Burbuja industrial vs. burbuja financiera

Con burbuja o sin burbuja, la Inteligencia Artificial ya ha demostrado ser una herramienta fundamental en la transformación del futuro del trabajo. Aunque existen numerosos informes que intentan medir su impacto real en las empresas, con conclusiones a menudo decepcionantes, el día a día de los trabajos apunta en una dirección inequívoca: hoy resulta difícil concebir el trabajo de cualquier profesional sin la potencia de los grandes modelos de lenguaje, sin la creatividad desatada por la IA generativa en el ámbito audiovisual, ni sin el apoyo de agentes de programación o de investigación en prácticamente cualquier disciplina.

Esto ha atraído grandes volúmenes de capital a un mercado en el que no todos pueden ganar, lo que podría desembocar en una corrección significativa en 2026. En la situación actual, los beneficios se concentran principalmente en los proveedores de infraestructura para la construcción de grandes centros de datos y en aquellas empresas que han conseguido una distribución sólida de aplicaciones de IA especializadas para el usuario final. Sin embargo, las compañías que entrenan los modelos de fundación, pese a ser la base sobre la que se construye todo el ecosistema, siguen operando en pérdidas mientras intentan crear un foso defensivo basado en la superioridad tecnológica. Este patrón de fuerte inversión y desarrollo tecnológico indica que el avance industrial de la IA y sus oportunidades seguirán intactas, con independencia de lo que ocurra en los mercados financieros.

Si quieres saber cómo aprovechar de verdad la IA en tu empresa, empieza aquí:

En el Instituto de Inteligencia Artificial llevamos desde 2019 ayudando a profesionales a aplicar la IA de forma real en los negocios, mucho antes de que se convirtiera en una moda. Por eso creamos el Máster Ejecutivo en Inteligencia Artificial: para que puedas tomar mejores decisiones, automatizar procesos clave y transformar la estrategia de su empresa.

👉 Descarga aquí el programa completo.

Como lector de Explicable, tienes un descuento exclusivo de 300 € en la matrícula de la 10ª edición, que comienza en febrero.

Usa el cupón EXPLICABLE300 al inscribirte desde este enlace:

Reserva mi plaza

¿Prefieres validar antes si encaja contigo? Puedes hablar directamente con un profesor y resolver tus dudas en una breve llamada:

👉 Reserva aquí tu cita.

⏳ El descuento solo estará disponible durante 1 semana.

El año de los agentes, ¿otra vez?

Desde el anuncio de Microsoft Copilot, cada inicio de año se repite la idea de que por fin ha llegado el año de los agentes. Se dijo en 2024 y en 2025, y todo indica que 2026 volverá a situarse bajo ese mismo titular. Sin embargo, su despliegue no será tan rápido como en otras áreas de la IA. En este inicio de 2026, el uso de agentes ha experimentado un claro punto de inflexión gracias a la última actualización de Claude Code, como asistente de programación, y Claude Cowork, como asistente del sistema operativo, avances que previsiblemente serán replicados por los principales laboratorios de IA. La ventaja de estas herramientas es que sus acciones están limitadas a lo que podemos hacer desde la línea de comandos, situación comparable a evaluar la conducción autónoma en un circuito cerrado, sin enfrentarse a la complejidad real de la circulación.

Sin embargo, para que los agentes aporten un valor real en un entorno corporativo, deben ser capaces de trabajar con las mismas herramientas que utilizan las personas en su día a día a través del navegador y del escritorio. Estas herramientas operan en entornos de ventanas con una casuística mucho más rica y compleja que la de la línea de comandos. Por ello, el despliegue de agentes en este ámbito será más lento de lo que muchos anticipan. En paralelo, el uso de modelos open source puede convertirse en un factor clave, al permitir a las organizaciones reducir de forma drástica el coste del uso masivo de agentes, que al igual que ocurre en programación, requieren grandes volúmenes de tokens para alcanzar resultados óptimos.

Lo que sí resulta evidente es el enorme potencial que todavía queda por desbloquear, como ilustra la irrupción de Clawdbot y su rápida difusión en pocos días. Clawdbot es un asistente que conecta tu LLM preferido con aplicaciones de mensajería tipo Whatsapp, manteniendo una memoria de las interacciones. Pero lo más interesante es su naturaleza open source y un ecosistema de skills programables por la comunidad para realizar tareas cotidianas, como buscar restaurantes cercanos que sean de tu gusto o comparar precios en Amazon de productos que estás viendo en una tienda. Este tipo de herramientas anticipa una interacción más natural y fluida con la IA, acercándonos poco a poco a escenarios que hasta ahora solo veíamos en la ciencia ficción. El mundo de la película Her se ve cada vez más cerca en este 2026.

Producción audiovisual a raudales

A lo largo de 2025 y especialmente al final del año, hemos sido testigos de grandes avances en los modelos de generación de vídeo, que ya tienen la calidad necesaria para transformar la industria audiovisual al completo. Esto ha dado lugar al concepto de “Estudio de IA”, en el que cámaras, focos y decorados se sustituyen por sofisticados prompts.

No obstante, aunque la IA actúa como un potente motor de innovación en este sector, el coste de producción con IA sigue siendo elevado, a diferencia de lo que ocurre en áreas como la programación, donde el coste de generar software tiende claramente a cero. La razón es que, en el campo audiovisual, es necesario producir grandes volúmenes de contenido para obtener cada minuto final de material válido. Lograr que la IA plasme con precisión la idea que tiene un creativo requiere todavía muchas horas de ajuste de prompts y un consumo significativo de tokens.

Aun así, los nuevos “Estudios de IA” cuentan con una ventaja claramente diferencial frente a los estudios tradicionales: la capacidad de generar escenarios y situaciones que, en el mundo real, tendrían un coste desorbitado. Esta ventaja hará que su peso en la industria audiovisual siga aumentando, extendiendo su uso desde la publicidad hasta el cine. En 2026, las películas irán incorporando escenas generadas con IA allí donde aporte valor. Al mismo tiempo, los modelos generativos seguirán mejorando en consistencia y en control, que son hoy los dos principales puntos débiles de estos sistemas. Esta evolución contribuirá a impulsar aún más el uso de la IA en una industria audiovisual que se mantendrá muy fuerte en 2026.

Ciberseguridad en un mundo post-IA

Andrés Torrubia dijo una vez que, si quieres tener trabajo hoy, estudies informática; y si quieres tener trabajo siempre, estudies ciberseguridad. La frase encierra una gran verdad: en un mundo cada vez más conectado, la ciberseguridad se ha convertido en una de las principales amenazas a las que nos enfrentamos, y la necesidad de mitigar sus efectos será permanente. La irrupción de la IA añade, además, nuevos vectores de ataque que no siempre son evidentes ni fáciles de anticipar.

En 2026 hablaremos de Ciberseguridad e IA a medida que empiecen a materializarse riesgos que hoy solo se intuyen: desde ataques automatizados impulsados por IA capaces de explotar vulnerabilidades a gran escala en cuestión de minutos, hasta incidentes derivados de la manipulación de modelos para exponer información confidencial, el envenenamiento de datos para cambiar el comportamiento de los modelos o el uso malicioso de agentes con acceso a sistemas críticos. También veremos fallos de seguridad provocados no tanto por errores técnicos, sino por una confianza excesiva en sistemas automatizados que toman decisiones sensibles sin una supervisión humana experta adecuada, con potencial impacto en ámbitos como la medicina, las finanzas o la gestión de infraestructuras críticas.

Conducción autónoma, lenta pero segura

La conducción autónoma seguirá en 2026 con avances técnicos evidentes, pero con una adopción más lenta de lo que se esperaba hace una década. Su despliegue continuará siendo gradual y desigual, ciudad a ciudad, condicionado por la complejidad del entorno urbano, la regulación local y la necesidad de validar cada escenario bajo estándares de seguridad muy exigentes. A pesar de este ritmo contenido, los datos acumulados en entornos controlados indican que los sistemas de conducción autónoma ya superan al conductor humano en múltiples situaciones, al reducir de forma sistemática errores derivados del cansancio, la distracción o la toma de decisiones impulsivas.

El incentivo es claro: menos accidentes, mayor eficiencia de las carreteras y un abaratamiento del transporte. A largo plazo, el escenario final apunta a una desaparición del conductor humano, con carreteras y entornos diseñados específicamente para vehículos autónomos. En este contexto, España ha dado pasos relevantes al permitir pruebas de conducción autónoma en sus carreteras, alineándose con una tendencia global que avanza más despacio de lo previsto, pero con una dirección cada vez más decidida. Este recorrido es representativo de lo que ocurrirá más adelante con la robótica apoyada por IA para trabajos manuales: desde el punto de vista económico, el modelo tiene sentido y acabará imponiéndose, aunque exija un esfuerzo de ingeniería sostenido y, a día de hoy, difícil de cuantificar.

Gracias por leer Explicable. Si te ha gustado esta edición, no te olvides de dar al ♡ y de compartirla por redes sociales o por email con otras personas a las que creas que les pueda interesar.

En apariencia, el principio básico es sencillo: si una obra creada por IA reproduce de forma casi idéntica una obra protegida, debería aplicarse la misma norma contra el plagio que rige para los humanos. Por ejemplo, si un modelo generara las primeras 20 notas de la canción Yesterday, nadie podría usar ese resultado sin el permiso de los titulares de los derechos. Pero el verdadero dilema es otro: ¿qué ocurre si la IA se entrenó con Yesterday, pero nunca genera nada parecido?

A continuación analizaremos los tres grandes debates sobre Copyright e IA, que el Derecho todavía no ha sabido responder.

Antes de seguir, quiero contarte algo: en el Instituto de Inteligencia Artificial llevamos desde 2019 obsesionados con la aplicación de la IA en los negocios, mucho antes de que se pusiera de moda. Por eso creamos el Máster Ejecutivo en Inteligencia Artificial, pensado para profesionales como tú que, sin ser técnicos, quieren exprimir al máximo el potencial de la IA, ya sea para desarrollar nuevos productos o para dar un giro a la estrategia de su empresa.

Puedes descargar el programa aquí.

Por ser lector de Explicable, tenemos un regalo para ti: 300 € de descuento en la matrícula de la 10ª edición, que arranca el próximo mes de febrero. Solo tienes que usar el cupón EXPLICABLE300 al inscribirte desde este enlace:

Reserva mi plaza

Y si prefieres hablar con un profesor para ver si esta formación encaja contigo, reserva una cita cuando mejor te venga siguiendo este enlace.

El descuento solo estará disponible 1 semana, así que si te interesa… ¡no lo dejes para luego!

1️⃣ Inspiración o derivación:

Si una IA aprende a partir de obras protegidas, pero genera resultados completamente nuevos y sin aparente plagio, ¿deberíamos considerarlo simple “inspiración”, como hacemos los humanos? ¿O, por el contrario, toda salida de un modelo entrenado con obras ajenas es inevitablemente una obra derivada?

Si el entrenamiento se considera equivalente a la experiencia humana —influencias recibidas por la observación, lectura y escucha de referencias culturales—, entonces sus resultados podrían ampararse en el fair use que establece la norma del Copyright. Pero muchos creadores sostienen que esta doctrina, concebida en un mundo sin IA, no puede aplicarse sin más.

Si finalmente se decidiera que los autores de obras protegidas deben ser compensados, ¿cómo hacerlo de forma justa, proporcional y viable? Especialmente sabiendo que los modelos funcionan mejor cuanto más valiosas son las obras con las que se entrenan.

2️⃣ Esfuerzo humano y derechos de autor:

La IA generativa ha democratizado la creatividad: cualquiera puede generar imágenes, vídeos o música utilizando su buen gusto y un buen puñado de prompts. La pregunta de este debate sería: ¿es suficiente la capacidad de seleccionar el mejor resultado para reclamar derechos de autor? ¿O debemos exigir una intervención creativa más profunda, combinando herramientas, técnicas y procesos que demuestren un esfuerzo relevante? ¿Es posible medir ese esfuerzo de manera objetiva para establecer el límite a parir del cual reconocemos esos derechos? Sabemos que el valor del arte no siempre correlaciona con el trabajo invertido. Con la IA, esa relación se desvincula aún más.

3️⃣ Uso de estilos protegidos:

Si alguien pide a una IA que genere una obra “al estilo de Studio Ghibli” y monetiza ese contenido, ¿debería compensar al propietario de los derechos de ese estilo visual, aunque no haya plagio directo de ninguna obra concreta? ¿Y qué ocurre si es la propia IA la que aplica un estilo reconocido sin que el usuario lo solicite?

Una posible solución sería etiquetar las obras generadas por IA para poder auditar los prompts y evitar infracciones de estilo. Pero tampoco podemos ignorar que la avalancha de imágenes “tipo Ghibli” en redes sociales también actúa como publicidad gratuita que incrementa el valor de la marca.

Como vemos, estos debates abren preguntas complejas que dividen profundamente a creadores, tecnólogos y juristas. El legendario director James Cameron, firme defensor del uso de la IA como herramienta creativa en el cine, lo tiene claro, como demuestra en una entrevista reciente.

Pero la sociedad y la legislación, por ahora, siguen atrapadas en este mar de dudas que deberíamos resolver cuanto antes en beneficio del interés general. Porque la IA generativa amplifica la creatividad humana y su avance es ya imparable.

Gracias por leer Explicable. Si te ha gustado esta edición, no te olvides de dar al ♡ y de compartirla por redes sociales o por email con otras personas a las que creas que les pueda interesar.

Parte de esta decepción vino amplificada por la propia presentación de OpenAI. La puesta en escena transmitió un entusiasmo casi desbordante, con un tono y una narrativa que hicieron pensar que estábamos ante un modelo único. Sin embargo, al probarlo, quedó claro que, si bien es un avance sólido, no representa el salto en el camino hacia la AGI que desde siempre se había insinuado.

Y sin embargo, esta impresión puede resultar engañosa. Comparado con la primera versión de GPT‑4, el salto que supone GPT‑5 es realmente significativo. El matiz está en que, durante este tiempo, los modelos han evolucionado mediante mejoras incrementales y la incorporación de nuevas técnicas, como la de los modelos razonadores, lo cual ha hecho que nos adaptemos progresivamente a sus avances. Sin apenas darnos cuenta, hemos llegado a un nivel de capacidades que hace tan solo unos años habría parecido extraordinario.

En la actualidad, el mercado se ha llenado de modelos muy similares en capacidad, y el foco ya no está en lo inteligente o no que puede llegar a ser el modelo en sí, sino en lo que se logre construir encima de él. Los LLMs se están convirtiendo en un commodity: accesibles a un coste cada vez más bajo y fácilmente intercambiables, lo cual cambia las reglas del juego como veremos a continuación.

Antes de seguir, quiero contarte algo: en el Instituto de Inteligencia Artificial llevamos desde 2019 obsesionados por la integración de la IA en los negocios, mucho antes de que se pusiera de moda. Por eso creamos el Máster Ejecutivo en Inteligencia Artificial, pensado para profesionales como tú que, sin ser técnicos, quieren exprimir al máximo el potencial de la IA, ya sea para crear nuevos productos o para dar un giro a la estrategia de su empresa.

Si eres lector de Explicable, tenemos un regalo para ti: 300 € de descuento en la matrícula de la 9ª edición, que arranca en octubre. Solo tienes que usar el cupón EXPLICABLE300 al inscribirte desde este enlace:

Reserva mi plaza

Si por el momento solo quieres descargar el programa para saber más, pincha aquí.

Y si prefieres hablar con un profesor para ver si esta formación encaja contigo, reserva una cita cuando mejor te venga siguiendo este enlace.

Eso sí, el descuento solo estará activo durante 1 semana… así que si te interesa, ¡no lo dejes para luego!

En este nuevo escenario, los proveedores de LLMs no competirán solo en calidad, sino que lo tendrán que hacer en precio, en nivel de servicio, y en el valor añadido de los productos que construyan sobre sus propios modelos. Incluso llegarán a competir, irónicamente, con sus propios clientes que usan esos mismos modelos para desarrollar soluciones. Tal como ocurre con los sistemas operativos, que en cada nueva versión incorporan de forma nativa las aplicaciones más populares del ecosistema.

Desde el punto de vista de los consumidores, ya sean usuarios finales o empresas ofreciendo servicios de IA a través del API, la elección ya no será tanto “qué modelo es mejor” sino “qué proveedor encaja mejor con mi forma de trabajar”. Igual que hoy elegimos un sistema operativo no por ser el más potente en términos absolutos, sino porque se adapta a nuestras necesidades, flujos y preferencias, así elegiremos nuestro proveedor favorito de IA. Otro aspecto relevante en el mercado de los LLMs es la creciente presencia de modelos de código abierto, que pueden resultar especialmente atractivos para usuarios avanzados o para aquellos que cuentan con su propia infraestructura de computación.

Por tanto, la llegada de GPT‑5 no debe verse como un hito técnico aislado, sino como el punto de partida de una nueva etapa: la era del Software 3.0. Tal y como destacó Andrej Karpathy en una charla clave para entender hacia dónde se dirige la Inteligencia Artificial. Esta etapa estará marcada por la creación masiva de agentes de IA especializados en diferentes tareas y flujos de trabajo. Lo más llamativo es que estarán diseñados mediante prompts que actúan como un nuevo lenguaje de programación, con una barrera de entrada mucho más baja. Eso sí, sin un conocimiento profundo de sistemas, será complicado aprovechar todo el potencial de esta nueva forma de hacer software. Estos agentes dejarán de ser una novedad para convertirse en un componente habitual de cualquier negocio y un factor crítico en su productividad.

Además, se está gestando una revolución silenciosa que avanza sin acaparar titulares: las herramientas de IA para el desarrollo de software son cada vez más potentes, y las excelentes capacidades de GPT‑5 en este área lo confirman. Este avance impulsa la figura del “desarrollador 10x”, capaz de producir lo que antes requería el trabajo conjunto de diez programadores. Las implicaciones son enormes: las empresas pueden ofrecer más valor a sus usuarios, de forma más rápida y a un coste mucho menor. Y si sumamos el paradigma del Software 3.0 de Andrej Karpathy, donde las herramientas no solo asisten en la programación, sino que permiten crear y desplegar aplicaciones completas a partir de simples descripciones en lenguaje natural, el resultado es una hiperproductividad sin precedentes para todo aquel que sepa capitalizarla.

En definitiva, aunque GPT‑5 haya generado cierta decepción en algunos sectores, no representa para nada el final de la carrera hacia la AGI; ésta continúa impulsada por la investigación más puntera y probablemente dará sus frutos en un horizonte más lejano de lo que se pensaba. Lo que sí marca es un cambio de ciclo: la gran batalla se traslada ahora al terreno de la ingeniería y la creatividad para transformar esta tecnología en aplicaciones reales y útiles para el día a día de las empresas. Es un terreno fértil, repleto de oportunidades por explotar, incluso si mañana se detuvieran por completo los avances de nuevas técnicas y modelos. En este nuevo tablero, la ventaja no la tendrán ni los pesimistas ni los que esperan el próximo salto, sino quienes ya estén construyendo el futuro del trabajo con lo que tenemos hoy.

Gracias por leer Explicable. Si te ha gustado esta edición, no te olvides de dar al ♡ y de compartirla por redes sociales o por email con otras personas a las que creas que les pueda gustar.

Además, por primera vez en la historia, los avances tecnológicos amenazan no solo los empleos de "cuello azul", trabajos manuales poco cualificados, comunes en fábricas, sino también los de "cuello blanco", ocupados por profesionales con formación superior dedicados a tareas de gestión, análisis y organización, habituales en oficinas. El ritmo acelerado de la evolución tecnológica que ha impulsado la IA es el caldo de cultivo perfecto para intensos debates sobre el futuro del trabajo, pese a la gran incertidumbre que los rodea. Y es que cada nueva tecnología deja claro qué empleos están en riesgo, pero resulta casi imposible anticipar qué nuevos roles surgirán para los humanos.

Agentes de cuello blanco

Dario Amodei, CEO de Anthropic, lanzó un mensaje contundente en una reciente entrevista: en los próximos cinco años, el 50 % de los trabajos de “cuello blanco” van a desaparecer, especialmente los puestos administrativos más básicos. Como consecuencia, instó a los gobiernos a prepararse para esa situación y, de paso, a confiar en su empresa para liderar esta transición.

Esta postura ha sido criticada abiertamente por Jensen Huang, CEO de Nvidia, quien ha cuestionado que se alerte sobre los peligros de la IA mientras, al mismo tiempo, se busca controlar su desarrollo. Por el contrario, Huang defiende un desarrollo más transparente y abierto para garantizar la seguridad de la tecnología.

Otro punto que inquieta a Dario Amodei es el futuro laboral de los trabajadores júnior, es decir, quienes buscan su primer empleo. Según él, su entrada al mercado será mucho más difícil en los próximos años. La razón reside en los avances de los modelos de lenguaje (LLM), que han evolucionado más allá de simples chatbots para funcionar como agentes inteligentes. Estos pueden buscar información, usar herramientas digitales y reflexionar sobre sus respuestas. Podríamos ver a estos agentes como "becarios con tiempo infinito": tienen la capacidad de una persona sin experiencia para manejar información, pero con la ventaja de poder procesar enormes cantidades de datos a gran velocidad, como si el tiempo no fuera un factor limitante. Aunque el símil es simplista, ilustra la preocupación de Amodei: ante la disponibilidad de "becarios digitales" a un coste irrisorio, las empresas podrían dejar de contratar perfiles júnior.

Sin embargo, la Inteligencia Artificial también puede jugar a favor de los profesionales jóvenes. Los trabajadores júnior del futuro podrían estar mejor preparados que muchos perfiles sénior actuales, gracias a un uso más eficiente de las herramientas de IA. Además, el elevado salario de los trabajadores sénior puede convertirse en un obstáculo si no se amoldan a una nueva realidad donde la eficiencia y la capacidad de adaptación son clave. Un profesional joven con buena formación y dominio de la IA puede ofrecer más valor por menos coste, gracias a que la IA le permite tener una curva de aprendizaje mucho más rápida.

No está claro si estos agentes inteligentes reducirán la demanda de trabajadores de cuello blanco. A lo largo de la historia, cada revolución tecnológica, desde la máquina de vapor hasta internet, ha traído consigo un aumento significativo de la productividad. Esto, a su vez, ha dado lugar a nuevas industrias y profesiones que antes ni siquiera existían. ¿Por qué pensar que esta vez será diferente?

iiaconf.es

Una conversación necesaria

Para abordar este interesante debate, el Instituto de Inteligencia Artificial ha organizado las primeras conferencias sobre el futuro del trabajo, donde trataremos este tema con el máximo rigor y objetividad. IIAConf tendrá lugar en Alicante el próximo 26 de junio de 2025 y por ser lector de Explicable puedes obtener la entrada a mitad de precio utilizando este cupón de descuento: EXPLICABLE50

VER IIACONF

Robots de cuello azul

Fei-Fei Li es una de las figuras clave en la actual oleada de la inteligencia artificial. En 2010 lanzó ImageNet, el mayor conjunto de imágenes etiquetadas hasta la fecha, junto con un concurso anual para que distintos grupos de investigación compitieran por desarrollar el mejor método de visión por computador. En 2012, una solución basada en redes neuronales barrió al resto, marcando el inicio de la revolución del deep learning que aún vivimos.

