La charla estaba dirigida a un público general y sirve como una rápida introducción a mi visión de la IA en 2025. La comparto aquí por si te interesa. Creo que la charla tiene algo para todos. Hay algunas cosas divertidas. ¡Incluso hago bromas!
El vídeo ya está disponible (gracias, SXSW London). A continuación, os presento un breve resumen de mis cinco favoritos. ¡Decidme si habríais elegido otros!
- La IA generativa es ahora tan buena que da miedo.
Hace unos meses, mi colega James O'Donnell, que escribe habitualmente en Algorithm, compartió diez canciones con el equipo editorial de MIT Technology Review y nos retó a adivinar cuáles habían sido producidas con IA generativa y cuáles habían sido creadas por personas. Casi todos lo hicimos peor que el azar.
Lo que está sucediendo con la música está sucediendo en todos los medios, desde code hasta robotics , pasando por protein synthesis y el vídeo. Basta con ver lo que la gente está haciendo con las nuevas herramientas de generación de vídeo, como Veo 3 de Google DeepMind. Y esta tecnología se está incorporando a todo .
¿Qué quiero decir con esto? Tanto si crees que la IA es lo mejor que nos ha pasado como si crees que es lo peor, no la subestimes. Es buena y cada vez es mejor.
- Las alucinaciones son una característica, no un error.
Se oye mucho hablar de las alucinaciones como si fueran un problema que hay que solucionar. La forma más precisa de entender las alucinaciones es que son precisamente lo que hace la IA generativa, lo que está destinada a hacer, todo el tiempo. Los modelos generativos están entrenados para inventarse cosas.
Lo notable no es que inventen tonterías, sino que las tonterías que inventan a menudo coinciden con la realidad. ¿Por qué es esto importante? En primer lugar, debemos ser conscientes de lo que esta tecnología puede y no puede hacer. Pero también: no esperemos una versión futura que no tenga alucinaciones.
- La IA consume mucha energía y cada vez más.
Lo que ha cambiado es que ahora estos modelos son utilizados por cientos de millones de personas cada día. Y aunque utilizar un modelo consume mucha menos energía que entrenarlo, los costes energéticos se disparan con ese número de usuarios.
ChatGPT, por ejemplo, tiene 400 millones de usuarios semanales. Esto lo convierte en el quinto sitio web más visitado del mundo, justo después de Instagram y por delante de X. Otros chatbots le están pisando los talones.
Por lo tanto, no es de extrañar que las empresas tecnológicas se apresuren a construir nuevos centros de datos en el desierto y renovar las redes eléctricas .
La verdad es que no sabemos exactamente cuánta energía se necesita para alimentar este auge, ya que ninguna de las principales empresas que desarrollan esta tecnología ha compartido mucha información al respecto.
Sin embargo, esto está empezando a cambiar. Varios de mis colegas han pasado meses trabajando con investigadores para analizar los datos de algunas versiones de código abierto de esta tecnología. (Echa un vistazo a para ver lo que han descubierto .)
- Nadie sabe exactamente cómo funcionan los modelos de lenguaje grandes.
Pero cómo hacen lo que hacen sigue siendo un misterio sin resolver e in . Es como si estas cosas hubieran llegado del espacio exterior y los científicos las estuvieran pinchando y manipulando desde fuera para averiguar qué son realmente.
Es increíble pensar que nunca antes una tecnología de consumo masivo utilizada por miles de millones de personas haya sido tan poco comprendida.
¿Por qué es importante? Bueno, hasta que no las entendamos mejor, no sabremos exactamente qué pueden y qué no pueden hacer. No sabremos cómo controlar su comportamiento. No comprenderemos del todo las alucinaciones.
- AGI no significa nada.
La IGA, o inteligencia general artificial, ha llegado a significar algo así como: IA capaz de igualar el rendimiento de los seres humanos en una amplia gama de tareas cognitivas.
Pero, ¿qué significa eso? ¿Cómo medimos el rendimiento? ¿Qué seres humanos? ¿Qué variedad de tareas? Y el rendimiento en tareas cognitivas es solo otra forma de decir inteligencia, por lo que la definición es circular en cualquier caso.
Básicamente, cuando la gente se refiere a la IAG, ahora tiende a referirse simplemente a la IA, pero mejor que la que tenemos hoy en día.
Existe una fe absoluta en el progreso de la IA. Ha mejorado en el pasado, por lo que seguirá mejorando. Pero no hay ninguna prueba de que esto vaya a suceder realmente.
Entonces, ¿dónde nos deja eso? Estamos construyendo máquinas que se están volviendo muy buenas en imitar algunas de las cosas que hace la gente , pero la tecnología todavía tiene graves defectos. Y apenas estamos empezando a descubrir cómo funciona realmente.
Así es como veo la IA: hemos construido máquinas con un comportamiento similar al humano, pero no hemos abandonado la costumbre de imaginar una mente humana detrás de ellas. Esto lleva a suposiciones exageradas sobre lo que la IA puede hacer y alimenta las guerras culturales entre los tecnoptimistas y los tecnoscépticos.
Es lógico sorprenderse ante esta tecnología. También es lógico mostrarse escéptico ante muchas de las cosas que se dicen sobre ella. Aún es muy pronto y todo está por decidir.