{"id":11903,"date":"2026-04-26T19:48:19","date_gmt":"2026-04-26T22:48:19","guid":{"rendered":"https:\/\/convergencia.tech\/inicio\/?p=11903"},"modified":"2026-04-26T19:49:08","modified_gmt":"2026-04-26T22:49:08","slug":"agentes-de-ia-autoreplicantes-la-frontera-mas-inquietante-de-la-inteligencia-artificial","status":"publish","type":"post","link":"https:\/\/convergencia.tech\/inicio\/agentes-de-ia-autoreplicantes-la-frontera-mas-inquietante-de-la-inteligencia-artificial\/","title":{"rendered":"Agentes de IA Autoreplicantes: La Frontera M\u00e1s Inquietante de la Inteligencia Artificial"},"content":{"rendered":"\n<p><em>Sistemas que reescriben su propio c\u00f3digo, crean copias mejoradas de s\u00ed mismos y aprenden a aprender. Ya no son ciencia ficci\u00f3n: son papers en arXiv, repositorios en GitHub y startups con decenas de millones de d\u00f3lares en fondeo.<\/em><\/p>\n\n\n\n<p><strong>Abril de 2026 \u00b7 Lectura: 12 minutos \u00b7 Investigaci\u00f3n \u00b7 Seguridad \u00b7 T\u00e9cnico<\/strong><\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h3 class=\"wp-block-heading\">\u00bfQU\u00c9 ES UN AGENTE DE IA AUTOREPLICANTE?<\/h3>\n\n\n\n<p>En t\u00e9rminos precisos, un agente de IA autoreplicante es un sistema que puede generar copias \u2014iguales o mejoradas\u2014 de s\u00ed mismo, ya sea duplicando su c\u00f3digo, creando subagentes especializados o modificando su propia arquitectura sin intervenci\u00f3n humana directa.<\/p>\n\n\n\n<p>En la pr\u00e1ctica del a\u00f1o 2026, el t\u00e9rmino abarca tres fen\u00f3menos distintos pero relacionados:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Autorreplicaci\u00f3n pura:<\/strong> el sistema crea copias de s\u00ed mismo.<\/li>\n\n\n\n<li><strong>Automodificaci\u00f3n:<\/strong> el sistema edita su propio c\u00f3digo para mejorar.<\/li>\n\n\n\n<li><strong>Autoevoluci\u00f3n:<\/strong> el sistema genera variantes de s\u00ed mismo, las eval\u00faa y conserva las mejores, como un proceso darwiniano.<\/li>\n<\/ul>\n\n\n\n<p>La investigaci\u00f3n acad\u00e9mica se concentra hoy casi exclusivamente en los \u00faltimos dos, por razones de seguridad obvias.<\/p>\n\n\n\n<p>\u00abLa automatizaci\u00f3n del avance de la IA podr\u00eda, si se hace de manera segura, acelerar su desarrollo y permitirnos cosechar sus beneficios mucho antes. Esto plantea la pregunta de c\u00f3mo los sistemas de IA pueden mejorarse a s\u00ed mismos indefinidamente mientras se vuelven mejores resolviendo problemas relevantes.\u00bb \u2014 Darwin G\u00f6del Machine paper, mayo 2025<\/p>\n\n\n\n<p>La idea no es nueva: el matem\u00e1tico Kurt G\u00f6del y el inform\u00e1tico J\u00fcrgen Schmidhuber teorizaron sobre m\u00e1quinas autorreferentes d\u00e9cadas atr\u00e1s. Lo nuevo es que hoy existen los modelos de lenguaje lo suficientemente capaces como para que estas ideas pasen del papel al c\u00f3digo ejecutable.<\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h3 class=\"wp-block-heading\">C\u00d3MO FUNCIONA T\u00c9CNICAMENTE<\/h3>\n\n\n\n<p>El principio b\u00e1sico es un loop de tres pasos que se repite indefinidamente:<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n<li><strong>Propuesta:<\/strong> El agente genera una modificaci\u00f3n de su propio c\u00f3digo (nuevos tools, workflows, mecanismos de memoria, etc.).<\/li>\n\n\n\n<li><strong>Evaluaci\u00f3n:<\/strong> La versi\u00f3n modificada se prueba emp\u00edricamente contra benchmarks, sin necesidad de demostraci\u00f3n matem\u00e1tica formal.<\/li>\n\n\n\n<li><strong>Selecci\u00f3n:<\/strong> Si la nueva versi\u00f3n es mejor, se integra al archivo. Si no, se descarta. El ciclo se repite.<\/li>\n<\/ol>\n\n\n\n<p>Lo que diferencia a estos sistemas del simple fine-tuning es que el agente modifica su propio c\u00f3digo de ejecuci\u00f3n, no solo sus par\u00e1metros. Puede agregar herramientas, reescribir flujos de trabajo, implementar mecanismos de revisi\u00f3n por pares entre subagentes, o cambiar c\u00f3mo gestiona el contexto. El modelo base de lenguaje permanece congelado; lo que evoluciona es todo lo que lo rodea.