Buenas, esto es BIMPRAXIS, el podcast donde el
Download transcript (.srt)
0:09
0:15
0:20
0:23
0:26
0:28
0:36
0:41
0:42
0:45
0:48
0:50
0:51
0:54
0:54
0:57
0:59
1:01
1:04
1:06
1:09
1:10
1:11
1:11
1:12
1:15
1:17
1:20
1:22
1:23
1:25
1:26
1:28
1:30
1:31
1:33
1:35
1:38
1:41
1:42
1:44
1:46
1:48
1:50
1:52
1:56
1:59
2:01
2:02
2:03
2:05
2:07
2:09
2:10
2:11
2:15
2:18
2:19
2:21
2:23
2:26
2:29
2:32
2:34
2:36
2:39
2:42
2:43
2:45
2:47
2:50
2:51
2:52
2:55
2:57
3:00
3:00
3:03
3:05
3:08
3:10
3:12
3:14
3:17
3:19
3:21
3:23
3:24
3:27
3:30
3:30
3:32
3:34
3:35
3:38
3:39
3:41
3:41
3:44
3:47
3:51
3:53
3:56
3:57
3:58
4:01
4:03
4:07
4:09
4:10
4:12
4:14
4:16
4:19
4:21
4:23
4:25
4:29
4:31
4:33
4:35
4:37
4:38
4:38
4:40
4:41
4:42
4:44
4:46
4:47
4:49
4:50
4:53
4:55
4:57
5:01
5:03
5:05
5:08
5:09
5:11
5:12
5:13
5:16
5:18
5:20
5:22
5:23
5:26
5:28
5:31
5:34
5:35
5:37
5:38
5:39
5:43
5:46
5:49
5:51
5:52
5:54
5:55
5:57
5:59
6:02
6:04
6:05
6:06
6:08
6:10
6:13
6:16
6:18
6:21
6:21
6:25
6:27
6:29
6:30
6:32
6:33
6:36
6:36
6:39
6:40
6:43
6:45
6:46
6:50
6:52
6:53
6:55
6:58
7:01
7:03
7:06
7:07
7:08
7:10
7:11
7:13
7:16
7:19
7:21
7:23
7:25
7:28
7:31
7:33
7:35
7:38
7:40
7:40
7:43
7:46
7:47
7:50
7:51
7:53
7:55
7:58
7:59
8:00
8:01
8:04
8:06
8:10
8:12
8:15
8:18
8:21
8:22
8:24
8:27
8:30
8:34
8:37
8:40
8:43
8:45
8:48
8:49
8:52
8:53
8:57
8:59
9:02
9:04
9:05
9:06
9:08
9:10
9:12
9:14
9:16
9:20
9:23
9:24
9:25
9:28
9:30
9:33
9:36
9:37
9:38
9:39
9:40
9:43
9:47
9:49
9:52
9:53
9:54
9:58
10:01
10:03
10:03
10:07
10:09
10:11
10:11
10:13
10:16
10:18
10:20
10:21
10:24
10:27
10:29
10:31
10:32
10:35
10:38
10:39
10:42
10:43
10:46
10:49
10:51
10:52
10:55
10:57
11:00
11:02
11:03
11:06
11:08
11:10
11:12
11:14
11:18
11:21
11:22
11:24
11:26
11:28
11:31
11:34
11:36
11:37
11:40
11:44
11:46
11:48
11:48
11:50
11:53
11:55
11:56
11:57
12:01
12:04
12:06
12:09
12:10
12:12
12:13
12:17
12:20
12:23
12:25
12:26
12:27
12:29
12:31
12:34
12:37
12:38
12:39
12:41
12:44
12:47
12:49
12:51
12:53
12:56
12:59
13:03
13:05
13:06
13:07
13:08
13:12
13:12
13:14
13:17
13:20
13:22
13:26
13:27
13:32
13:34
13:39
13:42
13:43
13:44
13:46
13:49
13:51
13:53
13:53
13:56
13:58
14:01
14:03
14:04
14:06
14:08
14:09
14:10
14:13
14:15
14:18
14:21
14:22
14:26
14:29
14:30
14:32
14:35
14:37
14:40
14:40
14:43
14:44
14:47
14:49
14:52
14:55
14:57
14:58
15:01
15:02
15:06
15:09
15:10
15:12
15:15
15:16
15:18
15:21
15:23
15:24
15:27
15:29
15:31
15:31
15:34
15:35
15:37
15:39
15:42
15:46
15:49
15:50
15:52
15:55
15:56
15:59
16:02
16:04
16:07
16:08
16:09
16:12
16:13
16:17
16:19
16:21
16:24
16:26
16:29
16:31
16:32
16:34
16:37
16:39
16:42
16:45
16:46
16:48
16:50
16:53
16:55
16:59
17:02
17:03
17:04
17:06
17:09
17:11
17:13
17:16
17:19
17:21
17:23
17:27
17:28
17:29
17:32
17:35
17:37
17:39
17:40
17:43
17:46
17:47
17:48
17:50
17:51
17:54
17:55
17:58
18:00
18:03
18:06
18:08
18:09
18:13
18:16
18:17
18:20
18:22
18:24
18:26
18:30
18:32
18:35
18:37
18:38
18:38
18:42
18:45
18:47
18:49
18:50
18:51
18:53
18:54
18:57
19:00
19:03
19:05
19:06
19:08
19:09
19:12
19:16
19:18
19:19
19:21
19:23
