Balance de 2024: IA en todas partes (y en todo el resto)

A medida que se acerca el final de 2024, vale la pena hacer un balance. Al revisar los boletines de noticias de este año, algunas cosas están claras. El gigante de la IA siguió ganando fuerza. También se adentró en nuevas industrias y se combinó con otras tecnologías emergentes para acelerar su ritmo. Pero el año no fue solo de IA. Este año también incluyó la llegada de las criptomonedas al mundo financiero convencional, el lanzamiento de Apple de su casco de realidad mixta, la ampliación de los robotaxis y el lanzamiento y recuperación del cohete más poderoso desde la última vez que visitamos la Luna.

por Singularity Monthly

A continuación se presentan los aspectos más destacados de algunas de las historias más importantes del año.

Inteligencia artificial. 

La IA volvió a estar a pleno rendimiento este año. Hubo avances reales en vídeo, razonamiento e interfaces. OpenAI dejó atónitos a todos con Sora, un modelo de IA capaz de generar videoclips de alta definición; evocó de forma polémica el clásico de ciencia ficción Her con el modo de voz de GPTo; y dio vida a rumores no confirmados con su modelo de “razonamiento” o1. Pero el año fue quizás más notable por la gran cantidad de personas expuestas a la IA (ya sea que la pidieran o no). Google, Microsoft y Meta introdujeron la IA en herramientas y aplicaciones con bases de usuarios que se cuentan por miles de millones. Apple está dispuesta a seguir su ejemplo , incorporando herramientas de IA generativa en todo iOS. Incluso el recién llegado relativo, OpenAI, informó recientemente de usuarios activos semanales de 300 millones .

A medida que el campo en la cima se redujo (el año fue duro para algunas empresas emergentes de IA), la cantidad de modelos de IA aproximadamente equivalentes al GPT-4 de OpenAI se disparó . Ahora están Gemini, Claude, Llama, Mistral y más. Varios de estos son modelos abiertos ( el más notable es Llama de Meta ), aunque si deberíamos llamarlos de código abierto es un tema de acalorado debate . Con el campo más concurrido, la presión está sobre la entrega de más productos, mejores productos y, quizás lo más importante, el siguiente gran salto en capacidad. Las grandes empresas tecnológicas aumentaron los gastos de capital y OpenAI y Anthropic recaudaron más fondos. Los líderes hablaron sobre alimentar centros de datos con suficiente electricidad para hacer funcionar ciudades. Y Nvidia, el principal proveedor de chips de IA, se convirtió en una de las empresas más valiosas del mundo. Mientras tanto, en medio de todo esto, los inversores lanzaron una nota de precaución : ¿pueden los productos de IA realmente recuperar los cientos de miles de millones que las empresas emergentes y las empresas están gastando?

¿Qué sigue? La demostración de Anthropic de un “agente de IA” que puede controlar de forma autónoma su computadora para hacer las cosas fue una pista: escuchará más sobre los agentes el próximo año. Los modelos de razonamiento , como o1, también están proliferando , y las empresas creen que pueden mejorar la calidad de los modelos existentes. Pero si la ampliación de nuevos modelos y datos de entrenamiento producirá algoritmos más poderosos es una pregunta abierta (más abajo). The Information informó en noviembre que el último modelo ampliado de OpenAI no ha mostrado las mejoras espectaculares que hemos llegado a esperar en los últimos años. Si bien algunos líderes no están preocupados, otros dicen que las nuevas leyes de escalamiento, como permitir que los modelos de razonamiento tengan más computación para mejorar su “pensamiento”, están listas para tomar el control. Pase lo que pase, sucederá rápido. Manténgase atento.

IA+. 

Se podría decir que los chatbots y los agentes no son la historia más importante en IA. El enfoque que ha funcionado tan fabulosamente en lenguaje, imágenes y video parece ser algo generalizable, si se tienen suficientes datos. En un ejemplo reciente, Niantic dijo que está usando datos de Pokémon Go para entrenar lo que llama un “gran modelo geoespacial” con un profundo conocimiento del mundo físico y posibles aplicaciones en realidad aumentada y robótica. De hecho, este año la IA aceleró el trabajo en robots de propósito general , e incluso el robot humanoide de Boston Dynamics, Atlas, programado a mano desde hace mucho tiempo, se unió al juego de la IA . Otras áreas notables incluyen la biotecnología, donde modelos como AlphaFold 3 de DeepMind pueden generar modelos de biomoléculas, y la predicción meteorológica, donde un algoritmo de DeepMind recientemente superó a los métodos clásicos en la predicción de mediano plazo. Habrá más. En resumen, para trazar el futuro de la IA, siga los datos.

