Buenas, esto es BIMPRAXIS, el podcast donde el
Download transcript (.srt)
0:10
0:15
0:20
0:23
0:26
0:28
0:37
0:40
0:42
0:45
0:48
0:50
0:52
0:53
0:55
0:57
0:59
1:00
1:02
1:05
1:08
1:09
1:11
1:13
1:15
1:15
1:18
1:21
1:23
1:24
1:26
1:27
1:28
1:31
1:34
1:36
1:39
1:41
1:43
1:45
1:48
1:51
1:53
1:56
1:58
1:59
2:01
2:03
2:07
2:07
2:09
2:12
2:15
2:17
2:18
2:18
2:22
2:25
2:28
2:29
2:30
2:33
2:37
2:40
2:41
2:43
2:45
2:48
2:51
2:54
2:58
3:00
3:02
3:03
3:05
3:07
3:09
3:12
3:14
3:15
3:17
3:19
3:20
3:23
3:25
3:28
3:30
3:32
3:32
3:33
3:35
3:38
3:39
3:40
3:44
3:45
3:47
3:49
3:50
3:52
3:54
3:55
3:57
3:58
4:01
4:02
4:04
4:05
4:07
4:10
4:12
4:15
4:17
4:21
4:23
4:25
4:27
4:28
4:30
4:34
4:36
4:37
4:38
4:39
4:40
4:44
4:45
4:46
4:49
4:53
4:56
4:56
4:57
4:58
5:01
5:02
5:04
5:07
5:10
5:15
5:17
5:19
5:22
5:25
5:28
5:30
5:31
5:33
5:34
5:34
5:37
5:40
5:42
5:43
5:44
5:47
5:49
5:52
5:55
5:56
5:57
5:58
6:00
6:01
6:03
6:04
6:06
6:09
6:10
6:14
6:17
6:19
6:22
6:23
6:24
6:27
6:30
6:30
6:33
6:35
6:36
6:38
6:40
6:42
6:43
6:47
6:49
6:51
6:54
6:56
6:57
7:00
7:01
7:05
7:08
7:11
7:12
7:15
7:18
7:18
7:20
7:22
7:23
7:26
7:28
7:30
7:33
7:36
7:39
7:41
7:42
7:45
7:48
7:49
7:52
7:53
7:54
7:56
7:58
8:00
8:01
8:02
8:04
8:07
8:10
8:11
8:14
8:16
8:18
8:21
8:22
8:25
8:26
8:29
8:30
8:32
8:34
8:36
8:39
8:42
8:43
8:44
8:47
8:50
8:51
8:55
8:59
9:02
9:03
9:05
9:08
9:10
9:11
9:12
9:14
9:16
9:17
9:19
9:21
9:23
9:25
9:28
9:30
9:32
9:34
9:36
9:38
9:39
9:41
9:43
9:45
9:47
9:48
9:50
9:53
9:53
9:55
9:57
10:00
10:02
10:03
10:05
10:07
10:08
10:09
10:12
10:14
10:15
10:17
10:19
10:21
10:24
10:26
10:29
10:31
10:34
10:38
10:41
10:43
10:45
10:47
10:48
10:49
10:50
10:53
10:56
10:58
11:00
11:00
11:02
11:04
11:06
11:08
11:10
11:12
11:16
11:18
11:21
11:21
11:25
11:28
11:31
11:35
11:37
11:37
11:40
11:41
11:44
11:45
11:46
11:49
11:52
11:55
11:56
11:58
12:00
12:02
12:04
12:07
12:10
12:12
12:14
12:15
12:18
12:22
12:25
12:25
12:27
12:28
12:31
12:32
12:34
12:37
12:39
12:40
12:42
12:44
12:45
12:47
12:49
12:50
12:51
12:54
12:55
12:58
13:00
13:02
13:03
13:05
13:06
13:06
13:08
13:11
13:13
13:15
13:18
13:19
13:21
13:23
13:25
13:27
13:29
13:32
13:34
13:35
13:37
13:39
13:40
13:42
13:44
13:46
13:47
13:48
13:50
13:53
13:55
13:58
14:01
14:03
14:07
14:08
14:11
14:13
14:16
14:20
14:22
14:23
14:25
14:28
14:29
14:32
14:36
14:38
14:40
14:42
14:44
14:45
14:46
14:49
14:53
14:57
15:01
15:02
15:05
15:06
15:09
15:11
15:15
15:17
15:19
15:22
15:24
15:25
15:28
15:31
15:34
15:37
15:38
15:39
15:42
15:43
15:45
15:48
15:49
15:49
15:52
15:55
15:58
16:00
16:02
16:03
16:03
16:05
16:08
16:09
16:12
16:15
16:17
16:20
16:33
16:35
16:49
BIM se encuentra con la inteligencia artificial.