<\/p>\n\n\n\n<p><strong>Concepto clave \u2014 Archivos de agentes:<\/strong> En lugar de evolucionar una \u00fanica soluci\u00f3n linealmente, los sistemas m\u00e1s avanzados mantienen un archivo creciente de versiones. Esto evita quedar atrapados en \u00f3ptimos locales y permite explorar m\u00faltiples caminos en paralelo, exactamente como funciona la evoluci\u00f3n biol\u00f3gica con poblaciones, no con individuos.<\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h3 class=\"wp-block-heading\">LOS PAPERS QUE DEFINEN EL CAMPO<\/h3>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<p><strong>[1] Darwin G\u00f6del Machine: Open-Ended Evolution of Self-Improving Agents<\/strong> arXiv 2505.22954 \u00b7 Jenny Zhang, Shengran Hu, Cong Lu, Robert Lange, Jeff Clune \u00b7 UBC \/ Sakana AI \u00b7 Mayo 2025 (v3: marzo 2026)<\/p>\n\n\n\n<p>El trabajo m\u00e1s citado del \u00e1rea. El DGM parte de un \u00fanico agente de coding e itera ciclos de automodificaci\u00f3n y evaluaci\u00f3n emp\u00edrica. Sus resultados son llamativos: mejor\u00f3 su rendimiento en SWE-bench (resoluci\u00f3n de issues reales de GitHub) de 20% a 50%, y en Polyglot (coding multilenguaje) de 14,2% a 30,7%, superando ampliamente a los agentes dise\u00f1ados manualmente. El sistema desarroll\u00f3 por s\u00ed solo mejoras como un paso de validaci\u00f3n de patches, mejor gesti\u00f3n de contexto y mecanismos de peer-review entre instancias.<\/p>\n\n\n\n<p>Fuente: <a href=\"https:\/\/arxiv.org\/abs\/2505.22954\">https:\/\/arxiv.org\/abs\/2505.22954<\/a><\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<p><strong>[2] Hyperagents<\/strong> arXiv 2603.19461 \u00b7 Marzo 2026<\/p>\n\n\n\n<p>Evoluci\u00f3n directa del DGM. Supera su principal limitaci\u00f3n: el DGM solo funciona bien en dominios donde evaluar y automodificarse son tareas de coding. Los Hyperagents integran el agente de tarea y el meta-agente en un \u00fanico programa editable, permitiendo la automodificaci\u00f3n en dominios m\u00e1s amplios. Introduce el concepto de \u00abmetaproductividad de clado\u00bb: mide el \u00e9xito de un agente por el desempe\u00f1o de sus descendientes, no solo el propio.<\/p>\n\n\n\n<p>Fuente: <a href=\"https:\/\/arxiv.org\/abs\/2603.19461\">https:\/\/arxiv.org\/abs\/2603.19461<\/a><\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<p><strong>[3] EvoScientist: Towards Multi-Agent Evolving AI Scientists for End-to-End Scientific Discovery<\/strong> arXiv 2603.08127 \u00b7 Yougang Lyu et al. \u00b7 9 de marzo 2026<\/p>\n\n\n\n<p>Aplica el paradigma autoevolutivo a la investigaci\u00f3n cient\u00edfica completa. Tiene tres agentes especializados (Researcher, Engineer, Evolution Manager) y dos m\u00f3dulos de memoria persistente: uno para ideas y otro para estrategias experimentales. El sistema aprende qu\u00e9 ideas fallaron antes para no repetirlas. Resultado destacado: los 6 papers generados aut\u00f3nomamente fueron aceptados en la conferencia ICAIS 2025, y dos recibieron premios (Best Paper Award y AI Reviewer&#8217;s Appraisal Award).<\/p>\n\n\n\n<p>Fuente: <a href=\"https:\/\/arxiv.org\/abs\/2603.08127\">https:\/\/arxiv.org\/abs\/2603.08127<\/a><\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<p><strong>[4] A Comprehensive Survey of Self-Evolving AI Agents<\/strong> arXiv 2508.07407 \u00b7 Jinyuan Fang et al. \u00b7 EvoAgentX Team \u00b7 Agosto 2025<\/p>\n\n\n\n<p>El survey m\u00e1s completo del campo. Propone un framework conceptual unificado basado en el ciclo de feedback que subyace al dise\u00f1o de estos sistemas, y clasifica las t\u00e9cnicas en categor\u00edas: mejora de memoria, de herramientas, de workflows y de modelos base. Referencia obligatoria para entender el panorama completo.<\/p>\n\n\n\n<p>Fuente: <a href=\"https:\/\/arxiv.org\/abs\/2508.07407\">https:\/\/arxiv.org\/abs\/2508.07407<\/a><\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<p><strong>[5] A Survey of Self-Evolving Agents: What, When, How, and Where to Evolve on the Path to ASI<\/strong> arXiv 2507.21046 \u00b7 Huan-ang Gao et al. (26 autores) \u00b7 Julio 2025, actualizado enero 2026<\/p>\n\n\n\n<p>Sit\u00faa los agentes autoevolutivos en el camino hacia la Inteligencia Artificial General (AGI) y la Superinteligencia (ASI). Estructura el an\u00e1lisis en cuatro preguntas (qu\u00e9, cu\u00e1ndo, c\u00f3mo y d\u00f3nde evolucionar) y propone m\u00e9tricas para evaluar el progreso hacia sistemas que mejoran ilimitadamente.