1
00:00:09,679 --> 00:00:15,660
Buenas, esto es BIMPRAXIS, el podcast donde el

2
00:00:15,660 --> 00:00:17,739
BIM se encuentra con la inteligencia artificial.

3
00:00:20,339 --> 00:00:23,480
Exploramos la ciencia, la tecnología y el futuro

4
00:00:23,480 --> 00:00:26,460
desde el enfoque de la arquitectura, ingeniería y

5
00:00:26,460 --> 00:00:27,120
construcción.

6
00:00:28,800 --> 00:00:29,440
¡Empezamos!

7
00:00:36,829 --> 00:00:40,329
Muy buenas, bienvenidas, bienvenidos a un nuevo episodio

8
00:00:40,329 --> 00:00:41,369
de BIMPRAXIS.

9
00:00:41,369 --> 00:00:44,590
Hoy os traemos Autoresearch, el fin del trabajo

10
00:00:44,590 --> 00:00:46,250
humano y el inicio de la IA que

11
00:00:46,250 --> 00:00:48,189
se mejora a sí misma de forma autónoma.

12
00:00:48,829 --> 00:00:49,310
¡Ostras!

13
00:00:49,329 --> 00:00:51,030
¡Qué titular tan potente, ¿verdad?

14
00:00:51,310 --> 00:00:53,509
Y bueno, te digo que no tiene nada

15
00:00:53,509 --> 00:00:54,409
de exagerado.

16
00:00:54,789 --> 00:00:55,630
Ya te digo.

17
00:00:56,109 --> 00:00:58,890
Y, a ver, para arrancar esta inmersión profunda,

18
00:00:58,969 --> 00:01:02,189
quiero que nos imaginemos una escena, bastante visual.

19
00:01:02,850 --> 00:01:05,090
Imagina que estás cavando un túnel inmenso en

20
00:01:05,090 --> 00:01:07,450
la roca viva, pero, atención, con una simple

21
00:01:07,450 --> 00:01:08,230
cuchara de sopa.

22
00:01:08,469 --> 00:01:09,689
¡Madre mía, qué tortura!

23
00:01:10,170 --> 00:01:10,650
Totalmente.

24
00:01:10,870 --> 00:01:11,349
Imagina que estás cavando un túnel inmenso en

25
00:01:11,349 --> 00:01:11,349
la roca viva, pero, atención, con una simple

26
00:01:11,349 --> 00:01:11,349
cuchara de sopa.

27
00:01:11,349 --> 00:01:14,250
Imagínate meses así, cada día la misma tarea

28
00:01:14,250 --> 00:01:16,950
repetitiva, probando el mismo ángulo, quitando el polvo,

29
00:01:16,969 --> 00:01:18,390
o sea, milímetro a milímetro.

30
00:01:18,629 --> 00:01:21,030
Y, de repente, un día te detienes, miras

31
00:01:21,030 --> 00:01:22,750
a tu alrededor y te das cuenta de

32
00:01:22,750 --> 00:01:25,450
que, ¡ostras!, tienes ahí todas las piezas tiradas

33
00:01:25,450 --> 00:01:27,709
por el suelo para construir una excavadora autónoma

34
00:01:27,709 --> 00:01:28,390
gigantesca.

35
00:01:28,590 --> 00:01:30,790
Claro, una máquina que haga todo el trabajo.

36
00:01:31,170 --> 00:01:31,650
Eso es.

37
00:01:31,790 --> 00:01:33,989
Una máquina que puede hacer todo el trabajo

38
00:01:33,989 --> 00:01:36,950
pesado por ti mientras tú tranquilamente te vas

39
00:01:36,950 --> 00:01:37,329
a dormir.

40
00:01:37,670 --> 00:01:39,950
Pues eso es, salvando las distancias, claro.

41
00:01:39,950 --> 00:01:42,129
Lo que debió sentir uno de los nombres

42
00:01:42,129 --> 00:01:44,870
más grandes de la inteligencia artificial antes de

43
00:01:44,870 --> 00:01:46,129
soltar este código en Internet.