Exploramos la ciencia, la tecnología y el futuro
desde el enfoque de la arquitectura, ingeniería y
construcción.
¡Empezamos!
Muy buenas, bienvenidas, bienvenidos a un nuevo episodio
de BIMPRAXIS.
Hoy os traemos el despegue meteórico de Hermes
Agent y cómo la inteligencia artificial está aprendiendo
a navegar por Internet con una autonomía que,
francamente, asusta un poco.
Hola.
Y sí, bueno, es que más que navegar,
yo diría que está aprendiendo a habitar la
red, literalmente.
Totalmente.
A ver, la misión de nuestra inmersión de
hoy es desgranar un análisis súper detallado en
vídeo que publicó el creador David Ondrey.
Exacto.
Un vídeo centrado en este proyecto, en Hermes
Agent y en otra herramienta compañera que se
llama Browser Harness.
Eso es.
Y queremos entender por qué demonios este proyecto
está rompiendo absolutamente todos los récords de crecimiento
en la historia de GitHub.
O sea, ya no estamos hablando de un
chat estático que te responde a preguntas de
trivial.
No, no, para nada.
Hablamos de una inteligencia artificial que mueve el
ratón, hace clic en la pantalla, se equivoca,
lo soluciona por su cuenta y, ojo a
esto, luego escribe el manual de instrucciones para
no volver a fallar.
Es que ese es el salto clave.
Para que nos hagamos una idea del impacto,
Hermes Agent ha alcanzado las 100.000 estrellas en
GitHub a una velocidad absurda.
100.000 estrellas, que se dice pronto.
O sea, hay proyectos míticos a los que
les ha costado años lograr esa cifra.
Sí, años.
Y aquí el equipo lleva un ritmo de
actualización que es demencial.
Han sacado cinco versiones principales en apenas 20
días.
Madre mía.
Y han integrado más de 740 solicitudes de
cambio, los famosos pull requests.
O sea, estamos hablando de unos 37 cambios
al día.
Eso es.
Básicamente tienes a cientos de programadores independientes de
todo el mundo proponiendo parches a diario.
Y si miras los datos de Google Trends,
es fascinante.
A ver, cuéntame.
Pues rivales que hasta hace nada dominaban, como
OpenEclos, ahora mismo están cayendo en picado.
Mientras tanto, el interés por Hermes sube en
vertical, no para.
Es increíble.
Pero, a ver, la verdadera revolución, según el
análisis de David, llega al combinar Hermes con
ese otro repositorio que mencionabas, BrowserHarness.
Claro, browser harness es fundamental aquí.
Es nuevísimo, tiene menos de 2.000 estrellas, pero
es la pieza que faltaba.
Si Hermes es el cerebro, browser harness son
las manos.
Y aquí es donde me gusta usar una
analogía para visualizarlo.
Hasta ahora, usar una IA avanzada era, pues
no sé, como tener a un oficinista genio,
un tío súper dotado, pero atado a una
silla y sin brazos.
Pobre oficinista, me encanta la imagen.
Ya, ya.
Pero es que era así.
Sabía la respuesta a todo, de física cuántica
a poesía, pero no podía teclear una sola
palabra ni enviar un simple correo.
Bueno, pues Browser Harness le acaba de desatar
las manos y le ha plantado un ratón
delante.
Tal cual.
Y no solo le da las manos, sino
que le proporciona un entorno de ejecución seguro
y de autosanación.
Eso es importante, sí.
Claro, porque históricamente la automatización web ha sido
súper frágil.
Tú escribías un script para, no sé, descargar
facturas.
Y si el diseñador de la web movía
el botón de descarga 10 píxeles a la
derecha… Se rompía todo.
Todo al traste exacto.
Daba error y un humano tenía que ir
a arreglarlo.
Pero Browser Harness analiza visual y semánticamente la
página.
No le importan las coordenadas fijas.
¡Qué pasada!
Y los creadores están tan seguros de esto
que han lanzado un reto público.
Uff, sí, lo del reto es brutal.
Ofrecen un Mac Mini nuevo a estrenar, al
primero que encuentre una tarea en el navegador
que el sistema no sea capaz de completar.