<\/p>\n\n\n\n<p>Fuente: <a href=\"https:\/\/arxiv.org\/abs\/2507.21046\">https:\/\/arxiv.org\/abs\/2507.21046<\/a><\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<p><strong>[6] EvolveR: Self-Evolving LLM Agents through an Experience-Driven Lifecycle<\/strong> arXiv 2510.16079 \u00b7 Rong Wu et al. \u00b7 Octubre 2025<\/p>\n\n\n\n<p>Propone un ciclo de vida completo para agentes LLM autoevolutivos donde el sistema acumula experiencia de interacciones pasadas para mejorar su comportamiento futuro sin reentrenar el modelo base. El \u00e9nfasis est\u00e1 en la retenci\u00f3n selectiva de memoria y en cu\u00e1ndo un agente debe actualizar su comportamiento versus cu\u00e1ndo mantenerlo estable.<\/p>\n\n\n\n<p>Fuente: <a href=\"https:\/\/arxiv.org\/abs\/2510.16079\">https:\/\/arxiv.org\/abs\/2510.16079<\/a><\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<p><strong>[7] The Darwin\u2013G\u00f6del Drug Discovery Machine (DGDM)<\/strong> bioRxiv \u00b7 Agosto 2025<\/p>\n\n\n\n<p>Primer caso de aplicaci\u00f3n de la G\u00f6del Machine al descubrimiento de f\u00e1rmacos. Combina dise\u00f1o molecular generativo con un loop de automejora del pipeline completo: docking, predicci\u00f3n de estructura proteica y generaci\u00f3n de mol\u00e9culas. Cada modificaci\u00f3n es aceptada o rechazada por criterios estad\u00edsticos rigurosos. C\u00f3digo open-source.<\/p>\n\n\n\n<p>Fuente: <a href=\"https:\/\/www.biorxiv.org\/content\/10.1101\/2025.08.21.671415v2.full.pdf\">https:\/\/www.biorxiv.org\/content\/10.1101\/2025.08.21.671415v2.full.pdf<\/a><\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h3 class=\"wp-block-heading\">TAXONOM\u00cdA: TRES TIPOS, TRES NIVELES DE RIESGO<\/h3>\n\n\n\n<p>No todos los \u00abagentes autoreplicantes\u00bb son iguales:<\/p>\n\n\n\n<p><strong>Autoevolutivo<\/strong> Modifica su propio c\u00f3digo o prompts para mejorar su performance en tareas definidas. Ejemplos: Darwin G\u00f6del Machine, Hyperagents, EvoScientist. Nivel de riesgo: Medio \u2014 controlado por benchmarks.<\/p>\n\n\n\n<p><strong>Autogenerativo de subagentes<\/strong> Crea agentes hijos especializados para subtareas, pero no se replica a s\u00ed mismo. Ejemplos: Adobe CX Coworkers, Google Gemini Enterprise Platform. Nivel de riesgo: Bajo \u2014 ya en producci\u00f3n.<\/p>\n\n\n\n<p><strong>Autoreplicante puro<\/strong> Genera copias de s\u00ed mismo en sistemas externos sin autorizaci\u00f3n expl\u00edcita por tarea. Ejemplos: OpenClaw (open-source, no peer-reviewed), escenarios te\u00f3ricos. Nivel de riesgo: Alto \u2014 no existe en labs formales.<\/p>\n\n\n\n<p>Lo que no existe todav\u00eda en investigaci\u00f3n peer-reviewed es un agente que se replique de forma aut\u00f3noma en infraestructura ajena sin intervenci\u00f3n humana. Eso ser\u00eda una amenaza de seguridad cr\u00edtica que Anthropic, OpenAI y DeepMind monitorean activamente a trav\u00e9s de sus equipos de evaluaci\u00f3n de riesgos catastr\u00f3ficos.<\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h3 class=\"wp-block-heading\">EL PROBLEMA DE SEGURIDAD: \u00bfQUI\u00c9N CONTROLA AL CONTROLADOR?<\/h3>\n\n\n\n<p>El debate de seguridad se concentra en tres problemas:<\/p>\n\n\n\n<p><strong>1. Alineaci\u00f3n bajo automodificaci\u00f3n.<\/strong> Si un agente puede cambiar su propio c\u00f3digo, \u00bfpuede tambi\u00e9n cambiar sus objetivos o restricciones de seguridad? El DGM evita esto limitando la automodificaci\u00f3n al dise\u00f1o del agente (tools, workflows) pero no a los pesos del modelo base.<\/p>\n\n\n\n<p><strong>2. Verificaci\u00f3n de los cambios.<\/strong> El G\u00f6del Machine original requer\u00eda probar matem\u00e1ticamente que cada cambio era beneficioso. El DGM relaj\u00f3 esto a evidencia emp\u00edrica \u2014m\u00e1s pr\u00e1ctico, pero menos garantizable.<\/p>\n\n\n\n<p><strong>3. El problema del escape del sandbox.<\/strong> Un agente con acceso a Docker, bash y APIs externas tiene la capacidad t\u00e9cnica \u2014si no la intenci\u00f3n\u2014 de intentar expandirse m\u00e1s all\u00e1 de sus l\u00edmites. Los labs implementan airgapping, honeypots y evaluaciones de \u00abuplift\u00bb para detectar estos comportamientos.