El foco actual de Li es la llamada inteligencia espacial, que según ella es la próxima frontera de la IA. Mientras que los grandes modelos de lenguaje (LLM) han avanzado en la comprensión del texto, Li defiende que los sistemas actuales aún necesitan desarrollar una comprensión del espacio físico tridimensional para acercarse a la inteligencia humana. La inteligencia humana opera en un ciclo continuo de "ver, entender y actuar", un concepto que ella denomina inteligencia espacial.

Este tipo de inteligencia es fundamental para que la IA avance en entornos dinámicos y complejos, como la conducción autónoma o los robots humanoides. A diferencia del lenguaje, donde el contexto está más acotado, el mundo físico presenta una combinación infinita de situaciones que la IA debe interpretar y resolver en tiempo real. Por eso, tecnologías como los coches autónomos avanzan más lentamente de lo previsto y en sus despliegues actuales siguen requiriendo intervención humana para resolver casos imprevistos. Lo mismo ocurre con los robots humanoides. Aunque los vídeos que circulan muestran robots resolviendo tareas domésticas de manera sorprendente, la realidad es que su integración en la vida cotidiana será más lenta y gradual. La razón es que todavía carecen de la "inteligencia espacial" necesaria para generalizar su comportamiento ante la infinidad de escenarios posibles, una habilidad básica no solo para los humanos, sino para cualquier ser vivo con capacidad de ver.

En definitiva, el verdadero salto de la inteligencia artificial llegará cuando las máquinas logren entender y actuar en el mundo físico de forma eficaz. Ese momento marcará el inicio de una nueva era: la de la autonomía real, con un impacto directo en los empleos de cuello azul. Hablamos de medios de transporte que conducen solos, fábricas que operan sin intervención humana o robots humanoides que desempeñan funciones de policías, jardineros, albañiles o personal de limpieza. Un futuro en el que las tareas físicas también podrán ser automatizadas, no solo las intelectuales.

La pregunta ya no es si eso ocurrirá, sino cuándo. Y aunque hoy parezca lejano, los avances actuales, unidos a la fuerte inversión en este campo, podrían acortar ese plazo más de lo que imaginamos.

Gracias por leer Explicable. Si te ha gustado esta edición, no te olvides de dar al ♡ y de compartirla por redes sociales o por email con otras personas a las que creas que les pueda gustar.

Llegados a este punto, la gran pregunta es: ¿hasta dónde pueden seguir mejorando los modelos actuales si continúan basándose únicamente en enormes volúmenes de texto? Es decir, ¿queda aún margen para extraer más valor del enfoque actual? Expertos como Yann LeCun señalan que, para alcanzar una inteligencia artificial más cercana a la nuestra, es imprescindible que los sistemas cuenten con un modelo del mundo más robusto y una sólida capacidad de aplicar razonamiento y planificación sobre el mismo. Más que discutir si los LLMs actuales ya poseen un cierto grado de estas capacidades, el foco está en hasta qué punto podemos seguir mejorándolas con el paradigma actual y los datos de los que disponemos.

Por ejemplo, sabemos que cuando se enfrentan a situaciones nuevas o que requieren la aplicación del sentido común o un contexto más amplio, su desempeño es aún deficiente. Mejorar estas capacidades sería un paso clave para que la inteligencia artificial evolucione hasta una autonomía real, donde las máquinas puedan actuar en entornos complejos sin necesidad de una supervisión constante.

Y si eres lector de Explicable, tenemos algo especial para ti: usa el código EXPLICABLE300 y obtén un descuento exclusivo en nuestro Máster Ejecutivo en Inteligencia Artificial

¿Preparado para dar el salto? La 9ª edición te espera.

Activar código

El Gran Reto de la Autonomía

En su artículo “Bienvenidos a la Era de la Experiencia”, los reconocidos investigadores David Silver y Richard Sutton plantean que estamos entrando en una nueva etapa crucial en el desarrollo de la Inteligencia Artificial: la “Era de la Experiencia”. Hasta ahora, hemos vivido lo que llaman la “Era de los Datos Humanos”, marcada por los impresionantes avances logrados gracias a los enormes conjuntos de datos generados por las personas desde la llegada de Internet. Sin embargo, según los autores, hemos alcanzado un límite: los modelos actuales ya no pueden seguir mejorando solo alimentándose de estos datos. Ha llegado el momento de buscar una nueva fuente de aprendizaje.

Una de las vías más prometedoras para abrir esta nueva etapa es el Aprendizaje por Refuerzo, una técnica donde los modelos no dependen únicamente de bases de datos estáticos, sino que aprenden directamente al interactuar con su entorno. Aunque este enfoque ha atravesado momentos de entusiasmo y desilusión es innegable que ha dado resultados espectaculares en entornos acotados, como los juegos. Ahí están los logros de AlphaGo, que descubrió por sí mismo el famoso movimiento 37 nunca antes hecho por humanos, y más recientemente AlphaProof, que logró una destacada medalla de plata en la Olimpiada Internacional de Matemáticas. Estos hitos dejan claro que el potencial del Aprendizaje por Refuerzo aún está lejos de haberse agotado.

Eso sí, llevar esta técnica al mundo real —mucho más complejo y cambiante— sigue siendo un desafío enorme. La cantidad de posibles acciones y resultados es abrumadora, lo que hace inviable probarlas todas. Además, a diferencia de los entornos simulados, no podemos acelerar el tiempo en el mundo real para aprender más rápido: en el mundo de la tecnología no podemos esperar meses o incluso años antes de lograr avances significativos. Por si fuera poco, definir señales de recompensa claras y útiles para orientar el aprendizaje resulta una tarea nada trivial, ya que depende profundamente del contexto en que se aplique.

A pesar de estas dificultades, el Aprendizaje por Refuerzo sigue siendo, hasta ahora, la única vía conocida para alcanzar una Inteligencia Artificial verdaderamente autónoma, capaz de enfrentarse a situaciones imprevistas sin intervención humana. Solo por eso, dicen Silver y Sutton, vale la pena perseverar en el intento.

Y ahora Google

Tuve la suerte de conocer a Sergey Brin en una cena de startups en Palo Alto, a principios del año 2000. Por aquel entonces, Google ya era el mejor buscador gracias a su revolucionario algoritmo PageRank, que le daba esa ventaja injusta frente a la competencia que es necesaria para ganar un mercado entero. Después de la cena, Brin, que era el invitado estrella, se prestó a responder preguntas. Muchos analistas por entonces dudaban del modelo económico de la compañía, que apenas generaba ingresos. Cuando le preguntaron al respecto, su respuesta fue tajante: “Podemos abrir el grifo de los ingresos cuando queramos; ahora no es el momento.” En octubre de ese mismo año nació Google AdWords y el resto, como dicen, es historia.

Hoy, al igual que entonces, parece haber llegado el momento de Google para liderar otro gran mercado: el de la Inteligencia Artificial. El lanzamiento de Gemini 2.5 Pro ha destrozado prácticamente todos los benchmarks más avanzados como HLE (Humanity’s Last Exam), antes de que apareciera el modelo o3 de OpenAI. Y también encabeza con cierta distancia el ranking del Chatbot Arena, la única medida real de desempeño de un LLM basada en comparaciones ciegas realizadas por humanos.

Es cierto que Google inventó la arquitectura Transformer que está detrás de todos estos avances, pero fue OpenAI quien se atrevió primero a entrenar modelos gigantes para el estándar de la época. Sin embargo, eso por sí solo no bastó. OpenAI necesitó un sofisticado post-entrenamiento —con técnicas que hoy siguen usándose como el Aprendizaje por Refuerzo a partir de feedback humano (RLHF)— para convertir un buen modelo de lenguaje en un asistente conversacional útil y versátil. Ser los primeros le dio a OpenAI una ventaja competitiva que ha durado más de dos años. Google, por su parte, comenzó con Bard, un modelo que fue un fracaso, muy por detrás de las capacidades de ChatGPT. Pero entonces concentró todos sus esfuerzos en el proyecto Gemini. Las primeras versiones no destacaron, y fueron objeto de burla, pero con el tiempo se ha convertido en un líder indiscutible.

Infraestructura, porque sus centros de datos están diseñados para soportar millones de peticiones por segundo a escala mundial. GPUs, porque dio un golpe maestro al crear su propio hardware, las famosas TPUs, que le permiten entrenar sus modelos sin depender del suministro de Nvidia. Y talento, porque desde siempre trabajar en Google ha sido el sueño máximo de cualquier ingeniero, y por tanto siempre han podido contar con los mayores expertos. Si comparamos con empresas como OpenAI o Anthropic, éstas sin duda pueden tener datos y mucho más talento, pero todavía dependen completamente de terceros para el resto de ingredientes. Por eso, era solo cuestión de tiempo que Google diera un golpe en la mesa y se pusiera en cabeza.

Pero Google no solo tiene las piezas del rompecabezas de la IA; además tiene la visión para armarlo entero gracias a Demis Hassabis, reciente premio Nobel de Química y co-fundador de DeepMind, empresa adquirida por Google en 2014. Precisamente, DeepMind fue pionera en el uso del Aprendizaje por Refuerzo, así que si éste acaba siendo la piedra angular en el futuro de la IA, Google no podría estar en mejores manos. Si en el año 2000 Google nos enseñó que manejar los tiempos fue importante para dominar el mercado de Internet, en el año 2025 nos revela algo aún más interesante: el objetivo no es salir primero en una carrera, sino estar siempre preparado para ganarla.

Gracias por leer Explicable. Si te ha gustado esta edición, no te olvides de dar al ♡ y de compartirla por redes sociales o por email con otras personas a las que creas que les pueda gustar.

La realidad, no obstante, es que hoy nadie sabe con certeza si los modelos actuales de lenguaje bastarán para alcanzar la supuesta AGI en los próximos años, o si todavía falta algún otro elemento clave por descubrir. Además, la adopción práctica de estas tecnologías en las empresas avanza más lentamente de lo anticipado, debido a desafíos técnicos y operativos que no siempre son evidentes inicialmente y que requieren tiempo y esfuerzo para ser superados.

Así pues, esta euforia, que ha durado más de dos años, comienza ahora a disiparse gradualmente. Aunque OpenAI continúa anunciando novedades con regularidad, ya no consigue sostener el mismo nivel de expectación con cada avance. Este ciclo de entusiasmo, seguido de desilusión, es recurrente en el mundo tecnológico y está causado por el funcionamiento de las emociones humanas: primero surge una ilusión exagerada (sobreestimación del potencial), seguida de expectativas frustradas (subestimación del potencial) y, finalmente, llega una etapa larga de madurez y consolidación. Por eso, lo fundamental para las empresas es no dejarse llevar por este ciclo y prepararse adecuadamente para esta última fase, donde la IA estará presente en todos sus procesos.

🚀 Lanzamiento inminente: 9ª Edición del Máster Ejecutivo en IA🚀

Inscríbete hoy en nuestra lista preferente para tener acceso anticipado a primeros contenidos y novedades. Más info: admisiones@iia.es. Inicio: octubre 2025

No hablamos aquí de robots humanoides, que todavía están en fase embrionaria, pese a que algunos se empeñan en mantener a la IA en los titulares con esta idea. Lo realmente importante hoy son aquellas capacidades cognitivas que ya pueden automatizarse mediante IA, incluso si no son perfectas o equiparables completamente al nivel humano.

Las empresas que por medio de agentes inteligentes integren estas capacidades de manera temprana y eficaz obtendrán una importante ventaja competitiva.

Además, esta nueva etapa traerá un profundo cambio en nuestra relación con la tecnología: el lenguaje natural se convertirá en el estándar principal para comunicarnos con las máquinas. Para bien o para mal, la IA ya habla y lo hará cada vez mejor. Ha llegado el momento de despedir la exageración mediática y centrarnos en lo realmente importante: aplicar la inteligencia artificial para mejorar y facilitar nuestras vidas y nuestros trabajos.

GPT 4.5, el nombre lo dice todo

Aunque parece que GPT-4 lleva con nosotros desde siempre y que ya no podríamos vivir sin él, en realidad han pasado solo dos años desde su lanzamiento. En su momento, este modelo representaba lo más avanzado en inteligencia artificial generativa, lo que colocó a OpenAI en una posición privilegiada y convirtió a Sam Altman en una de las figuras más influyentes del sector. Esta situación duró aproximadamente un año: el tiempo que tardó la competencia en alcanzar ese nivel. Modelos como Claude 3 de Anthropic o Gemini 2.0 de Google han demostrado estar a la altura de GPT-4.

OpenAI intentó mantener su ventaja con el lanzamiento de sus modelos de razonamiento en septiembre de 2024, supuestamente basados en GPT-4, aunque rápidamente quedó claro que estos avances podían ser replicados sin mayor dificultad. Incluso la comunidad de código abierto, con proyectos como DeepSeek, logró demostrar que OpenAI tampoco tenía un monopolio sobre la innovación en modelos de razonamiento. Por eso, el siguiente paso de la compañía era clave. Se esperaba un gran salto con GPT-5, pero finalmente lo que nos ha llegado ha sido GPT-4.5, un modelo cuyo nombre deja claro que la mejora ha sido mucho menor de lo deseado. No obstante, GPT-4.5 se mantiene en un sólido segundo lugar en el ranking de Chatbot Arena, muy cerca del líder Grok 3, el modelo más reciente de xAI, y a una distancia considerable con el tercer puesto, que ostenta Gemini 2.0 de Google.

Sam Altman ha explicado que el acceso a GPT-4.5 será más limitado que sus predecesores, debido a que es un modelo más grande y requiere más recursos computacionales. Otra posible interpretación es que OpenAI no puede permitirse ofrecerlo de manera masiva, sin asumir pérdidas. Y esto lleva a una cuestión aún más importante: parece que estamos llegando al límite de las leyes de escalado que hasta ahora parecían funcionar tan bien.

En 2022, DeepMind publicó el famoso paper donde presentaba el modelo Chinchilla, y establecía que las capacidades de un modelo crecían de manera predecible en función de la cantidad de datos utilizados en su entrenamiento (tokens) y del tamaño de su arquitectura (parámetros de la red neuronal). Esta idea llevó a una carrera por entrenar modelos cada vez más grandes y con más datos, ya que indirectamente desvelaba que los modelos de entonces estaban entrenados por debajo de su nivel óptimo. Sin embargo, GPT-4.5 sugiere que las leyes de escalado tienen un límite: simplemente aumentar el tamaño del modelo y los datos ya no garantiza la mejora en sus capacidades tal y como predicen estas leyes.

Ante este panorama, OpenAI ya no puede depender solo de haber sido el primero en la carrera de los modelos fundacionales. Ahora debe buscar nuevas estrategias de crecimiento, motivo por el cual está tratando de dejar atrás el lastre de su pasado como empresa sin ánimo de lucro. En el plano de la investigación, los modelos de razonamiento basados en aprendizaje por refuerzo aparecen como una de las vías más prometedoras para seguir estando en la vanguardia. Y en el plano de negocio, OpenAI está evolucionando de ser solo un proveedor de modelos a desarrollar productos completos basados en su tecnología. Esto significa que deberá competir directamente con el ecosistema de startups que, en parte, ayudó a impulsar. Un ejemplo de este cambio es la introducción de Deep Research, una herramienta diseñada para laboratorios y centros de investigación que aprovecha de manera dirigida el potencial de sus propios modelos.

¡Ábrete, sésamo!

Si hay algo que ha limitado el uso de la tecnología a lo largo del tiempo es la manera en que nos comunicamos con las máquinas. A esto se le llama interfaz de usuario. Desde los primeros días de la informática, estas interfaces han evolucionado mucho: pasamos de las tarjetas perforadas a las líneas de comando y, más tarde, a los entornos gráficos como Windows, que hoy en día usamos de forma habitual.

Ahora, gracias a la Inteligencia Artificial, estamos al borde de una nueva revolución en la forma en que interactuamos con las máquinas. La clave está en el uso de la voz y el lenguaje natural. Por primera vez, serán las máquinas las que se adapten a nuestra manera de comunicarnos, y no al revés. Un ejemplo de hacia dónde va este futuro lo ofrece la reciente demo que ha lanzado Sesame AI, una startup americana que está impulsando este cambio de paradigma. A diferencia de ChatGPT, cuyo propósito es proporcionar respuestas útiles, este asistente se centra en mantener conversaciones fluidas e interesantes, capaces de entretenernos durante mucho más tiempo.

Para lograrlo, ajusta su entonación, usa pausas naturales y varía su manera de hablar para transmitir emociones y empatía. Además, recuerda interacciones anteriores, lo que hace que la conversación sea mucho más natural. Aunque entiende varios idiomas, por ahora solo responde en inglés. La mejor prueba de que este asistente es especial y novedoso es que, al hablar con él, instintivamente activamos los mismos mecanismos sociales que usamos en nuestras interacciones diarias con otras personas. Y lo mejor de todo: es un interlocutor con un conocimiento amplísimo, capaz de conversar sobre casi cualquier tema de manera incansable.

Como ocurre con todo cambio de paradigma, la transición no será inmediata. Aún pasará un tiempo hasta que podamos simplemente hablarle a nuestra casa para pedirle la lista de la compra, poner una música que nos anime, solicitarle una receta con los ingredientes que tenemos disponibles, o simplemente saber qué plantas deberíamos regar hoy. Aunque estas tecnologías ya estén presentes en móviles y ordenadores, será necesario un periodo de adaptación para que todo el software se ajuste plenamente a esta nueva realidad. Mientras tanto, el coste seguirá disminuyendo gradualmente, como suele suceder con las tecnologías digitales que por naturaleza son deflacionarias. Hasta que finalmente comunicarnos mediante lenguaje natural con cualquier máquina se convierta en algo habitual.

Gracias por leer Explicable. Si te ha gustado esta edición, no te olvides de dar al ♡ y de compartirla por redes sociales o por email con otras personas a las que creas que también les pueda gustar.

Este giro de Estados Unidos hacia un enfoque pro-mercado contrasta fuertemente con la situación en Europa, donde una ley de IA aprobada prematuramente y un ecosistema empresarial tecnológico más débil dejan a la región en una clara desventaja competitiva. Aunque es posible que la enorme inversión del proyecto Stargate no logre en 5 años la ansiada AGI (Artificial General Intelligence), capaz de automatizar cualquier tarea cognitiva al nivel humano, por el camino surgirán descubrimientos inesperados que tendrán un gran impacto en nuestras vidas. Los grandes avances de la humanidad surgen de la ilusión, jamás de una visión negativa y catastrofista del mundo. Europa debe plantearse a qué quiere jugar, si al liderazgo regulatorio mundial o a la creación de un entorno propicio para el desarrollo de una tecnología que a lo largo de este siglo va a transformar la sociedad profundamente, de forma comparable a cómo lo hizo la agricultura o la máquina de vapor.

Momento DeepSeek

En 1957, la Unión Soviética revolucionó el mundo con el lanzamiento de Sputnik, el primer satélite artificial de la historia, que completó 1.440 órbitas alrededor de la Tierra, cruzando también el cielo de Estados Unidos. Este hito desencadenó una profunda conmoción en el país, al evidenciar que la URSS lideraba la carrera espacial. La respuesta fue contundente: una movilización nacional plasmada en el programa Apolo, que culminaría, 12 años después, con la llegada del primer hombre a la Luna. De manera análoga, la publicación por parte de la empresa china DeepSeek de su modelo R1 se ha convertido en el “momento Sputnik” de Estados Unidos en la carrera por dominar la Inteligencia Artificial. Las innovaciones que presenta R1 han encendido las alarmas de una aparente ventaja china, propiciando que Nvidia protagonice una de las mayores caídas en bolsa de la historia.

El motivo por el que DeepSeek-R1 supone un gran hito es doble. Por un lado, es un modelo publicado en formato open source, que recuerda el espíritu de los primeros años de OpenAI. Y no solo están disponibles los pesos del modelo para que cualquiera los utilice, sino que también la investigación es completamente abierta, como si se tratara de un proyecto académico. Los detalles técnicos están a disposición de la comunidad, fomentando el aprendizaje y la evolución colectiva. Por otro lado, las restricciones de exportación de hardware especializado impuestas por EE UU precisamente a empresas como Nvidia, han obligado a DeepSeek a entrenar sus modelos con GPUs menos potentes que las disponibles en otras partes del mundo.

Gracias a los avances recogidos en un informe técnico muy exhaustivo, DeepSeek R1, el modelo con el nuevo paradigma de razonamiento, se ha posicionado como el modelo open source más competitivo del momento. Esto queda demostrado en el ranking del Chatbot Arena, el único banco de pruebas realmente fiable, basado en evaluaciones comparativas hechas por humanos. De hecho, DeepSeek R1 ha logrado superar incluso al modelo o1 de OpenAI en la clasificación, a la espera del inminente lanzamiento de o3, cuyas impresionantes capacidades ya analizamos en la edición anterior de Explicable. En cuanto a las restricciones de uso, hay que tener en cuenta que este modelo de lenguaje está diseñado para alinearse estrictamente con los valores y principios del gobierno chino. Por este motivo, temas como los hechos ocurridos en la Plaza de Tiananmén en 1989 o alusiones a Winnie the Pooh están fuera de los límites permitidos en la conversación.

Stargate, el nuevo sueño americano

OpenAI fue pionera en demostrar el verdadero potencial de los LLMs (Large Language Models), apostando por la escala gastando desorbitadas cantidades de dinero para el estándar de la época. Sin embargo, antes de la aparición de ChatGPT los LLMs eran poco más que “regurgitadores” de palabras, útiles únicamente para tareas básicas de procesamiento de lenguaje natural, como por ejemplo el análisis de sentimiento. La genialidad de OpenAI radicó en condicionar un modelo base mediante un entrenamiento específico orientado a las preferencias del diálogo humano. Así nació ChatGPT, revolucionando el panorama tecnológico de una manera de sobra conocida por todos.

A la competencia le costó más de un año igualar el nivel de ChatGPT, una ventaja que catapultó a Sam Altman como la figura más influyente del mundo tecnológico.

Esta necesidad había sido colmada por Microsoft a través de un acuerdo de inversión que forzó a OpenAI a pasar de ser una organización “sin ánimo de lucro” a una “con lucro limitado”, donde parte de las futuras ganancias se destinarían a devolver 100 veces el capital invertido, y el resto a la organización “sin ánimo de lucro”. Un planteamiento que contaba con la llegada de la AGI para obtener abundantes beneficios, algo que claramente pecaba de optimismo.

Ahora Sam Altman dobla la apuesta con el proyecto Stargate, una ambiciosa iniciativa destinada a asegurar que Estados Unidos mantenga su liderazgo en la carrera hacia la AGI. Este proyecto, que evoca los paralelismos del programa Apolo, destaca por un hecho sorprendente: su financiación es 100 % privada, sin coste alguno para los contribuyentes, reflejando un cambio profundo en nuestra era. Los grandes logros del pasado dependían de una fuerte inversión estatal, mientras que hoy es el capital privado el que asume ese rol. A pesar de ello, el papel del gobierno estadounidense sigue siendo fundamental para evitar que la burocracia obstaculice la construcción de grandes centros de computación. Por este motivo Donald Trump ha manifestado su compromiso con el éxito de Stargate, respaldando la iniciativa con la aprobación de los decretos necesarios para facilitar su desarrollo.

