cómputo mediante la búsqueda y el aprendizaje, no los que codifican a mano la experiencia humana en el sistema. El ingenio ayuda a corto plazo y luego se estanca; la escala sigue mejorando. Es "amarga" porque significa que el conocimiento cuidadosamente construido por el experto suele perder.

¿Quién es Richard Sutton y por qué importa?

Richard Sutton es un científico informático ampliamente considerado como fundador del aprendizaje por refuerzo, coautor del libro de texto de referencia del campo junto con Andrew Barto, y ganador del Premio Turing. Cuando escribe una página sobre la dirección de la IA, todo el campo la lee, porque él ayudó a construir los métodos en los que se basa el auge moderno de la IA.

¿Es realmente cierta la lección amarga?

El patrón histórico es sólido: el ajedrez, el Go, el reconocimiento de voz y la visión por computadora lo siguieron, y las leyes de escalado para los modelos de lenguaje lo extendieron. Pero se debate. Rodney Brooks argumentó que el conocimiento humano simplemente se mudó a las arquitecturas de los modelos en lugar de desaparecer, y en 2025 el propio Sutton argumentó que los grandes modelos de lenguaje actuales no siguen del todo la lección porque imitan texto humano en lugar de aprender de la experiencia real.

¿Significa la lección amarga que el conocimiento humano es inútil?

No. Significa que el conocimiento humano tiende a perder como forma de codificar a mano la respuesta final en un sistema. Los humanos todavía eligen el problema, diseñan los meta-métodos, construyen las configuraciones de entrenamiento y deciden qué escalar. La lección va de dónde poner tu esfuerzo: en métodos escalables y una buena estructura, no en congelar la comprensión de hoy dentro de la máquina.

¿Cómo se aplica la lección amarga a tomar notas y aprender?

Sugiere que los sistemas manuales y elaborados de organización se comportan como la experiencia codificada a mano: satisfactorios al principio, luego una carga de mantenimiento que se estanca. La alternativa escalable es capturar mucho con una estructura mínima y confiar en la búsqueda y la IA para la recuperación. Construye el corpus con herramientas como un resaltador web y deja que la recuperación, no el archivado, haga el trabajo.

Conclusión: apuesta por lo que se acumula

"La Lección Amarga" es una página que explica en silencio una década de IA, y aterriza como una advertencia sobre cómo cualquiera de nosotros intenta volverse más inteligente. El movimiento seductor es siempre codificar lo que ya sabes y llamarlo progreso. El movimiento duradero es construir algo que siga buscando y siga aprendiendo, y luego alimentarlo con escala.

No puedes superar en cómputo a un centro de datos, pero puedes copiar la estrategia. Captura más de lo que parece pulcro. Mantén la estructura ligera. Pon tu energía en la recuperación, y deja que un cuerpo creciente de resaltados, notas y resúmenes se acumule a lo largo de los años. Esa es la versión personal de aprovechar el cómputo, y vence a un sistema perfectamente organizado que dejas de usar en marzo.

Empieza a construir tu corpus con el resaltador web de Glasp y YouTube Summary, luego deja que el chat de IA de Glasp busque y aprenda sobre todo lo que has guardado. Sé el meta-método. Deja que la escala haga el resto.