Nature: Las 100 tecnologías de más rápido crecimiento según la IA
Investigadores australianos utilizaron el modelo Wikipedia2Vec para elaborar el ranking Momentum 100, donde el aprendizaje por refuerzo, blockchain y la impresión 3D son nombradas las tecnologías de más rápido crecimiento de 2026 según el análisis de datos de Wikipedia.
Momentum 100: Cómo la IA, por primera vez sin expertos, identificó las tecnologías de más rápido crecimiento de 2026
Introducción
Cada año, las principales publicaciones globales y think tanks publican rankings de las tecnologías más prometedoras. MIT Technology Review, la Universidad de Stanford, el Foro Económico Mundial — todos se basan en las opiniones de un círculo reducido de expertos, cuyos juicios, por autorizados que sean, son inevitablemente subjetivos.
En abril de 2026, la empresa australiana de análisis League of Scholars propuso un enfoque radicalmente diferente. En colaboración con Nature Index, presentó el ranking Momentum 100 — la primera lista de las tecnologías de desarrollo más dinámico, elaborada no por humanos sino por inteligencia artificial basada en el análisis de Wikipedia. La IA examinó decenas de miles de artículos, analizó millones de hipervínculos y la dinámica de visitas a las páginas para determinar, sin intervención humana alguna, qué tecnologías están ganando impulso más rápidamente.
Detalles del evento y cronología
El ranking Momentum 100 se basa en el conjunto de datos abiertos Cosmos 1.0, publicado en la revista Scientific Data, parte del grupo Nature. Para crearlo, el equipo de League of Scholars utilizó el modelo de lenguaje Wikipedia2Vec, que convierte los artículos de Wikipedia en vectores numéricos multidimensionales — los llamados "embeddings".
La ventaja clave de este método es que los embeddings capturan no solo el contenido de los artículos, sino también la lógica de los hipervínculos entre ellos, reflejando conexiones semánticas reales en el discurso científico y técnico.
La metodología incluyó varias etapas:
- "Semilla" de análisis — un único artículo de inicio titulado "Lista de tecnologías emergentes".
- Construcción de la red — el algoritmo extrajo casi 55.000 páginas de Wikipedia interconectadas.
- Filtrado — de estas, se retuvieron más de 23.000 páginas directamente relacionadas con tecnologías y conceptos afines.
- Evaluación — cada tecnología recibió un índice basado en antigüedad, dinámica de visitas a la página y otras métricas.
La validación de los resultados se realizó mediante comparación con otros conjuntos de datos, incluyendo publicaciones académicas e información de patentes.
La cronología de creación de Cosmos 1.0 se describe como un proceso laborioso que debería haber llevado seis meses, pero el equipo de League of Scholars, con el apoyo de programadores y diseñadores, lo completó en una semana de trabajo ininterrumpido.
Impacto y significado
Para la ciencia y el análisis, la aparición de Momentum 100 supone un cambio de paradigma en los métodos de predicción. Como señaló Catherine Aiken de la Universidad de Georgetown, especializada en tecnologías emergentes, "en los últimos seis años, los métodos para identificar áreas prometedoras apenas se han actualizado — son demasiado expertos, laboriosos e individualizados". Calificó Cosmos 1.0 como un "complemento útil" para este campo, abriendo oportunidades para un análisis más objetivo.
Las 10 tecnologías principales del ranking Momentum 100 (primeras tres posiciones: aprendizaje por refuerzo, blockchain e impresión 3D) incluyen también robótica blanda, realidad aumentada y tecnologías ómicas — estudios a gran escala de biomoléculas como ADN, proteínas y metabolitos.
Tecnologías clave del ranking:
| Puesto | Tecnología | Característica clave |
|--------|------------|---------------------|
| 1 | Aprendizaje por refuerzo | El sistema aprende mediante prueba y error, recibiendo una "recompensa" por decisiones correctas |
| 2 | Blockchain | Las aplicaciones se extienden mucho más allá de las criptomonedas: datos médicos, cadenas de suministro, energía |
| 3 | Impresión 3D | Las tecnologías aditivas continúan su expansión en la industria y la medicina |
¿Por qué el aprendizaje por refuerzo está en primer lugar?
La versatilidad del método, que permite a la IA tomar decisiones secuenciales en un entorno complejo y en constante cambio, aseguró su liderazgo. La IA basada en aprendizaje por refuerzo ya vence a campeones en Go y ajedrez, se utiliza en el desarrollo de fármacos y en carreras de drones. Los creadores del ranking señalan que el algoritmo replica matemáticamente los mecanismos naturales de aprendizaje — aproximadamente como los animales aprenden órdenes recibiendo premios.
Blockchain: de las criptomonedas al aprendizaje en enjambre
El interés en blockchain, que lo situó en segundo lugar, no está alimentado por Bitcoin sino por publicaciones en revistas científicas líderes. Un artículo, que recibió más de 800 citas, describe el aprendizaje en enjambre — un método que permite a hospitales y laboratorios entrenar conjuntamente IA sobre datos médicos sin revelar la información personal de los pacientes.
Reacción de los actores clave
El propio Paul McCarthy, cofundador de League of Scholars, define la filosofía del proyecto como un intento de "mapear tecnologías desde abajo hacia arriba", utilizando la capacidad de la IA para descubrir conocimiento oculto en grandes sistemas complejos.
Nature, que publicó el artículo sobre el ranking, legitima así este enfoque ante una audiencia académica. La autoridad de la revista sirve como una señal importante para la comunidad científica: los datos de la IA pueden ser tan fiables como las evaluaciones de expertos.
Catherine Aiken de la Universidad de Georgetown, cuya valoración se cita tanto en Nature como en un portal de divulgación científica ucraniano, expresa un optimismo cauteloso. Califica Cosmos 1.0 como un "complemento útil" a los métodos existentes, pero no aboga por abandonar completamente el enfoque experto.
Pronóstico y conclusiones
Pronóstico a corto plazo (2026-2027): League of Scholars planea hacer el ranking anual, rastreando cambios en la dinámica. Esto permitirá no solo registrar los líderes actuales, sino también identificar tecnologías que están perdiendo o ganando impulso.
Pronóstico a largo plazo (2028+): Si el enfoque resulta efectivo, podríamos ver la difusión de métodos similares en la estrategia corporativa, la inversión de riesgo y la planificación gubernamental. El análisis de IA de grandes volúmenes de datos no estructurados (artículos científicos, patentes, fuentes de noticias) puede identificar tendencias tecnológicas antes incluso de que los expertos más atentos las noten.
Conclusión principal: Momentum 100 no es solo otro ranking. Es una demostración de cómo la IA puede asumir funciones tradicionalmente consideradas prerrogativa de los expertos humanos. Analizar 55.000 artículos de Wikipedia e identificar conexiones ocultas entre ellos es una tarea imposible para cualquier grupo de analistas, pero trivial para un modelo bien entrenado.
Es revelador que la tecnología #1 del ranking sea el mismo método que permitió elaborarlo. El aprendizaje por refuerzo es el mismo paradigma de "prueba-error-recompensa" que la naturaleza utiliza para todo — desde el adiestramiento de perros hasta la evolución de las especies. Y la IA que elaboró el ranking aplicó esencialmente el mismo principio al análisis del conocimiento humano. Resultó ser una especie de recursión, que quizás sea la mejor prueba de que la elección de la tecnología es absolutamente precisa.
— Editorial Team
Aún no hay comentarios.