44
00:01:46,569 --> 00:01:49,750
Es una imagen brutal, pero, fíjate, refleja a

45
00:01:49,750 --> 00:01:51,390
la perfección el origen de lo que vamos

46
00:01:51,390 --> 00:01:52,129
a analizar hoy.

47
00:01:52,450 --> 00:01:56,109
Porque, para entender el impacto que Autoresearch está

48
00:01:56,109 --> 00:01:59,390
teniendo en los principales laboratorios del mundo, hay

49
00:01:59,390 --> 00:02:01,209
que mirar a la mente que soltó esa

50
00:02:01,209 --> 00:02:02,269
excavadora en la red.

51
00:02:02,549 --> 00:02:05,269
Estamos hablando del grandísimo Andrei Karpati.

52
00:02:06,010 --> 00:02:06,530
Exacto.

53
00:02:06,530 --> 00:02:08,849
Una figura que, a ver, en los círculos

54
00:02:08,849 --> 00:02:09,930
especializados no nos parece.

55
00:02:09,949 --> 00:02:11,330
No necesita presentación ninguna.

56
00:02:11,710 --> 00:02:14,949
Fue uno de los cofundadores de OpenAI, la

57
00:02:14,949 --> 00:02:17,889
mente principal detrás del autopilot de Tesla, un

58
00:02:17,889 --> 00:02:19,530
auténtico genio nacido en Checoslovaquia.

59
00:02:20,169 --> 00:02:21,789
Es que hay un detalle de su trayectoria

60
00:02:21,789 --> 00:02:24,189
que siempre, no sé, me ha llamado la

61
00:02:24,189 --> 00:02:24,409
atención.

62
00:02:24,990 --> 00:02:27,389
Él mismo acuñó hace tiempo el término de

63
00:02:27,389 --> 00:02:30,409
VIP coding, o sea, programación VIP.

64
00:02:30,889 --> 00:02:33,289
Sí, sí, lo usaba para referirse a esa

65
00:02:33,289 --> 00:02:37,689
programación súper artesanal, meticulosa, de altísimo nivel.

66
00:02:37,870 --> 00:02:39,689
La que hacen los investigadores de IA.

67
00:02:39,949 --> 00:02:40,409
De élite.

68
00:02:40,469 --> 00:02:40,990
Claro.

69
00:02:41,129 --> 00:02:42,909
Y la ironía de todo esto es que

70
00:02:42,909 --> 00:02:46,090
el proyecto de Autoresearch nace, literalmente, de la

71
00:02:46,090 --> 00:02:48,789
más absoluta frustración frente a ese trabajo manual,

72
00:02:49,050 --> 00:02:51,550
que, por muy VIP que sea, es ineficiente.

73
00:02:51,849 --> 00:02:52,409
Totalmente.

74
00:02:52,530 --> 00:02:55,210
El mismo cuenta que se pasó meses enteros

75
00:02:55,210 --> 00:02:57,990
de su vida optimizando a mano un script

76
00:02:57,990 --> 00:03:00,150
de entrenamiento para el modelo GPT -2.

77
00:03:00,490 --> 00:03:02,750
O sea, el proceso era desquiciante.

78
00:03:03,030 --> 00:03:03,889
Me lo puedo imaginar.

79
00:03:04,129 --> 00:03:05,189
Picar piedra literal.

80
00:03:05,530 --> 00:03:08,009
Es que cambiaba un parámetro matemático del modelo,

81
00:03:08,169 --> 00:03:09,629
ejecutaba el entrenamiento.

82
00:03:09,949 --> 00:03:12,909
Se sentaba a esperar, pacientemente, a ver si,

83
00:03:12,930 --> 00:03:14,650
bueno, si el rendimiento mejoraba.

84
00:03:15,090 --> 00:03:17,689
Anotaba los resultados en una tabla y vuelta

85
00:03:17,689 --> 00:03:18,590
a empezar desde cero.