19:27
19:29
19:31
19:35
19:37
19:39
19:42
19:44
19:47
19:48
19:51
19:53
19:56
19:58
20:01
20:02
20:06
20:06
20:10
20:13
20:16
20:19
20:21
20:23
20:26
20:28
20:30
20:30
20:35
20:37
20:40
20:44
20:45
20:46
20:49
20:51
20:54
20:57
20:58
20:59
21:02
21:03
21:05
21:08
21:10
21:11
21:13
21:14
21:16
21:17
21:19
21:21
21:23
21:25
21:26
21:29
21:32
21:35
21:38
21:40
21:42
21:42
21:44
21:47
21:49
21:51
21:53
21:55
21:57
21:59
22:02
22:03
22:04
22:07
22:10
22:13
22:15
22:18
22:19
22:24
22:28
22:31
22:33
22:35
22:37
22:38
22:41
22:46
22:48
22:51
22:53
22:56
22:57
23:01
23:04
23:05
23:05
23:08
23:11
23:12
23:14
23:16
23:19
23:21
23:24
23:27
23:28
23:31
23:33
23:36
23:39
23:39
23:42
23:43
23:46
23:49
23:52
23:54
23:56
23:59
24:00
24:03
24:06
24:08
24:09
24:11
24:13
24:18
24:19
24:23
24:25
24:29
24:29
24:32
24:34
24:37
24:39
24:42
24:44
24:47
24:49
24:52
24:52
24:54
24:56
24:59
25:02
25:05
25:06
25:08
25:10
25:13
25:17
25:19
25:22
25:25
25:28
25:31
25:32
25:35
25:37
25:40
25:41
25:41
25:43
25:45
25:47
25:48
25:50
25:52
25:54
25:55
25:57
25:58
26:00
26:03
26:05
26:07
26:08
26:10
26:12
26:14
26:16
26:18
26:18
26:21
26:22
26:26
26:29
26:33
26:36
26:38
26:41
26:42
26:44
26:47
26:49
26:52
26:54
26:57
26:59
27:02
27:04
27:07
27:09
27:13
27:16
27:16
27:19
27:23
27:25
27:28
27:29
27:31
27:33
27:35
27:39
27:42
27:43
27:46
27:48
27:49
27:51
27:53
27:54
27:58
28:00
28:03
28:06
28:08
28:12
28:24
28:26
28:37
28:40
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 del apocalipsis laboral de la
inteligencia artificial a los microchips que se diseñan
a sí mismos y los robots que se
niegan a olvidar.
Un menú bastante completito para hoy, la verdad.
Ya te digo.
A ver, para quienes nos escucháis, imaginaos la
siguiente situación por un momento.
Una empresa de software se acerca a vuestra
oficina, os dice que su nueva herramienta cuesta
10 .000 dólares al año por usuario y
vuestros jefes, en lugar de echarles a patadas,
piensan que es la mayor ganga de la
historia.
Claro.
Claro, suena a locura.
O imaginaos un robot avanzadísimo que aprende por
fin a coger una taza de café sin
derramarla, pero, eh, de repente se olvida por
completo de cómo abrir una puerta.
Bueno, es que lo curioso es que esto
no son escenarios de ciencia ficción para dentro
de 20 años.
O sea, es exactamente lo que está ocurriendo
hoy en las trincheras de la tecnología.
Exacto.
En nuestra inmersión a fondo de hoy, tenemos
la misión de diseccionar un buen fajo de
informes muy recientes para separar un poco el
ruido mediático de la realidad operativa, que a
veces son cosas muy distintas.
Totalmente distintas.
Queremos entender por qué la economía del software
está, digamos, saltando por los aires.
También, ¿qué hay detrás de esas guerras de
las grandes corporaciones por generar vídeo?
Y cómo, irónicamente, las máquinas están resolviendo sus
propios problemas físicos y de hardware de formas
que los humanos ni siquiera logramos comprender del
todo.
Pues creo que tenemos que empezar por el
elefante en la habitación.