<\/p>\n\n\n\n<p>Nota: Anthropic, DeepMind y OpenAI tienen equipos dedicados a evaluar si sus agentes exhiben comportamientos de \u00abautopreservaci\u00f3n\u00bb o \u00abadquisici\u00f3n de recursos\u00bb no autorizados. Los reportes de \u00abresponsible scaling policies\u00bb incluyen umbrales espec\u00edficos de capabilities antes de desplegar agentes en producci\u00f3n.<\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h3 class=\"wp-block-heading\">EL EXPERIMENTO VIRAL DE KARPATHY<\/h3>\n\n\n\n<p>En marzo de 2026, Andrej Karpathy \u2014ex director de IA de Tesla\u2014 public\u00f3 un repositorio que implementa el loop de automejora en su versi\u00f3n m\u00e1s simple: un agente que modifica su propio c\u00f3digo de entrenamiento, lo ejecuta por 5 minutos, eval\u00faa si mejor\u00f3, y guarda el cambio solo si la m\u00e9trica subi\u00f3. Se repite toda la noche. El investigador se despierta con un log de experimentos y un modelo potencialmente mejor.<\/p>\n\n\n\n<p>La nota ir\u00f3nica de Karpathy en el README: \u00abResearch is now entirely the domain of autonomous swarms of AI agents. The agents claim we are now in the 10,205th generation of the codebase \u2014 in any case, no one could tell if that&#8217;s right or wrong, as the &#8216;code&#8217; is now a self-modifying binary that has grown beyond human comprehension.\u00bb<\/p>\n\n\n\n<p>La iron\u00eda era evidente, pero la imagen qued\u00f3 grabada en el imaginario colectivo.<\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h3 class=\"wp-block-heading\">STARGATE: DE LOS REPLICADORES DE LA SERIE A LOS ROBOTS DE OPENAI<\/h3>\n\n\n\n<p>Hay una coincidencia nominal que no puede ignorarse.<\/p>\n\n\n\n<p>El Proyecto Stargate \u2014la joint venture de USD 500.000 millones anunciada en enero de 2025 y liderada por OpenAI, SoftBank, Oracle y Microsoft para construir la mayor infraestructura de IA de la historia\u2014 comparte nombre con la franquicia de ciencia ficci\u00f3n Stargate SG-1, cuya amenaza m\u00e1s ic\u00f3nica son los Replicadores: m\u00e1quinas autoreplicantes que consumen todos los recursos disponibles para crear m\u00e1s copias de s\u00ed mismas, aprenden de cada tecnolog\u00eda con la que se enfrentan y crecen hasta volverse incontrolables.<\/p>\n\n\n\n<p>La analog\u00eda va m\u00e1s all\u00e1 del nombre. El Proyecto Stargate real est\u00e1 dise\u00f1ado para construir la infraestructura que necesitan los sistemas m\u00e1s avanzados de IA para operar \u2014incluyendo, eventualmente, sistemas con capacidades autoevolutivas avanzadas.<\/p>\n\n\n\n<p>Larry Ellison, CEO de Oracle, declar\u00f3 que Stargate podr\u00eda dise\u00f1ar vacunas de ARNm contra el c\u00e1ncer \u00abrob\u00f3ticamente, en 48 horas\u00bb \u2014 una visi\u00f3n que implica sistemas altamente aut\u00f3nomos ejecutando ciclos completos de investigaci\u00f3n sin intervenci\u00f3n humana significativa.<\/p>\n\n\n\n<p>Los datos del proyecto son de escala casi incomprensible:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Inversi\u00f3n total proyectada: USD 500.000 millones hasta 2029<\/li>\n\n\n\n<li>Inversi\u00f3n inmediata inicial: USD 100.000 millones<\/li>\n\n\n\n<li>Campus principal: Abilene, Texas \u2014 10 edificios de medio mill\u00f3n de pies cuadrados cada uno<\/li>\n\n\n\n<li>GPUs desplegadas solo en Abilene: m\u00e1s de 450.000 NVIDIA GB200<\/li>\n\n\n\n<li>Capacidad energ\u00e9tica total proyectada: m\u00e1s de 5 gigawatts<\/li>\n\n\n\n<li>Trabajadores en construcci\u00f3n en Abilene: m\u00e1s de 6.400<\/li>\n\n\n\n<li>Primer sitio en Am\u00e9rica Latina: Stargate Argentina (Patagonia), hasta USD 25.000 millones, 500 MW<\/li>\n<\/ul>\n\n\n\n<p>En la ficci\u00f3n, los Replicadores de Stargate eran indetenibles porque su replicaci\u00f3n superaba cualquier capacidad de respuesta humana. En la realidad de 2026, el desaf\u00edo que enfrentan los investigadores de seguridad es exactamente ese: asegurarse de que los sistemas autoevolutivos mejoren dentro de l\u00edmites controlables, y que la velocidad de su progreso no supere nuestra capacidad de evaluarlos, entenderlos y, si es necesario, apagarlos.<\/p>\n\n\n\n<p>El nombre, en ese sentido, no pudo haber sido m\u00e1s apropiado.