86
00:03:18,729 --> 00:03:19,110
¡Qué horror!

87
00:03:19,650 --> 00:03:21,969
Para una de las mentes más brillantes del

88
00:03:21,969 --> 00:03:24,629
sector, tiene que ser un ciclo absurdamente lento.

89
00:03:24,849 --> 00:03:27,849
Hasta que, claro, se produjo el momento de

90
00:03:27,849 --> 00:03:28,509
la revelación.

91
00:03:29,030 --> 00:03:31,870
La pregunta que lo cambió absolutamente todo.

92
00:03:31,990 --> 00:03:34,110
Se dijo, a ver, ¿por qué estoy haciendo

93
00:03:34,110 --> 00:03:37,569
esto yo, manualmente, ensayo tras ensayo, en lugar

94
00:03:37,569 --> 00:03:39,550
de poner a un agente de inteligencia artificial,

95
00:03:39,949 --> 00:03:42,689
a ejecutar cientos de experimentos en bucle?

96
00:03:42,830 --> 00:03:45,669
Claro, para que descubra la mejor optimización por

97
00:03:45,669 --> 00:03:46,949
sí solo mientras él duerme.

98
00:03:47,270 --> 00:03:49,569
Y, fíjate, lo que más me impacta de

99
00:03:49,569 --> 00:03:51,969
todo esto es que la respuesta de Carpacino

100
00:03:51,969 --> 00:03:55,289
fue, no sé, un macrosistema incomprensible de millones

101
00:03:55,289 --> 00:03:56,310
de líneas de código.

102
00:03:56,629 --> 00:03:57,370
Que va, para nada.

103
00:03:57,490 --> 00:04:00,830
Lo fascinante y, bueno, lo verdaderamente revolucionario de

104
00:04:00,830 --> 00:04:03,909
Autoresearch es su tremenda simplicidad.

105
00:04:04,090 --> 00:04:07,610
O sea, ahora mismo hay corporaciones enteras gastando

106
00:04:07,610 --> 00:04:09,930
decenas de millones de dólares intentando...

107
00:04:09,949 --> 00:04:11,789
Intentando crear sistemas de automejora.

108
00:04:11,889 --> 00:04:15,030
Equipos enteros en Anthropic, Gemini, OpenAI.

109
00:04:15,250 --> 00:04:15,870
Eso es.

110
00:04:15,949 --> 00:04:19,389
Y llega Carpazzi y destila todo ese concepto

111
00:04:19,389 --> 00:04:21,870
en una arquitectura de código abierto que se

112
00:04:21,870 --> 00:04:25,790
sostiene sobre, atención, únicamente, tres archivos.

113
00:04:26,089 --> 00:04:28,170
A ver, a ver, aquí es donde necesito

114
00:04:28,170 --> 00:04:29,250
que me convenzas un poco.

115
00:04:29,430 --> 00:04:32,189
Porque me cuesta muchísimo creer que laboratorios con

116
00:04:32,189 --> 00:04:36,610
presupuestos casi limitados estén siendo revolucionados por un

117
00:04:36,610 --> 00:04:38,550
sistema de tres tristes archivos.

118
00:04:38,689 --> 00:04:39,569
¿Suena demasiado?

119
00:04:39,949 --> 00:04:40,149
Simple.

120
00:04:40,250 --> 00:04:43,189
Ya, parece broma, pero la genialidad casi siempre

121
00:04:43,189 --> 00:04:44,470
se esconde en la simplicidad.

122
00:04:44,649 --> 00:04:48,889
Esta arquitectura funciona precisamente porque aísla las responsabilidades

123
00:04:48,889 --> 00:04:52,209
de una forma draconiana, súper estricta.

124
00:04:52,329 --> 00:04:55,490
Vale, cuéntame cuáles son esos tres archivos.

125
00:04:55,750 --> 00:04:58,589
El primero es un archivo llamado program .md.

126
00:04:58,910 --> 00:05:01,889
Este es el espacio reservado única y exclusivamente

127
00:05:01,889 --> 00:05:03,069
para el investigador humano.