Es importante destacar que el proyecto Stargate se inició antes de la irrupción de DeepSeek y ya tenía como objetivo garantizar el liderazgo global de Estados Unidos en inteligencia artificial, especialmente frente a los avances procedentes de China en áreas como la robótica. Aunque DeepSeek ha demostrado que es posible lograr resultados similares con menos recursos, las necesidades computacionales seguirán siendo enormes, lo que hace que el proyecto sea más relevante que nunca. La historia de la computación nos enseña que los avances en eficiencia y reducción de costes no van aparejados de una menor demanda de tecnología. Al contrario, estos avances democratizan el acceso a la tecnología aumentando su adopción global, lo que incrementa la demanda. Por lo tanto, si DeepSeek logra hacer más con menos, el proyecto Stargate se beneficiará obteniendo mayores logros en menos tiempo, algo que sin duda debería generar entusiasmo e ilusión por el futuro.

Europa languidece

Europa abrazó de forma apresurada la visión catastrofista de la inteligencia artificial, reflejada en el EU AI Act, el reglamento sobre IA aplicable en toda la Unión Europea. España, por su parte, ya presume de ser el primer país de la Unión Europea en crear la AESIA (Agencia Española de Supervisión de la Inteligencia Artificial), donde 80 empleados públicos tendrán la tarea de vigilar el uso de la IA en el país y sancionar a las empresas que no cumplan con las obligaciones que exige dicho reglamento. Actualmente, el EU AI Act genera más dudas sobre su aplicación que beneficios tangibles para los ciudadanos europeos. Especialmente en un escenario de rápidos avances tecnológicos, que inevitablemente demandará actualizaciones constantes de la norma. Este enfoque de legislar preventivamente, basado en riesgos hipotéticos que podrían haberse gestionado adaptando las leyes existentes, acarrea un alto coste de oportunidad. Es el “efecto Bruselas” llevado a su máxima expresión.

Programadores: un código exclusivo para vosotros

Si buscas una formación técnica que te lleve al siguiente nivel, el Programa Desarrollador 10x con IA está diseñado para ti.

Disfruta de un 10% de descuento. Usa el código EXPLICABLE10 al matricularte.

Ver el programa

Gracias por leer Explicable. Si te ha gustado esta edición, no te olvides de dar al ♡ y de compartirla por redes sociales o por email con otras personas a las que creas que también les pueda gustar.

La carrera por la AGI

Durante la Guerra Fría, Estados Unidos y la URSS movilizaron enormes recursos en su lucha por liderar la carrera espacial. Más que un objetivo económico, esta competición simbolizaba fuerza y prestigio internacional, un duelo tecnológico que marcó una era de rivalidad geopolítica. Hoy en día, estamos inmersos en una nueva carrera, esta vez para alcanzar la codiciada AGI (Artificial General Intelligence). Aunque el concepto de AGI sigue siendo ambiguo e imposible de verificar, funciona como una meta inspiradora que concentra enormes esfuerzos globales. A diferencia de la carrera espacial, los protagonistas actuales son empresas privadas, principalmente de Estados Unidos y China, que emplean dos enfoques principales: investigación abierta, representada por Meta en EE UU y DeepSeek en China, e investigación cerrada, liderada por OpenAI en EE UU y Alibaba en China.

Con los modelos de razonamiento, en 2025 entramos en una etapa en el desarrollo de la Inteligencia Artificial donde el ritmo de progreso se vuelve a acelerar, comparado con las mínimas mejoras incorporadas en los modelos de la familia GPT durante 2024.

François Chollet es uno de los investigadores que desde el principio ha mantenido una postura objetiva y rigurosa sobre las capacidades reales de Inteligencia Artificial, sin dejarse llevar por los ciclos de expectación exagerada que hemos vivido últimamente. En 2019 creó un test específicamente diseñado para medir la capacidad de generalización de estos modelos, llamado ARC-AGI y acompañado de un concurso para medir el progreso de la Inteligencia Artificial.

Hasta ahora, el mejor sistema construido específicamente para ganar el concurso obtenía una tasa de éxito del 53% en aquellas tareas del test que nadie conoce y que Chollet custodia como oro en paño. Si el lector intenta este test siguiendo este enlace, notará que resolver una tarea no proporciona ninguna ventaja ni información relevante para afrontar la siguiente. Esto significa que las tareas privadas de Chollet solo pueden resolverse mediante una capacidad excepcional de adaptación a situaciones completamente nuevas, es decir, generalizando más allá de los ejemplos de prueba. Pues bien, el nuevo modelo o3 ha obtenido una tasa de acierto del 87.5%, una sorpresa para el mismo Chollet, que lo califica como "breakthrough", es decir, un descubrimiento que marca un antes y un después.

¿Cómo se ha logrado este impresionante salto? Los modelos de lenguaje, como todos los basados en redes neuronales, operan en dos fases claramente diferenciadas. La primera es el entrenamiento, donde el modelo aprende patrones inteligentes a partir de enormes cantidades de datos. En la segunda fase, se utiliza el modelo entrenado para generar nuevas predicciones basadas en un contexto o “prompt”, en el caso de los modelos de lenguaje. El nuevo paradigma radica en darle más tiempo de cómputo a esta segunda fase. Esto permite que el modelo genere múltiples alternativas al prompt inicial y, a través de proceso de autocrítica, elija el camino que mejor se acerque a la respuesta ideal.

🚀 Si quieres formarte en IA, 2025 es tu año: edición exclusiva de nuestro Máster Ejecutivo en Inteligencia Artificial. No esperes a octubre, arrancamos el próximo 15 de febrero: enfoque práctico, 100% online, sin requisitos técnicos y en castellano. Y si, además, eres lector de Explicable, te ofrecemos un código de descuento. Utiliza: EXPLICABLE300

Activar código

En definitiva, le estamos dando al modelo más tiempo para “pensar” antes de responder, lo que mejora significativamente su precisión, aunque también incrementa considerablemente los costes computacionales. Este tiempo adicional es una variable ajustable: según la complejidad del problema o lo que estemos dispuestos a pagar, puede extenderse a minutos, horas o incluso días para obtener mejores resultados con el mismo prompt. Este nuevo enfoque explica por qué empresas como Nvidia y otras de su sector siguen con un crecimiento imparable, beneficiándose del optimismo que este nuevo paradigma genera también para todo el 2025.

Gran impacto económico ¿por fin?

Cuando estos nuevos modelos se integren como herramientas especializadas en cada sector profesional, el impacto en el mercado laboral podría ser transformador. Por ejemplo, los abogados podrán diseñar estrategias legales basadas en un análisis más profundo y completo de la información disponible. Los médicos podrán evaluar todas las opciones posibles antes de emitir un diagnóstico, reduciendo errores y maximizando la eficiencia de los recursos sanitarios. Los programadores aumentarán su productividad, disminuyendo significativamente los costes de desarrollo del software y haciendo la tecnología más accesible y universal.

Si bien, como ya sucede en la actualidad, no todos los profesionales alcanzarán el éxito simplemente por disponer de inteligencia artificial.

Aunque las expectativas son muy prometedoras, este cambio avanzará de manera más lenta y gradual de lo esperado. La velocidad con la que se adopta la tecnología está más influenciada por las estructuras sociales y culturales existentes, que por las capacidades tecnológicas disponibles.

Un elemento clave de este nuevo paradigma es la calidad de los datos de entrenamiento, que ha tenido que mejorar significativamente con el consiguiente aumento en el gasto para su obtención. Empresas especializadas en recopilación de datos cuentan con equipos de personas cuya tarea es crear ejemplos precisos y valiosos para alimentar estos modelos. Este enfoque no es completamente nuevo: desde la aparición de ChatGPT, la fase final de entrenamiento de estos modelos se conoce como RLHF (Reinforcement Learning from Human Feedback). La "H" en el acrónimo destaca la presencia del factor humano en el proceso, que al principio dependía únicamente de trabajadores poco cualificados que evaluaban las respuestas generadas. Sin embargo, los modelos de razonamiento han cambiado drásticamente este panorama. Ahora, este proceso involucra a expertos altamente cualificados, como doctores en matemáticas, computación y biología. Este tipo de trabajo especializado, impensable hace una década, es fundamental para los avances que estamos presenciando, aunque su relevancia sigue siendo poco reconocida.

Aunque no podemos asegurar cómo va a evolucionar la inteligencia artificial en el futuro, una cosa es cierta: estamos viviendo un momento histórico, lleno de oportunidades para transformar nuestras vidas y nuestra sociedad de formas que hace poco parecían imposibles. Dejemos de enfocarnos únicamente en los riesgos y pongamos el foco en ese futuro prometedor.

¡Feliz año a todos los lectores de Explicable! Muchas gracias por vuestro apoyo.

Y, ¿qué más podemos esperar de 2025?

Predecir el futuro en un mundo tan complejo es más un ejercicio de entretenimiento que una ciencia exacta. Bajo este prisma, nos atrevemos a imaginar cómo podría evolucionar la Inteligencia Artificial durante 2025:

• IA Generativa: en 2024 hemos visto modelos de generación de vídeo con una calidad asombrosa, pero todavía falta más control y más consistencia en el contenido generado. En 2025 esperamos que los modelos se integren en las herramientas de producción audiovisual, de manera que puedan ser utilizados por todo tipo de profesionales del sector, y no solo por los early-adopters. Hacer anuncios o cortos con IA podría estar al alcance de cualquiera.

• Agentes: en 2025 presenciamos por fin la llegada de los primeros agentes, tras no haber visto avances claros en 2024. Inicialmente, estos agentes funcionan como asistentes en los ordenadores, capaces de manejar el ratón y el teclado para ejecutar tareas genéricas. En una etapa posterior, se integrarían en las operaciones de las empresas, aunque en este caso somos más cautos debido a la complejidad y variedad de escenarios que tendrían que abordar.

• Legislación: la nueva administración Trump cambia el discurso sobre la regulación de la IA, aplacando los intentos anteriores de controlar el desarrollo de esta tecnología. Esto hace que Europa empiece a cuestionar la idoneidad del reglamento de IA y trate de minimizar su impacto. España, que ha sacado pecho de ser el primer país en montar la agencia de supervisión de la IA, podría tener mucho que licitar pero poco que supervisar.

• Hardware: la demanda de capacidad de cómputo se mantiene fuerte a lo largo del año, con Nvidia liderando sin perder impulso, a pesar de la aparición de nuevas alternativas de las grandes tecnológicas. Sólo un posible conflicto en Taiwan podría frenar drásticamente esta tendencia en 2025.

• Conducción autónoma: avanza pero sigue sin ser universal, y, por tanto, necesita supervisión humana. Los robotaxis se despliegan lentamente en más ciudades de EE.UU., funcionando prácticamente sin supervisión y contando con teleoperadores para responder a las situaciones anómalas detectadas.

• Robots humanoides: las empresas que desarrollan robots humanoides continúan impresionando con vídeos espectaculares que destacan las capacidades de sus creaciones. Sin embargo, estos son casos de laboratorio, lejos de ser aplicables en cualquier entorno o situación. Grandes progresos, pero con un impacto económico aún limitado.

• Drones: en el aire, las situaciones imprevistas son más sencillas de manejar, lo que convierte a los drones con inteligencia artificial en herramientas de alto impacto para aplicaciones no solo con fines militares, sino también de vigilancia y auxilio en catástrofes. Su única limitación real para infinidad de aplicaciones, más que la IA, sigue siendo la autonomía de la batería.

  ---

  

  Un código exclusivo para ti

  Si buscas una formación técnica que te lleve al siguiente nivel, el Programa Desarrollador 10x con IA está diseñado para ti.

  Disfruta de un 10% de descuento. Usa el código EXPLICABLE10 al matricularte.

  Descarga el programa

  ---

  Gracias por leer Explicable. Si te ha gustado esta edición, no te olvides de dar al ♡ y de compartirla por redes sociales o por email con otras personas a las que creas que les pueda gustar.

En este punto surge una pregunta clave: ¿es posible que la AGI emerja espontáneamente simplemente aumentando de manera masiva el número de ejemplos diseñados por humanos? Si la respuesta es afirmativa, podríamos estar más cerca de la AGI de lo que creemos. Si es negativa, significaría que hemos alcanzado los límites de la tecnología actual y que necesitaríamos un avance disruptivo en las técnicas para lograr ese salto de capacidades que aún no tenemos.

La realidad es que nadie conoce la respuesta. Sin embargo, si seguimos la pista del dinero, el flujo de inversiones apunta en una dirección clara: miles de millones de dólares se están destinando a la construcción de gigantescos centros de datos con cientos de miles de GPUs, impulsando a Nvidia a convertirse en la empresa más valiosa del mundo. De este modo, la búsqueda de la AGI nos sitúa en una encrucijada: podríamos estar ante uno de los mayores hitos en la historia de la humanidad o frente a una burbuja de expectativas que podría estallar en cualquier momento. Afrontar esta incertidumbre es tan inevitable como necesario.

A pesar de este riesgo de colapso, el valor de la Inteligencia Artificial como tecnología de propósito general es ya incuestionable. Su poder de transformación es una realidad que continuará impactando nuestras vidas por muchos años, independientemente de que el ritmo de adopción y progreso no coincida con los deseos, expresados en forma de predicción, de los grandes gurús de la Inteligencia Artificial contemporánea.

🚀 Si quieres formarte en IA, este es tu momento. Acabamos de lanzar una edición exclusiva de nuestro Máster Ejecutivo en Inteligencia Artificial. No esperes a octubre, arrancamos, con plazas limitadas, la 8ª edición el próximo 15 de febrero: enfoque práctico, 100% online, sin requisitos técnicos y en castellano. Y si, además, eres lector de Explicable, te ofrecemos un código de descuento. Utiliza: EXPLICABLE300

Ver el programa

Agentes y Robots, casi pero no

El 2024 prometía ser el año de los agentes: sistemas de Inteligencia Artificial diseñados para realizar tareas de manera autónoma en el mundo virtual. Se hablaba de agentes capaces de planificar viajes completos con todas las reservas necesarias, responder correos electrónicos rutinarios en nuestro nombre, brindar soporte a usuarios de plataformas, y en general, llevar a cabo cualquier tarea posible a través de una conexión a Internet, evocando la visión de la película Her. Sin embargo, muchas empresas que apostaron por comercializar estos agentes en diversos escenarios se encontraron con un obstáculo insalvable: la tecnología aún no estaba lista. El caso más emblemático fue el de Microsoft Copilot, que, a pesar de su lanzamiento a bombo y platillo, no logró despegar en el entorno empresarial.

En septiembre, OpenAI anunció su nueva serie de modelos de lenguaje o1, capaces de generar respuestas más reflexivas y ofrecer razonamientos superiores a los de sus predecesores. Presentados como la piedra angular para habilitar la creación de agentes inteligentes, estos modelos prometen revolucionar el campo gracias a sus avanzadas capacidades de razonamiento. Sin embargo, a pesar de los sorprendentes ejemplos de agentes que inundan Internet, accionados por voz o por texto, su implementación en los negocios sigue siendo una barrera por el momento infranqueable.

Algo que la AGI promete resolver gracias a su capacidad de generalización extrema. Así que todo apunta a que 2025 será nuevamente proclamado como ‘el año de los agentes’, con Microsoft tomando la delantera gracias al reciente lanzamiento de Copilot Actions, su apuesta más ambiciosa en el campo de los agentes inteligentes.

Con la llegada de los robots de propósito general ocurre algo similar. Las redes sociales están inundadas de vídeos de robots realizando trabajos de todo tipo, creando la falsa impresión de que la era de los robots está a la vuelta de la esquina. La idea de hacer robots a imagen nuestra no es casual: el mundo está ya adaptado a nosotros, así que un robot con forma humana tiene mayores posibilidades de sernos útil en infinidad de escenarios. Aunque en los últimos años, la evolución de estos robots ha sido notable, tanto en su mecánica como en su inteligencia, seguimos lejos de que un robot pueda sustituir a un humano en tareas genéricas, fuera de las cadenas de montaje especialmente diseñadas para ellos que vemos en las fábricas. Este desafío es aún mayor que el de los agentes virtuales, ya que los robots operan en el mundo físico donde no es posible entrenarlos para cubrir todas las situaciones a las que se enfrentarán, ni siquiera con los potentes simuladores de realidad actuales.

Es cierto que la robótica de carácter universal aún no ha experimentado su propio ‘momento ChatGPT’:ese punto de inflexión que dispara su evolución. Sin embargo, la era de la Inteligencia Artificial nos ha enseñado que la automatización de tareas cada vez más complejas es solo cuestión de tiempo. Con la inversión masiva de capital humano y económico que actualmente se dedica a este desafío, su consecución parece cada vez más alcanzable. Y cuando finalmente se materialice en el campo de la robótica, el impacto socioeconómico será verdaderamente monumental.

Nobel para la IA

Este año, en un giro inesperado y no exento de polémica, tanto el Nobel de Física como el de Química han recaído en avances relacionados con la Inteligencia Artificial. Aunque los premios Nobel se otorgan a personas y no a tecnologías, las justificaciones de los galardones dejan claro que algo excepcional está ocurriendo en el mundo de la ciencia. Por un lado, no existe una categoría específica para Ciencias de la Computación, ya que cuando Alfred Nobel redactó su testamento, esta disciplina ni siquiera existía. Sin embargo, considerando que el propósito de estos premios es reconocer las contribuciones que más benefician a la humanidad, resulta evidente que los avances en Inteligencia Artificial cumplen con creces esta misión.

Comencemos con el Nobel de Física, otorgado a John J. Hopfield y Geoffrey Hinton por sus contribuciones al desarrollo de redes neuronales basadas en conceptos provenientes de la Física. Aunque las redes de Hopfield y las máquinas de Boltzmann no se utilizan ampliamente en la actualidad, son consideradas una fuente de inspiración fundamental para generaciones posteriores de científicos. Sin restar mérito a la brillante trayectoria de estos dos investigadores, este galardón parece reflejar, en cierta medida, el estancamiento que ha afectado al campo de la Física en los últimos años. Con pocos avances realmente significativos y gran parte de su talento centrado en áreas de la física teórica, como la Teoría de Cuerdas, el premio podría interpretarse como un intento de destacar contribuciones relevantes en un momento complicado para la disciplina.

El Nobel de Química ha sido concedido a David Baker, Demis Hassabis y John Jumper, estos dos últimos reconocidos por AlphaFold, el modelo de Inteligencia Artificial capaz de predecir la estructura tridimensional de una proteína a partir de su secuencia de aminoácidos. Este avance representa un hito indiscutible en Biología, con aplicaciones directas en Medicina y Farmacia. En este caso, la invención tiene una conexión más evidente con la categoría del premio. Sin embargo, no debemos olvidar a la gran cantidad de ingenieros, biólogos y otros especialistas cuyo trabajo ha sido esencial para alcanzar este logro. Este premio refleja un cambio significativo en la forma en que entendemos la ciencia: la figura del científico aislado, capaz de grandes descubrimientos en solitario como Einstein o Ramón y Cajal, ya no es representativa del siglo XXI. Asimismo, pone de manifiesto cómo las fronteras entre disciplinas científicas se vuelven cada vez más difusas, marcando una era de colaboración interdisciplinaria sin precedentes.

En este contexto, no sería descabellado imaginar que el próximo Nobel de la Paz podría recaer en Sam Altman. Este reconocimiento se justificaría por su constante preocupación por el futuro de la humanidad y sus esfuerzos por promover regulaciones que limiten el desarrollo de iniciativas de código abierto potencialmente peligrosas y, cómo no, también contrarias a su modelo de negocio.

¡Nos lo pedisteis y aquí está: “Desarrollador 10X con IA”!

Sabemos que nos hemos tomado nuestro tiempo, pero queríamos asegurarnos de ofrecerte una experiencia de aprendizaje de alto nivel. Es por eso que, para esta primera edición, nos aliamos con Diverger: una de las empresas tecnológicas más destacadas del momento.

Más info

🚀 Si quieres formarte en IA, este es tu momento. La 7ª edición de nuestro Máster Ejecutivo en Inteligencia Artificial arranca el 5 de octubre: práctica, 100% online, sin requisitos técnicos y en castellano. Y si, además, eres lector de Explicable, te ofrecemos un descuento. Utiliza: EXPLICABLE300

Ver el programa

OpenAI se adelanta otra vez

Es impresionante observar hasta dónde se ha llegado con la arquitectura Transformer, entrenada para predecir la siguiente palabra de un texto. Es una simplificación de cómo se entrenan los grandes modelos de lenguaje (LLMs), pero revela algo que nadie se esperaba: el lenguaje de programación más efectivo en la era de la Inteligencia Artificial es el lenguaje natural. Y no nos referimos al inglés, idioma predominante en Internet con el que mayoritariamente se entrenan estos modelos. Sino a los conceptos generales del mundo que cualquier idioma captura y que los LLMs han de comprender y asimilar para cumplir sus objetivos. Esto les permite no solo resolver problemas relacionados con el lenguaje, sino también integrar estos conceptos con imágenes, sonidos y cualquier otra fuente de información. Por tanto, denominarlos modelos de lenguaje minimiza su verdadero potencial como máquinas universales de computación que, gradualmente, van ampliando el espectro de problemas que pueden resolver. Así lo demuestra el lanzamiento de o1, el primer modelo de OpenAI especializado en tareas de razonamiento.

Todos los LLMs anteriores a o1, como GPT-4 o Claude 3.5, están entrenados para predecir en cada momento la palabra más probable, en función de todo el contexto previo y de una inmensa cantidad de texto extraído de Internet. Posteriormente, se les aplica un entrenamiento específico para ajustar dichas probabilidades según la valoración humana. Esto produce LLMs muy valiosos para automatizar tareas de generación y extracción de texto en prácticamente cualquier idioma. Sin embargo, cuando se trata de aplicar razonamiento ante una petición, los resultados suelen ser insatisfactorios en la mayoría de los casos.

Aunque no tenemos información precisa del funcionamiento interno de o1, intuimos que, además de recibir asistencia humana para elegir las respuestas más adecuadas, este nuevo modelo intenta deducir por sí mismo, y paso a paso, los razonamientos que lo conducen a las respuestas correctas de un conjunto de problemas. De manera similar a cómo AlphaGo se entrenó jugando partidas de Go contra sí mismo y descubrió estrategias ganadoras desconocidas hasta el momento, podríamos inferir que o1 también encuentra una serie de procesos lógicos aplicables de forma genérica a múltiples problemas. Aquí es donde se aprecia un salto significativo en la capacidad de razonamiento respecto a modelos anteriores, aunque siga aún muy lejos del razonamiento humano. Sin embargo, el modelo parece tener un peor desempeño frente a sus predecesores en tareas más creativas, aquellas donde la alucinación suma y la lógica resta.

Otra característica distintiva de este modelo es el mayor tiempo que requiere para proporcionar una respuesta, el cual varía según la complejidad del problema y no por el número de palabras (o tokens) presentes, como estábamos acostumbrados. Esto se debe a que la mayor parte del contenido generado por el modelo permanece oculto para nosotros, de modo que solo vemos la respuesta final y no los tokens que conforman toda la cadena de razonamientos. Es una pena que OpenAI haya decidido ocultar estos tokens para proteger su propiedad intelectual. Por un lado, la visibilidad de los procesos de razonamiento permitiría la explicabilidad de las respuestas del modelo, una de las grandes limitaciones que se atribuyen a las redes neuronales. Por otro lado, esto impide la total transparencia y dificulta la estimación precisa del coste del modelo cuando se integra en otras aplicaciones mediante una API, ya que la mayoría de los tokens por los que se paga se quedan en los servidores de OpenAI.

