10 pensamientos sobre la utilidad económica actual de la inteligencia artificial
Este artículo de Balaji Srinivasan me parece muy relevante para entender el estado de la inteligencia artificial y el impacto que tendrá en la creación de productos con IA
Mi nombre es Alex Swiec y durante casi 2 años he compartido semanalmente ideas y píldoras de conocimientos basados en mis más de 10 años construyendo producto digital.
Cada Viernes a las 8am te traigo contenido relacionado con el mundo del producto digital y así como consejos para poder hacer crecer tu carrera en producto digital.
Si quieres seguir recibiendo mi contenido, te invito a que te suscribas a mi blog.
Esta semana os traigo la traducción al español de un artículo en donde Balaji Srinivasan habla sobre su visión sobre la utilidad económica actual de la inteligencia artificial.
Por un lado Balaji Srinivasan es el autor del libro The Network State (que para lectura super recomendada si quieres entender el impacto que podrían llegar a tener las criptomonedas en los actuales “estado nacion” y la posible alternativa de “estado de red”).
También es fundador de The Network School (que es, definida por el Bajali, como una comunidad tecno optimista y por mi como comunidad tecno optimista y con mucho dinero) y anteriormente fue CTO de Coinbase y socio en el venture capital a16z.
El punto de vista de Bajali para mi personalmente es relevante por su gran conocimiento y contactos en el mundo de inversión y startups, y por su forma única de analizar la realidad de las innovaciones tecnológicas, con gran foco en Inteligencia Artificial y Crypto.
Aquí os dejo su artículo publicado originalmente en inglés, que yo he traducido (como no podía ser de otra forma, con inteligencia artificial) y he adaptado para que sea más comprensible en español.
Las diez ideas sobre la inteligencia artificial que Bajalo considera útiles desde un punto de vista económico.
1# No existe una AGI (inteligencia artificial general), existen muchas AGIs.
Estamos empezando a observamos empíricamente una IA politeísta (muchos modelos potentes) en lugar de una IA monoteísta (un único modelo todopoderoso).
Esto quiere decir que tenemos muchos modelos de distintos grupos que han convergido en capacidades similares, en lugar de una gran ventaja entre el mejor modelo y el resto.
Por lo tanto, deberíamos esperar un equilibrio de poder entre diversas fusiones humano/IA, en lugar de una AGI dominante que nos transforme a todos en clips de papel o columnas de sal.
2# La IA traslada todos los costos a la fase de prompting y verificación.
La IA actual solo realiza tareas de “medio a medio”, no de extremo a extremo.
Así que todo el gasto empresarial se desplaza hacia los bordes: esto es, se desplaza hacia crear prompts adecuados y verificar los resultados que dicho prompt devuelve.
Incluso en el caso en el que la IA acelere el trabajo intermedio, cada bloque de trabajo debe ser revisado y controlado.
3# La IA es inteligencia amplificada, no inteligencia artificial
La IA actual no es verdaderamente independiente.
Los agentes actuales no pueden establecer objetivos complejos ni verificar correctamente sus salidas.
Tú debes invertir mucho esfuerzo en prompts, verificación e integración de sistemas.
Cuanto más inteligente eres tú, más inteligente parece la IA.
Es más una inteligencia amplificada que una verdadera inteligencia.
4# La IA no te quita tu trabajo, te permite hacer cualquier trabajo.
Esto es así porque te permite ser un diseñador UX aceptable, un animador SFX decente, y así sucesivamente.
Pero eso no significa necesariamente que puedas hacer ese trabajo bien. Por el momento vas a necesitar un especialista para lograr un acabado profesional.
5# La IA no te quita tu trabajo, le quita el trabajo a la IA anterior.
Por ejemplo, Midjourney le quitó el trabajo a Stable Diffusion, y GPT-4 le quitó el trabajo a GPT-3.
Una vez que tienes un espacio en tu flujo de trabajo para generación de imágenes, generación de código u otra tarea con IA, simplemente reasignas ese presupuesto al modelo más reciente.
Por lo tanto, la IA reemplaza a la IA anterior.
6# La IA es mejor para lo visual que para lo verbal
Es decir, la IA es mejor para el frontend que para el backend, y mejor para imágenes/videos que para texto.
La razón es que las interfaces de usuario e imágenes se pueden verificar fácilmente con el ojo humano, mientras que enormes bloques de texto o código generado por IA son costosos de verificar para un humano.
Ver las discusiones con Andrej Karpathy aquí y aquí.
7# La IA asesina ya existe, y su nombre es “drones”.
Y todos los países la están desarrollando.
Así que no son los generadores de imágenes ni los chatbots los que deberían preocuparnos.
#8 La IA es probabilística, mientras que el cripto es determinista.
Por eso cripto puede restringir a la Inteligencia Artificial.
Un par de ejemplos:
La IA podría romper captchas, pero no puede falsificar balances en blockchain.
La IA puede resolver algunas ecuaciones, pero no ecuaciones criptográficas.
Así que el cripto es, en cierto modo, aquello que la IA no puede hacer
Puedes ver esta charla de Bajali (en inglés) sobre cómo la IA hace que todo sea falso, pero el cripto lo vuelve real.
#9 La IA está descentralizando en la práctica, no centralizando.
Actualmente, la IA está teniendo un efecto descentralizador, porque
hay muchas empresas de IA
Pequeños equipos pueden lograr mucho con las herramientas adecuadas, y
Están surgiendo muchos modelos open source de alta calidad.
#10 La cantidad óptima de IA no es 100%.
Después de todo:
0% de IA es lento, pero 100% de IA es desordenado.
Así que la cantidad óptima de IA está en algún punto entre 0% y 100%.
Sí, la cifra exacta depende del caso, pero la idea de que tanto 0% como 100% son subóptimos es útil. Es como la Curva de Laffer, pero para IA:
Finalmente, aquí tienes un podcast de a16z con Martin Casado y Erik Torenberg donde Bajali explora todas estas ideas en mucha más profundidad (personalmente altamente recomendado verlo si sabes inglés)
La Conclusión de Bajali
La IA actual es un modelo de IA restringida, no una IA omnipotente.
La IA está económicamente restringida, porque cada llamada a la API es costosa y hay muchos modelos compitiendo.
La IA está matemáticamente restringida, porque (demostrablemente) no puede resolver ecuaciones caóticas, turbulentas o criptográficas.
La IA está prácticamente restringida, porque necesita ser guiada con prompts y verificada, y porque realiza tareas de medio a medio en lugar de extremo a extremo.
La IA está físicamente restringida, porque actualmente necesita que los humanos perciban el contexto y lo introduzcan como prompt, en lugar de recolectarlo por sí misma.
Bajali dice que es posible que estas limitaciones se superen en el futuro, que es posible que alguien logre unificar el pensamiento probabilístico del Sistema 1 (como lo hace la IA) con el pensamiento lógico/determinista del Sistema 2, en el que históricamente los ordenadores han sido muy buenas.
Pero para Bajali ese es un problema de investigación abierto.
Espero que te haya sido útil este artículo para poder entender de forma más profunda una realidad más objetiva y realista del impacto económico y la utilidad real de la IA en este momento de la historia.
Personalmente, este artículo resonó mucho conmigo en relación a la utilidad de las IAs a día de hoy, aunque a medida que exploro más quizás mi postura cambie.
Por último, si quieres profundizar más sobre la forma de pensar de Bajali te recomiendo esta entrevista con Lex Friendan (¡de 7 horas de duración) en donde hablan de muchos temas muy interesantes.
¡Nos seguimos leyendo el Viernes que viene!