Porque si uno abre cualquier portal de noticias
hoy en día, parece que la IA está
a punto de...
Dejarnos a todos en la calle.
Nos venden un pánico absoluto con este tema.
Sí, la narrativa del apocalipsis laboral.
Eso es.
Pero a ver, si nos vamos a los
datos fríos que traemos hoy, concretamente a la
perspectiva de Andrew Eng, que es uno de
los auténticos pioneros de este campo, él afirma
que estas narrativas de desempleo masivo son directamente
una irresponsabilidad.
Y tiene motivos de sobra para decirlo.
Eng pone sobre la mesa un argumento puramente
empírico, y muy difícil de rebatir.
Fijaos en la tasa de paro en Estados
Unidos, que suele ser el canario en la
mina para estas tecnologías.
Sigue anclada en un envidiable y muy saludable
4 ,3%.
Ya.
Venden, los indicadores macroeconómicos ya estarían parpadeando en
rojo sangre por todas partes.
Claro, tendría que notarse ya en la calle.
Exacto.
Y además, Nan subraya algo que él denomina
la paradoja del software.
Pensemos en la ingeniería de programación, por ejemplo.
Es el sector donde los agentes...
de IA que escriben código han irrumpido con
muchísima más violencia.
Bueno, claro, la intuición humana básica te dice
que si una IA programa por ti, pues
los programadores sobran, ¿no?
Pues eso pensaríamos, pero los datos muestran justo
lo contrario.
Las contrataciones de ingenieros de software siguen siendo
increíblemente fuertes hoy en día.
Fíjate.
Lo que estamos viendo en realidad es una
creación neta de empleo que supera con creces
a la destrucción.
O sea, un patrón calcado al de revoluciones
tecnológicas anteriores.
O sea, que hay más demanda.
Eso es.
La demanda de software en el mundo es
tan gigantesca e insaciable que simplemente ahora los
ingenieros producen mucho más, pero siguen siendo igual
de necesarios o incluso más.
Ya, pero entonces yo me pongo la toga
de abogada del diablo un momento.
Adelante.
Si los datos macroeconómicos dicen que hay más
empleo, no entiendo por qué empresas serias, estas
corporaciones enormes, están publicando comunicados oficiales diciendo que
tienen que despedir gente por culpa de la
inteligencia artificial.
A ver, ¿nos están mintiendo en la cara
o qué está pasando aquí exactamente?
Pues mira, es una jugada corporativa de manual
que tiene dos vertientes muy claras.
La primera es que es la excusa perfecta
para ocultar una mala gestión.
Tenemos que recordar que muchas de estas grandes
corporaciones contrataron de manera salvaje y súper desproporcionada
durante la pandemia.
En aquella época el dinero era baratísimo por
los bajos tipos de interés y llovían estímulos
financieros por todas partes.
Cierto.
¿Qué pasa?
Pero contrataban a cualquiera que supiera encender un
ordenador.
Tal cual.
Y claro, ahora el grifo se ha cerrado,
las cuentas aprietan y tienen que ajustar plantillas
sí o sí.
Ah, vale.
O sea que en lugar de salir a
la prensa y decir oye, perdón, calculamos mal
y contratamos a demasiada gente hace tres años.
Claro, no van a decir eso.
Dicen, hemos implementado una IA revolucionaria y ahora
somos mucho más eficientes.
Suena muchísimo mejor para los accionistas, claro.
Es una cortina de humo fantástica.
Fica frente a Wall Street, te quitas la
culpa de encima y además pareces un líder
de vanguardia.
¡Qué listos!
Pero bueno, la segunda vertiente, y esta es
vital para entender el mercado, es el juego
de los incentivos de las propias empresas que
desarrollan la IA.
A ver, cuéntame esto.
Pues que hay un interés financiero desmesurado en
exagerar lo que pueden hacer estos sistemas.
O sea, algunos ejecutivos han llegado a sugerir
riesgos de extinción humana en entrevistas.
¿Pero por qué?
Simplemente para salir en los periódicos y hacerse
los importantes.
No, no.
Para justificar los precios, pura y duramente.
Históricamente, si tú vendes un software como servicio
a una empresa, un SaaS clásico, sueles cobrar
entre 100 y 1 .000 dólares al año,
por usuario.
Ese solía ser el tope psicológico del mercado
B2B.
Pero claro, si logras convencer a una empresa
de que tu modelo de lenguaje no es
solo una herramienta, sino que sustituye por completo
a un trabajador humano que cobra, no sé,
100 .000 dólares al año.
Ostras, claro.
O ves, cobrar 10 .000 dólares por esa
licencia anual ya no parece caro.
Parece un regalo.
Básicamente, anclan el precio al salario humano, no
al coste real del desarrollo del software.