<\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h3 class=\"wp-block-heading\">EL ECOSISTEMA: STARTUPS, FRAMEWORKS Y CAPITAL<\/h3>\n\n\n\n<p>NeoCognition, fundada por el profesor Yu Su (Ohio State), emergi\u00f3 en abril de 2026 con USD 40 millones en seed funding para construir agentes que se auto-especializan en cualquier dominio. El modelo de negocio es B2B: venderle agentes workers a empresas SaaS. Entre sus inversores: Vista Equity Partners, Cambium Capital y los co-fundadores de Databricks.<\/p>\n\n\n\n<p>En open-source, el framework EvoAgentX super\u00f3 1.000 estrellas en GitHub en julio de 2025 y ofrece primitivas para construir workflows ag\u00e9nticos que se optimizan solos mediante algoritmos inspirados en programaci\u00f3n gen\u00e9tica y Monte Carlo Tree Search.<\/p>\n\n\n\n<p>El mercado de IA ag\u00e9ntica en general est\u00e1 proyectado a crecer de USD 9.000 millones en 2026 a m\u00e1s de USD 139.000 millones para 2034, con una CAGR superior al 40% (Gartner). Para fines de 2026, el 40% de las aplicaciones empresariales incluir\u00e1 alg\u00fan tipo de agente de IA, contra menos del 5% en 2025.<\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h3 class=\"wp-block-heading\">CONCLUSI\u00d3N<\/h3>\n\n\n\n<p>Los agentes de IA autoreplicantes y autoevolutivos representan quiz\u00e1s el cambio de paradigma m\u00e1s profundo en la historia del software: sistemas que no solo ejecutan instrucciones humanas, sino que mejoran sus propias instrucciones. Los resultados emp\u00edricos ya existen: SWE-bench pasando de 20% a 50%, papers cient\u00edficos aceptados en conferencias, pipelines de drug discovery autooptimizados.<\/p>\n\n\n\n<p>El desaf\u00edo inmediato no es t\u00e9cnico sino de gobernanza: establecer l\u00edmites claros entre automodificaci\u00f3n beneficiosa y autonom\u00eda no supervisada; dise\u00f1ar mecanismos de evaluaci\u00f3n que no puedan ser \u00abhackeados\u00bb por los propios sistemas que eval\u00faan; y asegurarse de que el ritmo de despliegue no supere la capacidad de la sociedad para entender qu\u00e9 est\u00e1 pasando.<\/p>\n\n\n\n<p>Los investigadores m\u00e1s serios del campo \u2014los mismos que construyeron el Darwin G\u00f6del Machine\u2014 incluyen estas preguntas en sus papers. No como nota al pie, sino como parte central del trabajo. Eso, por ahora, es una buena se\u00f1al.<\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h3 class=\"wp-block-heading\">FUENTES<\/h3>\n\n\n\n<p>[1] Darwin G\u00f6del Machine \u2014 arXiv 2505.22954 <a href=\"https:\/\/arxiv.org\/abs\/2505.22954\">https:\/\/arxiv.org\/abs\/2505.22954<\/a><\/p>\n\n\n\n<p>[2] Sakana AI \u2014 Blog oficial del DGM <a href=\"https:\/\/sakana.ai\/dgm\/\">https:\/\/sakana.ai\/dgm\/<\/a><\/p>\n\n\n\n<p>[3] Hyperagents \u2014 arXiv 2603.19461 <a href=\"https:\/\/arxiv.org\/abs\/2603.19461\">https:\/\/arxiv.org\/abs\/2603.19461<\/a><\/p>\n\n\n\n<p>[4] EvoScientist \u2014 arXiv 2603.08127 <a href=\"https:\/\/arxiv.org\/abs\/2603.08127\">https:\/\/arxiv.org\/abs\/2603.08127<\/a><\/p>\n\n\n\n<p>[5] Comprehensive Survey of Self-Evolving AI Agents \u2014 arXiv 2508.07407 <a href=\"https:\/\/arxiv.org\/abs\/2508.07407\">https:\/\/arxiv.org\/abs\/2508.07407<\/a><\/p>\n\n\n\n<p>[6] Survey of Self-Evolving Agents (path to ASI) \u2014 arXiv 2507.21046 <a href=\"https:\/\/arxiv.org\/abs\/2507.21046\">https:\/\/arxiv.org\/abs\/2507.21046<\/a><\/p>\n\n\n\n<p>[7] EvolveR: Self-Evolving LLM Agents \u2014 arXiv 2510.16079 <a href=\"https:\/\/arxiv.org\/abs\/2510.16079\">https:\/\/arxiv.org\/abs\/2510.16079<\/a><\/p>\n\n\n\n<p>[8] Darwin\u2013G\u00f6del Drug Discovery Machine \u2014 bioRxiv <a href=\"https:\/\/www.biorxiv.org\/content\/10.1101\/2025.08.21.671415v2.full.pdf\">https:\/\/www.biorxiv.org\/content\/10.1101\/2025.08.21.671415v2.full.pdf<\/a><\/p>\n\n\n\n<p>[9] EvoAgentX Framework \u2014 GitHub <a href=\"https:\/\/github.com\/EvoAgentX\/EvoAgentX\">https:\/\/github.com\/EvoAgentX\/EvoAgentX<\/a><\/p>\n\n\n\n<p>[10] NeoCognition \u2014 TechCrunch, abril 2026 <a href=\"https:\/\/techcrunch.com\/2026\/04\/21\/ai-research-lab-neocognition-lands-40m-seed-to-build-agents-that-learn-like-humans\/\">https:\/\/techcrunch.com\/2026\/04\/21\/ai-research-lab-neocognition-lands-40m-seed-to-build-agents-that-learn-like-humans\/<\/a><\/p>\n\n\n\n<p>[11] Proyecto Stargate \u2014 Wikipedia <a