La realidad de Apple. 

Apple causa revuelo cuando entra en un nuevo mercado. Este año no fue una excepción cuando la compañía lanzó su auricular Vision Pro en febrero. El dispositivo es la mejor apuesta de Apple por la realidad mixta y, en muchos sentidos, es impresionante . Pero con Apple ya mostrando señales de que descontinuará el auricular , está claro que la gente todavía no está dispuesta a sacrificar el estilo, la comodidad y la conexión, sin mencionar el pago de miles de dólares, por dispositivos de realidad mixta. Todo eso es una tarea difícil para la tecnología actual, pero también señala el camino a seguir: más miniaturización. Los prototipos de gafas de realidad aumentada Orion de Meta, presentados este año , ofrecen una visión de hacia dónde se dirige la industria, incluida Apple. De hecho, el predecesor simplificado de Orion (gafas inteligentes hechas con Ray-Ban) ya son un éxito improbable .

Viajes en robotaxi. 

¿Recuerdas cuando se suponía que hordas de robotaxis iban a recorrer las carreteras en 2020? Eso no sucedió. Pero las empresas siguieron probando, desarrollando y ampliando los servicios, y la tecnología progresó. Este año, los robotaxi comerciales realmente se pusieron de moda. De mayo a octubre, Waymo triplicó el número de viajes semanales que realiza hasta 150.000, con un total de más de un millón de millas cada semana . La empresa también abrió recientemente sus servicios a cualquier persona en Los Ángeles . Austin, Atlanta y Miami son los próximos destinos. Si has viajado en un Waymo, sabes que son reales. A continuación, tendremos que ver con qué fluidez escalan.

401-Kripto. 

Bitcoin y Ether ingresaron oficialmente al mundo financiero convencional con la aprobación de sus primeros fondos cotizados en bolsa (ETF). Esto significa que los inversores habituales ahora pueden agregar criptomonedas fácilmente a sus carteras. Impulsado por las aprobaciones y las expectativas de una flexibilización del escrutinio regulatorio en los EE. UU., Bitcoin superó los $100,000 por primera vez en diciembre. Las criptomonedas en su conjunto ahora valen más de $3 billones. La industria ha tenido un camino difícil en los últimos años, y gran parte de su valor aún está impulsado por los cambios en el sentimiento de los inversores. Pero con nuevas estrategias que se aprovechan del último impulso alcista, es probable que sea noticia el próximo año.

A las estrellas. 

SpaceX lanzó Starship cuatro veces este año. Pero la gran noticia fue cuando la compañía aterrizó el propulsor de Starship por primera vez en octubre . SpaceX ha estado aterrizando rutinariamente los propulsores Falcon 9 durante años, pero con el doble de empuje del cohete lunar Saturno V, Starship es mucho más grande y más difícil de aterrizar. Para lograr la hazaña, SpaceX construyó un par de brazos robóticos en la torre de lanzamiento para atrapar el cohete después de que se dirigiera a casa y regresara lentamente a la plataforma de lanzamiento. Hay desafíos por delante, incluido el aterrizaje del propulsor después de un lanzamiento orbital, el aterrizaje de Starship en sí y demostrar que se puede reabastecer en órbita . SpaceX comenzará a abordarlos el próximo año con un cronograma que puede incluir más de cinco veces más lanzamientos de los que totalizó en todo 2024.

Más noticias del futuro

¿El fin de una era? Las empresas pueden estar teniendo dificultades para adaptar nuevos modelos de IA. Problemas de escala. 