128
00:05:03,410 --> 00:05:05,230
Ajá, o sea, nuestra parcela.

129
00:05:05,449 --> 00:05:06,069
Exacto.

130
00:05:06,069 --> 00:05:08,850
Aquí es donde estableces el objetivo final.

131
00:05:09,949 --> 00:05:12,509
Las restricciones del proyecto y las reglas generales.

132
00:05:12,930 --> 00:05:16,069
Actúa como la brújula inamovible del agente de

133
00:05:16,069 --> 00:05:16,310
IA.

134
00:05:16,910 --> 00:05:17,509
Entendido.

135
00:05:17,529 --> 00:05:19,810
Ahí definimos el qué queremos conseguir.

136
00:05:20,310 --> 00:05:21,350
¿Y el segundo archivo?

137
00:05:21,589 --> 00:05:24,129
El segundo es train .pi.

138
00:05:24,769 --> 00:05:27,329
Piensa en él como el patio de recreo

139
00:05:27,329 --> 00:05:29,189
puro y duro de la inteligencia artificial.

140
00:05:29,589 --> 00:05:31,089
El arenero donde juega, vaya.

141
00:05:31,290 --> 00:05:31,810
Eso es.

142
00:05:31,949 --> 00:05:35,569
Puede contener desde código tradicional hasta un prompt

143
00:05:35,569 --> 00:05:38,250
lingüístico o la configuración de un servidor.

144
00:05:38,449 --> 00:05:39,930
Y aquí reside el código.

145
00:05:39,930 --> 00:05:41,050
Y aquí reside el núcleo de la magia.

146
00:05:41,129 --> 00:05:43,430
Es el único archivo en todo el directorio

147
00:05:43,430 --> 00:05:45,829
que la IA tiene permisos reales para modificar,

148
00:05:46,050 --> 00:05:47,350
reescribir o borrar.

149
00:05:47,589 --> 00:05:48,209
Vale, vale.

150
00:05:48,389 --> 00:05:50,389
Pero, o sea, si le damos carta blanca

151
00:05:50,389 --> 00:05:53,769
para que modifique ese archivo buscando mejorar, ¿quién

152
00:05:53,769 --> 00:05:55,490
le dice si lo está haciendo bien o

153
00:05:55,490 --> 00:05:58,069
si simplemente está escribiendo basura incomprensible?

154
00:05:58,730 --> 00:05:59,970
Esa es la gran pregunta.

155
00:06:00,410 --> 00:06:03,509
Claro, porque un modelo de lenguaje iterando sobre

156
00:06:03,509 --> 00:06:06,329
sí mismo sin supervisión puede acabar creando código

157
00:06:06,329 --> 00:06:08,209
inútil en cuestión de minutos, ¿no?

158
00:06:08,310 --> 00:06:08,769
Sí.

159
00:06:08,769 --> 00:06:09,910
Pues por eso existe el tercer archivo.

160
00:06:09,910 --> 00:06:12,009
El tercer componente, que es el más crítico

161
00:06:12,009 --> 00:06:12,389
de todos.

162
00:06:12,589 --> 00:06:14,810
Se llama prepare .pay.

163
00:06:15,290 --> 00:06:17,970
Este archivo ejerce el rol de juez supremo.

164
00:06:18,170 --> 00:06:20,990
En su interior se encuentra la métrica matemática

165
00:06:20,990 --> 00:06:23,550
de éxito y el script que evalúa todo.

166
00:06:23,910 --> 00:06:24,529
Espera un momento.

167
00:06:24,889 --> 00:06:25,410
Frenaí.

168
00:06:26,129 --> 00:06:29,209
Conozco un poco cómo piensan, entre comillas, estos

169
00:06:29,209 --> 00:06:29,810
modelos.

170
00:06:30,089 --> 00:06:33,649
Si estamos ante una IA superavanzada, cuyo único

171
00:06:33,649 --> 00:06:35,810
objetivo en la vida es sacar un sobresaliente

172
00:06:35,810 --> 00:06:37,250
absoluto en esa evaluación.