Hay que tener en cuenta que OpenAI ha publicado “o1-preview”, que no es la versión final del modelo o1, cuyos resultados de evaluación son todavía superiores. Uno de los motivos podría ser su mayor gasto computacional, que con los costes actuales no justificaría el extra de valor aportado. En definitiva, lo más importante del lanzamiento de o1 es que se abre una nueva avenida por donde estos modelos pueden seguir evolucionando, y que a buen seguro provocará la reacción inmediata de Google, Anthropic y Meta. Y no podemos olvidar en este punto a la empresa SSI (Safe Superintelligence Inc.) fundada por Ilya Sutskever, uno de los genios detrás de hitos como AlexNet, ChatGPT y, probablemente, también o1, antes de que se marchara de OpenAI en mayo de 2024, organización que fundó en 2015 junto con Sam Altman y otros grandes nombres de la industria.

¿Y ahora qué?

Si hace cinco años nos hubieran dicho que hoy tendríamos modelos capaces de generar prácticamente cualquier imagen que deseemos, que la comprensión del lenguaje natural estaría resuelta para muchas tareas y en diversos idiomas, que la generación automática de música habría superado la simple música de ascensor, y que los desarrolladores de software completarían sus tareas un 50% más rápido gracias a la inteligencia artificial, habríamos pensado que estábamos en el terreno de la ciencia ficción.

Como hemos analizado en esta edición de Explicable, entramos en una nueva etapa con la aparición de modelos que poseen capacidades, aún limitadas, de razonamiento. Este avance es un paso indispensable para permitir el desarrollo de agentes: modelos capaces de actuar de forma autónoma en el mundo virtual en respuesta a nuestras órdenes. El impacto económico de estos agentes desplegados en múltiples dominios podría ser inmenso. En este contexto, también será interesante observar el tiempo que la comunidad de código abierto tardará en desarrollar estas nuevas capacidades.

En el ámbito audiovisual, el siguiente paso es la edición y generación de vídeo con fines profesionales, yendo más allá de los propósitos lúdicos que observamos en la actualidad. El vídeo requiere una capacidad de cómputo mucho mayor, además de enfrentar desafíos relacionados con los derechos de autor de los principales repositorios de vídeo como YouTube. Esto ha hecho que el progreso que hemos visto con las imágenes sea más lento en el caso del vídeo, aunque no tenemos la menor duda de que ese avance llegará.

Por último, es fundamental no subestimar las aplicaciones de los LLMs en el campo de la robótica, que podrían permitir la creación de agentes capaces de moverse y actuar de manera autónoma en el mundo físico. La robótica representa una revolución silenciosa que progresa discretamente cada año, y que aún no ha alcanzado ese punto de inflexión a partir del cual el ritmo de progreso se acelera. Las capacidades de razonamiento de estos nuevos modelos podrían desencadenar ese punto de inflexión, formando el sustrato que permitirá a los robots planificar sus propias acciones para llevar a cabo tareas cada vez más complejas y de carácter más general.

Gracias por leer Explicable. Si te ha gustado esta edición, no te olvides de dar al ♡ y de compartirla por redes sociales o por email con otras personas a las que creas que les pueda gustar.

💥Pero atención…💥

Si no recibieses Explicable directamente en tu correo, revisa bien tu correo no deseado. A veces ocurre que nuestros mensajes se van directamente a ese agujero negro denominado “spam”. 

Para evitar que esto ocurra, marca nuestra dirección de correo como “no es spam”. 

Si eres usuario de Gmail, revisa también la carpeta de “promociones”, porque puede que también nos hayamos escondido allí y mueve el mensaje al inbox principal. GRACIAS.

El caso de la música era más extraño, pues no requiere tanta computación, y, sin embargo, la música generada por IA le faltaba alma. En Explicables anteriores, la calificábamos como música de ascensor, intrascendente e incapaz de transmitir emociones. ¿Qué ha cambiado pues para que aplicaciones como Udio y Suno nos dejen asombrados por la calidad de la música generada?

🚀 Si quieres formarte en IA, este es tu momento. Acabamos de lanzar la 7ª edición de nuestro Máster Ejecutivo en Inteligencia Artificial, una formación práctica diseñada por y para profesionales. 100% online, sin requisitos técnicos y en castellano. Y si, además, eres lector de Explicable, te ofrecemos un descuento adicional al precio promocional de lanzamiento. Utiliza: EXPLICABLE300

Quiero saber más

Momento musical

A finales de 2023, ya vimos la antesala de lo que está ocurriendo ahora en el mundo de la IA y la música. La empresa Suno mostraba la primera versión de su IA generativa de música, capaz de generar canciones de muchos estilos, a partir de una simple descripción. El salto de calidad era importante con respecto a lo que había hasta el momento, aunque todavía no era música que nos hiciera vibrar.

Suno se hizo muy popular como forma de pasatiempo, creando canciones divertidas con letras personalizadas de nuestro círculo más inmediato. En marzo, Suno lanzó su versión 3, mejorando aún más la calidad con audios de hasta 2 minutos de duración. Y, 3 semanas más tarde, Udio salió del anonimato con el generador de música más avanzado hasta el momento. Después de probar ambas herramientas, podemos decir que estamos ante un hito importante en el campo de la IA por varios motivos:

En primer lugar, uno de los problemas de la IA generativa ha sido la dificultad de generar contenido largo en el tiempo que mantenga una estructura clara o un hilo conductor bien articulado. Escribir un buen ensayo, o una buena canción, no consiste únicamente en escupir palabras o notas que queden bien en un momento dado. Las palabras o notas escogidas deben mostrar una coherencia temporal con todo lo generado anteriormente, además de una estructura y dirección especialmente diseñadas. En una canción, hablaríamos de repeticiones, modulaciones en momentos claves, patrones rítmicos y armónicos, y un sinfín de elementos que se combinan con un sentido claro de principio a fin. Esto es lo que hace que una pieza musical sea redonda y transmita emociones a los oyentes. Si Suno y Udio son capaces de generar música interesante, es porque sus modelos de IA son capaces de entender y aplicar mejor estos patrones en el conjunto de la obra. Con esto, no queremos decir que estos sistemas puedan componer música como un humano, ya que todavía requieren de mucha supervisión y múltiples intentos hasta dar con algo realmente bueno. Pero sí sabemos que estos modelos son capaces de imitar aquello que los humanos hemos encontrado a lo largo de la historia de la música y obtienen resultados con la calidad suficiente para muchos casos de uso profesionales.

El segundo motivo por el cual estos nuevos modelos suponen un hito radica en que, por primera vez, se ha desafiado a la industria discográfica entrenando modelos con la música más comercial. Aunque ninguna de las dos empresas se ha pronunciado al respecto, parece lógico, dado el gran salto de calidad obtenido frente a modelos previos que solo utilizaban música de uso libre. Esto refuerza la idea de que, a partir de cierto volumen de datos, la calidad es mejor que la cantidad. No sería de extrañar que el próximo paso de las discográficas sea interponer demandas para proteger su negocio argumentando que el entrenamiento de estos modelos infringen el copyright de sus obras protegidas, al igual que ya ha ocurrido en el caso de ‘The New York Times’ contra OpenAI. El resultado de estas demandas marcará el devenir de la IA generativa en cualquiera de sus modalidades, aunque siempre nos quedará Japón.

Sora y su modelo del mundo

Al igual que con la música, otra de las barreras que ha superado la IA en este 2024 es la generación de vídeo de alta calidad con potenciales usos profesionales. O al menos eso parece a tenor de los ejemplos que ha publicado OpenAI de Sora, su modelo de texto a vídeo que aún no está disponible para todos los públicos. Uno de los aspectos más interesantes de la publicación es la afirmación de que Sora posee un modelo del mundo que utiliza para producir vídeos con consistencia espacial y temporal. Este modelo del mundo no es como el que formamos nosotros cuando interactuamos con él, sino que es inferido únicamente a partir de los datos de entrenamiento (probablemente de millones de vídeos de Youtube).

Y, para ilustrarlo, nos muestran algunos vídeos generados donde aparecen y desaparecen personas, o donde un vaso que cae sobre una mesa se rompe antes de tocarla.

En el video superior generado por Sora podemos observar cómo la sombra que proyecta el tren en movimiento sobre el que está parado no es consistente, teniendo en cuenta la altura de los vagones. Esto mismo podemos decir de los modelos de lenguaje tipo ChatGPT, a partir de todo el texto que procesa durante su entrenamiento infiere un modelo del mundo excesivamente simple, que le sirve para dar respuestas a los razonamientos más básicos. Del mismo modo, también es quebradizo, ya que comete fallos cuando variamos ligeramente el contexto del problema.

Otra de las características relevantes de un modelo como Sora es su capacidad para generar vídeos sintéticos prácticamente indistinguibles de la realidad. Por tanto, uno de los principales retos es evitar su uso potencial para generar deepfakes con fines maliciosos. Este es un de los motivos por los cuales OpenAI decide no publicarlo por el momento.

Dado el cambio de paradigma, va a requerir un esfuerzo de educación por parte de la sociedad para que siempre verifique la credibilidad de la fuente, antes de creer lo que ven sus ojos en una pantalla. Y, por supuesto, la ley debe castigar con dureza a aquellos que traten de utilizar deepfakes con la intención de engañar, manipular o difamar, adaptando delitos que hoy en día ya están tipificados.

Otra de las soluciones propuestas es la de dotar a las cámaras de vídeo de un mecanismo de firma digital integrado en el sensor, el cual permita verificar a posteriori que un vídeo grabado por ellas es auténtico y no ha sido manipulado. Esta propuesta podría ser la forma de que los medios de comunicación certifiquen que el contenido que reciben de sus corresponsalías es real. En otros escenarios, como los vídeos grabados por un móvil, presenta desafíos de seguridad y de despliegue todavía sin resolver.

Cerco a GPT-4

Resulta sorprendente que, tras más de un año desde su publicación, GPT-4 siga liderando la carrera de los LLMs (Large Language Models). Aunque el cerco de sus rivales se está estrechando a gran velocidad.

Existen dos formas de medir el desempeño de un LLM. La primera, mediante benchmarks o evaluaciones a partir de un conjunto de pruebas preestablecido, siendo MMLU (Massive Multitask Language Understanding) el más popular. MMLU es un benchmark compuesto por 15.908 tests repartidos en 57 áreas de conocimiento. Cada test está formado por una una pregunta y cuatro opciones de respuesta. La evaluación más frecuente es la de 5-shot, donde al modelo se le proporcionan 5 ejemplos de preguntas y respuestas en el prompt antes de medir su desempeño ante una nueva pregunta. Atendiendo a este benchmark, Claude Opus es el único modelo que supera con un 86,8% de tasa de acierto a GPT-4, que obtiene un 86,4%. Aunque Gemini Ultra se anunció con un 90% de tasa de acierto, utilizaron, para ello, una técnica específica en el prompt que impide hacer una comparación justa. De hecho, aplicando los mismos criterios la tasa de acierto de Gemini Ultra baja hasta el 83,7%.

Al igual que MMLU, existen multitud de benchmarks orientados a medir distintas capacidades de los modelos de lenguaje, como sus conocimientos en matemáticas, programación, o su capacidad de razonamiento. Estas evaluaciones sirven como referencia, pero no reflejan el desempeño real de un LLM para cada caso particular. En primer lugar, todas estas pruebas están en inglés, y hay muy pocas que muestren el desempeño en otros idiomas como el español. Además, los datos de los benchmarks se podrían haber filtrado al conjunto de datos con los que se entrenan estos modelos, de manera que los resultados estarían contaminados y de poco servirían. Así que la única alternativa que nos queda para medir el desempeño real es probarlos todos, y elegir el que mejor se ajuste a nuestras demandas.

Deja un comentario

Con ese objetivo, investigadores de la Universidad de Berkeley crearon Chatbot Arena, donde los usuarios mediante un sistema de crowdsourcing lanzan la misma petición a dos LLMs seleccionados aleatoriamente y votan qué respuesta es mejor. En la práctica es como si los dos LLMs compitieran entre sí, donde uno resulta ganador. Según las victorias de cada modelo, se establece una puntuación similar al sistema de clasificación Elo en el ajedrez, con el que se mide el ranking de los jugadores. Aplicando este sistema, el ganador absoluto sigue siendo GPT-4, con Claude Opus y Gemini Pro 1.5 pisándole los talones. Un peldaño por debajo destaca LLaMa 3 de Meta, que acaba de entrar con fuerza en este ranking y promete revolucionar el mercado de los LLMs. Al ser un modelo disponible en abierto y de un tamaño razonable, cualquier empresa lo puede introducir en su propia infraestructura, con la consiguiente reducción de costes y sin el problema de enviar datos confidenciales a un tercero. Y, ciertamente, OpenAI no puede dormir tranquilo, porque Meta está preparando una versión de LLaMa 3 de 400 mil millones de parámetros que aspira a ser el primer modelo open source que destrone a GPT-4.

Meta AI, Inc.

Meta aparcó el metaverso y se entregó a la IA. Cuentan entre sus filas con Yann Lecun, una de las mentes más lúcidas en todo el maremágnum de información que existe en torno a la IA. Además del impresionante modelo LLaMa 3 del que acabamos de hablar, Meta está detrás de otros modelos con mucho valor para los negocios menos sonados. Por ejemplo, SAM, un modelo del que también hemos hablado en Explicables anteriores, capaz de segmentar cualquier imagen sin tener que adaptarlo y guiado mediante simples instrucciones en lenguaje natural. Y, más recientemente, destacamos la publicación de SceneScript, un modelo capaz de identificar la estructura tridimensional de los elementos principales de un espacio interior.

Estos datos sintéticos se generan a partir de escenas 3D previamente diseñadas en un estudio de arquitectura, lo cual supone dos ventajas extraordinarias para cualquier proyecto de inteligencia artificial: la primera es que consigue un coste de adquisición y etiquetado de datos prácticamente nulo, fruto del trabajo de modelado previo. Y, en segundo lugar, permite la posibilidad de generar datos de entrenamiento de manera casi ilimitada. El modelo todavía no está disponible, pero en base a los resultados que obtiene, SceneScript nos demuestra el gran potencial de los datos sintéticos para entrenar modelos de inteligencia artificial y transferir el aprendizaje a situaciones del mundo real.

Más info: https://www.projectaria.com/scenescript/

Deja un comentario

Gracias por leer Explicable. Si te ha gustado esta edición, no te olvides de dar al ♡ y de compartirla por redes sociales o por email con otras personas a las que creas que les pueda gustar.

💥Pero atención…💥

Si no recibieses Explicable directamente en tu correo, revisa bien tu correo no deseado. A veces ocurre que nuestros mensajes se van directamente a ese agujero negro denominado “spam”. 

Para evitar que esto ocurra, marca nuestra dirección de correo como “no es spam”. 

Si eres usuario de Gmail, revisa también la carpeta de “promociones”, porque puede que también nos hayamos escondido allí y mueve el mensaje al inbox principal. GRACIAS.

Suscríbete ahora

Lo que demanda 2024 es una mejor asimilación de todas estas tecnologías, para que las veamos como lo que son: herramientas que nos hacen la vida más fácil, pero que a día de hoy todavía requieren supervisión humana. Debemos dejar de ver a los LLMs como entes inteligentes, capaces de sustituir al ser humano en cualquier tarea cognitiva. Solo así lograremos incorporar, con sentido común, los cambios que conllevan; regulando los nuevos usos donde sea necesario y al margen de sensacionalismos. Porque, como nos muestra el proyecto Pessimists Archive, la historia está llena de grandes avances tecnológicos que en su día suscitaron el mismo rechazo de una parte importante de la sociedad.

GPT-4 sigue siendo el rey

Cuando salió GPT-4 en el mes de marzo, las primeras impresiones fueron que hacía lo mismo que su predecesor, pero con una clara mejora en la calidad de las respuestas. Por tanto, suponía un avance gradual y no disruptivo. Sin embargo, como el buen vino, GPT-4 ha ganado credenciales con el tiempo, dando a todos una inesperada lección: ningún modelo, ni open source, ni propietario, le ha hecho sombra - al menos a lo largo de 2023. Aunque OpenAI no ha vivido su momento dulce sin pasar por ciertos sobresaltos. En una semana de infarto a finales de noviembre, el consejo de administración estuvo a punto de echarlo todo por la borda debido a desavenencias que no se han hecho públicas con Sam Altman, el rockstar de la IA y líder aún más reforzado de OpenAI.

El contendiente mejor posicionado en la carrera por superarlo debería ser Google, que recientemente anunció Gemini. Su versión más avanzada, Gemini Ultra, obtiene unos resultados en pruebas estándar ligeramente superiores a GPT-4. A pesar del bombo con el que Google mostró estos resultados, Gemini Ultra todavía no está disponible al público general. La versión de Gemini Pro, la que hoy alimenta a Google Bard, podríamos decir que compite directamente con GPT-3.5: la versión gratuita de ChatGPT disponible desde hace un año.

Y así lo indica el precio que Google ha fijado para su API, muy por debajo de lo que cuesta el API de GPT-3.5. Lo cual sugiere que Google es consciente de que puede competir en precio, pero no en prestaciones con Gemini Pro. El próximo año nos dirá si Gemini Ultra está a la altura de las expectativas generadas y se convierte en el primer LLM que supera a GPT-4.

En el terreno del open source, además de las ya conocidas familias de modelos Llama y Falcon, están empezando a surgir otras iniciativas muy prometedoras. Por un lado, parece que China está despertando en el área de LLMs con una startup como DeepSeek AI, cuyos modelos, con el mismo nombre, ya superan en algunas pruebas a GPT-3.5. De Francia también llega la startup Mistral AI, que en esta recta final del año ha sorprendido a la comunidad publicando Mixtral 8x7B. Este modelo destaca por ser el primer modelo open source basado en la mezcla de expertos (MoE, Mixture of Experts), una técnica que, según los rumores, estaría detrás del gran éxito de GPT-4.

En definitiva, viendo la evolución que los LLMs open source han experimentado este año, y la fuerte inversión que están recibiendo este tipo de iniciativas, parece claro que durante 2024 podrían alcanzar el nivel de GPT-4 sin muchos problemas.

El miedo a la IA se materializa

En una época marcada por los avances tecnológicos de la inteligencia artificial, el año 2023 se ha destacado como un punto de inflexión en la relación de la sociedad con esta tecnología.

Los titulares del año han resonado con debates éticos, como la carta que promovía parar el desarrollo de modelos superiores a GPT-4 durante 6 meses, e incluso señalando la posibilidad de extinción de la humanidad si seguimos avanzando a este ritmo.

Esto ha provocado que la sociedad sea más consciente de los cambios que vienen, pero a su vez ha sido el germen del miedo que ha inundado a todos sus estamentos.

Sobre todo cuando aparecen reconocidos expertos en el campo de la IA adoptando las posiciones más agoreras. Geoffrey Hinton es uno ellos, basado en la creencia de que podríamos estar muy cerca de alcanzar la AGI (Artificial General Intelligence) tras su experiencia con GPT-4. Según él mismo, salió de Google para poder hablar libremente de su visión al respecto.

Pero no todos los expertos están de acuerdo con esta visión, apoyándose en las enormes limitaciones de los LLMs. Andrew Ng opina que estamos lejos de esos escenarios catastrofistas. Por eso, sería más provechoso poner el foco en lo que la IA es capaz de hacer hoy, en vez de entrar en el mundo de lo especulativo, sobre todo cuando hablamos de regulación que nos afecta a todos. Yann Lecun va más allá, y afirma que un mundo con AGI no es necesariamente más peligroso, del mismo modo que las personas más inteligentes no son las más peligrosas.

El ser humano siempre ha tenido el control sobre la tecnología. La IA no decidirá de manera inexorable matarnos a todos porque la diseñaremos nosotros.

La pregunta que debemos hacernos es: ¿queremos un mundo con más o con menos inteligencia? Porque quizá el término “inteligencia artificial” esté detrás de todo este miedo. Sin duda, es la primera vez en la historia de la humanidad que algo amenaza con quitarnos la supremacía de la inteligencia, aquello que la naturaleza nos ha dado para nuestra propia supervivencia. Un miedo solo comparable a la llegada de vida extraterrestre.

Este miedo se traduce en intentos de regular la tecnología de manera genérica, en lugar de ampliar el marco legal existente con aquellas aplicaciones concretas que puedan entrañar riesgos. Por ejemplo, EE.UU. ha lanzado una orden ejecutiva que impone restricciones a los modelos entrenados a partir de una capacidad de cómputo establecida en la propia norma. La historia de la computación nos dice que lo que hoy es una capacidad desorbitada, mañana la tendremos disponible en nuestro ordenador portátil. Así que este umbral fijado podría ser más un freno a la innovación que una protección frente a unos supuestos peligros. Y lo mismo ha ocurrido en la Unión Europea, que saca pecho de lo que podría convertirse en la primera legislación a nivel mundial en regular la inteligencia artificial. El texto final aún no se conoce, pero el último acuerdo alcanzado parece que ha sido más laxo con los modelos de fundación de lo que se preveía, especialmente para aquellos publicados como open source. No obstante, el reglamento sigue considerando muchas aplicaciones de la IA como de alto riesgo, las cuales deberán pasar por certificaciones que tampoco ayudarán sobre todo a PyMEs.

Lo que nos trae 2024

Realizar predicciones de sistemas complejos, como la sociedad, el mercado bursátil o el avance de la tecnología que aquí nos ocupa, casi siempre resulta en un esfuerzo fútil. Además, un pronóstico siempre posee el sesgo de la persona que lo realiza, muchas veces dirigido más por el deseo que por la realidad, el denominado wishful thinking.

A pesar de ser muy consciente de estos impedimentos y de la gran incertidumbre a la que me enfrento, me aventuro a enumerar algunas noticias que podría traernos la inteligencia artificial en el próximo año:

• La IA generativa avanza en otros campos de la creación audiovisual, llegando a un nivel profesional en música y en la producción de vídeos cortos de un único plano.

• Los LLMs open source son muy competitivos con GPT-4 y quitan cuota de mercado a OpenAI, que también sufre con la entrada de modelos propietarios como Gemini Ultra.

• OpenAI anuncia GPT-5, que gracias a una nueva técnica, es capaz de “reflexionar” sobre lo que genera para afinar su respuesta. Esto disminuye los errores y le permite decir “no lo sé” cuando no dispone de información suficiente.

• Nvidia pierde su posición dominante en la venta de hardware especializado para entrenar y hacer inferencia de modelos de IA, al entrar con fuerza nuevos actores al mercado como AMD, Google y Amazon.

• El precio de la inferencia de grandes modelos cae significativamente, debido a las optimizaciones en el software y el abaratamiento del hardware por el aumento de competencia.

• Surgen los primeros agentes autónomos, basados en LMMs (Large Multimodal Models) y especializados en tareas específicas dentro de las empresas, tanto para operativa interna, como para la interacción con sus clientes.