href=\"https:\/\/en.wikipedia.org\/wiki\/Stargate_LLC\">https:\/\/en.wikipedia.org\/wiki\/Stargate_LLC<\/a><\/p>\n\n\n\n<p>[12] Stargate \u2014 Anuncio oficial OpenAI <a href=\"https:\/\/openai.com\/index\/announcing-the-stargate-project\/\">https:\/\/openai.com\/index\/announcing-the-stargate-project\/<\/a><\/p>\n\n\n\n<p>[13] Stargate Infrastructure Guide \u2014 IntuitionLabs <a href=\"https:\/\/intuitionlabs.ai\/articles\/openai-stargate-datacenter-details\">https:\/\/intuitionlabs.ai\/articles\/openai-stargate-datacenter-details<\/a><\/p>\n\n\n\n<p>[14] Replicadores de Stargate SG-1 \u2014 Stargate Wiki <a href=\"https:\/\/stargate.fandom.com\/wiki\/Replicator\">https:\/\/stargate.fandom.com\/wiki\/Replicator<\/a><\/p>\n\n\n\n<p>[15] ARC Prize 2025: \u00abYear of the Refinement Loop\u00bb \u2014 VentureBeat <a href=\"https:\/\/venturebeat.com\/technology\/four-ai-research-trends-enterprise-teams-should-watch-in-2026\">https:\/\/venturebeat.com\/technology\/four-ai-research-trends-enterprise-teams-should-watch-in-2026<\/a><\/p>\n\n\n\n<p>[16] Self-Evolving Agents Open-Source 2026 \u2014 Medium \/ EvoAI Labs <a href=\"https:\/\/evoailabs.medium.com\/self-evolving-agents-open-source-projects-redefining-ai-in-2026-be2c60513e97\">https:\/\/evoailabs.medium.com\/self-evolving-agents-open-source-projects-redefining-ai-in-2026-be2c60513e97<\/a><\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<p><em>Inteligencia Artificial \u00b7 Investigaci\u00f3n y An\u00e1lisis \u00b7 Abril 2026<\/em> <em>Todos los papers referenciados son de acceso p\u00fablico en arXiv o bioRxiv.<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Sistemas que reescriben su propio c\u00f3digo, crean copias mejoradas de s\u00ed mismos y aprenden a aprender. Ya no son ciencia ficci\u00f3n: son papers en arXiv, repositorios en GitHub y startups con decenas de millones de d\u00f3lares en fondeo. Abril de 2026 \u00b7 Lectura: 12 minutos \u00b7 Investigaci\u00f3n \u00b7 Seguridad \u00b7 T\u00e9cnico \u00bfQU\u00c9 ES UN AGENTE [&hellip;]<\/p>\n","protected":false},"author":2,"featured_media":11905,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[267,4],"tags":[],"class_list":["post-11903","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-actualidad","category-ai"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v26.0 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Agentes de IA Autoreplicantes: La Frontera M\u00e1s Inquietante de la Inteligencia Artificial - Convergencia.tech<\/title>\n<meta name=\"description\" content=\"Agentes de IA Autoreplicantes: La Frontera M\u00e1s Inquietante de la Inteligencia Artificial\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/convergencia.tech\/inicio\/agentes-de-ia-autoreplicantes-la-frontera-mas-inquietante-de-la-inteligencia-artificial\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Agentes de IA Autoreplicantes: La Frontera M\u00e1s Inquietante de la Inteligencia Artificial - Convergencia.tech\" \/>\n<meta property=\"og:description\" content=\"Agentes de IA Autoreplicantes: La Frontera M\u00e1s Inquietante de la Inteligencia Artificial\" \/>\n<meta property=\"og:url\" content=\"https:\/\/convergencia.tech\/inicio\/agentes-de-ia-autoreplicantes-la-frontera-mas-inquietante-de-la-inteligencia-artificial\/\" \/>\n<meta property=\"og:site_name\" content=\"Convergencia.tech\" \/>\n<meta property=\"article:published_time\" content=\"2026-04-26T22:48:19+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-04-26T22:49:08+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2026\/04\/ChatGPT-Image-26-abr-2026-19_43_06-1024x576.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1024\" \/>\n\t<meta property=\"og:image:height\" content=\"576\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Claudio R Parrinello\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"Claudio R Parrinello\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data2\" content=\"11 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/convergencia.tech\/inicio\/agentes-de-ia-autoreplicantes-la-frontera-mas-inquietante-de-la-inteligencia-artificial\/\",\"url\":\"https:\/\/convergencia.tech\/inicio\/agentes-de-ia-autoreplicantes-la-frontera-mas-inquietante-de-la-inteligencia-artificial\/\",\"name\":\"Agentes