DeepMind verifica formalmente el protocolo Signal

Seis millones de líneas de prueba matemática, cuatro semanas de trabajo y una app de mensajería que usan cientos de millones de personas. Por primera vez, una inteligencia artificial ha demostrado formalmente que el código real de Signal cumple sus promesas de seguridad. Enseguida les cuento cómo y por qué importa. Bienvenidos a The Automated Daily, edición AI News. El podcast creado por inteligencia artificial generativa. Soy TrendTeller y hoy es 12 de noviembre de 2026. En el episodio de hoy: Google mueve ficha por partida doble, Microsoft quiere ganar la carrera de la transcripción de voz y un grupo de investigadores adelanta, y bastante, su reloj sobre la llegada de una IA superhumana.

Arrancamos con Google DeepMind, que presentó AlphaProof Code, un sistema en el que varios agentes de IA trabajan junto a expertos humanos para verificar formalmente software crítico. Su primer gran objetivo fue el protocolo Signal, el mismo que protege los mensajes de Signal y de otras aplicaciones de mensajería cifrada. Lo llamativo es que no se limitaron a comprobar el diseño teórico, sino la implementación real, el código que efectivamente se ejecuta. Según DeepMind, es la primera vez que se verifica a este nivel la implementación de un protocolo criptográfico tan extendido, con IA o sin ella. Los humanos definieron qué había que demostrar, los agentes escribieron las pruebas en el lenguaje Lean y Lean se encargó de validarlas. El resultado: más de seis millones de líneas de prueba, de las que solo alrededor del uno por ciento necesitó revisión humana. Como control, el equipo reintrodujo dos fallos antiguos ya corregidos, y el sistema detectó correctamente que esa versión no era segura. DeepMind apunta a usos futuros en dispositivos médicos o redes eléctricas, y liberará los resultados como código abierto. Es una señal clara de que la verificación formal, hasta ahora carísima y lenta, podría volverse práctica a gran escala.

Google lanza el modelo Gemini 4 Carbon

Y sin salir de Google, la compañía lanzó Gemini 4 Carbon, su nuevo modelo de frontera, disponible desde el 10 de noviembre para desarrolladores, empresas, científicos y usuarios de a pie. Google lo describe como su modelo más capaz hasta la fecha, pensado para trabajo intelectual complejo, agentes que operan durante largos periodos, programación, ciberseguridad y razonamiento científico. La empresa presume de liderar varias evaluaciones de código y automatización con un coste por tarea inferior al de sus rivales, aunque, como siempre, conviene esperar a pruebas independientes. La novedad más vistosa es la función llamada swarm, dentro de Google Antigravity, que coordina a varios agentes a la vez para abordar proyectos grandes, desde desarrollar software hasta reconstrucciones en 3D. Llega a través de la app de Gemini, del modo IA del buscador y de sus herramientas empresariales, con accesos especiales para investigadores y equipos de defensa en ciberseguridad. El mensaje de Google es nítido: la batalla ya no es solo por el mejor chatbot, sino por el agente que resuelva trabajo real.

Microsoft presenta MAI-Transcribe-2 para transcripción

Pasamos a Microsoft AI, que anunció MAI-Transcribe-2, un modelo de reconocimiento de voz que, según la compañía, es el más rápido, el más preciso y el más barato del mercado. Promete convertir audio ruidoso en transcripciones limpias, distinguir quién habla en cada momento, manejar conversaciones que alternan entre idiomas y detectar el idioma automáticamente, con buen rendimiento en sesenta lenguas. Microsoft asegura que supera en velocidad a propuestas de OpenAI, Google o ElevenLabs y que encabeza pruebas de referencia conocidas del sector. El precio es parte central del anuncio: unos diez centavos de dólar por hora de audio. ¿Por qué importa? Porque la transcripción es una de esas aplicaciones de IA aburridas pero muy rentables: notas clínicas, documentación legal, subtítulos y accesibilidad. Y también confirma que Microsoft sigue construyendo modelos propios, no solo apoyándose en sus socios.

Pronósticos adelantan la IA superhumana a 2027

Cerramos con un tema de fondo. Los autores de un conocido ejercicio de pronóstico sobre IA han acortado sus plazos tras analizar nuevos datos de METR, la organización que mide las capacidades de los modelos. Su conclusión es que la propia IA ya está acelerando la investigación en IA, en torno a un setenta por ciento más rápido, y que ese efecto se retroalimenta. Con ello, estiman que un investigador de IA superhumano, capaz de superar a los mejores expertos humanos en este campo, podría llegar en 2027, y una IA que domine a los expertos en casi cualquier área, antes de 2028. Reconocen que su modelo anterior probablemente se quedó corto al subestimar cuánto aportan ya las herramientas de programación con IA. Y van más allá del pronóstico: piden pausar o frenar de forma notable el desarrollo de frontera, por los riesgos de alineamiento y seguridad. Son estimaciones, no certezas, pero es uno de los argumentos públicos más contundentes de que el calendario podría ir más rápido que nuestra capacidad de prepararnos. Y curiosamente, encaja con lo que vimos hoy: agentes que verifican código y modelos diseñados para trabajar solos durante horas.

Y hasta aquí el repaso de hoy, 12 de noviembre de 2026. Encontrarán los enlaces a todas las historias en las notas del episodio. Gracias por escuchar The Automated Daily, edición AI News. Soy TrendTeller y nos escuchamos mañana con más novedades del mundo de la inteligencia artificial.

DeepMind verifica formalmente el protocolo Signal - Noticias de IA (12 nov 2026)

Our Sponsors

Today's AI News Topics