Es una estrategia de anclaje de precios brutal,
la verdad.
Y claro, si contrastamos esta narrativa apocalíptica de
las empresas con lo que de verdad siente
la gente en su mesa de trabajo, pues
el panorama cambia drásticamente.
Fijaos en la encuesta de Gallup que tenemos
entre nuestras fuentes de hoy.
Unos datos muy reveladores.
Sí, sí.
Han entrevistado a casi 24 .000 empleados en
Estados Unidos.
Es una muestra enorme, súper representativa.
Pues bien, la mitad ya usa herramientas de
IA en su día a día.
Y de esos usuarios, el 65 % afirma
que la IA les mejora la productividad.
Una barbaridad.
Es más, un 13 % de la gente
encuestada la exprime a diario.
Y un 28 % varias veces por semana.
Quienes nos escucháis desde la oficina y usáis
IAs, seguramente la estéis usando para quitarla.
Y para quitaros de encima ese trabajo tedioso
que odiáis, ¿eh?
¿No sentís que un robot os vaya a
robar la silla mañana?
Es que los datos de Gallup confirman que
la adopción real es súper pragmática.
La IA es una palanca de aumento para
el trabajador, no un reemplazo.
De hecho, el informe destaca algo muy interesante.
Y es que en los entornos donde los
jefes apoyan abiertamente el uso de estas herramientas
para mejorar los flujos de trabajo, la percepción
de los empleados es abrumadoramente positiva.
Ya, viendo todo esto, es que es inevitable.
¿Es inevitable acordarse de todos esos pánicos históricos
que menciona Andrew Ngay en su artículo?
Totalmente.
En su momento, hubo un terror absoluto a
la energía nuclear que paralizó inversiones e innovación
durante décadas.
Luego, en los años 60, nos vendieron la
bomba demográfica.
Esa idea de que nos íbamos a morir
todos de hambre por sobrepoblación.
Que llevó a políticas de control natal drásticas
y súper erróneas en muchos países.
¿Sí?
Exacto.
O la famosa guerra contra las grasas, donde
por miedo a las grasas saturadas acabamos consumiendo
dietas repletas de azúcares refinados y arruinando la
salud metabólica de toda una generación.
Mi gran duda es ¿no estaremos construyendo una
profecía autocumplida donde este miedo absurdo a la
IA nos haga sobre regularla o peor aún,
que frene a la gente a la hora
de formarse en ella?
Ese es el peligro tangible y real.
El coste de oportunidad del miedo es altísimo.
Si tú regulas basándote en escenarios apocalípticos imaginarios
como la extinción humana, en lugar de centrarte
en los riesgos reales del presente, pues frenas
el despliegue de herramientas que, literalmente, están haciendo
las personas más productivas hoy.
Vale, pues si el cuello de botella no
va a ser la falta de empleo humano
ni el fin del mundo laboral, ¿dónde está
el límite de todo esto?
Pues según nuestros informes de hoy, parece que
el límite está en lo que cuesta mantener
encendida toda esta gigantesca maquinaria tecnológica.
Ah, la factura de la luz y los
servidores.
Exactamente.
Y aquí pasamos a la guerra abierta por
los generadores de vídeo.
Porque hace nada todos vimos los clips de
Sora, la IA de vídeo de OpenAI, y
nos quedamos con la mandíbula en el suelo.
Parecía que Hollywood iba a desaparecer mañana mismo.
Sí, visualmente era un salto cuántico, no nos
vamos a engañar.
Sin duda.
Pero la realidad económica detrás de esa magia
técnica es absolutamente implacable.
Las filtraciones y los reportes que analizamos hoy
indican que OpenAI está planeando cerrar el acceso
a Sora.
¿Cerrarlo?
Sí.
Y el motivo no es que la tecnología
sea mala o haya dejado de sorprender, sino
que es financieramente insostenible a nivel de consumidor.
Operar Sora les estaba costando la friolera de
un millón de dólares al día en computación
pura y dura.
Un millón al día.
Madre mía, es una hemorragia de dinero brutal.
Y encima, los datos muestran que el interés
se desinfló rampidísimo.
Como un suflé.
Pasaron de tener un millón de usuarios activos
que entraban a probar la novedad a menos
de 500 .000 en un abril y cerrar
de ojos.
A ver, a la gente le hace mucha
gracia generar un vídeo de, no sé, un
perro astronauta en Marte una vez.
Claro, para enseñarlo a los amigos.
Eso es.
Pero luego no lo incorporan a un flujo
de trabajo diario real que justifique pagar una
suscripción altísima todos los meses.
Y ahí radica el gran problema de retención
de estas empresas.
Generar vídeo, requiere una capacidad de cálculo masiva.