Hay que tener una confianza ciega en tu
código para apostar un ordenador así.
Bueno, es que saben que la fiabilidad ha
dado un salto cuántico.
Y sabiendo que ahora tiene estas manos y
esa fiabilidad, la pregunta lógica es, bueno, ¿qué
está haciendo la gente realmente con este agente
en Internet?
Pues mira, pasamos de la teoría a la
práctica.
Y hay casos que tela.
Por ejemplo, en el ámbito de la ciberseguridad.
¡Uy, ciberseguridad!
A ver.
Una usuaria llamada Pli en la comunidad usó
Hermes y una habilidad específica llamada Obliterus.
El objetivo, hacerle un jailbreak al modelo Gema
4.
Espera, espera.
¿Un jailbreak?
O sea, saltarse sus barreras de seguridad, éticas
y operativas.
Exactamente eso.
Y lo impactante no es que lo lograra,
sino que Hermes descubrió cómo hacerlo por sí
solo, recibiendo únicamente ocho instrucciones, ocho prompts, de
un operador humano.
A ver, paremos un segundo.
Que una inteligencia artificial averigüe por su cuenta
cómo reventar la seguridad de otra inteligencia artificial
y con sólo ocho frasecitas humanas.
Suena fuerte, sí.
¿Es que no suena esto un poco a
película de ciencia ficción de las que acaban
mal?
Ya, ya.
La alarma es totalmente natural.
Pero hay que analizarlo fríamente, de forma objetiva.
Vale, ponme algo de contexto porque da un
poco de vértigo.
A ver, no es que la máquina haya
tomado conciencia y se haya revelado.
Es pura optimización lógica.
El agente prueba una entrada de texto, Gema
4 la rechaza por seguridad y Hermes analiza
por qué la ha rechazado.
rechazado.
Ah, claro.
Lee el error y ajusta el tiro.
Eso es.
Ajusta el ángulo del ataque y vuelve a
probar.
Es un método de prueba y error iterativo
a una velocidad bestial sin que un humano
le lleve de la mano.
Demuestra una capacidad de resolución de problemas alucinante.
Vale, visto así, para una auditoría de seguridad
de una empresa, tener a un agente comprobando
cada cerradura virtual sin cansarse es el sueño
de cualquier analista.
Totalmente.
Pero oye, que no todo es romper reglas.
También lo usan para crear cosas súper complejas
desde cero.
Sí, el caso del creador de contenido.
El usuario Adam, creo recordar.
Exacto, Adam.
Lo usó para crear un vídeo completo en
mandarín y digo completo.
Desde el guión hasta el archivo final.
Absolutamente.
La IA estructuró la narrativa, escribió un archivo
HTML para organizar la parte visual y luego
se conectó por sí sola a una API
de texto a voz para generar la locución
en chino con los tiempos exactos.
¡Qué locura!
O sea, hizo de guionista, de traductor y
de locutor.
Y de editor, porque luego orquestó un motor
de renderizado y entregó un vídeo vertical a
1080p, o sea, un MP4 perfecto, listo para
publicar.
O sea, coordinó varios lenguajes de programación y
herramientas independientes para un solo proyecto.
Eso no es fácil.
Para nada.
Y en temas de creatividad visual tampoco se
queda atrás.
En un hackathon lo usaron para generar animaciones
y GIFs de esculturas reales.
Y aquí lo interesante, según la fuente, es
que superaron ese estigma del AI slop.
Sí, sí, esa basura generada por IA que
tiene ese aspecto como plasticoso, brillante y lleno
de errores anatómicos.
Uf, sí, es horrible a veces.
Pues el agente iteró y revisó su propio
trabajo tantas veces que consiguió un acabado estético
de alto valor.
Un acabado de marca totalmente personalizado, sin ese
aspecto cutre.
Claro.
Al final, la perseverancia de la máquina reemplaza
a la paciencia del humano.
Pero bueno, la capacidad de hacer tareas está
muy bien.
Sí.
Sin embargo, lo que verdaderamente lo acerca a
lo que en el vídeo llaman casi AGI,
esa inteligencia artificial general, es lo que ocurre
cuando todo sale mal.
Ese es el concepto clave, la autosanación.
Vamos a ilustrarlo con el reto de Hacker
News que sale en la fuente.
La premisa era sencilla, extraer los 15 artículos
principales de la web.
Sí, coger el título, el autor, la puntuación
y los comentarios.