• El miedo a la IA se amortigua a medida que las empresas van incorporando la IA a sus procesos y las personas se van habituando a ella. Los tecno-optimistas se imponen a los catastrofistas, y el debate sobre los peligros de la IA se centra en aplicaciones concretas.

• El reglamento europeo sobre IA se aprueba sin pena ni gloria: ni protege especialmente a sus ciudadanos, ni es un impedimento para la innovación en Europa como se vaticinaba. Acabando de nuevo en un molesto procedimiento legal al estilo del mensaje de “aceptar cookies” que sufrimos cada día en la web.

• Los productores de contenidos tradicionales como los medios de comunicación y los artistas endurecen su batalla legal contra las empresas que están detrás de los grandes modelos de IA generativa por infringir el copyright de sus obras.

• La conducción autónoma sigue mejorando pero no alcanza el nivel 5 SAE, por lo que necesita supervisión humana, o bien de un conductor, o de un agente remoto que pueda tomar el control ante imprevistos.

• La robótica con inteligencia artificial para sustituir trabajos manuales también da pasos importantes con Optimus a la cabeza; aunque todavía no está lista para su despliegue masivo, debido a los altos costes y la escasa fiabilidad.

Feliz 2024 a todos y muchas gracias por leer Explicable.

Si te ha gustado esta edición, no te olvides de dar al ♡ y de compartirla por redes sociales o por email con otras personas a las que creas que les pueda gustar.

💥Pero atención…💥

Si no recibieses Explicable directamente en tu correo, revisa bien tu correo no deseado. A veces ocurre que nuestros mensajes se van directamente a ese agujero negro denominado “spam”. 

Para evitar que esto ocurra, marca nuestra dirección de correo como “no es spam”. 

Si eres usuario de Gmail, revisa también la carpeta de “promociones”, porque puede que también nos hayamos escondido allí y mueve el mensaje al inbox principal. GRACIAS.

Todo lo que está pasando, un marco regulatorio cambiante, una tecnología omnipresente en prácticamente todos los sectores de la economía y un disruptor indiscutible en las estrategias de crecimiento de las organizaciones. La misión del Instituto de Inteligencia Artificial sigue intacta: ayudamos a profesionales a conocer el potencial de la IA y cómo aplicarla de manera eficaz y rentable. Y ahora con mucho más sentido: apostamos por dotar a perfiles profesionales de conocimientos, inspiración, rigor y herramientas para navegar este tsunami. Consulta todo nuestro portfolio formativo aquí.

Más info

Falcon sube el listón

En anteriores Explicables hemos hablado de cómo Meta, en su lucha por hacerse un hueco entre los grandes centros de IA, ha apostado por la publicación de sus modelos en formato open source. El modelo estrella de Meta es, sin duda, Llama 2, que permite construir aplicaciones de procesamiento de lenguaje natural sin depender de los altos costes de GPT-4, la versión más potente de ChatGPT. Y entonces el pasado mes de junio aparece Falcon, otro de esos modelos que pugna por conquistar el terreno de ChatGPT, desarrollado por el centro de investigación TII (Technology Innovation Institute). Esta circunstancia resulta sorprendente teniendo en cuenta que el TII es un organismo público, generalmente poco preparado para innovar. Y también sorprende que está ubicado nada menos que en Emiratos Árabes Unidos, un lugar que, hasta ahora, no entraba en el bloque China-EE.UU. que encabeza la carrera por la supremacía en Inteligencia Artificial.

El gran inconveniente de Llama 2, y por ende sus numerosos sucesores, es que fuera del idioma inglés su desempeño deja mucho que desear.

Una de las grandes sorpresas de ChatGPT fue su habilidad para comprender y responder en múltiples idiomas a pesar de que más del 90% de sus datos de entrenamiento estaban en inglés.

Los mismos ingenieros de OpenAI se mostraron atónitos ante este fenómeno, probablemente a sabiendas de que ese pequeño porcentaje en otros idiomas se había colado en los datos de manera accidental. Un dulce accidente que ha contribuido a democratizar aún más los LLMs a escala mundial.

Falcon, al contrario de Llama 2, sí que se ha entrenado con un conjunto de datos que contiene una contribución mayor de otros idiomas. Las pruebas que hemos hecho en español nos lo confirman. Y para poner la guinda al pastel, TII acaba de anunciar la disponibilidad de una versión de 180 mil millones de parámetros (Falcon 180B) que es por ahora el modelo open source que más se acerca a GPT-4 en las pruebas estándar de evaluación MMLU (Massive Multitask Language Understanding).

Este modelo, con un tamaño similar a GPT-3 y más del doble del tamaño de Llama 2, se puede descargar libremente tanto para fines comerciales (con alguna restricción razonable) como para fines de investigación. Aunque eso sí, para poder utilizarlo necesitaremos una infraestructura con un coste que oscila entre los 10-20€ por hora si la alquilamos; y del orden de 200.000€, si la adquirimos en propiedad. Si no queremos hacer frente a estos costes, también podemos acceder a una versión especial con menor precisión matemática, bajando los costes a la mitad y sin apenas pérdida de desempeño. Esto último siempre atendiendo a las citadas pruebas estándar de evaluación de modelos de lenguaje, que solo nos sirven de orientación. Porque para conocer el verdadero potencial de un LLM en nuestro caso de negocio concreto, no hay más remedio que probarlo y medir los resultados en un entorno real.

Más info: https://falconllm.tii.ae

Gemini la esperanza de Google

Antes de la irrupción de ChatGPT, parecía obvio que Google estaba a la par con OpenAI en investigación aplicada de modelos de fundación. Esta conclusión se basaba en los resultados que aparecían en la infinidad de artículos académicos que publicaban.

La excusa para no abrir los modelos al público y exhibir su verdadero potencial era que preferían actuar con prudencia, para garantizar que estos modelos cumplían con los estándares de ética antes de sacarlos al mercado. Cuando OpenAI lanzó ChatGPT, Google no tuvo más remedio que cambiar su estrategia y acelerar el despliegue de estos modelos que tanto valor empezaban a crear. Entonces, el modelo estrella de Google era PaLM, con un tamaño 3 veces superior a GPT-3 (el modelo detrás de la primera versión de ChatGPT) y que prometía tener un mejor desempeño. Google Bard fue el primer producto dirigido a competir directamente con ChatGPT, pero su despliegue tardío no ha generado la misma atención que ChatGPT, que entretanto se ha actualizado con GPT-4 y no tiene rival en estos momentos.

Antes incluso de la aparición de ChatGPT, una de las críticas a Deepmind (la filial de Google especializada en IA) era su bajo retorno de la inversión, a pesar de sus grandes logros en el campo de la Inteligencia Artificial (por ejemplo AlphaGo). Así que, fruto de este obligado cambio estratégico, Google pone el foco en su proceso de ingeniería para rentabilizar sus excelentes contribuciones en el ámbito científico.

En este escenario nace el proyecto Gemini, que es un modelo de fundación capaz de procesar y generar texto, audio, imágenes, y quizás también vídeo. Desde el principio, estará diseñado para ser algo más que el modelo que alimenta a Google Bard, de manera que será el cerebro de todas las herramientas que ofrece Google a sus usuarios.

Según las últimas especulaciones, el gasto en computación requerido para entrenar Gemini sería 5 veces superior al de GPT-4, la joya de OpenAI.

Hay que tener en cuenta que Google tienen dos ventajas frente a OpenAI que son cruciales para poder superarlo. En primer lugar, cuenta con su propio hardware de entrenamiento llamado TPU (Tensor Processing Unit), por lo que no depende de Nvidia para aumentar su capacidad de cómputo. Y en segundo lugar, es dueño de la mayor fuente de información que existe en el planeta: Youtube. Así que tampoco depende de terceros para aumentar la cantidad de datos de entrenamiento. El lanzamiento parece inminente, así que pronto sabremos si la posición hegemónica de OpenAI empieza a tambalearse.

Detección de IA generativa

¿Se puede saber si una imagen ha sido generada por IA? Desde la explosión de la IA en el año 2022, la calidad de las imágenes generadas empieza a ser indistinguible de las creadas con una cámara de fotos. Y al igual que hacemos en un restaurante para saber si el postre es casero o industrial, muchas personas sienten la necesidad de conocer el origen de las imágenes que inundan Internet. La solución consiste en añadir una marca de agua que cumpla con dos características: que sea imperceptible al ojo humano y que no se pueda eliminar fácilmente. Esto es lo que acaba de anunciar el equipo de Google Deepmind, un sistema llamado SynthID que pretenden convertir en el nuevo estándar de marca de agua para imágenes generadas por IA.

El principal uso es evitar la propagación de deepfakes como si fueran imágenes reales. Aunque para ese caso, una tecnología así puede resultar totalmente ineficaz. Por un lado aparecerá un incentivo para eliminar la marca de agua haciendo transformaciones sobre la imagen, con una probabilidad de éxito muy alta. Y por otro lado, entrenar un modelo generativo de imágenes hoy está al alcance de cualquiera.

Proteger únicamente los modelos generativos más populares con marcas de agua podría tener un efecto contrario al provocar una confianza engañosa.

En este caso, podría tener más sentido firmar digitalmente las imágenes producidas por las cámaras de fotos y de vídeos para poder certificar su autenticidad. Los problemas provocados por los deepfakes, como la difamación o la desinformación, se podrían abordar con una regulación que castigue los usos perniciosos y obligue a incorporar esta firma digital a los dispositivos de grabación. Aunque todo ello requiere también de un cambio en la mentalidad de la sociedad, que propicie que, por defecto, desconfiemos de las imágenes que no provienen de una fuente fiable.

Más info: https://www.deepmind.com/synthid

Profes, ChatGPT no es vuestro enemigo

La aparición de ChatGPT ha creado un cisma en la comunidad educativa. Unos consideran que se debería prohibir su uso a los alumnos y otros lo abrazan como una potente herramienta que despierte el interés de los alumnos por el aprendizaje. Para todos ellos, OpenAI ha publicado una guía con ejemplos de cómo pueden utilizar ChatGPT en el aula.

Si atendemos a las gráficas de usuarios de ChatGPT, podemos observar un acusado descenso una vez han comenzado las vacaciones estivales. Así que, no es extraño que algunos profesores se posicionen en contra, pues todo su método de aprendizaje se basa en tareas que hasta ahora sólo podían hacer los humanos. Por ejemplo, si como profesor pedimos a nuestros alumnos que hagan una redacción sobre los sumerios, el mínimo nivel exigible debería estar por encima de lo que es capaz de hacer ChatGPT. Y esto, irremediablemente, cambia las reglas del juego en el aula para siempre.

Al igual que hemos visto con la generación de imágenes, podríamos pensar en introducir una marca de agua para detectar si el alumno ha hecho trampas. Pero para los textos generados por IA, diseñar una marca de agua que no se pueda eliminar resulta una tarea prácticamente imposible, tal y como reconoce OpenAI en su apartado de preguntas y respuestas que acompaña a la guía.

Así que los profesores que habitualmente evalúan a los alumnos con trabajos de escritura, deberán ser más exquisitos en las correcciones buscando esas pequeñas inconsistencias que delaten que el trabajo no es original.

Porque de lo contrario estaríamos abocados a eliminar del sistema educativo la ardua tarea de escribir, un aspecto fundamental en el desarrollo del pensamiento.

Más info: https://openai.com/blog/teaching-with-ai

Gracias por leer Explicable. Si te ha gustado esta edición, no te olvides de dar al ♡ y de compartirla por redes sociales o por email con otras personas a las que creas que les pueda gustar.

💥Pero atención…💥

Si no recibieses Explicable directamente en tu correo, revisa bien tu correo no deseado. A veces ocurre que nuestros mensajes se van directamente a ese agujero negro denominado “spam”. 

Para evitar que esto ocurra, marca nuestra dirección de correo como “no es spam”. 

Si eres usuario de Gmail, revisa también la carpeta de “promociones”, porque puede que también nos hayamos escondido allí y mueve el mensaje al inbox principal. GRACIAS.

Si algo caracteriza al ser humano es su inhabilidad manifiesta de predecir el futuro. En el año 2016, los mayores expertos en conducción autónoma del mundo afirmaban con rotundidad que en 2020 tendríamos coches sin volantes ni pedales, capaces de conducir sin ninguna supervisión humana. Análogamente, parece que algunos de los principales actores en el campo de la IA, embriagados por el ritmo vertiginoso de progreso, están adelantándose a un futuro que podría estar todavía muy lejos. Un futuro donde la IA se parecerá bien poco a lo que tenemos hoy entre manos. Este inusitado esfuerzo por convertirse en el mesías de la IA no solo resulta inútil hoy, sino que, por desgracia, genera miedo y rechazo por parte de la sociedad.

Veamos algunos ejemplos de cómo estamos afrontando el desafío de la IA como sociedad desde distintos prismas.

Todo lo que está pasando, un marco regulatorio cambiante, una tecnología omnipresente en prácticamente todos los sectores de la economía y un disruptor indiscutible en las estrategias de crecimiento de las organizaciones. La misión del Instituto de Inteligencia Artificial sigue intacta: Ayudamos a profesionales a conocer el potencial de la IA y cómo aplicarla de manera eficaz y rentable. Y ahora con mucho más sentido: apostamos por dotar a perfiles profesionales de conocimientos, inspiración, rigor y herramientas para navegar este tsunami. Consulta todo nuestro portfolio formativo aquí.

Saber +

¿Qué teme OpenAI?

Tras el lanzamiento de GPT-4, Sam Altman anunció una gira mundial para conocer de primera mano las necesidades y sensibilidades de los desarrolladores de productos basados en su tecnología. Y, todo ello, manteniendo el discurso de que la IA es peligrosa y debe ser regulada, algo que no tiene precedentes en la historia de la innovación, siempre reñida a la regulación. Algo no encaja cuando OpenAI por un lado mantiene que es importante lanzar estos modelos al mercado lo antes posible para estudiar su impacto, y por otro que nos enfrentamos a la extinción de la humanidad. Además cuando los legisladores europeos proponen nuevas medidas para los modelos tipo ChatGPT, Sam Altman amenaza con marcharse de Europa. Parece que OpenAI está a favor de la regulación, pero siempre que sea en sus términos, lo cual no parece muy razonable.

OpenAI tiene una posición dominante en el mercado de los LLMs (Large Language Models), destacando GPT-4 por encima del resto tanto en pruebas objetivas como subjetivas. En estos momentos, para competir con GPT-4 hacen falta tres elementos: un conjunto de datos muy pulido, una infraestructura de hardware muy costosa y un equipo con el know-how específico para entrenar estos grandes modelos. Los dos primeros elementos, se consiguen con dinero. El tercero, es el único que hoy supone un valor diferencial, pues son muy pocas las personas que han estado expuestas y saben afrontar un reto así.

La mala noticia para OpenAI es que su situación privilegiada no durará mucho tiempo, ya que el conocimiento valioso siempre tiende a expandirse, y cada vez más personas tendrán ese know-how necesario.

OpenAI lo sabe, y podría estar detrás de ese sorprendente afán regulatorio que exhibe para poner palos en las ruedas de sus futuros competidores. El mismo Sam Altman afirma que los modelos a partir de ciertas “capacidades” (algo difícil de establecer y medir) deberían requerir una licencia de explotación, lo cual limitaría cualquier iniciativa open source al respecto.

Entre esos potenciales competidores de OpenAI se encuentra Google (que acaba de liberar Bard en España), Meta (que acaba de publicar LLaMA 2), Anthropic (con Claude 2), Stability AI y un puñado de empresas con la capacidad de entrenar modelos de lenguaje que algún día podrían amenazar la supremacía de GPT-4. A este selecto grupo por fin se une una iniciativa europea. Hablamos de Mistral, una startup basada en París, que con tan solo 4 semanas de vida consiguió cerrar una ronda de inversión de 105 millones de euros. El único valor de Mistral por el momento es su propia convicción de tener los ingredientes necesarios (principalmente su equipo fundacional) para romper el monopolio de OpenAI. Veremos si estar en Europa supone para ellos una ventaja (mayor acceso a talento), o un lastre (excesiva regulación) para cumplir con sus objetivos.

El efecto Bruselas se atraganta

El 21 de abril de 2021 poco se hablaba de IA generativa de imágenes, o de aplicaciones universales de lenguaje natural, ni tampoco existía el concepto de modelos de fundación. La mayoría de las veces, los chatbots eran más una molestia que una ayuda y la generación de imágenes era más un pasatiempo que una herramienta profesional. Y ese fue el día elegido para publicar el borrador de la regulación europea que hoy, tras más de dos años de discusiones y enmiendas, está casi listo para ser aprobado en toda Europa. Por aquel entonces, el peligro de la IA estaba centrado en 3 aspectos que podrían perjudicar a las personas: (1) los sesgos indeseados heredados de los datos de entrenamiento, (2) la ausencia de explicabilidad de los modelos basados en redes neuronales y (3) la falta de alineamiento de los objetivos de un sistema basado en IA con nuestros principios éticos. Y en ese contexto aparece la primera propuesta de reglamento para defender los derechos de los ciudadanos europeos, a pesar de que estábamos hablando de una tecnología con poca penetración y en constante evolución.

Europa pretende alimentar el llamado “efecto Bruselas” sentando las bases para todo el mundo, en el momento de más hype de la historia de la IA.

Además, esta regulación es de aplicación directa por los estados miembros sin que tenga que sufrir ninguna adaptación al marco legal particular de cada estado. Europa se lanza a regular una tecnología de propósito general, que se puede utilizar de forma inocua para clasificar la basura de una planta de reciclaje, o de forma perniciosa para hacer seguimiento de los movimientos de los ciudadanos. Y la forma de conciliarlo ha sido categorizando cada aplicación de IA atendiendo a su nivel de riesgo, cuyos criterios están establecidos en la propia ley. Así un sistema para la clasificación de la basura en una planta de reciclaje se considera una aplicación sin riesgo, y, por tanto, se puede desarrollar sin ninguna restricción. Mientras que una aplicación de reconocimiento facial, se considera de alto riesgo y debe cumplir con una serie de obligaciones que garanticen su buen uso. Esta ley no tiene efecto en aplicaciones de uso militar ni impone ninguna restricción a la investigación y desarrollo de IA, es decir, sólo afecta a productos comerciales.

El año 2022 supuso un punto de inflexión en las posibilidades de la inteligencia artificial con la explosión de la IA generativa, culminado con la aparición de ChatGPT. Europa ha tenido que enmendar el reglamento para incorporar conceptos como el de modelos de fundación generativos y sistemas de IA de propósito general, sujetos a unas obligaciones particulares. Entre esas obligaciones se encuentra la transparencia de los datos de entrenamiento, el tamaño del modelo o los recursos de hardware empleados, justo la información que OpenAI ocultó deliberadamente en el último informe técnico de GPT-4 que publicaron.

Y estas obligaciones no afectan únicamente a los modelos propietarios. El reglamento hace responsables de su cumplimiento a los desarrolladores y distribuidores de modelos de fundación open source. Esto ha provocado la reacción de Hugging Face, Github y otras empresas del sector, que se han unido para llamar la atención sobre este aspecto de la ley, que podría estar favoreciendo a las grandes empresas en detrimento de las iniciativas open source que tanto valor aportan a la pequeña y mediana empresa. Otra restricción importante relativa a los modelos de fundación es que si pasan por un proceso de ajuste fino, deberán ser nuevamente certificados. Lo cual supone un impedimento para la aplicación de técnicas como LoRA (Low-Rank Adaptation), que permiten a cualquier empresa poder adaptar un modelo de fundación a sus necesidades.

La redacción del reglamento insiste en que uno de los objetivos que persigue es el de no entorpecer la innovación y facilitar su cumplimiento a las pymes. Es de agradecer que los legisladores sean conscientes de las contrapartidas de una ley de estas características, aunque parece más una pose en vista de las nuevas enmiendas y las posibles consecuencias que acabamos de analizar. ¿Conseguirá Europa no sólo asustar a sus ciudadanos con la IA, sino también a sus emprendedores?

Japón, ¿el paraíso de la IA?

El gobierno de Japón acaba de hacer un movimiento que ha sorprendido al mundo de la IA generativa, permitiendo la utilización de datos protegidos por copyright para entrenar modelos de IA. Esta es una de las grandes polémicas surgidas con los modelos de generación de imágenes, donde muchos artistas consideran que su obra es robada por la IA y exigen compensaciones. Siendo el arte una forma de expresión entre humanos, resulta inquietante que una persona que se declara artista se sienta amenazado por una herramienta como la IA. Así que el trasfondo de estas quejas esconde un motivo económico. El mismo que argumenta la SGAE (Sociedad General de Autores y Editores) para gravar la compra de un portátil con un canon para compensar a los artistas de unas supuestas pérdidas. Es decir, no es el arte el que está amenazado, sino el mercado del arte el que puede verse afectado con la IA.

Precisamente en EE. UU. han concurrido varias demandas contra Stability AI, Midjourney y OpenAI que aclararán si estos modelos infringen o no el copyright. Los contrarios a la aplicación de la doctrina del fair use, argumentan que la IA almacena las obras y las utiliza durante el proceso de generación como si creara un collage. Esto no se corresponde con la realidad, puesto que lo que estos grandes modelos almacenan es una representación de los patrones más característicos hallados en los datos de entrenamiento (trazos, colores, formas, etc.). Y esta representación interna es la que utiliza durante la generación, en un proceso más cercano a la inspiración humana que al plagio.

Japón, un país caracterizado por vivir en la vanguardia tecnológica y por ser la tercera economía mundial, se pone al fin en el mapa de la inteligencia artificial después de años de aletargamiento.

Este audaz movimiento envía un mensaje claro a las empresas basadas en IA de todo el mundo, mientras llueven las críticas a la futura regulación europea.

Tócala otra vez, Meta

Y entre toda la vorágine de avances, miedos y regulaciones, emerge Meta ofreciendo sus grandes modelos sin restricciones de uso en formato open source. La empresa tecnológica más demonizada del planeta aparca el metaverso, y empieza a ganar simpatías gracias a esta jugada que antagoniza con el proceder de las empresas dominantes como OpenAI y Google. En el anterior Explicable mencionamos esta tendencia hablando de SAM, la cual se confirma con estos dos modelos publicados por la empresa del olvidado Mark Zuckerberg.

MusicGen es un modelo de IA para generar música a partir de un texto descriptivo, una aplicación que se antoja como la próxima revolución de la IA generativa.

Los datos de entrenamiento no incluyen música comercial, así que una importante limitación es que todo acaba sonando a música de ascensor carente de alma.

Aún así, es un modelo prometedor que cualquiera puede ya utilizar para generar música libre de derechos de autor.

LLaMa 2 es un gran modelo de lenguaje a la par en prestaciones con GPT-3.5 y, al contrario de su antecesor, disponible para fines comerciales. Esto permite a cualquier empresa utilizarlo dentro de su propia infraestructura, algo crucial para cumplir con las exigencias de las leyes de protección de datos evitando que los datos de sus clientes viajen fuera de su jurisdicción. A pesar de que todavía está lejos de GPT-4 sabemos que, como ocurre con todo el open source, entrará en un círculo virtuoso de mejoras por parte de toda una comunidad ávida de sacarle partido.