Si el usuario no percibe un valor constante
en su día a día que justifique un
precio premium, pues las cuentas simplemente no salen.
Lógico.
Y mientras OpenAI parece replegarse para enfocarse en
soluciones más corporativas o vender su tecnología a
terceros, desde China llega un movimiento sísmico.
Cuéntame.
ByteDance, la empresa matriz de TikTok, no sólo
avanza en este terreno, sino que está pisando
el acelerador a fondo lanzando Seedance 2 .0.
Y el golpe maestro aquí no es sólo
el modelo en sí.
Es donde narices lo han metido, porque lo
han integrado directamente en CapCut.
Y a ver, para dar un poco de
contexto a quienes nos escuchan, CapCut es su
aplicación de edición de vídeo para móviles y
tiene la auténtica locura de 736 millones de
usuarios activos mensuales.
Es una barbaridad.
Es el segundo producto de IA para consumidores
más usado de todo el planeta.
Sólo por detrás de ChatGPT.
O sea, ByteDance no necesita buscar usuarios desesperadamente.
Ya los tiene cautivos en su propia plataforma.
Esa es la ventaja brutal de poseer la
plataforma.
Pero ojo, no subestimemos el logro técnico de
Seedance 2 .0, porque resuelve de un plumazo
uno de los problemas más frustrantes de la
generación de vídeo por IA.
¿Cuál es?
Y luego el usuario tenía que usar otra
herramienta distinta para generar el audio y luego
tocaba intentar cuadrarlo a mano en un editor.
Un tostón, vamos.
Sí, nada fluido.
Pues bien, Seedance 2 .0 utiliza lo que
llaman lectura dispersa que le permite generar clips
de 4 a 15 segundos con audio, estéreo
y vídeo, todo procesado en una sola pasada.
A ver, espera, vamos a desgranar eso de
en una sola pasada, porque suena un poco
abstracto.
¿Te refieres a que matemáticamente hablando, el modelo
calcula al mismo tiempo cómo se mueven los
labios del personaje en pantalla y cómo suena
exactamente la sílaba que se supone que está
pronunciando?
Exactamente eso.
Al procesar las señales de audio y de
vídeo de manera conjunta desde el mismísimo punto
de la inferencia, el sistema logra una sincronización
labial nativa y además mantiene la coherencia física
de la escena.
Ostras.
Por ejemplo, si hay un corte de cámara
en el vídeo generado, el sonido estéreo cambia
en consecuencia de forma natural, porque todo ha
sido parido por el mismo proceso matemático unificado.
Es alucinante, la verdad.
Y en la comunidad técnica más especializada esto
se está notando muchísimo, porque en plataformas de
clasificación a ciegas como Arena AI o Artificial
Analysis, que es donde miles de humanos votan
qué vídeo es mejor sin saber qué IA
lo ha generado.
Las famosas pruebas a ciegas.
Eso es.
Pues ahí Seedance 2 .0 está arrasando por
completo.
Para que nos hagamos una idea, con los
datos del informe en estos rankings usan el
sistema de puntuación ELO, que bueno, para los
que no jueguen al ajedrez, es un método
matemático para calcular la habilidad relativa midiendo victorias
y derrotas directas.
Pues bien, Seedance tiene un ELO de 1460,
compitiendo codo con codo con el modelo Happy
Horse 1 .0 de Alibaba, que tiene 1454.
Básicamente están en un empate técnico en la
cima absoluta mundial.
Así es.
Sin embargo, toda esta brillante técnica se acaba
estrellando de frente contra un muro muy humano,
la realidad de los derechos de autor.
Ya, el gran drama de siempre.
Claro.
En cuanto Seedance 2 .0 se desplegó en
China, la red se inundó casi al instante
de vídeos generados por los usuarios, donde aparecían
clones hiperrealistas de Tom Cruise y Brad Pitt
haciendo de todo.
Y me juego el cuello a que a
Hollywood no le hizo ninguna gracia ver eso.
Ninguna gracia.
Cero.
Seis grandes estudios de cine intervinieron de inmediato,
exigiendo a ByteDance que dejara de usar material
protegido para entrenar sus modelos y que bloqueara
esas generaciones específicas de rostros famosos.
Menudo jaleo legal.
Aunque ByteDance corrió a implementar filtros en CapCut,
este incidente expone la gran tensión que atraviesa
todo el sector.
Porque el mejor algoritmo del mundo no te
sirve de absolutamente nada si se alimenta de
propiedad intelectual que no te pertenece y que
te puede hundir en litigios millonarios al día
siguiente.
Es que fíjate en el panorama general que
nos deja esta sección.
OpenAI se retira discretamente porque no puede costear
la computación masiva de su modelo.