Exacto, y meterlo todo en un archivo JSON
bien limpio.
Pues resulta que la gente encontró una habilidad
previa en su sistema y empezó a navegar.
Pero enseguida se topó con trampas, lo que
los programadores llaman gotchas.
Los famosos gotchas de la programación web, un
dolor de cabeza.
Totalmente.
Se encontró con URLs relativas, que son fragmentos
de enlace incompletos, y también con anclas que
apuntaban a cero comentarios.
Y cualquier programa convencional habría intentado visitar ese
fragmento de enlace, habría dado error 404 y
todo el script se habría colapsado ahí mismo.
Tal cual.
Pues el agente no se bloqueó.
Analizó la estructura, dedujo que tenía que añadirle
el dominio principal a las URLs y las
arregló.
Madre mía.
Terminó el archivo JSON a la perfección.
Pero lo más bestia no es eso.
Es lo que hizo después.
Sí, lo de modificar su propio código.
Modificó su código.
Inyectó una nueva habilidad en su sistema para
que, la próxima vez que entrara en Hacker
News, eso ya estuviera resuelto de fábrica.
Y hasta dejó una nota avisando de que
había una sección que se llamaba barra ask
que podría ser útil en el futuro.
O sea, memoria proactiva pura y dura.
Abstrae el problema y se queda con el
conocimiento.
Es espectacular.
Pero espera, que el reto de YouTube lo
eleva a otro nivel de tensión.
Ah, sí, el de la cuadrícula de miniaturas.
Ese mismo.
Le pidieron crear una imagen con las 12
miniaturas más recientes del canal de David.
Vale.
Y aquí llega el drama.
Browser Harness intentó abrir un navegador Chrome en
el entorno local, en esa misma máquina.
Y falló, ¿no?
Estrepitosamente.
Error crítico de conexión.
Se rompió el puente entre el cerebro y
las manos.
Y tú y yo sabemos que, en la
automatización tradicional, aquí es donde sale la letra
roja en la pantalla y el humano tiene
que dejar el café e ir a reiniciar
el servidor.
Claro, un fallo de entorno suele ser terminal
¿Cómo reaccionó la IA?
Pues aplicó lógica de diagnóstico Leyó el error,
vio que era un problema de ejecución local
y se autosanó en tiempo real Ejecutó un
comando para iniciar un demonio remoto O sea,
un remote demon para controlar un navegador invisible
en segundo plano Resolvió el problema de infraestructura
sobre la marcha Exacto Y para rematar, en
lugar de entrar en la web y hacer
scroll hacia abajo como haría un humano Que
es súper lento y dependes de la velocidad
de carga.
Claro.
Pues se fue directo a las tripas del
código HTML y encontró un bloque masivo de
datos JSON llamado IT Initial Data.
Ah, qué inteligente.
YouTube envía esos datos crudos de golpe al
cargar.
Eso es.
Sacó las imágenes de ahí en milisegundos, saltándose
toda la interfaz.
Y al terminar, redactó una habilidad nueva de
147 líneas de código.
El manual de operaciones del que hablábamos.
Con comentarios detallados sobre advertencias de cookies y
sobre los vídeos cortos o shorts.
Pensemos en nuestras propias empresas por un segundo.
A ver.
¿Cuántos trabajadores humanos son capaces de encontrarse con
un problema técnico totalmente nuevo, solucionarlo sobre la
marcha y luego, por iniciativa propia, sentarse a
escribir un manual impecable de 147 líneas para
que el próximo empleado no cometa ese mismo
error?
Uf, te diría que muy pocos, por no
decir ninguno.
Es que esto supera al trabajador medio con
muchísima diferencia.
Completamente de acuerdo.
Y llegados a este punto, viendo todo lo
que es capaz de hacer, cualquiera pensaría que
necesitas un presupuesto millonario o centros de datos
gigantescos.
O servidores de la NASA, por lo menos.
Pues aquí está la paradoja más fascinante de
todo este ecosistema.
Es ridículamente accesible.
David lo hizo funcionar desde un simple servidor
privado virtual, un VPS baratísimo de Hostinger.
O sea, el típico servidor que alquilas por
un par de euros para alojar una página
web pequeñita.
Ese mismo, el Plan Taren 2, encendido las
24 horas, y usó Open Router para conectar
el sistema con el modelo Opus 4.7 mediante
claves API.
¿Y eso cuánto cuesta en consumo de la
inteligencia artificial?
Pues entre 5 y 10 dólares al mes,
literalmente.