173
00:06:37,389 --> 00:06:38,329
Sí, te veo venir.

174
00:06:38,889 --> 00:06:39,889
¿Qué le impide?

175
00:06:39,910 --> 00:06:40,970
¿Qué le impide salir de su patio de

176
00:06:40,970 --> 00:06:43,670
recreo, hackear el archivo del juez y, no

177
00:06:43,670 --> 00:06:46,310
sé, reescribir las reglas del examen para darse

178
00:06:46,310 --> 00:06:48,610
un 100 sobre 100 permanente y quedarse de

179
00:06:48,610 --> 00:06:49,329
brazos cruzados?

180
00:06:50,129 --> 00:06:51,389
Esto lo dice Summa Becci.

181
00:06:51,529 --> 00:06:53,310
El parcheo de la métrica no es para

182
00:06:53,310 --> 00:06:54,250
nada sencillo.

183
00:06:54,329 --> 00:06:56,550
Ostras, es una objeción buenísima.

184
00:06:56,730 --> 00:07:00,069
De hecho, acabas de describir perfectamente lo que

185
00:07:00,069 --> 00:07:02,310
en la industria se conoce como el problema

186
00:07:02,310 --> 00:07:05,310
de la alineación o el hackeo de recompensas.

187
00:07:05,370 --> 00:07:07,029
Claro, es que son muy listas para lo

188
00:07:07,029 --> 00:07:07,449
que quieren.

189
00:07:08,050 --> 00:07:08,529
Demasiado.

190
00:07:08,610 --> 00:07:08,829
Demasiado.

191
00:07:08,829 --> 00:07:11,290
Si una máquina tiene como objetivo maximizar un

192
00:07:11,290 --> 00:07:13,870
número a toda costa, encontrará la vía más

193
00:07:13,870 --> 00:07:14,790
eficiente de hacerlo.

194
00:07:15,089 --> 00:07:17,870
Aunque, bueno, aunque esa vía sea hacer trampa

195
00:07:17,870 --> 00:07:18,449
descaradamente.

196
00:07:19,170 --> 00:07:19,649
Totalmente.

197
00:07:19,829 --> 00:07:22,689
Por eso, en la arquitectura de Autoresearch, este

198
00:07:22,689 --> 00:07:26,730
archivo juez, el prepare .py, está herméticamente sellado.

199
00:07:26,970 --> 00:07:27,490
Ah, vale.

200
00:07:27,750 --> 00:07:29,610
O sea, bloqueado a cal y canto.

201
00:07:29,870 --> 00:07:30,350
Exacto.

202
00:07:30,350 --> 00:07:32,629
A nivel de sistema operativo, el agente de

203
00:07:32,629 --> 00:07:35,089
IA tiene cero permisos de lectura o escritura

204
00:07:35,089 --> 00:07:35,550
sobre él.

205
00:07:35,709 --> 00:07:38,689
Al aislar la métrica físicamente, garantizas que la

206
00:07:38,689 --> 00:07:40,949
única vía matemática posible para que la IA

207
00:07:40,949 --> 00:07:43,389
mejore su nota es haciendo trabajo real en

208
00:07:43,389 --> 00:07:44,750
el archivo que sí puede tocar.

209
00:07:45,009 --> 00:07:45,589
Qué guay.

210
00:07:45,910 --> 00:07:49,050
Es como encerrar al alumno en una sala

211
00:07:49,050 --> 00:07:51,649
con su hoja de respuestas y dejar la

212
00:07:51,649 --> 00:07:53,970
plantilla del profesón guardada en una caja fuerte

213
00:07:53,970 --> 00:07:55,670
blindada en otro edificio distinto.

214
00:07:55,870 --> 00:07:58,110
Es un diseño súper elegante, la verdad.

215
00:07:58,370 --> 00:07:59,610
Un diseño brillante.