Y ByteDance domina el terreno porque tiene a
los usuarios atados y el dinero suficiente para
quemar servidores sin pestañear.
Esa es la lectura clave.
Lo que me pregunto al final es, ¿acaso
la IA generativa no va de quién es
más inteligente programando o inventando arquitecturas, sino de
quién tiene los bolsillos más profundos para comprar
fuerza bruta pura y dura?
Pues hoy por hoy me temo que sí.
La gran barrera de entrada es el capital
para comprar hardware.
El músculo financiero y el control de la
distribución, como vemos en el caso de CapCut,
pesan casi más que la optimización pura del
modelo matemático.
Y eso, fíjate, subraya cuál es el recurso
más escaso y valioso de nuestra era, que
son los microchips.
Exacto.
Y eso nos sirve de puente perfecto para
el siguiente tema.
Porque si esta guerra se gana a base
de potencia de cálculo, pues todo depende de
los microprocesadores que tengamos disponibles, lo que nos
lleva irremediablemente a envidia y a un concepto
que, os lo aseguro, parece sacado directamente de
una película de ciencia ficción.
Y es como la IA de hoy ya
está diseñando los chips que albergarán a la
próxima generación de IA.
Es un concepto fascinante.
Bill Daly, el científico jefe de Nvidia, dio
una conferencia magistral hace poco en el evento
GTC, donde verbalizó el gran sueño dorado de
la compañía.
Exactamente.
Básicamente dijo que le encantaría poder pedirle a
un modelo de IA que le diseñe la
próxima GPU, la próxima tarjeta gráfica hiperpotente y
poder irse a esquiar tranquilamente un par de
días mientras la máquina hace el trabajo.
Bueno, menos mal que puntualizó que todavía no
han llegado a ese extremo de automatización total,
porque si no estaríamos a un pasito de
Skynet Terminator.
Cierto, cierto.
De momento no hay robots asesinos a la
vista, pero los avances intermedios que presentó Daly
en esa charla son súper reveladores.
Mostró cómo están utilizando ya sistemas impulsados por
IA para superar cuellos de botella físicos que
son brutales para los humanos.
Ponme un ejemplo del informe.
Un ejemplo claro es el sistema ANV Cell.
A ver, en el diseño de chips, cuando
logras miniaturizar un poco más la tecnología de
fabricación, tienes que rediseñar obligatoriamente miles y miles
de componentes microscópicos, unas células básicas que contienen
puertas lógicas.
Vale.
Es un trabajo de encaje de bolillos extremo
que a un equipo de ocho ingenieros expertos
humanos les llevaba unos diez meses de trabajo
súper extenuante.
Y aquí es donde entra ANV Cell, entiendo,
este sistema de aprendizaje por refuerzo.
Según las fuentes que tenemos delante, le pasaron
este problema a la IA y resolvió el
rediseño entero en una sola noche, procesándolo en
una sola GPU.
O sea, es alucinante.
Ocho ingenieros durante casi un año compitiendo contra
una máquina que lo despacha en una noche.
Es que la diferencia de escala es absurda.
Y la clave está en cómo piensa la
máquina.
Un humano diseña buscando simetría, patrones visuales que
nuestra vista y nuestro cerebro puedan comprender y
depurar si luego hay un error en la
cadena.
Claro, lo hacemos lógico para nosotros.
Eso es.
Un sistema de aprendizaje por refuerzo, sin embargo,
no tiene estética.
Sólo busca maximizar su recompensa matemática cumpliendo las
reglas técnicas estrictas que le han dado.
Por ejemplo, no cruzar cables que provoquen cortocircuitos.
Ostras, eso enlaza perfectamente con el ejemplo que
más me ha volado la cabeza de todo
el análisis de hoy.
El sistema Prefix RL que usan para diseñar
circuitos aritméticos como sumadores de 64 bits.
Es increíble ese caso.
Los propios ingenieros de NVIDIA confiesan en el
informe que los diseños que excupe la IA
son extrañísimos.
O sea, literalmente los describen como bizarros.
Son un espagueti de conexiones automáticas que no
siguen ninguna intuición geométrica humana.
Si un estudiante de ingeniería presenta eso en
la universidad, el profesor le suspende en el
acto.
Seguro.
Pero resulta que matemáticamente funciona mucho mejor.
Son un 25 por ciento más pequeños físicamente,
lo cual ahorra espacio en el chip y
rinden entre un 20 y un 30 por
ciento más rápido.
Es una locura.
Y además es un golpe de humildad fascinante
para nosotros.
La IA está encontrando eficiencias en un espacio
multidimensional internacional que a nosotros, los humanos, simplemente
por nuestros sesgos estéticos y cognitivos, se nos
escapan por completo.
Totalmente.