Gracias por leer Explicable. Si te ha gustado esta edición, no te olvides de dar al ♡ y de compartirla por redes sociales o por email con otras personas a las que creas que les pueda gustar.

💥Pero atención…💥

Si no recibieses Explicable directamente en tu correo, revisa bien tu correo no deseado. A veces ocurre que nuestros mensajes se van directamente a ese agujero negro denominado “spam”. 

Para evitar que esto suceda, marca nuestra dirección de correo como “no es spam”. 

Si eres usuario de Gmail, revisa también la carpeta de “promociones”, porque puede que

Atención: este artículo está escrito por ChatGPT al 0%. Cada palabra está escogida para ofrecer un contenido riguroso y valioso para el lector. Ese siempre ha sido el objetivo de Explicable, ahorrar tiempo en un mundo con exceso de información. ¡Gracias de corazón a todos los que apoyáis este proyecto!

🚀 Si quieres formarte en IA, este es tu momento. La matriculación para la 6ª edición de nuestro Máster Ejecutivo en Inteligencia Artificial ya está en marcha, con un número de plazas limitadas. Una formación práctica diseñada por y para profesionales. 100% online, sin requisitos técnicos y en castellano. Y si, además, eres lector de Explicable, te ofrecemos un descuento adicional al precio promocional de lanzamiento. Utiliza el cupón: EXPLICABLE300

Saber +

Meta se convierte en el mejor aliado

Meta es una de las empresas más castigadas por la opinión pública debido a sus errores del pasado (véase el escándalo con Cambridge Analytica). En los últimos años, Meta ha sido la diana de todas las críticas hacia las redes sociales, a pesar de que hoy en día Youtube o Tiktok tienen mucho más impacto que Facebook o Instagram. Esta mala fama ensombrece la gran labor que, desde hace mucho tiempo, están realizando en el campo de la IA. Bajo el liderazgo de Yann Lecun, considerado uno de los padres de la IA moderna, son innumerables las publicaciones que han contribuido al avance del reconocimiento del habla, la visión artificial, el procesamiento de lenguaje natural y hasta el aprendizaje por refuerzo.

La filosofía de publicación de Meta es la de compartir la investigación científica y proporcionar los pesos de los grandes modelos exclusivamente para fines de investigación. Pero tras presenciar los efectos en cadena de sus últimas creaciones, parece que Meta está virando hacia una filosofía más cercana a la de Stability AI.

Todo empezó tras la publicación de LLaMA en febrero, un modelo de lenguaje que supera a GPT-3, a pesar de su menor tamaño, siguiendo los postulados de Chinchilla. Esto lo convierte en un modelo ideal para entornos de bajo presupuesto en computación, es decir, cualquiera que no sea una gran tecnológica. Sin embargo, una filtración del modelo ha ocasionado la mayor revolución de la comunidad open source en modelos de lenguaje que hemos visto hasta el momento. En primer lugar, la universidad de Stanford creó Alpaca, un modelo basado en LLaMA y ajustado con las respuestas de ChatGPT (de una legalidad cuestionable). Y, posteriormente, fue la comunidad open source la que, haciendo gala de su ingenio lanza Vicuna, que mejora los resultados de Alpaca. La forma de lograrlo fue utilizando los datos de la web ShareGPT que almacena conversaciones de ChatGPT compartidas por sus usuarios.

Y el segundo ejemplo reciente de las contribuciones de Meta lo tenemos en SAM (Segment Anything Model), que es un modelo capaz de trocear cualquier imagen en sus partes más relevantes, conocido como segmentación. Como todo modelo de base, está diseñado para recibir un contexto que guíe el proceso de segmentación, como un texto que indique qué objetos segmentar, o un píxel de la imagen a partir del cual obtenemos la máscara del objeto del que forma parte. SAM ha sido entrenado con unos 11 millones de imágenes con una técnica de entrenamiento que emplea feedback humano durante el proceso. Esta técnica se está popularizando desde la aparición de ChatGPT, siendo responsable de su éxito fulgurante.

El resultado es un modelo de base capaz de entender cualquier escena, lo cual lo hace idóneo para aplicaciones de visión artificial donde no tenemos muchos datos de los objetos que queremos identificar. Para este caso, Meta ha optado por la filosofía de Stability AI, publicando el código fuente, los datos de entrenamiento y los pesos del modelo con una licencia sin restricciones de uso. No sabemos si este cambio es puntual o responde a su nueva estrategia para contraatacar al poderoso tándem Microsoft-OpenAI. En cualquier caso, es muy positivo para el campo de la IA que Meta siga empujando la investigación abierta, y ahora también distribuya modelos de base como SAM que se puedan usar para fines comerciales.

Google empieza a rearmarse

Aunque de momento está perdiendo la guerra de la inteligencia artificial, Google en realidad siempre apostó muy fuerte por esta tecnología, especialmente tras la revolución del deep learning. La primera gran apuesta fue la de incorporar en 2013 al equipo de Geoffrey Hinton de la Universidad de Toronto, artífices del famoso “momento Imagenet” que ya es historia de la inteligencia artificial. Y la segunda gran apuesta, fue adquirir la empresa Deepmind, un laboratorio de investigación en Reino Unido de apenas 75 empleados cuya misión era la de lograr la AGI (Artificial General Intelligence) mediante el aprendizaje por refuerzo. El tiempo ha demostrado que los grandes resultados cosechados por esta técnica aplicada a los videojuegos, como AlphaGo o AlphaZero, no se han trasladado con el mismo éxito al mundo físico, donde todo se vuelve más impredecible. Pero en 2014, cuando fue adquirida, se percibía como una apuesta segura a todas luces.

Desde entonces, Deepmind se ha convertido en un laboratorio de referencia a escala mundial, que va más allá del aprendizaje por refuerzo, logrando atraer a las mentes más brillantes del planeta. Deepmind está detrás de grandes logros como Alphafold, un modelo que predice la estructura tridimensional de una proteína a partir de su cadena de aminoácidos, algo esencial para determinar su función. Alphafold supone un hito en el campo de la Biología, proporcionando un avance que se mide en décadas. Y también en el área del procesamiento de lenguaje natural, Deepmind ha contribuido en gran medida con trabajos de la talla de Chinchilla, que se ha convertido en la referencia para entrenar cualquier LLM (Large Language Model) en la actualidad.

Sin embargo, en la era post-ChatGPT Google parece estancado y sin el rodaje necesario para sacar al mercado productos de IA que hagan frente a la alianza entre OpenAI y Microsoft.

Google es consciente de su posición de desventaja. Por eso, la primera acción estratégica ha sido la de juntar todos sus departamentos de IA bajo la estructura organizativa de Deepmind, dirigida por uno de sus fundadores Demis Hassabis. Además, también ha comenzado a desplegar Bard, su respuesta a ChatGPT, en más de 180 países entre los cuales no se encuentra ninguno europeo muy probablemente debido a la presión regulatoria. Es la primera vez, y no será la última, que vivir en Europa supone una desventaja para acceder a la IA más avanzada. Las primeras pruebas comparativas hechas por usuarios, colocan a Bard un escalón por debajo de ChatGPT. El hecho de que Bard sea gratuito es un indicativo más que apunta a que Google es consciente de sus limitaciones.

Muchos piden la cabeza de Sundar Pichai, que ha sido un gran CEO en tiempos de paz, pero que tiene que demostrar que también puede ser un buen líder en tiempos de guerra. Por ejemplo, no se entiende que el CEO de Google no estuviera presente en el Senado de EE.UU. junto a Sam Altman, CEO de OpenAI, para dar su punto de vista sobre la necesidad de regular la IA. Sobre todo, teniendo en cuenta que para justificar sus retrasos, Google siempre se escuda en la importancia de hacer un uso responsable de la IA. A pesar de todo, Google no ha dicho su última palabra, tiene los recursos necesarios, tanto humanos como económicos, y un claro objetivo que perseguir. Google no está, pero se le espera.

El arsenal de modelos open source

El movimiento de código abierto, open source en inglés, se está convirtiendo en un importante motor de avance para la IA. Poner esta tecnología en manos de millones de personas de todo el mundo genera un círculo virtuoso de mejora continua que acelera su progreso. LLaMA o ControlNet son ejemplos muy claros de este fenómeno, que parecen ser una réplica de lo ya ocurrido en los años 2000 con la explosión de empresas ofreciendo soluciones SaaS (Software as a Service) y empujadas por la proliferación de aplicaciones y librerías open source.

En el caso del Software 2.0, el concepto de open source puede tener distintas perspectivas según qué componente se decida abrir. Por ejemplo se puede abrir el código fuente para entrenar el modelo, o los datos de entrenamiento, o los pesos del modelo ya entrenado, o una combinación de las tres. El componente más importante de esta tríada es el modelo ya entrenado, ya que requiere de una inversión inicial del orden de millones de dólares que la comunidad open source no puede asumir (solo dispone de recursos humanos y no económicos). Para solventar esta limitación apareció la empresa Stability AI, que financia la infraestructura necesaria para que se entrenen grandes modelos de base en beneficio de toda la comunidad. Gracias a Stability AI disponemos de modelos de generación de imágenes como Stable Diffusion o recientemente DeepFloyd IF, que compiten de tú a tú con sus homólogos de empresas privadas como OpenAI o Google, y con la ventaja de estar disponibles sin restricciones de uso ni previo pago.

Sin embargo, en cuanto a LLMs la situación es bien distinta. Al igual que ocurre con Bard, ninguna de las iniciativas abiertas le puede hacer sombra en estos momentos al todopoderoso GPT-4. Además de LLaMA y sus sucesores, una de estas iniciativas que acaba de nacer es StableLM, que promete ser la familia de modelos que algún día haga frente a OpenAI.

Ante este panorama, la pregunta es: ¿Cuándo podrá un LLM open source estar a la par con GPT-4?

La respuesta depende de si OpenAI ha encontrado algo novedoso en el entrenamiento de estos modelos que impide al resto igualar sus prestaciones. A tenor del interés de OpenAI por ocultar los detalles de GPT-4 y de lo que están tardando el resto en darle caza, esta posibilidad gana enteros. Durante 2023 se dirimirá la batalla de los LLMs, que desvelará si los modelos open source pueden llegar a estar a la altura de los modelos propietarios, tal y como ya ha sucedido con la generación de imágenes.

NVIDIA es antifrágil

Siguiendo con el símil bélico, sabemos que aunque las guerras acaban con vencedores y vencidos, la muerte y la destrucción se sufren en ambos bandos. En un escenario así, también es posible encontrar territorios neutrales que aprovechan su situación estratégica para crecer en un entorno hostil. En la guerra de la IA, el número de GPUs (Graphical Processor Units) disponibles para entrenar y lanzar modelos en producción es crucial para conseguir una posición dominante. Y en el mercado de GPUs, el rey es NVIDIA por méritos propios. No solo durante años ha producido el mejor hardware para entrenar modelos de IA. También ha proporcionado el software necesario para formar un potente ecosistema que explota las virtudes de su hardware al máximo.

Y todo ello aderezado con una estrategia empresarial impecable, que le ha llevado a convertirse en uno de los principales catalizadores de la revolución de la IA sin crearse ningún enemigo por el camino.

Para hacernos una idea de la situación privilegiada en la que se encuentra NVIDIA vamos a arrojar algunos números que hablan por sí solos. Casi todos los LLMs que utilizamos en la actualidad se han entrenado en granjas de servidores con miles de chips de NVIDIA del modelo A100, que tiene un coste aproximado de 10.000 dólares por unidad. Se estima que ChatGPT ha utilizado unos 10.000 chips A100 para su entrenamiento. Los próximos LLMs se entrenarán con su sucesor, el modelo H100 anunciado hace más de un año, con un coste de unos 36.000 dólares por unidad y que promete ser 4 veces más rápido en el entrenamiento de LLMs. La disponibilidad de estos chips son uno de los motivos por el cual muchos expertos han firmado la famosa carta pidiendo parar el desarrollo de la IA para modelos mayores que GPT-4. NVIDIA controla actualmente el 80% del mercado de hardware especializado para inteligencia artificial, a pesar de que empresas como Google desarrollan sus propios chips. Y mientras NVIDIA crece, su competencia directa como AMD o Intel, ni está ni se le espera.

Gracias por leer Explicable. Si te ha gustado esta edición, no te olvides de dar al ♡ y de compartirla por redes sociales o por email con otras personas a las que creas que les pueda gustar.

💥Pero atención…💥

Si no recibieses Explicable directamente en tu correo, revisa bien tu correo no deseado. A veces ocurre que nuestros mensajes se van directamente a ese agujero negro denominado “spam”. 

Para evitar que esto ocurra, marca nuestra dirección de correo como “no es spam”. 

Si eres usuario de Gmail, revisa también la carpeta de “promociones”, porque puede que también nos hayamos escondido allí y mueve el mensaje al inbox principal. GRACIAS.

🚀 Si quieres formarte en IA, este es tu momento. Acabamos de lanzar la 6ª edición de nuestro Máster Ejecutivo en Inteligencia Artificial, una formación práctica diseñada por y para profesionales. 100% online, sin requisitos técnicos y en castellano. Y si, además, eres lector de Explicable, te ofrecemos un descuento adicional al precio promocional de lanzamiento. Utiliza: EXPLICABLE300

Saber +

Ya tenemos a GPT-4 y sigue mejorando

Eran muchos los rumores que había en torno a la llegada de GPT-4 para 2023. Algunos de ellos han resultado ser totalmente falsos. La realidad es que el modelo estaba ya listo en el verano de 2022, y que Open AI se ha tomado su tiempo para evaluar sus prestaciones y sus posibles impactos antes de liberarlo. A tenor de los resultados de esta evaluación que han publicado a través de un informe técnico, GPT-4 es una mejora sustancial con respecto a su antecesor. Lo que más ha llamado la atención de los resultados es la capacidad para superar exámenes avanzados de física, matemáticas, derecho y muchas otras disciplinas, puntuando en algunas de ellas en el percentil 90. Curiosamente, no mejora los exámenes de lengua inglesa y de literatura, donde el uso del lenguaje es precisamente lo que se está evaluando, y no tanto los conocimientos. A pesar de lo llamativo, estas pruebas no son una buena medida de la capacidad de generalización de estos modelos, porque están pensados para humanos a los que ya se les presupone dicha capacidad.

Además, existe la posibilidad de que el modelo haya memorizado las respuestas, dada la cantidad ingente de texto que ha podido analizar durante su entrenamiento.

Quizá lo más interesante de la evaluación es la notable mejora en las capacidades de razonamiento, algo que genera un debate muy interesante en la comunidad científica sobre si este tipo de modelos razonan o memorizan razonamientos.

A través del interfaz de ChatGPT, podemos comprobar, tras muy pocas interacciones, que la mejora de GPT-4 con respecto a GPT-3.5 es patente: mejor comprensión del contexto y mayor exactitud en las respuestas. Asimismo, se observa una velocidad de generación de respuestas mucho menor que la de su predecesor, lo cual apunta a que el nuevo modelo requiere más carga computacional y por tanto tiene un tamaño muy superior. Esto es muy relevante porque confirma el cumplimiento de las leyes de escalado que se propusieron en el artículo científico de Chinchilla. Es decir, aumentando el número de parámetros podemos seguir mejorando las prestaciones del modelo si entrenamos con más datos, una señal que indica que todavía no hemos tocado techo en cuanto a las capacidades de estos sistemas. Pero además del tamaño, GPT-4 incluye dos características muy novedosas que todavía no están accesibles al público general. Por un lado, en una de sus versiones ofrece un contexto de hasta 32.000 tokens, algo nunca visto anteriormente y que permite que el modelo pueda recordar hasta unas 50 páginas de texto previo para producir sus respuestas. Y por otro lado, puede utilizar imágenes dentro de ese contexto para enriquecer la conversación y permitir la consecución de nuevas tareas con apoyo visual.

Una consecuencia importante de esta publicación es que marca el fin de la investigación abierta en IA dentro de las grandes empresas tecnológicas, artífice del ritmo acelerado con el que ha avanzado este campo en la última década. A partir de ahora, y debido al panorama de alta competitividad en el que nos encontramos, OpenAI cambia las reglas del juego no publicando detalles técnicos fundamentales para reproducir este trabajo. Entre ellos, destacan la arquitectura del modelo (incluyendo el número de parámetros), el modo de entrenamiento o el que podría ser el más sobresaliente de todos: cómo han logrado un contexto de 32.000 tokens sin multiplicar el coste computacional por 16 (una cifra que sería la esperada para cualquier otro LLM de estas características). En los créditos del informe técnico que han publicado aparece un equipo especializado en “contexto largo”, un indicio de que podrían haber descubierto algo diferenciador en este ámbito. Para hacernos una idea del impacto que puede suponer cerrar este tipo de investigaciones, pensemos en que si Google hubiera actuado de la misma manera no dispondríamos de la arquitectura Transformer que ha sido una pieza fundamental en el éxito de OpenAI y en la aparición de los modelos de fundación.

Microsoft ya define el futuro del trabajo

Satya Nadella, CEO de Microsoft, podría haber hecho la mejor inversión de la historia cuando en 2019 invirtió nada menos que 1.000 millones de dólares en OpenAI. Por aquel entonces, OpenAI pasaba de ser una organización sin ánimo de lucro a una con lucro limitado. Sam Altman, CEO de OpenAI, anunció que el objetivo era la AGI y que, una vez lo lograran, devolverían lo invertido multiplicado por 100. El resto de las ganancias sería para cumplir la misión original de la compañía de desarrollar una IA en beneficio de la humanidad. Muchas personalidades ilustres del mundo de la IA se burlaron de estas afirmaciones, al considerar que estaban vendiendo humo. Hoy la burla se ha tornado en una petición de pausa para pensar bien los peligros de los productos con los que OpenAI lidera el mercado de la IA generativa.

Tras la integración de GPT-4 con el buscador Bing, Microsoft sigue rentabilizando esta inversión integrándolo ahora en la popular suite de Office 365, llamando al producto Microsoft 365 Copilot.

En cualquiera de sus conocidas herramientas podremos abrir un interfaz de texto para pedir lo que queramos: que haga un análisis DAFO a partir de un documento, que cree una presentación con unas simples instrucciones, o que genere nuevas tablas de agregaciones en una hoja de cálculo.

Copilot actúa utilizando GPT-4 y un grafo de conocimiento que se crea a partir de todos los documentos y datos del usuario. Esto permite que las respuestas de GPT-4 estén contextualizadas al puesto de trabajo en cuestión, evitando así una de las limitaciones todavía presentes en este tipo de modelos: la veracidad de la información generada.

El acceso exclusivo a la tecnología de OpenAI, sin duda, ha posibilitado que la integración haya ocurrido tan rápidamente. Las únicas dudas que genera el uso de este producto en el entorno corporativo son las relativas a la confidencialidad de los datos que se encuentran en ese grafo de conocimiento. Una parte de esos datos formarán parte del prompt de GPT-4; y no olvidemos que las políticas de seguridad de las empresas suelen ser muy estrictas en el envío de datos confidenciales fuera de su red. Copilot está pensado para aumentar la productividad y mejorar la calidad de los documentos producidos por los usuarios; no tenerlo supondrá una desventaja competitiva importante. Así que parece lógico pensar que será el propio mercado el que encuentre la solución a este tipo de problemas.

Google va un paso por detrás

Hace un año nadie podía haber imaginado que una empresa como OpenAI, con un equipo de unas 300 personas, pudiera desafiar a Google y amenazar su principal modelo de negocio. Para ponerlo en contexto, Google cuenta con un total de 140.000 empleados, de los cuales más de 3.000 trabajan en Google Brain, su departamento de investigación dedicado a la IA. Además, Google es la propietaria de Deepmind, otro prestigioso centro de investigación en IA ubicado en Reino Unido y que cuenta con unos 700 empleados. Y no es que Google haya estado parado por no anticipar el verdadero potencial de la IA.

Por el contrario, los artículos científicos que publican regularmente han sido muy relevantes para el progreso de toda la disciplina. Sin embargo, parece que un peso excesivo en la investigación les ha hecho dormirse en los laureles, perdiendo la batalla de lanzar productos al mercado.

Bard es el ChatGPT de Google, anunciado en febrero para contrarrestar el anuncio de Bing Chat. Tras meses de pruebas internas, Google acaba de abrir su acceso a un grupo limitado de personas, y solo en inglés, algo que llama la atención siendo la familia de modelos GPT multiidioma desde sus orígenes. Sin valorar este punto, las comparaciones que se han hecho de Bard contra GPT-4 inclinan la balanza a favor de este último. Especialmente en lo que se refiere a la generación de código para resolver problemas de computación. Esto nos hace pensar si el acceso de OpenAI al repositorio de código abierto de GitHub (a través de su alianza con Microsoft) puede estar detrás del éxito de GPT-4. No sólo para generar código, sino también para mejorar la generación de lenguaje natural. No es la primera vez que se apunta en esta dirección como podemos ver en este artículo sobre la evolución de los LLMs de OpenAI.

El papel de Google es fundamental en este momento que estamos viviendo, para hacer de contrapeso al tándem Microsoft-OpenAI. Está en un buen punto de partida atendiendo a la calidad de sus publicaciones. Sólo necesita encontrar el modo de convertir sus avances en productos, participando de una sana competencia que solo puede ir en beneficio de todos.

ChatGPT plugins, la pieza que faltaba

Ya hablamos en febrero sobre cómo sortear las limitaciones de ChatGPT, o bien especializándolo en un dominio concreto, o bien añadiéndole una base de conocimiento que nutra las respuestas con información precisa. Para el primer caso, surgen empresas como Harvey, nacida de OpenAI, que especializa GPT-4 en el campo del Derecho. Y, para el segundo caso, OpenAI acaba de anunciar ChatGPT plugins: la pieza que faltaba para multiplicar los casos de uso que se pueden atacar con esta herramienta, más allá de lo que hoy podemos imaginar. Es una especie de App Store para ChatGPT, con la diferencia de que los plugins se pueden encadenar y utilizarlos, o no, según el contexto de la conversación.

Esto acelera el cambio de la interacción humano-máquina con el uso de lenguaje natural, y permite la automatización de un gran número de tareas cognitivas a un coste ínfimo.

Veamos a través de algunos ejemplos la magnitud del cambio de paradigma que se nos presenta. OpenAI ha creado tres plugins que todos tendremos cuando nos den acceso. El primero, mejora ChatGPT accediendo a Internet para encontrar información relevante al contexto, algo que ya habíamos visto a través de Bing Chat y que permite mantener a ChatGPT siempre actualizado. El segundo, permite utilizar un intérprete de código para resolver tareas que requieran realizar operaciones con datos, por ejemplo, para resolver un problema de razonamiento numérico, o para aplicar un filtro a una fotografía. Y el tercero, permite conectar ChatGPT a una base de conocimiento cualquiera, para generar respuestas más precisas adaptadas a la realidad de una empresa o de un grupo de personas. Esto será muy útil para agilizar el proceso de onboarding de empleados, accediendo a toda la documentación de una empresa y permitiendo dialogar con el nuevo empleado para resolver sus dudas. O para la educación, creando sustitutos interactivos de los libros de texto, que, mediante la concatenación de varios plugins, puedan guiar al alumno ofreciendo un aprendizaje más personalizado.