Citando fuentes anónimas de OpenAI, The Information informó el mes pasado que el sucesor del modelo de IA insignia de OpenAI, GPT-4, no está mostrando las grandes ganancias de rendimiento experimentadas cuando dieron el salto de GPT-3 a GPT-4. Por otra parte, la publicación tecnológica informó que Google puede estar enfrentando vientos en contra similares con su modelo Gemini. En ambos casos, los problemas de datos son centrales para el problema. Anteriormente, las empresas de IA creaban conjuntos de datos de entrenamiento de IA absorbiendo información disponible públicamente en línea. Más recientemente, llegaron a acuerdos para conjuntos de datos patentados de alta calidad (como los que se encuentran detrás de los muros de pago de las grandes publicaciones), agregaron datos de video e imágenes y experimentaron con datos sintéticos creados por modelos de IA existentes. Si los informes son precisos, estos esfuerzos pueden no estar produciendo el tipo de resultados que las empresas esperaban.

¿Se acabó el uso de la inteligencia artificial? 

Google y OpenAI crearon Gemini y GPT-4 con un tipo de algoritmo llamado modelo de lenguaje grande (LLM, por sus siglas en inglés). Cuando los investigadores aumentaron la cantidad de conexiones en las redes neuronales LLM y les suministraron más datos de entrenamiento, mostraron mejoras de rendimiento impresionantes. La estrategia, conocida como escalamiento de la inteligencia artificial , funcionó como un reloj de una generación a la siguiente, lo que llevó a las empresas de inteligencia artificial a gastar miles de millones de dólares para construir enormes centros de datos equipados con chips informáticos avanzados. Si la tendencia se ha agotado por ahora, las ganancias futuras son inciertas. 

No hay nada que ver aquí. 

No todo el mundo cree que haya un problema. En la Cumbre de IA de Cerebral Valley, el director ejecutivo de Anthropic, Dario Amodei, dijo que, en lo que respecta a los datos de entrenamiento, “en general, no creo que haya ninguna barrera”. Si tiene razón, podríamos esperar que las mejoras de rendimiento continúen. Pero incluso si no es así, vale la pena señalar que hay margen de mejora en la fase posterior de los algoritmos básicos, incluso en los modelos actuales. Y hay un nuevo chico en la ciudad: los llamados modelos de “razonamiento”, como el o1 de OpenAI, están mostrando fortaleza en áreas en las que los modelos más antiguos suelen tener dificultades . Incluso puede haber un nuevo tipo de “ley de escalamiento” con estos modelos, aunque es costoso para los clientes , donde mejoran cuanto más tiempo se les permite “pensar” en un problema. Agregue uno al sucesor de GPT-4, y el nuevo modelo híbrido puede ser más poderoso, independientemente de las ganancias por el escalamiento.

Meta asegurará su tráfico global con un cable de fibra óptica que abarcará todo el mundo.

Por 10.000 millones de dólares se podría entrenar un modelo de IA de última generación o envolver el planeta con cable de fibra óptica. Al menos, ese es el precio que Meta está considerando, según TechCrunch , para tender 40.000 kilómetros de cable submarino de fibra óptica (para su uso exclusivo) desde la costa este de Estados Unidos hasta Sudáfrica, India, Australia y de regreso a la costa oeste. Los posibles motivos incluyen asegurar que el tráfico a los mercados globales permanezca ininterrumpido y evitar puntos conflictivos geopolíticos donde los cables puedan dañarse o sabotearse. Más especulativamente, podría permitir una conexión de gran ancho de banda para entrenar y ejecutar IA utilizando centros de datos indios.

Los pacientes con lupus entran en remisión completa gracias a la terapia con células CAR-T.

Una terapia que reprograma las células T guerreras del sistema inmunológico para atacar y combatir el cáncer, conocida como CAR-T, ha mostrado resultados muy prometedores, especialmente en el tratamiento de cánceres de la sangre. Ahora, los investigadores están dirigiendo la CAR-T hacia enfermedades autoinmunes que antes se creían incurables. Los avances en una de ellas, el lupus, sugieren que la estrategia funciona. Más de 40 pacientes con lupus han sido tratados en ensayos, y casi todos entraron en remisión. La CAR-T es cara y difícil, por lo que los investigadores están buscando alternativas más simples que obtengan los mismos resultados.

Fuente: https://singularityhub.com/