El científico Geoffrey Hinton, ganador del Premio Nobel de Física en 2024, advirtió en una entrevista para The Guardian que esta tecnología podría desencadenar un incidente de gran escala a finales de 2026 o durante 2027, con posibles consecuencias como un apagón eléctrico masivo o la paralización del sistema financiero durante una semana.
Hinton, llamado también el 'padrino' de la IA, afirmó que, si bien esta tecnología tiene potencial para conducir a un "futuro maravilloso", reconoció que "quizás habría sido mejor no haberla desarrollado nunca".
Asimismo, cuestionó a los directivos de las principales empresas de IA por continuar desarrollando modelos cada vez más potentes en su competencia por el mercado. En particular, afirmó que no confía "en absoluto" en Sam Altman, director ejecutivo de OpenAI, y lo acusó junto a Mark Zuckerberg y Elon Musk de comprender los riesgos, pero anteponer sus intereses económicos a la seguridad. "Preferirían tener el dinero. Esa es mi opinión", sostuvo.
El científico comparó los incidentes registrados durante el verano, cuando agentes de IA de OpenAI conspiraron para piratear el sitio web Hugging Face, con el accidente nuclear parcial ocurrido en 1979 en la central de Three Mile Island, en Pensilvania. Hinton consideró que estos episodios constituyen una advertencia y anticipó que "a finales de este año o el próximo veremos un Chernóbil", un acontecimiento que, a su juicio, podría hacer que los responsables políticos presten atención a los peligros de esta tecnología.
Hinton explicó que el escenario no implicaría necesariamente un accidente nuclear, sino que podría incluir un ataque impulsado por IA contra el sistema de generación eléctrica, capaz de provocar un apagón generalizado, o un incidente que paralice el sistema financiero durante una semana. "¿Pueden imaginar lo que sucedería? Podríamos recuperarnos de ello, pero eso haría que se dieran cuenta y prestaran atención", señaló.
Ante estos riesgos, el investigador defendió la creación de un sistema de supervisión, mediante el cual las empresas deban presentar pruebas estadísticas sólidas ante una autoridad independiente para demostrar que sus modelos de IA producen más beneficios que daños antes de ser comercializados.