Es que te cuesta más pagarte el Netflix
que tener un sistema que te autodiagnostica servidores
y te edita vídeos en mandarín.
Tal cual.
Y si el coste no es una barrera,
la complejidad técnica tampoco.
Eso te iba a preguntar.
Configurar todo eso en un servidor tiene que
tener su aquel, ¿no?
Pues mira la anécdota de David en el
vídeo.
Necesitaba instalar un paquete de Python llamado V
en Ubuntu.
Para hacerlo tenía que entrar por SSH, que
es básicamente una pantalla negra con letras blancas
donde solo metes comandos.
Nada de ratón.
Y él mismo admite que de Linux no
tiene ni idea.
¿Y qué hizo?
Porque ahí te quedas atascado rápido.
Pues se dio la vuelta, abrió un chat
con otra IA, en este caso Cloud, le
explicó lo que quería hacer y le pidió
que le dictara los comandos paso a paso.
Tardó 20 segundos.
Fijaos en la paradoja.
O sea, estamos configurando una de las inteligencias
artificiales más sofisticadas del planeta.
Algo súper avanzado.
Y cuando el operador humano se atasca ante
una pantalla negro de terminal… Su solución es
pedirle ayuda a otra inteligencia artificial.
Es buenísimo.
Le pide que le diga qué teclas apretar.
La barrera técnica ha desaparecido por completo.
Y esto es vital.
Ya no importa que no sepas instalar un
paquete en Ubuntu o que no te sepas
de memoria la sintaxis de un lenguaje.
Claro.
Lo que vale ahora es la estrategia.
Exacto.
Lo que prima es tu capacidad de orquestar
estos agentes y tener la visión para saber
qué tareas puedes delegarles.
David afirma que cualquiera, sin importar su edad
o si sabe algo de tecnología, puede aprender
a construir software así en solo tres semanas.
¿Tres semanas?
Es que es un cambio de mentalidad absoluto.
Pasamos de ser los que pican código línea
a línea a ser directores de orquesta.
No necesitas saber tocar el violín perfectamente, pero
sabes cómo tiene que sonar la sinfonía.
Sí, sí.
Y además tienes músicos que, si desafinan, se
afinan el instrumento ellos solos.
Tal cual.
Aunque toda esta autonomía, esta capacidad de resolver
problemas sin nosotros, nos lleva irremediablemente a una
reflexión de fondo, ¿no crees?
Sí, y es una reflexión bastante provocativa para
llevarnos a casa.
A ver, cuéntame, porque estoy convencido de que
va por el tema laboral.
Totalmente.
Si los agentes de IA ahora son capaces
de toparse con problemas inéditos en Internet, diagnosticarlos,
solucionarlos en segundos y además escribir automáticamente el
procedimiento operativo estándar perfecto para que nadie vuelva
a fallar jamás, Sí.
¿Qué pasa con los trabajos humanos de nivel
de entrada?
Uf, esa es una buena pregunta.
Es que, históricamente, los profesionales junior, los que
acaban de empezar en una empresa, aprenden precisamente
tropezando con esos pequeños errores técnicos.
Claro, te pasas los primeros meses arreglando bases
de datos rotas, leyendo documentación porque el servidor
se ha caído, te vas curtiendo a base
de palos.
Exacto, vas creando ese callo profesional.
Pero si la inteligencia artificial es la única
que tropieza ahora y encima sella el camino
asfaltándolo para siempre… Ya no hay baches para
los humanos.
Eso es.
¿Cómo adquiriremos los humanos esa experiencia fundamental en
el futuro?
¿De dónde saldrán los perfiles senior dentro de
10 años si los junior no tienen problemas
que resolver?
¡Guau!
Es una paradoja del progreso tremenda.
Al automatizar la superación de obstáculos, parece que
estamos automatizando y casi eliminando nuestra principal fuente
de aprendizaje.
Te deja dándole vueltas a la cabeza, desde
luego.
Sin duda.
Da mucho que pensar.
Bueno, antes de despidirnos hasta el próximo programa
os informamos de que las voces que oyes
han sido generadas por la IA de Notebook
LM y que dirigiendo el podcast se encuentra
Julio Pablo Vázquez un humano que te envía
saludos En caso de error, probablemente sean errores
humanos ¡Nos escuchamos!
Y hasta aquí el episodio de hoy Muchas
gracias por tu atención Esto es BIMPRAXIS Nos
escuchamos en el próximo episodio ¡Suscríbete al canal!