216
00:07:59,790 --> 00:08:02,769
Pero, a nivel técnico, ¿cómo gestiona los aciertos

217
00:08:02,769 --> 00:08:03,470
y los errores?

218
00:08:03,709 --> 00:08:05,670
Porque asumimos que la máquina va a probar

219
00:08:05,670 --> 00:08:07,329
muchísimas cosas que no van a funcionar.

220
00:08:07,430 --> 00:08:11,089
Pues fíjate, utiliza una mecánica súper estándar de

221
00:08:11,089 --> 00:08:12,189
control de versiones.

222
00:08:12,629 --> 00:08:15,649
Concretamente usa Git, que cualquier persona que pica

223
00:08:15,649 --> 00:08:17,050
código usa a diario.

224
00:08:17,209 --> 00:08:18,790
Vale, el sistema de los programadores.

225
00:08:19,089 --> 00:08:19,550
Eso es.

226
00:08:19,910 --> 00:08:20,569
Funciona así.

227
00:08:20,730 --> 00:08:24,050
El agente lee las instrucciones, se formula una

228
00:08:24,050 --> 00:08:26,589
hipótesis de mejora y modifica su archivo de

229
00:08:26,589 --> 00:08:26,850
trabajo.

230
00:08:27,230 --> 00:08:29,889
Acto seguido, el juez entra y evalúa el

231
00:08:29,889 --> 00:08:30,250
resultado.

232
00:08:30,550 --> 00:08:31,250
¿Y si mejora?

233
00:08:31,329 --> 00:08:33,830
Si la puntuación de la métrica mejora, la

234
00:08:33,830 --> 00:08:34,830
IA hace un commit.

235
00:08:35,029 --> 00:08:36,950
Es decir, guarda ese cambio.

236
00:08:36,950 --> 00:08:39,250
Lo consolida en el código y lo establece

237
00:08:39,250 --> 00:08:41,090
como la nueva base a superar para la

238
00:08:41,090 --> 00:08:41,789
siguiente ronda.

239
00:08:42,389 --> 00:08:42,929
Ya veo.

240
00:08:43,049 --> 00:08:45,490
¿Y si la idea resulta ser un desastre

241
00:08:45,490 --> 00:08:48,970
técnico absoluto que empeora el rendimiento?

242
00:08:49,250 --> 00:08:51,210
Entonces ejecuta un git reset.

243
00:08:51,830 --> 00:08:54,850
Literalmente borra ese experimento fallido del historial, como

244
00:08:54,850 --> 00:08:56,490
si jamás hubiera ocurrido en la vida.

245
00:08:56,690 --> 00:08:59,009
Vuelve al punto seguro anterior y se pone

246
00:08:59,009 --> 00:09:01,110
a explorar una rama completamente diferente.

247
00:09:01,590 --> 00:09:02,090
¡Madre mía!

248
00:09:02,230 --> 00:09:05,049
Es una especie de evolución darwiniana, pero hiperacelerada.

249
00:09:05,970 --> 00:09:06,529
Exacto.

250
00:09:06,529 --> 00:09:08,570
Supervivencia del código más apto.

251
00:09:08,750 --> 00:09:13,669
Aún así, sigo viendo una posible trampa estadística

252
00:09:13,669 --> 00:09:15,230
en este bucle evolutivo.

253
00:09:15,429 --> 00:09:18,269
Si dejas a la IA iterando libremente, habrá

254
00:09:18,269 --> 00:09:21,210
experimentos que requieran, no sé, muchísimo más tiempo

255
00:09:21,210 --> 00:09:23,389
de procesamiento para ejecutarse que otros.

256
00:09:23,610 --> 00:09:25,049
Ajá, el tema del tiempo, ¿sí?

257
00:09:25,149 --> 00:09:25,549
Claro.

258
00:09:25,809 --> 00:09:28,610
¿Cómo mides de forma justa qué idea estructural

259
00:09:28,610 --> 00:09:31,610
es realmente mejor si una tarda milisegundos en

260
00:09:31,610 --> 00:09:34,029
correr y otra se tira varios minutos pensando?