Y ojo, que NVIDIA no se queda ahí,
eh.
También han desarrollado modelos de lenguaje internos para
sus empleados, como ChipNemo y BookNemo, que están
basados en la arquitectura Lama2 de Meta.
Sí.
Pues bien, los han entrenado con décadas de
su propia documentación secreta.
Notas de diseño de hace 20 años, especificaciones
técnicas detalladas, todo.
Y lo hacen para que actúen como asistentes
expertos de sus ingenieros, ayudándoles a escribir código
y detectar errores invisibles para el ojo humano.
Es que te paras a pensarlo y es
como la película Origen, Inception, ¿sabes?
Un sueño dentro de un sueño.
Usan miles de GPUs de NVIDIA para entrenar
grandes modelos de IA.
Luego cogen esos modelos ya entrenados y los
meten dentro de las oficinas de NVIDIA para
que diseñen y optimicen la próxima generación de
GPUs, que será más inteligente y que luego
servirá para entrenar IAs aún más inteligentes.
Es un bucle.
Es un bucle de aceleración tecnológica mareante, la
verdad.
Es un ciclo de retroalimentación positiva impresionante, donde
el software optimiza su propio sustrato de hardware.
Pero claro, todo esto del diseño de chips
ocurre en el mundo digital, en servidores cerrados
y entornos simulados.
El verdadero salto, la gran frontera que nos
queda por conquistar, es lograr que esa inteligencia
cristalice en el mundo físico y real.
La robótica.
Exacto.
Hemos solucionado el código, hemos solucionado el hardware,
pero resulta que cuando intentamos que un brazo
robótico físico nos prepare el desayuno en la
cocina, nos encontramos con que los robots sufren
de amnesia.
Así es.
El famoso problema del olvido catastrófico.
Fíjate que esto me parece hasta poético.
O sea, hacemos máquinas perfectas y resulta que
tienen un defecto profundamente humano, que es que
se olvidan de las cosas.
Es el gran talón de Aquiles de las
redes neuronales cuando las aplicas al mundo real
y caótico.
A ver, si tú entrenas a un modelo
de IA en un entorno cerrado, pasándole todos
los datos de golpe a la vez, pues
funciona bien.
Pero en la vida real el aprendizaje es
secuencial.
Vas aprendiendo poco a poco.
Ya.
Imagina un brazo robótico trabajando en una cadena
de montaje en una fábrica.
Le enseñas primero a abrir un cajón para
sacar piezas y lo hace a la perfección.
Vale.
Pero meses después, necesitas que ese mismo robot
aprenda a manipular una herramienta nueva y distinta.
Mientras la IA ajusta sus pesos matemáticos internos
para aprender esa nueva tarea, sobrescribe y destruye
por error los caminos neuronales de la primera
tarea que aprendió.
Madre mía.
Y de repente es un experto manejando la
herramienta nueva, pero se ha olvidado por completo
de cómo se abría el maldito cajón.
Para visualizarlo un poco mejor, es como si
mañana me apunto a clases de tenis y
aprendo a jugar estupendamente.
Pero por la forma en la que funciona
mi cerebro, se me olvida cómo caminar.
Sería un desastre absoluto.
Exactamente.
Esa es la magnitud del problema.
Pero según la investigación súper reciente que nos
ocupa hoy, liderada por equipos de la Universidad
de Texas en Austin, la UCLA y técnicos
de Sony, parece que han encontrado una vía
de solución espectacular a este problema.
A ver, ilumíname.
Han combinado grandes modelos vision -lenguaje -acción, los
llamados BLA en inglés, con dos técnicas matemáticas
clave, que son LoRa y GRPO.
Uf, a ver, frena un momento.
Vamos a ir paso a paso, porque aquí
hay mucha densidad técnica de golpe.
Venga, vamos a ello.
Frías del tipo mueve el motor X cinco
grados, sino que literalmente ve una taza de
café a través de su cámara, procesa la
palabra taza mediante el modelo de lenguaje y
lo traduce en instrucciones para los motores que
mueven sus dedos mecánicos, ¿verdad?
Eso es, lo has clavado.
Básicamente, el robot entiende su entorno combinando visión
artificial y lenguaje natural antes de ejecutar cualquier
acción motriz.
Vale.
Pero el verdadero truco de magia contra este
olvido catastrófico está en las otras dos siglas
que mencioné.
Empecemos por LoRa, que en español vendría a
ser adaptación de bajo rango.
LoRa es un método matemático súper ingenioso que
congela la gran mayoría de la red neuronal
original del robot y sólo permite modificar una
fracción minúscula de sus parámetros internos cuando aprende
algo nuevo.
Vale, siguiendo con mis metáforas para entenderlo mejor.