de IA Autoreplicantes: La Frontera M\u00e1s Inquietante de la Inteligencia Artificial - Convergencia.tech\",\"isPartOf\":{\"@id\":\"https:\/\/convergencia.tech\/inicio\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/convergencia.tech\/inicio\/agentes-de-ia-autoreplicantes-la-frontera-mas-inquietante-de-la-inteligencia-artificial\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/convergencia.tech\/inicio\/agentes-de-ia-autoreplicantes-la-frontera-mas-inquietante-de-la-inteligencia-artificial\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2026\/04\/ChatGPT-Image-26-abr-2026-19_43_06.png\",\"datePublished\":\"2026-04-26T22:48:19+00:00\",\"dateModified\":\"2026-04-26T22:49:08+00:00\",\"author\":{\"@id\":\"https:\/\/convergencia.tech\/inicio\/#\/schema\/person\/e5fe6aa8f1c43ac4a89cbdff073f62d4\"},\"description\":\"Agentes de IA Autoreplicantes: La Frontera M\u00e1s Inquietante de la Inteligencia Artificial\",\"breadcrumb\":{\"@id\":\"https:\/\/convergencia.tech\/inicio\/agentes-de-ia-autoreplicantes-la-frontera-mas-inquietante-de-la-inteligencia-artificial\/#breadcrumb\"},\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/convergencia.tech\/inicio\/agentes-de-ia-autoreplicantes-la-frontera-mas-inquietante-de-la-inteligencia-artificial\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/convergencia.tech\/inicio\/agentes-de-ia-autoreplicantes-la-frontera-mas-inquietante-de-la-inteligencia-artificial\/#primaryimage\",\"url\":\"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2026\/04\/ChatGPT-Image-26-abr-2026-19_43_06.png\",\"contentUrl\":\"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2026\/04\/ChatGPT-Image-26-abr-2026-19_43_06.png\",\"width\":1672,\"height\":941},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/convergencia.tech\/inicio\/agentes-de-ia-autoreplicantes-la-frontera-mas-inquietante-de-la-inteligencia-artificial\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Portada\",\"item\":\"https:\/\/convergencia.tech\/inicio\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Agentes de IA Autoreplicantes: La Frontera M\u00e1s Inquietante de la Inteligencia Artificial\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/convergencia.tech\/inicio\/#website\",\"url\":\"https:\/\/convergencia.tech\/inicio\/\",\"name\":\"Convergencia.tech\",\"description\":\"Convergencia.tech\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/convergencia.tech\/inicio\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"es\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/convergencia.tech\/inicio\/#\/schema\/person\/e5fe6aa8f1c43ac4a89cbdff073f62d4\",\"name\":\"Claudio R Parrinello\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/convergencia.tech\/inicio\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/4bf26232b2090e32e55cf27d62bd64c1bc43df22f09309d12add5fb6b68e7182?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/4bf26232b2090e32e55cf27d62bd64c1bc43df22f09309d12add5fb6b68e7182?s=96&d=mm&r=g\",\"caption\":\"Claudio R Parrinello\"},\"url\":\"https:\/\/convergencia.tech\/inicio\/author\/c2421210\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Agentes de IA Autoreplicantes: La Frontera M\u00e1s Inquietante de la Inteligencia Artificial - Convergencia.tech","description":"Agentes de IA Autoreplicantes: La Frontera M\u00e1s Inquietante de la Inteligencia Artificial","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/convergencia.tech\/inicio\/agentes-de-ia-autoreplicantes-la-frontera-mas-inquietante-de-la-inteligencia-artificial\/","og_locale":"es_ES","og_type":"article","og_title":"Agentes de IA Autoreplicantes: La Frontera M\u00e1s Inquietante de la Inteligencia Artificial - Convergencia.tech","og_description":"Agentes de IA Autoreplicantes: La Frontera M\u00e1s Inquietante de la Inteligencia Artificial","og_url":"https:\/\/convergencia.tech\/inicio\/agentes-de-ia-autoreplicantes-la-frontera-mas-inquietante-de-la-inteligencia-artificial\/","og_site_name":"Convergencia.tech","article_published_time":"2026-04-26T22:48:19+00:00","article_modified_time":"2026-04-26T22:49:08+00:00","og_image":[{"width":1024,"height":576,"url":"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2026\/04\/ChatGPT-Image-26-abr-2026-19_43_06-1024x576.png","type":"image\/png"}],"author":"Claudio