La inflación de autores en la investigación de IA: cuando 3.295 personas firman un solo paper
¿Alguna vez te has preguntado cuántos investigadores de Google hacen falta para desarrollar un modelo de IA? La respuesta, aparentemente, es 3.295. Al menos ese es el número de autores que firman el paper técnico de Gemini 2.5, el asistente de IA más avanzado de Google hasta la fecha. Y no, no es una errata.
El curioso caso del paper con miles de autores
Cuando vi esta cifra por primera vez, pensé que era un error. Pero no, es totalmente real. El documento titulado «Gemini 2.5: Pushing the Frontier with Advanced Reasoning, Multimodality, Long Context, and Next Generation Agentic Capabilities» viene con una lista de autores tan extensa que leerla completamente te llevaría más tiempo que entender el propio contenido técnico.
Lo más fascinante es que los primeros 43 nombres no están ahí por casualidad. Como descubrió el investigador David Ha (conocido como «hardmaru»), si observas las iniciales de estos autores en orden, forman un mensaje oculto: «GEMINI MODELS CAN THINK AND GET BACK TO YOU IN A FLASH». Un pequeño huevo de Pascua que refleja las capacidades de «razonamiento» y velocidad de respuesta («flash») de estos modelos.
¿Es esto normal en la investigación científica?
No es la primera vez que vemos papers con listas kilométricas de autores, pero sigue siendo impactante. El récord mundial lo ostenta un estudio médico de 2021 sobre COVID con 15.025 autores, y en física, un paper de 2015 del CERN sobre el bosón de Higgs contaba con 5.154 firmantes.
En comparación, OpenAI parece más «modesta»: su documento técnico sobre GPT-4o tiene «solo» 417 autores, mientras que el System Card de o1 cuenta con 260. La diferencia es notable, aunque sigue siendo un número que haría palidecer a cualquier equipo de investigación tradicional.
La industrialización de la investigación en IA
Lo que estamos presenciando es un cambio radical en cómo se desarrolla la tecnología. A diferencia de los tiempos en que un pequeño equipo podía crear un avance significativo, los modelos de IA actuales requieren:
- Especialistas en aprendizaje automático
- Ingenieros de software para infraestructura
- Expertos en hardware para optimización
- Científicos de datos
- Especialistas en ética y seguridad
- Lingüistas y expertos en diversos dominios
- Personal de pruebas y evaluación
Cuando se trata de crear un sistema como Gemini, que debe entender y generar texto, reconocer imágenes, procesar videos y razonar sobre diversos temas, la complejidad es abrumadora. Es como construir una catedral moderna: nadie podría hacerlo solo.
¿Generosidad o dilución de la autoría?
La pregunta que me surge es si realmente 3.295 personas contribuyeron significativamente al paper, o si Google está siendo extraordinariamente generoso con los créditos de autoría. Como señala un blogger científico sobre colaboraciones masivas en física: «Apostaría a que no más de un puñado de los ‘autores’ listados han leído siquiera el artículo, y menos aún escrito alguna parte».
Y esto plantea cuestiones importantes sobre el valor de la autoría académica. Cuando tienes miles de autores:
- ¿Quiénes son los contribuyentes principales?
- ¿Cómo evaluar el impacto real cuando esos mismos miles pueden citar el trabajo en futuras publicaciones?
- ¿Tiene sentido que alguien que ajustó un parámetro aparezca junto a quien diseñó la arquitectura central?
El futuro de la investigación en IA
Si esta tendencia continúa, para 2040 Google podría tener papers con millones de autores. Esto no es solo una curiosidad: refleja cómo la IA ha pasado de ser un campo académico tradicional a convertirse en una industria de megaproyectos.
Los días en que un pequeño equipo podía desarrollar un detector de IA o un generador de imágenes IA competitivo parecen estar quedando atrás. Las barreras de entrada son cada vez más altas, requiriendo infraestructura, datos y talento a escala industrial.
Para los investigadores independientes, universidades pequeñas o startups, esto representa un desafío monumental. La democratización de la IA se complica cuando los avances de vanguardia requieren recursos de un gigante tecnológico.
Lo que está claro es que estamos presenciando la industrialización definitiva de la investigación en IA. Ya no es ciencia en el sentido tradicional: es ingeniería a gran escala con equipos masivos, presupuestos astronómicos y objetivos comerciales definidos.
Y mientras tanto, yo sigo preguntándome si alguien se ha leído realmente los nombres de los 3.295 autores del paper de Gemini. O si, como pasaría en cualquier crédito de película, simplemente desplazamos rápidamente hasta el final.