Es como si la memoria base del robot
fuera, no sé, un tablero de corcho inmenso
en la pared lleno de notas y conocimientos.
Sí.
Y LoRa actuaría como un montón de chinchetes
fijas.
Te permite colgar papelitos nuevos con las cosas
recientes que aprendes encima de las otras, pero
te prohíbe terminantemente descolgar los cimientos fundamentales que
mantienen todo atado a la pared.
Es una analogía excelente.
De verdad, LoRa preserva intacto el conocimiento base
que ya tenías.
Y luego a esto le añaden GRPO, que
es una técnica de aprendizaje por refuerzo de
política local o lo que llaman en inglés
On Policy.
Otra pausa aquí, porque cuando dices que es
On Policy, para los que no tenemos un
doctorado en Machine Learning, ¿qué significa exactamente en
la práctica física del robot?
Significa algo muy poderoso, que el robot evalúa
y puntúa sus propios intentos de hacer la
tarea basándose en su estado actual de conocimiento.
Ajá.
En lugar de intentar copiar ciegamente los datos
perfectos de un demostrador externo o de un
humano, que podrían obligarle a cambiar radicalmente y
destrozar todo su sistema interno.
Vamos, que el robot experimenta dentro de sus
propios límites y se premia a sí mismo
con puntos matemáticos cuando logra la tarea sin
romper las reglas que le impuso LoRa.
O sea que se califica sus propios deberes.
Básicamente.
Y vaya si funciona el sistema.
Fijaos en las pruebas que hicieron en el
simulador Libero, que son alucinantes.
Sometieron a varios brazos robóticos a realizar tareas
secuenciales y consiguieron un 81 ,2 % de
éxito general.
Una tasa altísima.
Sí, pero el dato que de verdad cambia
el paradigma de la robótica aquí es que
el nivel de olvido fue del 0 ,3%.
O sea, prácticamente cero.
El robot aprendía lo nuevo sin borrar lo
viejo, destrozando por completo las métricas a métodos
anteriores que tenían nombres chulísimos, pero menos efectivos,
como ese del Dark Experience Replay.
Es que la implicación en el mundo real
de ese 0 ,3 % es masiva.
Significa que estamos a las puertas de tener
robots verdaderamente adaptables y útiles en las casas
o en las fábricas.
Claro.
Piensa que ya no tendrás que enviar a
tu asistente robótico de vuelta a la fábrica
para que les borren el disco duro y
le enseñen todas las tareas de la casa
desde cero sólo porque has cambiado el tipo
de tirador de la puerta del salón.
Ya, sería absurdo.
Pero es un tema en que un humano
va ganando experiencia motriz a lo largo de
su vida.
La verdad es que si unimos todos los
hilos de nuestra inversión de hoy, vemos un
tapiz asombroso y bastante distinto al que pintan
los titulares del apocalipsis.
Así es.
Yo creo que la conclusión general de nuestro
análisis es que debemos desechar esa idea del
apocalipsis laboral.
La IA no es un cometa que viene
a destruir el empleo humano de la noche
a la mañana.
Es en realidad una herramienta de reorganización económica
masiva.
Y para sostenerla, las corporaciones gigantescas libran guerras
por la supremacía tecnológica, quemando cantidades obscenas de
dinero para generar desde código hasta vídeos hiperrealistas.
Y claro, todo esto empuja al límite la
necesidad de mejores procesadores, lo que nos lleva
directamente a IAs rediseñando su propia arquitectura en
noche sin dormir.
Es un bucle imparable.
Y finalmente, todo este torrente de innovación digital
está empezando a derramarse en el mundo físico
y tangible, creando robots que por fin pueden
aprender sin olvidar.
Es una evolución técnica y social fascinante.
Y bueno, para terminar, dejadme que os plantee
una pequeña reflexión que me ronda la cabeza
después de leer todos estos informes hoy.
A ver si la IA nos hace exponencialmente
más productivos en el trabajo.
Si está ideando microchips con geometrías matemáticas que
nuestros propios ingenieros no comprenden, pero que rinden
mejor.
Y si ahora encima tenemos robots capaces de
aprender de forma acumulativa cualquier tarea motriz compleja,
pues quizá el cuello de botella del futuro
no sea tecnológico en absoluto.
Interesante.
Quizá el cuello de botella pase a ser
nuestra propia imaginación.
Porque qué pasará el día de mañana cuando
tengamos máquinas capaces de fabricar, resolver o calcular
absolutamente cualquier cosa en el mundo físico o
digital.
Pero seamos nosotros los humanos los que nos
quedemos en blanco y no sepamos qué pedirles
exactamente.
Ahí os dejo esa idea para que le
deis una vuelta.
Da que pensar desde luego.
Antes de despedirnos 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.