La guinda a este pastel es la posibilidad de que cualquiera pueda crear su propio plugin, para ofrecer servicios dentro de ChatGPT (por ejemplo, para encargar la lista de la compra) o para agilizar cualquier proceso interno de una empresa (por ejemplo, para registrar los gastos de un viaje). Y para rizar el rizo, la forma de conectar un plugin con ChatGPT se hace mediante lenguaje natural, describiendo el tipo de interacciones y las respuestas. Toda una declaración de intenciones para reflejar toda la potencia de este nuevo ecosistema que están construyendo. Es preciso mencionar el papel destacado de Stephen Wolfram, quien a través de su influyente artículo del que ya hablamos en febrero, podría haber propiciado el interés de OpenAI en crear este sistema de plugins. De hecho, el primer plugin de una empresa externa que se ha anunciado ha sido precisamente el de Wolfram Alpha, haciendo realidad la visión de dicho artículo en cuestión de meses. Resulta verdaderamente abrumador vivir en estos tiempos y dedicarse a este campo, donde las ideas se materializan a una velocidad de vértigo.

Gracias por leer Explicable. Si te ha gustado esta edición, no te olvides de dar al ♡ y de compartirla por redes sociales o por email con otras personas a las que creas que les pueda gustar.

💥Pero atención…💥

Si no recibieses Explicable directamente en tu correo, revisa bien tu correo no deseado. A veces ocurre que nuestros mensajes se van directamente a ese agujero negro denominado “spam”. 

Para evitar que esto ocurra, marca nuestra dirección de correo como “no es spam”. 

Si eres usuario de Gmail, revisa también la carpeta de “promociones”, porque puede que también nos hayamos escondido allí y mueve el mensaje al inbox principal. GRACIAS.

🚀 Si quieres formarte en IA, este es tu momento. Acabamos de lanzar la 6ª edición de nuestro Máster Ejecutivo en Inteligencia Artificial, una formación práctica diseñada por y para profesionales. 100% online, sin requisitos técnicos y en castellano. Y si, además, eres lector de Explicable, te ofrecemos un descuento adicional al precio promocional de lanzamiento. Utiliza: EXPLICABLE300

Quiero saber más

GEN-1: generación de vídeo guiada

El vídeo es una de las fuentes de información más diversa y abundante que tenemos para entrenar modelos de Inteligencia Artificial. Sin embargo, las aplicaciones de IA para vídeo son todavía muy escasas. Y no nos referimos a los modelos de imágenes actuando individualmente en cada fotograma del vídeo para, por ejemplo, detectar objetos en tiempo real. Hablamos de aplicaciones de IA específicas para video que integran la información sobre la variación de los fotogramas en el tiempo, para, por ejemplo, entender lo que está sucediendo en una escena o generar vídeo consistente a partir de un guión escrito en lenguaje natural.

Todas estas aplicaciones de la IA todavía están en un estado embrionario, pero avanzando a un ritmo cada vez más rápido.

En 2022 pudimos ver los primeros trabajos de investigación enfocados en la generación de vídeo guiado por texto. Meta puso la primera piedra con la publicación de Make-a-video, que además puede animar imágenes estáticas y editar un vídeo según un texto dado. A los pocos días, Google presenta dos modelos generativos de vídeo: Imagen Video, mejorando levemente a Make-a-video, y Phenaki, que, a pesar de no mostrar una gran calidad, es capaz de generar vídeos más largos utilizando instrucciones dinámicas que van cambiando el guión. Ninguno de estos modelos está a disposición de la comunidad, tampoco con fines de investigación. Por tanto, las valoraciones solo las podemos hacer en base a los ejemplos publicados. A pesar de la gran mejora con respecto al estado del arte previo, los resultados todavía están lejos de la calidad necesaria para un uso profesional. Runway acaba de presentar GEN-1 para darle completamente la vuelta a esta situación.

A pesar de que GEN-1 todavía no puede generar vídeo únicamente a partir de un guión, sí incluye varios casos de uso profesional que democratizan la producción de vídeo, abaratando así su coste. Puede transferir el estilo de una imagen o transformar un video en base a una descripción. Por ejemplo, podemos grabar un vídeo de nosotros mismos y generar una animación única de Los Simpson basada en nuestra actuación. También es capaz de transferir el estilo de objetos, por ejemplo: a partir de la grabación de una serie de libros colocados sobre una mesa se puede generar un plano de los rascacielos de una gran ciudad. Otro de los casos de uso es la localización de un objeto dentro de un vídeo y la edición de este mediante texto. Con este caso de uso podríamos cambiar el color o la textura de cualquier mesa para que tenga las características deseadas en nuestra película. Estos son solo algunos de los casos de uso que habilita, aunque hay muchos más, todos ellos orientados a hacer más fácil la producción de vídeo.

Como parte de la apuesta por este tipo de herramientas, Runway también ha organizado el primer festival de cine basado en IA que tuvo lugar en Nueva York a finales de febrero. Y adicionalmente, ha creado su propia productora de cine, Runway Studios, con la misión de producir películas mediante técnicas de IA. Lo cual evita el elevado coste que supone la grabación en estudios y escenarios reales, y contribuye a la democratización de la producción cinematográfica. La calidad de los vídeos generados mediante Inteligencia Artificial no es todavía suficiente para cubrir todas las necesidades de la industria audiovisual, pero GEN-1 supone un paso importante en la dirección correcta. El mismo cambio de paradigma que hemos observado primero en imágenes y luego en lenguaje durante la pasada década gracias al deep learning, llegará también al vídeo, a medida que estos modelos se puedan entrenar con más datos y dispongamos de más capacidad de cómputo.

Más info: https://research.runwayml.com/gen1

ControlNet: domando a la bestia

Llega ControlNet, la pieza que faltaba en los modelos de generación de imágenes para dotarlos de una mayor capacidad de control. Hasta ahora, solo podíamos guiar el proceso generativo mediante texto, lo cual es muy útil cuando no tenemos muy claro lo que queremos producir, convirtiendo a estos modelos en una inagotable fuente de inspiración. Pero, si en nuestra mente tenemos una idea clara de lo que queremos generar, el resultado obtenido no es tan interesante dado que el lenguaje no nos permite describir esa idea con precisión. Cuando queremos trasladar una idea a otra persona, lo habitual es construir un boceto que, aún con baja calidad, sirva de apoyo gráfico a nuestras palabras. Y eso es exactamente lo que consigue hacer ControlNet: dotar de más información y más precisa a los modelos generativos para que el resultado esté más próximo a nuestro objetivo.

Además de generar imágenes a partir de texto y bocetos, ControlNet nos permite generar imágenes a partir de las características esenciales de otra. Por ejemplo, extrayendo el mapa de profundidades de una imagen, podemos generar una nueva respetando esas mismas profundidades. O extrayendo la postura de un individuo en una imagen, podemos generar el personaje que queramos en esa misma postura.

Las posibilidades son infinitas, ya que esta técnica permite condicionar modelos generativos utilizando cualquier característica que podamos extraer de una imagen.

Al introducir dichas características, junto al texto, proporcionamos instrucciones más precisas para el proceso generativo. En el siguiente gráfico podemos ver algunas de estas posibilidades.

La técnica empleada para condicionar estos modelos generativos es una forma novedosa de aprendizaje por transferencia. Consiste en adaptar un modelo ya entrenado para que resuelva un problema diferente dentro del mismo dominio de datos, aprovechando lo ya aprendido. En este caso, ControlNet añade una red neuronal adicional que es la encargada de aprender el conocimiento extra que hay que sumar al modelo inicial para que alcance el objetivo deseado. De momento, solo han aplicado esta técnica a los modelos de difusión para imágenes, aunque el concepto podría también aplicarse a otras áreas del deep learning. Quizá en el futuro veamos un ControlNet para los grandes modelos de lenguaje, con el fin de condicionar el texto de salida a un estilo particular, a un dominio de conocimiento específico o incluso a la ideología del usuario.

Más info: https://github.com/lllyasviel/ControlNet

Harvey: Derecho y ChatGPT

El prestigioso bufete de abogados A&O (Allen & Overy), ha firmado un acuerdo con la empresa Harvey para implantar su versión de ChatGPT especializada en derecho. El modelo de Harvey ayudará en el día a día a más de 3.500 abogados que tiene la compañía en todo el mundo. Lo más relevante de la noticia es que este acuerdo llega tras un periodo de prueba de tan sólo 3 meses con la herramienta, el mismo tiempo de vida que tiene ChatGPT. El responsable de innovación de la firma internacional afirma que, durante el periodo de prueba, ha sido testigo de resultados asombrosos, y considera a Harvey como una disrupción que cambia las reglas del juego. Según la nota de prensa, Harvey hace recomendaciones que permiten a los abogados tomar mejores decisiones y de manera más rápida. Eso sí, también son conscientes de que a estos sistemas no se les puede dejar operando de forma autónoma y requieren de la supervisión de un experto en derecho. ¿Podría acabar Harvey con el trabajo de los pasantes?

Harvey es una empresa salida de un fondo de capital riesgo creado por OpenAI para explotar su tecnología. Con este movimiento, OpenAI nos desvela una estrategia de negocio muy astuta. Ya no aspira únicamente a ser el proveedor de grandes modelos en formato abierto para toda la comunidad, según su propia definición de “abierto”. También financian las aplicaciones clave que se puedan desarrollar con su tecnología, con una fundamental ventaja competitiva: acceso exclusivo a sus modelos. Es decir, Harvey puede adaptar a voluntad los modelos de la saga GPT al campo del derecho. Algo que no pueden hacer sus competidores. Ya hablamos en el Explicable anterior de este método como una de las alternativas para solventar la escasa veracidad del texto emitido por ChatGPT. Es de suponer que Harvey aportará un grado de confianza mayor al haber sido acomodado a los textos legales y al estar sometido a un tipo de diálogos especializados en el día a día de un abogado. Si como todo parece indicar, este proyecto se convierte en el primer gran éxito comercial de ChatGPT, el impacto económico puede ser descomunal por extensión al resto de negocios tradicionales.

Más info: https://www.allenovery.com/en-gb/global/news-and-insights/news/ao-announces-exclusive-launch-partnership-with-harvey

Gracias por leer Explicable. Si te ha gustado esta edición, no te olvides de dar al ♡ y de compartirla por redes sociales o por email con otras personas a las que creas que les pueda gustar.

💥Pero atención…💥

Si no recibieses Explicable directamente en tu correo, revisa bien tu correo no deseado. A veces ocurre que nuestros mensajes se van directamente a ese agujero negro denominado “spam”. 

Para evitar que esto ocurra, marca nuestra dirección de correo como “no es spam”. 

Si eres usuario de Gmail, revisa también la carpeta de “promociones”, porque puede que también nos hayamos escondido allí y mueve el mensaje al inbox principal. GRACIAS.

🚀 Si quieres formarte en IA, este es tu momento. Acabamos de lanzar la 6ª edición de nuestro Máster Ejecutivo en Inteligencia Artificial, una formación práctica diseñada por y para profesionales. 100% online, sin requisitos técnicos y en castellano. Y si, además, eres lector de Explicable, te ofrecemos un descuento adicional al precio promocional de lanzamiento. Utiliza: EXPLICABLE300

Activar mi descuento

Quiero saber más

Vall-E imita cualquier voz

La apuesta de Microsoft por la Inteligencia Artificial se remonta a mucho tiempo antes de que la IA fuera mainstream a través de centro de investigación Microsoft Research, fundado en 1991. Este centro ha sido una fuerza importante en el desarrollo de la inteligencia artificial, contribuyendo al avance del deep learning y a la creación de productos de Microsoft como Kinect, Cortana o Bing. Sin embargo, en los últimos años no ha acaparado portadas en los medios de comunicación como sí lo han hecho Deepmind, OpenAI o Meta AI con la publicación de sus super modelos. Este año se disponen a cambiar esta tendencia con la publicación de Vall-E, un modelo que permite convertir cualquier texto en un audio de voz, lo que se conoce como un sistema TTS (text-to-speech). Este trabajo presenta una arquitectura novedosa, que es capaz de generar la voz con el mismo timbre que un audio de 3 segundos que se le indica como muestra. De esta manera, Vall-E es capaz de clonar cualquier voz al instante y sin requerir entrenamiento extra. Y además de extraer las características particulares del timbre de voz, también aplica la entonación y los matices expresivos de esos 3 segundos de muestra, produciendo como resultado una voz más natural y con capacidad de transmitir emociones.

Evaluar los modelos de IA generativa para imagen o audio es una tarea complicada. No existe una métrica objetiva que podamos utilizar para comparar la salida de dos modelos ante la misma entrada. Por tanto, la única alternativa es utilizar la valoración subjetiva de varias personas, y hacer la media de las observaciones para obtener un resultado lo más objetivo posible. El artículo científico que acompaña a esta publicación ha analizado los resultados mediante este métrica llamada MOS (Mean Opinion Score), confirmando que mejora a todos sus antecesores. Desafortunadamente, no podemos probar Vall-E porque no han publicado el modelo entrenado. Sin embargo, en los ejemplos que sí han publicado, se aprecia una mejora de la calidad con respecto al estado del arte. Aunque todavía no es comparable a la voz que producimos los humanos, que sí somos capaces de adaptar el tono de la voz en cada sílaba que pronunciamos para transmitir. Esto es lo que conocemos como comunicación no verbal, algo que por el momento está ausente en los sistemas TTS.

Estos modelos tienen muchísimos beneficios, como por ejemplo la generación de voz para interaccionar de una forma más natural con asistentes virtuales, como ayuda a las personas que tienen dificultades en el habla, o para producir audiolibros de forma automática, tal y cómo ha anunciado Apple recientemente.

Pero también implican nuevos riesgos; por ejemplo, se podrían utilizar para realizar transacciones no autorizadas mediante la suplantación de una persona, como ya ocurrió en 2019 en Reino Unido. Además de perseguir este tipo de conductas delictivas con una legislación adaptada a los nuevos tiempos, la sociedad también debe adaptarse a vivir en un mundo donde la clonación de voz es una realidad y no se acepte todo el contenido audiovisual que recibe. Por ejemplo, se abre la posibilidad de un futuro donde el contenido que consumimos, principalmente vídeo, venga firmado con un certificado que garantice su autenticidad. Del mismo modo que antes de la llegada de Internet ya existía una prensa diversa e independiente, la cual arriesgaba su reputación con cada noticia que publicaba.

Más info: https://valle-demo.github.io

LLMs que van a la universidad

ChatGPT ha sido la chispa que necesitaban los LLMs (Large Language Models) para volver a estar de moda en este 2023. Hay mucha polémica en la comunidad científica sobre si estamos ante una mejora incremental o un salto tecnológico inesperado. Pero lo cierto es que ChatGPT es el resultado de avances importantes en el campo de NLP que han sucedido durante 2022, como InstructGPT o Chinchilla, a la sombra de los populares modelos de generación de imágenes, como Dall-E o Stable Diffusion. Sabemos que ChatGPT tiene al menos dos limitaciones importantes: por un lado, la información que produce no siempre es veraz y está desactualizada; y por otro lado, el contexto que puede recordar de una conversación está limitado a las 3000 últimas palabras aproximadamente. Aumentar el tamaño de este contexto con el que ChatGPT responde, no se resuelve simplemente con más computación como podríamos pensar. Es un reto científico que se podría abordar con técnicas que permitan memorizar resúmenes de toda la conversación previa. Al fin y al cabo, nosotros tampoco necesitamos memorizar todas las palabras de una conversación para no perder el hilo.

Sin embargo, la falta de veracidad en las respuestas sí que es un factor limitante en el tipo de aplicaciones que podemos construir sobre ChatGPT, que se reducen a dos grandes grupos. El primer grupo consta de aplicaciones que no requieran exactitud en los resultados, por ejemplo, escribir poesía, inspirar relatos de ficción, caracterizar personajes de una historia o sugerir los diálogos de una comedia. Y el segundo grupo lo componen aplicaciones donde podamos comprobar fácilmente la veracidad de los resultados, y en las que aprovechamos las excelentes capacidades de escritura de ChatGPT para asistirnos en tareas rutinarias, aumentando nuestra productividad.

La pregunta es, ¿podemos hacer un ChatGPT que siempre sea veraz en sus respuestas?

Existen dos aproximaciones para tratar de resolver el problema de veracidad. La primera, consiste en especializar ChatGPT al dominio en el que se vaya a usar. Del mismo modo que con las técnicas de InstructGPT OpenAI ha logrado transformar GPT-3 en ChatGPT, para que este se especialice en diálogos y evite generar contenido tóxico, también podemos hacer que aprenda toda la información existente de un área de conocimiento concreta. Esto permitiría disminuir la probabilidad de fallo por debajo del error humano. Un ejemplo de esta aproximación lo tenemos en Med-PaLM, que es un modelo creado a partir de PaLM, un LLM de Google, para que responda a preguntas del ámbito de la medicina. Los resultados son muy prometedores en cuanto al grado de conocimiento almacenado en el modelo conforme aumenta su tamaño, siendo capaz de superar exámenes de medicina. Otro ejemplo de LLM especializado lo encontramos en DoNotPay, una empresa que ha adaptado GPT-3 para gestionar de manera autónoma y en nombre de los usuarios los contratos con grandes corporaciones: darse de baja de un servicio, solicitar la devolución de comisiones o incluso tramitar una demanda.

La segunda aproximación consiste en permitir que ChatGPT consulte fuentes de información externas confiables. De este modo, cuando detecte que tiene que dar una respuesta factual, puede extraer los datos que le faltan de manera autónoma y generar una respuesta más precisa. La ventaja de este método es que podemos actualizar las fuentes de información de manera independiente, para que las respuestas de ChatGPT estén al día sin requerir ningún tipo de entrenamiento adicional. Un ejemplo de esta aproximación lo podemos encontrar en el artículo que ha escrito Stephen Wolfram, donde une ChatGPT con Wolfram Alpha, un motor de búsqueda computacional que proporciona respuestas precisas basadas en datos, en lugar de simplemente enlaces a páginas web relevantes.

Mientras algunas personas disfrutan criticando las limitaciones actuales de ChatGPT, otras como Stephen Wolfram están más interesados en tratar de superarlas. En 2023 seguiremos con expectación cómo evolucionan estos sistemas conversacionales integrando todas estas ideas.

Alerta roja en Google

Tras el momento Imagenet en 2012, Google fue una de las primeras empresas en apostar muy fuerte por la Inteligencia Artificial. Por aquel entonces ya tenían un equipo dedicado a la IA llamado Google Brain, fundado por Andrew Ng, que engordaron contratando a los mejores investigadores en el campo del deep learning (incluyendo al grupo de Geoffrey Hinton responsable del momento Imagenet). También compraron en 2014 la empresa Deepmind, que es otro de los grandes focos de investigación puntera en IA aplicada de los últimos años, junto a OpenAI y Meta AI. Hasta el momento, la prolífica actividad investigadora de Google ha tenido poca repercusión en productos comerciales, según ellos por los problemas de seguridad que pueden ocasionar los grandes modelos, como sesgos indeseados y desinformación entre otros. Solo la publicación de ChatGPT y todo el revuelo que ha causado, donde muchos lo ven como el sustituto natural de las búsquedas en Internet, ha sido capaz de remover a una empresa como Google y provocar un cambio de perspectiva.

Sundar Pichai, CEO de Google, ha anunciado que pondrá disponible sus grandes modelos a través de una API de pago por uso, unos días después de que Microsoft anunciara lo mismo a través de su acuerdo con OpenAI. Además, Google también ha anunciado la vuelta de sus fundadores para apoyar en este cambio de rumbo. De esta manera, entramos en una guerra tecnológica por dominar el mercado de los grandes modelos, al igual que con la llegada de Internet se libró otra por convertirse en el navegador principal de los usuarios (véase Browser wars).

La mala noticia para Google es que OpenAI lleva la delantera ha declarado 100 millones de usuarios activos en el mes de enero y va a empezar a cobrar una suscripción de $20 al mes por el uso de ChatGPT, para el que estima unos ingresos de 1.000 millones de dólares en 2024. La buena noticia para Google es que su apuesta histórica por la IA le permite estar en las mejores condiciones posibles para competir de tú a tú con la alianza formada por OpenAI y Microsoft. Y sin lugar a dudas: que haya competencia es la mejor noticia para los usuarios, porque va a propiciar que estos modelos fundacionales sean cada vez mejores, y sobre estos se puedan crear modelos de negocio todavía por descubrir.

¡Música maestro!

El deep learning es una tecnología que se ha aplicado con éxito en una amplia variedad de campos, incluyendo la música. En este ámbito, se utiliza para tareas como la generación de música, la identificación de estilos y géneros, y la separación de audio. Sin embargo, el avance en la generación de música es aún lento con respecto a la generación de imágenes o de texto debido a varios desafíos que presenta la música. El primero es el guiado de la generación musical mediante texto. Así como una imagen tiene una descripción más o menos fija, una obra musical se puede describir de muchas maneras. Además, la música está compuesta por patrones que se repiten en el tiempo, y estos modelos generativos tienen un alcance corto en la cantidad de datos previamente generados que pueden recordar para generar los siguientes. Y por último, no existen conjuntos de datos de calidad que permitan entrenar estos modelos con pares de texto y música asociada. Es importante destacar que la mayoría de la música está protegida por derechos de autor, lo que también dificulta su disponibilidad para la comunidad investigadora.

Google ha sido capaz de vencer todos estos desafíos y presenta su modelo de lenguaje musical llamado MusicLM, que es capaz de generar música a partir de una descripción. Es una arquitectura basada en 3 redes neuronales que se entrenan de forma independiente y se especializan en distintas partes de la generación: calidad del audio, estructura global de la pieza musical, y cercanía con el texto descriptivo. Junto con el artículo científico, Google publica un conjunto de datos llamado MusicCaps que contiene 5500 pares de música y texto. Dada la variedad de estilos musicales que existen, este conjunto de datos es insuficiente para entrenar este tipo de redes neuronales. Así que la misión de MusicCaps es la de poder evaluar resultados y comparar modelos entre sí, algo también fundamental para el desarrollo del campo de generación musical.

El salto de calidad en base a los ejemplos que han publicado es sorprendente, sobre todo en relación a la cercanía con el texto descriptivo. Se augura un año de avances importantes en IA aplicada a la música.

Este trabajo es una nueva prueba de fuerza por parte de Google, que confirma que tecnológicamente está por delante de otras iniciativas, como OpenAI o Stability AI. Es solo cuestión de tiempo que Google cambie su estrategia y decida entrar en este modelo de negocio que empieza a ser muy lucrativo.

Más info: https://google-research.github.io/seanet/musiclm/examples/

Gracias por leer Explicable. Si te ha gustado esta edición, no te olvides de dar al ♡ y de compartirla por redes sociales o por email con otras personas a las que creas que les pueda gustar.

💥Pero atención…💥

Si no recibieses Explicable directamente en tu correo, revisa bien tu correo no deseado. A veces ocurre que nuestros mensajes se van directamente a ese agujero negro denominado “spam”. 

Para evitar que esto ocurra, marca nuestra dirección de correo como “no es spam”. 

Si eres usuario de Gmail, revisa también la carpeta de “promociones”, porque puede que también nos hayamos escondido allí y mueve el mensaje al inbox principal. GRACIAS.