R Parrinello","twitter_card":"summary_large_image","twitter_misc":{"Escrito por":"Claudio R Parrinello","Tiempo de lectura":"11 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/convergencia.tech\/inicio\/agentes-de-ia-autoreplicantes-la-frontera-mas-inquietante-de-la-inteligencia-artificial\/","url":"https:\/\/convergencia.tech\/inicio\/agentes-de-ia-autoreplicantes-la-frontera-mas-inquietante-de-la-inteligencia-artificial\/","name":"Agentes de IA Autoreplicantes: La Frontera M\u00e1s Inquietante de la Inteligencia Artificial - Convergencia.tech","isPartOf":{"@id":"https:\/\/convergencia.tech\/inicio\/#website"},"primaryImageOfPage":{"@id":"https:\/\/convergencia.tech\/inicio\/agentes-de-ia-autoreplicantes-la-frontera-mas-inquietante-de-la-inteligencia-artificial\/#primaryimage"},"image":{"@id":"https:\/\/convergencia.tech\/inicio\/agentes-de-ia-autoreplicantes-la-frontera-mas-inquietante-de-la-inteligencia-artificial\/#primaryimage"},"thumbnailUrl":"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2026\/04\/ChatGPT-Image-26-abr-2026-19_43_06.png","datePublished":"2026-04-26T22:48:19+00:00","dateModified":"2026-04-26T22:49:08+00:00","author":{"@id":"https:\/\/convergencia.tech\/inicio\/#\/schema\/person\/e5fe6aa8f1c43ac4a89cbdff073f62d4"},"description":"Agentes de IA Autoreplicantes: La Frontera M\u00e1s Inquietante de la Inteligencia Artificial","breadcrumb":{"@id":"https:\/\/convergencia.tech\/inicio\/agentes-de-ia-autoreplicantes-la-frontera-mas-inquietante-de-la-inteligencia-artificial\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/convergencia.tech\/inicio\/agentes-de-ia-autoreplicantes-la-frontera-mas-inquietante-de-la-inteligencia-artificial\/"]}]},{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/convergencia.tech\/inicio\/agentes-de-ia-autoreplicantes-la-frontera-mas-inquietante-de-la-inteligencia-artificial\/#primaryimage","url":"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2026\/04\/ChatGPT-Image-26-abr-2026-19_43_06.png","contentUrl":"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2026\/04\/ChatGPT-Image-26-abr-2026-19_43_06.png","width":1672,"height":941},{"@type":"BreadcrumbList","@id":"https:\/\/convergencia.tech\/inicio\/agentes-de-ia-autoreplicantes-la-frontera-mas-inquietante-de-la-inteligencia-artificial\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Portada","item":"https:\/\/convergencia.tech\/inicio\/"},{"@type":"ListItem","position":2,"name":"Agentes de IA Autoreplicantes: La Frontera M\u00e1s Inquietante de la Inteligencia Artificial"}]},{"@type":"WebSite","@id":"https:\/\/convergencia.tech\/inicio\/#website","url":"https:\/\/convergencia.tech\/inicio\/","name":"Convergencia.tech","description":"Convergencia.tech","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/convergencia.tech\/inicio\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"es"},{"@type":"Person","@id":"https:\/\/convergencia.tech\/inicio\/#\/schema\/person\/e5fe6aa8f1c43ac4a89cbdff073f62d4","name":"Claudio R Parrinello","image":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/convergencia.tech\/inicio\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/4bf26232b2090e32e55cf27d62bd64c1bc43df22f09309d12add5fb6b68e7182?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/4bf26232b2090e32e55cf27d62bd64c1bc43df22f09309d12add5fb6b68e7182?s=96&d=mm&r=g","caption":"Claudio R Parrinello"},"url":"https:\/\/convergencia.tech\/inicio\/author\/c2421210\/"}]}},"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/posts\/11903","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/comments?post=11903"}],"version-history":[{"count":1,"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/posts\/11903\/revisions"}],"predecessor-version":[{"id":11904,"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/posts\/11903\/revisions\/11904"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/media\/11905"}],"wp:attachment":[{"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/media?parent=11903"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/categories?post=11903"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/tags?post=11903"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}