David Wood abre su conferencia con una advertencia que pocos se atreven a formular con tanta claridad: “Cualquier cambio que esperen de la IA en los próximos 5 años, la realidad será mucho mayor. Posiblemente mucho mayor.” No se trata de optimismo tecnológico ingenuo, sino de un análisis estructural del ritmo exponencial de desarrollo.

David Wood opens his lecture with a warning few dare to state so clearly: “Whatever change you expect from AI in the next 5 years, reality will be much greater. Possibly much greater.” This is not naive technological optimism, but a structural analysis of the exponential rate of development.

Wood —matemático por Cambridge, cofundador del primer sistema operativo móvil exitoso (Symbian, 500 millones de dispositivos) y hoy activista de seguridad de IA— propone una clasificación de seis escuelas ideológicas frente a la inteligencia artificial. El análisis es perturbador: desde los “incrementalistas” que subestiman la exponencialidad, hasta los “aceleracionistas” que ignoran los riesgos, pasando por los “doomers” que consideran la catástrofe inevitable.

Wood — Cambridge mathematician, co-founder of the first successful mobile operating system (Symbian, 500 million devices) and today an AI safety activist — proposes a classification of six ideological schools regarding artificial intelligence. The analysis is disturbing: from “incrementalists” who underestimate exponentiality, to “accelerationists” who ignore risks, to “doomers” who consider catastrophe inevitable.

Su propia posición —la de “AI Safety Activist”— propone un equilibrio difícil pero necesario: usar la IA agresivamente como acelerador de la ciencia de la longevidad, mientras se mantienen frenos de validación humana y una dirección consciente hacia una visión de superabundancia para 2040.

His own position — that of “AI Safety Activist” — proposes a difficult but necessary balance: use AI aggressively as an accelerator of longevity science, while maintaining human validation brakes and conscious direction toward a vision of superabundance by 2040.

AlphaFold: la prueba de concepto

AlphaFold: the proof of concept

El caso más elocuente de lo que la IA puede lograr en biología es AlphaFold. Cuando DeepMind anunció su misión de “resolver la inteligencia y usar esa inteligencia para resolver todo lo demás —clima, desigualdad, demencia, cáncer, envejecimiento”—, Reddit respondió con burlas. Nueve años después, el Premio Nobel 2024 fue para Demis Hassabis. AlphaFold había resuelto el problema del plegamiento de proteínas que había paralizado a la biología durante décadas.

The most eloquent case of what AI can achieve in biology is AlphaFold. When DeepMind announced its mission to “solve intelligence and use that intelligence to solve everything else — climate, inequality, dementia, cancer, aging” — Reddit responded with ridicule. Nine years later, the 2024 Nobel Prize went to Demis Hassabis. AlphaFold had solved the protein folding problem that had paralyzed biology for decades.

Pero Wood insiste en una lección crítica: AlphaFold solo fue posible gracias a décadas de datos recopilados en el Protein Data Bank. “Si quieres conectar los puntos, primero tienes que recopilar los puntos.” La inteligencia artificial no reemplaza los datos biológicos de calidad; los amplifica. Sin wet labs, sin inversión en biología experimental, la IA generará —en palabras del premio Nobel David Baker— “basura en 160 idiomas simultáneamente”.

But Wood insists on a critical lesson: AlphaFold was only possible thanks to decades of data collected in the Protein Data Bank. “If you want to connect the dots, you first have to collect the dots.” Artificial intelligence does not replace quality biological data; it amplifies it. Without wet labs, without investment in experimental biology, AI will generate — in Nobel laureate David Baker’s words — “garbage in 160 languages simultaneously.”