💥 Hasta el cartero está hablando de ChatGPT. Pero, ¿qué es realmente ChatGPT y por qué pensamos que podrá revolucionar el día a día de las empresas?

En el próximo “20 minutos de IA” analizaremos 7 usos concretos de ChatGPT que cambiarán tu día a día. Si quieres saber qué puedes hacer realmente con ChatGPT, no te pierdas este webinar 💥

Quiero inscribirme

ChatGPT

Tras el éxito de Dall-E 2 en abril de este mismo año, OpenAI vuelve a la carga con ChatGPT, un sorprendente chatbot de dominio abierto. ChatGPT es nuevamente un modelo de lenguaje basado en una evolución de GPT-3 y especializado en diálogos. Para evitar que ChatGPT genere lo que se conoce como alucinaciones, respuestas sin sentido fuera del contexto de la conversación, OpenAI utiliza una técnica de refinamiento de respuestas basada en el feedback proporcionado por humanos. Y el resultado es un diálogo coherente, interesante, didáctico y con infinidad de posibles aplicaciones en los negocios.

Con ChatGPT podemos responder a preguntas abiertas, recopilar información sobre un tema, extraer ideas para componer una historia y hasta escribir poemas.

Como todos los modelos de lenguaje, funciona mejor en inglés que en español, aunque con ChatGPT esa brecha es cada vez más pequeña. Por el momento, su conocimiento está congelado desde junio de 2021, fecha en la que se creó su conjunto de datos de entrenamiento y todavía no tiene acceso a Internet para obtener información actualizada.

Una de las áreas que más van a verse afectadas por esta tecnología es, sin duda, la educación. ChatGPT es capaz de realizar de manera muy solvente trabajos basados en la escritura, como redacciones, resúmenes, ensayos y poesía. Y aunque todavía con fallos, también es capaz de resolver problemas de nivel de secundaria y resolver preguntas de tipo test. Del mismo modo que ya no pedimos a los alumnos que hagan raíces cuadradas a mano y el cálculo mental tiene menos peso en el currículum académico debido a la prevalencia de las calculadoras, ¿qué pasará si tenemos un sistema capaz de escribir cualquier texto mejor que la media de la población? Por otro lado, ChatGPT también puede servir para producir material educativo, que aunque pueda contener errores, en manos de un experto, permite crear contenidos de una manera más prolífica.

De momento, está en fase de pruebas y aún no está claro el modelo de negocio de OpenAI para un sistema de estas características. Pero, interaccionando con él parece obvio que en el futuro esta será la forma de interactuar con las máquinas, mediante lenguaje natural e indicando exactamente lo que queremos que hagan. La evolución de los interfaces de usuario empezó con el teclado, escribiendo comandos predefinidos, añadió el ratón y los gráficos en pantalla para interactuar con elementos también predefinidos; y cambiará para siempre cuando sea la máquina la que, por fin, se adapte a nuestra exclusiva forma de comunicación.

El cambio de paradigma es enorme, abriendo la posibilidad de no sólo reemplazar las tediosas búsquedas en Google para encontrar información, sino permitiendo también realizar acciones en el mundo real siguiendo nuestras instrucciones.

Y esta será la próxima gran conquista de los LLMs (Large Language Models): pasar de ser potentes generadores de texto a poder planificar y actuar en un entorno abierto. Como ya hemos indicado en ediciones anteriores de Explicable, la idea de que cada uno de nosotros tenga un secretario personal se acerca cada vez más. Sólo hay que probar ChatGPT para darse cuenta de que estamos ante algo único, que ha llegado antes de lo previsto y que augura una próxima década con extraordinarios avances en el campo de la Inteligencia Artificial.

Más info: https://chat.openai.com

Galactica, ¿es peligroso?

Como ya informamos con anterioridad, estamos viviendo un resurgimiento de los grandes modelos de lenguaje, con la aparición de nuevos modelos y de multitud de aplicaciones construidas sobre estos. Meta se ha sumado a la fiesta con la publicación de Galactica, un LLM entrenado con el texto más riguroso que existe: los artículos científicos. Galactica, al igual que GPT-3, es capaz de continuar texto a partir de un contexto inicial, pero al estar especializado, puede acometer tareas específicas del ámbito científico. Por ejemplo, puede encontrar el artículo científico al que hace referencia un texto, fórmula o algoritmo, y puede convertir una fórmula en texto explicativo. Meta lo define como un asistente para que los científicos sean más productivos escribiendo sus publicaciones académicas, del mismo modo que GitHub Copilot asiste a los programadores. Esto tiene mucho sentido teniendo en cuenta la cantidad de tareas rutinarias que ocurren durante la elaboración de un paper, como la búsqueda de trabajos previos, la redacción de la introducción al campo de la investigación, la generación del abstract, y la explicación de tablas y fórmulas, entre otras.

En definitiva, estos modelos de Inteligencia Artificial generativos nos permiten empezar con algo que, con pequeñas modificaciones, puede dar lugar a contenido de calidad en un menor tiempo.

Y aquí es donde yace el aumento de productividad, simplemente eliminando la barrera mental que supone empezar a escribir partiendo del folio en blanco.

Sin embargo, si obviamos la utilidad de Galactica en la práctica científica, este trabajo de Meta arroja también resultados muy interesantes. Por ejemplo, que a pesar de haber sido entrenado con mucho menos datos que otros modelos de mayor tamaño como OPT-175B y Bloom, sus prestaciones son mucho mejores, quizá achacado a la rigurosidad de los datos de entrenamiento.

La polémica que ha suscitado se encuentra en las demás capacidades que Meta se ha encargado de eliminar de su web por miedo a la mala prensa, como la de escribir artículos de wikipedia sobre un tema, o responder a preguntas de índole científica. Según miembros de la comunidad científica, esto podría utilizarse para diseminar la desinformación, dado que el contenido producido suena asertivo aunque esté compuesto de falsedades. Exactamente el mismo problema se planteó cuando se publicó GPT-2, y el modelo quedó congelado por miedo a provocar el caos mundial. No sólo no fue así una vez decidieron publicarlo, sino que posteriormente apareció GPT-3, con una capacidad muy superior y que se comercializa desde hace 2 años a un precio muy asequible.

Es decir, es más fácil manipular y desinformar desde un medio de comunicación, desde la tribuna de un congreso, o siendo influencer en redes sociales, que teniendo en tus manos el modelo de lenguaje más potente que puedas imaginar.

Toda esta controversia ha provocado que Meta dé marcha atrás y cierre el acceso a Galactica, pidiendo disculpas por no haber medido bien el potencial impacto de esta tecnología. La mala fama que tiene Meta por sus errores del pasado tampoco ha ayudado a que este trabajo se vea con buenos ojos. La pregunta que habría que hacerse es: ¿por qué no ha pasado lo mismo con ChatGPT publicado dos semanas después? La realidad es que Galactica no es más peligroso que ChatGPT en su capacidad para generar contenido creíble y potencialmente falso. La gran diferencia estriba en que Galactica entra de lleno en una parcela reservada para los científicos, una comunidad que en los últimos años se ha volcado en exceso en el estudio de los problemas éticos derivados del uso de la Inteligencia Artificial. Recordemos que la desinformación ha formado parte de la historia de la humanidad y es la sociedad, no la ciencia, la responsable de establecer los mecanismos de protección adecuados según las formas que esta adopte.

Más info: https://galactica.org

CICERO realmente convence

Seguimos con Meta, que nos ha presentado a Cicero, un sistema de Inteligencia Artificial basado en la técnica de aprendizaje por refuerzo, que es capaz de jugar de manera muy competente al juego de estrategia Diplomacy. Hasta aquí podría ser cualquiera de los logros que hemos visto en el pasado con el Ajedrez, el Go, el Starcraft, y otros muchos juegos conquistados por esta misma técnica, donde la capacidad de percepción, predicción, planificación y razonamiento se unen para lograr un agente imbatible frente al humano. Pero lo que convierte este avance en algo único es que para ganar al Diplomacy es necesario negociar con los adversarios para forjar alianzas, además de la elección de una buena estrategia de movimientos. Y esa negociación se realiza utilizando el lenguaje natural, donde entra en juego la capacidad de comprender, generar confianza, persuadir y empatizar con el contrincante.

Para ello han utilizado, cómo no, un gran modelo de lenguaje que han ajustado con las conversaciones extraídas de 40.000 partidas jugadas por humanos y etiquetadas para hacer referencia a la acción en el tablero que hay detrás de cada frase. Una vez Cicero está en pleno juego, utiliza el histórico de conversaciones mantenidas y de movimientos para predecir la intención de todos los jugadores, el mejor próximo movimiento y qué mensajes enviar a determinados jugadores. Cicero logra estar en el top 10 de jugadores, algo que resulta sorprendente teniendo en cuenta que lo han entrenado para ser honesto en sus mensajes, a pesar que la traición y la mentira pueden ser de gran ayuda en este tipo de juegos. Por otro lado, Cicero es frío y calculador, y no se deja llevar por las emociones como la venganza, algo que por sentado afectará a sus oponentes humanos.

En definitiva, este trabajo supone un banco de pruebas ideal para entender mejor las relaciones entre humanos y máquinas cuando se encuentran en un mismo escenario, con distintos objetivos, y donde se tienen que entender y poner de acuerdo para alinear al máximo sus intereses.

Más info: https://ai.facebook.com/research/cicero/

Stable Diffusion 2.X

Y acabamos haciéndonos eco de la publicación de una nueva versión de Stable Diffusion, el modelo de generación de imágenes que causó furor este verano se ha actualizado completamente con tan sólo 3 meses de vida. ¿Qué tiene ese modelo de nuevo? Por un lado, genera imágenes de más resolución que su predecesor (768x768), aunque todavía no llega a la resolución de su principal competidor Dall-E 2 (1024x1024). Eso sí, viene con un modelo independiente capaz de aumentar la resolución de las imágenes generadas hasta 2048x2048. Además, incluyen un modelo específico para edición de imágenes y otro para obtener el mapa de profundidades de una imagen dada. Aunque no lo hemos podido probar aún, predecir esta información parece un paso muy prometedor para mejorar la generación actual de imagen a imagen, manteniendo la consistencia espacial de la imagen original, como podemos ver en el siguiente ejemplo:

Pero lo que más ha causado sorpresa es que los textos utilizados para guiar la generación funcionan de manera totalmente distinta. Uno de los motivos es que han cambiado el codificador de texto a OpenCLIP, creado a partir del mismo conjunto de imágenes, sustituyendo a CLIP, creado por OpenAI con un conjunto de imágenes desconocido. Esto hace que Stable Diffusion 2.x genere imágenes más fieles al texto inicial, aunque por otro lado elimina todos los trucos que la comunidad ha ido acumulando para explotar al máximo la calidad de las imágenes generadas, algo que no ha gustado a los usuarios.

Otro de los cambios no muy bien recibidos es que han puesto el foco en limpiar mejor los datos de entrenamiento para evitar problemas legales. No hay que olvidar que Stability.ai ya es un unicornio, es decir, una empresa privada valorada en más de 1 billón de dólares. Esta limpieza mediante un filtro automatizado, ha provocado que la versión 2.0 genere excelentes imágenes de paisajes, arquitectura, interiores y animales, pero deje mucho que desear en cuanto a la generación de personas. Dos semanas de quejas han bastado para solucionar el problema, con la publicación de la versión 2.1 de Stable Diffusion que no es tan agresiva filtrando las imágenes potencialmente sensibles durante el entrenamiento. Con este movimiento, Stability.ai demuestra que sigue muy comprometida con la filosofía de código abierto, escuchando a su comunidad de usuarios y reaccionando muy rápido a sus peticiones.

Más info: https://stability.ai/blog/stable-diffusion-v2-release

Gracias por leer Explicable. Si te ha gustado esta edición, no te olvides de dar al ♡ y de compartirla por redes sociales o por email con otras personas a las que creas que les pueda gustar.

💥Pero atención…💥

Si no recibieses Explicable directamente en tu correo, revisa bien tu correo no deseado. A veces ocurre que nuestros mensajes se van directamente a ese agujero negro denominado “spam”. 

Para evitar que esto ocurra, marca nuestra dirección de correo como “no es spam”. 

Si eres usuario de Gmail, revisa también la carpeta de “promociones”, porque puede que también nos hayamos escondido allí y mueve el mensaje al inbox principal. GRACIAS.

¿Y para qué sirve un LLM?

Muchos se hacían esta pregunta cuando GPT-3 asombró al mundo con su capacidad de completar cualquier texto de manera coherente. Podía clasificar el sentimiento de tweets sin haber sido entrenado específicamente para ello, pero ya teníamos modelos más pequeños que también lo podían hacer. Podía escribir un artículo divulgativo sobre cualquier tema, con la estructura adecuada, pero con un contenido de escaso valor y en ocasiones redundante. Alentados por la revolución en la generación de imágenes guiadas por texto de Dall-E y StableDiffusion, los LLMs vuelven a invadir el campo del Software 2.0, constatando que hemos entrado en una nueva era de la historia de la computación. A continuación, enumeramos algunas de esas aplicaciones surgidas recientemente, una lista que habla por sí misma del contexto tan abrumador en el que nos hallamos.

1. Deepmind lanza un proyecto llamado Dramatron, que a partir de un LLM adaptado a guiones, ayuda a los guionistas a producir ideas de historias, personajes y tramas. Lo han probado con guionistas reales y la mayoría reconoce que un sistema así les permite ser más productivos (lo cual tiene un valor doble, considerando la resistencia al cambio que suele acompañar a este tipo de experimentos).

2. Code as Policies (CaP) es el proyecto de Google para generar una serie de comandos que un robot es capaz de interpretar, con el fin de realizar una tarea. Lo novedoso es que esos comandos se generan a partir de un LLM al que se le ha introducido la tarea en forma de texto, utilizando lenguaje natural. La gran ventaja de esta aproximación es que el robot no se ciñe a un conjunto de tareas preestablecidas y es capaz de realizar cualquier tarea que se pueda describir con palabras.

3. OpenAI y Microsoft nos han enseñado una demo muy impactante de su LLM especializado en lenguajes de programación, llamado Codex. En esta ocasión, hemos visto a Codex produciendo código para resolver un problema descrito en lenguaje natural. Lo más sorprendente es que cuando el programa generado no funciona, el modelo vuelve a producir nuevo código las veces que sea necesario hasta llegar a la solución correcta.

4. Meta ha publicado ESM Metagenomics Atlas, un LLM especializado en la descripción de proteínas, que conforman el lenguaje de la vida. Este LLM está especializado en predecir la estructura tridimensional de las proteínas metagenómicas, que son las menos conocidas por no formar parte de las proteínas que encontramos en animales y plantas. Dado que el número de estas proteínas es del orden de cientos de millones, un LLM que pueda capturar este conocimiento es fundamental para obtener predicciones que ayuden a entender mejor los procesos biológicos, de vital importancia para la industria farmacéutica.

5. Con Inter Alia, un LLM nos permite hacer una búsqueda de ropa a partir de la descripción de lo que queremos.

6. Creada en la plataforma Dust, un asistente basado en un LLM nos ayuda en el proceso de búsqueda por Internet. Compila la información de varios resultados de búsqueda y nos muestra de forma resumida lo que estamos buscando exactamente, evitando el tedioso proceso de navegar por multitud de páginas web con exceso de información irrelevante.

7. Mubert ha creado un modelo para generar música guiada por texto, un proceso todavía rudimentario, pero con mucho margen de mejora que seguro veremos en los próximos años.

8. Un ávido lector llamado Dwarkesh Patel, ha creado mediante GPT-3 una aplicación para hacer una búsqueda semántica en los libros que lee. Esto permite buscar un pasaje explicando en lenguaje natural lo que allí se cuenta, sin que sea preciso recordar las palabras de búsqueda exactas que allí aparecen.

9. Un ingeniero de software llamado Linus, ha creado también mediante GPT-3 una aplicación para responder dudas que surgen mientras está programando. Afirma que es más rápido y más eficaz que consultar el popular sitio web Stack Overflow, un foro de programadores que se ayudan con este tipo de cuestiones.

Estos son sólo algunos ejemplos de aplicaciones basadas en un LLM, siendo GPT-3 el más popular debido a que fue el primero y a que tiene un modelo de pago por uso, apto para fines comerciales. Pero no es el único, y ya con dos años de existencia tampoco es el mejor. Este mismo año se han liberado modelos como Bloom y OPT-175B, a la par con GPT-3 en tamaño, aunque su repercusión en la comunidad open source ha sido bastante menor. Además, Google acaba de liberar Flan-T5, un modelo más pequeño que GPT-3 que le supera en prestaciones. Estos movimientos confirman que, desde la irrupción de Stability.ai, otras empresas se animan a compartir sus modelos ya entrenados. Sin embargo, la gran diferencia con respecto a Stability.ai son sus licencias más restrictivas, que impiden cualquier uso comercial de estos modelos.

Modelos de lenguaje reeducados

Uno de los usos más evidentes de los LLM es la posibilidad de conversar con ellos para obtener cualquier tipo de información, o realizar cualquier gestión por nosotros. Es lo que se conoce como chatbots de dominio abierto, que a diferencia de los sencillos chatbots con los que estamos acostumbrados a interactuar, no se ciñen a un conjunto de tareas predefinidas de las que no te puedes salir. Sin embargo, cuando se utilizan estos grandes modelos de lenguaje para mantener una conversación, es fácil que un usuario los pueda conducir hacia un uso del idioma que no cumple con los mínimos criterios de corrección. El primer caso ocurrió con Tay, un chatbot de Microsoft lanzado en 2016, que comenzó a escribir tweets racistas y tuvo que apagarse tras 48 horas de funcionamiento. Más recientemente tenemos la publicación de BlenderBot 3, un chatbot de dominio abierto basado en un modelo del tamaño de GPT-3 y que también fue noticia por generar opiniones controvertidas.

Estos LLMs han visto texto muy diverso, incluyendo conversaciones no apropiadas, que de forma involuntaria y muy reducida se cuelan en el conjunto de entrenamiento.

De este modo, un usuario avispado encuentra fácilmente la forma de llevar la conversación por esos derroteros, logrando producir respuestas que son inadmisibles en el contexto de nuestra sociedad.

Para solucionar este problema, ha aparecido una técnica llamada RLHF (Reinforcement Learning from Human Feedback). Con esta técnica, las respuestas del modelo son evaluadas por humanos, lo cual se traduce en una recompensa para animar al modelo a que produzca más de esas respuestas, o por el contrario, un castigo para evitar que se vuelvan a repetir. De esta manera estamos “enseñando modales” a un LLM.

Sparrow es el LLM de Deepmind entrenado con esta técnica, que obtiene conversaciones más acordes con nuestros principios fundamentales. En el estudio que han publicado, indican que todavía no han sido capaces de eliminar ciertos sesgos, lo cual todavía impide utilizar este modelo como chatbot de dominio abierto para usuarios finales. En el mundo open source de Stability.ai también tenemos una iniciativa llamada CarperAI que está entrenando un modelo de lenguaje conversacional con la misma técnica RLHF, y que se podría usar para fines comerciales si mantienen su filosofía como hasta ahora.

Los chatbots (o asistentes virtuales) de dominio abierto son el santo grial de las grandes tecnológicas para que puedan seguir ofreciéndonos servicios a escala global una vez cambie la forma de interactuar con los ordenadores. Por eso, no es de extrañar que empresas como Google inviertan todos los años grandes sumas de dinero en investigación básica de LLMs.

Conducción autónoma: ¿Quo Vadis?

Nos remontamos al 30 de septiembre de 2012. Ocurre el momento Imagenet, que supone un cambio de paradigma en la computación. El deep learning por fin funciona, y permite a las máquinas adquirir habilidades de percepción visual que hasta entonces formaban parte de la ciencia ficción. En ese momento, se empieza a ver la conducción autónoma como un producto viable y aparecen multitud de empresas muy bien financiadas que tratan de ser los primeros. Los mayores expertos en la materia auguraron que la conducción totalmente autónoma llegaría como muy tarde en 2020. Sin embargo, 10 años después nuestros jóvenes siguen examinándose del carnet de conducir. ¿Qué ha pasado con esta tecnología que prometía transformar la economía y mejorar nuestra sociedad?

La realidad es que el nivel de percepción visual requerido para la conducción ha resultado ser mucho más alto de lo que se pensaba. Las condiciones meteorológicas, el estado de las señales de tráfico, unos patitos cruzando la carretera o un peatón disfrazado de Spiderman en Carnaval pueden confundir al sistema de percepción de un coche autónomo. En los últimos años se han hecho muchos avances a este respecto que, sin duda, van a subsanar este problema. Pero, además de la percepción, la conducción autónoma también requiere resolver la tarea de planificación, que consiste en decidir qué acciones tomar para mover el coche de un punto a otro. Esto implica predecir lo que van a hacer los conductores, peatones, y demás humanos que intervienen en las vías públicas para poder tomar las decisiones correctas. Todo ello siguiendo las normas establecidas y otras convenciones de sentido común no escritas que forman parte de nuestro conocimiento del mundo.

Y aquí es donde los casos que un sistema basado en IA debe aprender se disparan. Es lo que se conoce como el long tail de situaciones imprevistas, que los humanos sabemos resolver gracias a nuestra capacidad de abstracción y razonamiento.

La consecuencia es que el mercado de la conducción autónoma está pasando por su peor momento, con caídas del 80% de media en aquellas empresas del sector que salieron a bolsa. Esto no implica que se haya parado todo el I+D relacionado con la conducción autónoma. Todavía tenemos muchas iniciativas privadas que siguen levantando fuertes rondas de inversión, tanto en EE.UU. como en China. Pero el sentimiento general es que hace falta más tiempo: Ford ha cerrado su división de coches autónomos también co-financiada con Volkswagen; y el célebre George Hotz ha abandonado la empresa que fundó (comma.ai) tras años sin encontrar la rentabilidad. A nivel de despliegue real tenemos el ejemplo de Cruise, la división de conducción autónoma de General Motors, que opera taxis sin conductor en una zona acotada de San Francisco. Desde entonces, se han multiplicado las quejas de conductores que afirman que estos vehículos a menudo se quedan parados en medio de la calle provocando grandes atascos. Al menos parece que ninguno de los incidentes reportados están relacionados con problemas de seguridad para las personas.

Y quizá sea este otro de los motivos del lento avance de la conducción autónoma: el elevado coste de los errores cometidos por un vehículo que circula a gran velocidad rodeado de personas. Las primeras aplicaciones de inteligencia artificial que están transformando el mundo son aquellas con tolerancia a fallos. Así que es muy probable que la conducción autónoma llegue antes a la agricultura, donde los fallos no tienen consecuencias fatales, que a la carretera.

Gracias por leer Explicable. Si te ha gustado esta edición, no te olvides de dar al ♡ y de compartirla por redes sociales o por email con otras personas a las que creas que les pueda gustar.

💥Pero atención…💥

Si no recibieses Explicable directamente en tu correo, revisa bien tu correo no deseado. A veces ocurre que nuestros mensajes se van directamente a ese agujero negro denominado “spam”. 

Para evitar que esto ocurra, marca nuestra dirección de correo como “no es spam”. 

Si eres usuario de Gmail, revisa también la carpeta de “promociones”, porque puede que también nos hayamos escondido allí y mueve el mensaje al inbox principal. GRACIAS.