261
00:09:34,409 --> 00:09:35,789
Pues diste en el clavo.

262
00:09:36,529 --> 00:09:38,509
Ese fue uno de los grandes obstáculos a

263
00:09:38,509 --> 00:09:38,789
resolver.

264
00:09:39,110 --> 00:09:41,129
Y la solución está en lo que llaman

265
00:09:41,129 --> 00:09:41,850
el time box.

266
00:09:42,090 --> 00:09:44,110
O sea, una caja de tiempo.

267
00:09:44,250 --> 00:09:45,889
Un límite inquebrantable.

268
00:09:46,309 --> 00:09:47,690
Vale, explícame eso.

269
00:09:47,870 --> 00:09:50,450
Para entenderlo, imagina que estás entrevistando a dos

270
00:09:50,450 --> 00:09:52,710
desarrolladores de software para contratar a uno.

271
00:09:52,809 --> 00:09:54,889
A uno de ellos le das siete días

272
00:09:54,889 --> 00:09:56,570
enteros para resolver una tarea.

273
00:09:56,669 --> 00:09:59,129
Y al otro le exiges el resultado en,

274
00:09:59,190 --> 00:10:00,490
no sé, en siete minutos.

275
00:10:00,889 --> 00:10:02,870
Hombre, la comparación es absurda.

276
00:10:03,049 --> 00:10:05,690
El de la semana presentará un código inmensamente

277
00:10:05,690 --> 00:10:06,129
superior.

278
00:10:06,129 --> 00:10:08,730
Pero no porque sea más brillante, sino por

279
00:10:08,730 --> 00:10:09,990
simple acumulación de tiempo.

280
00:10:10,169 --> 00:10:12,129
Pues exactamente lo mismo pasa aquí.

281
00:10:12,250 --> 00:10:15,230
Por eso, en este bucle de automejora, cada

282
00:10:15,230 --> 00:10:19,129
experimento individual debe durar matemáticamente lo mismo.

283
00:10:19,450 --> 00:10:22,870
El archivo juez cronometra la ejecución al milisegundo

284
00:10:22,870 --> 00:10:23,970
de forma implacable.

285
00:10:24,250 --> 00:10:24,990
Vale, lo entiendo.

286
00:10:25,230 --> 00:10:27,669
Pero, poniéndome en el lugar del modelo de

287
00:10:27,669 --> 00:10:29,909
IA, si tardo más en procesar una respuesta,

288
00:10:30,169 --> 00:10:32,769
¿no podría ser porque estoy calculando una solución

289
00:10:32,769 --> 00:10:34,269
mucho más profunda y elegante?

290
00:10:34,370 --> 00:10:36,110
O sea, ¿penalizar a la IA por un

291
00:10:36,110 --> 00:10:36,110
error?

292
00:10:36,110 --> 00:10:37,509
¿O por tomarse su tiempo para pensar?

293
00:10:37,610 --> 00:10:40,590
Parece contraproducente si queremos excelencia, ¿no?

294
00:10:40,710 --> 00:10:42,330
Es una duda súper válida.

295
00:10:42,409 --> 00:10:44,529
Pero, a ver, choca de frente con la

296
00:10:44,529 --> 00:10:46,070
realidad del procesamiento en IA.

297
00:10:46,190 --> 00:10:48,070
El problema de fondo es que el tiempo

298
00:10:48,070 --> 00:10:50,350
equivale directamente a ciclos de computación.

299
00:10:50,490 --> 00:10:51,269
Y eso cuesta dinero.

300
00:10:51,750 --> 00:10:54,730
Cuesta una cantidad inmensa de energía y de

301
00:10:54,730 --> 00:10:55,309
dinero, claro.

302
00:10:55,450 --> 00:10:57,850
Una solución que te da un resultado ligeramente

303
00:10:57,850 --> 00:11:00,549
mejor, pero que consume diez veces más recursos,

304
00:11:00,669 --> 00:11:02,210
no es una optimización real.

305
00:11:02,389 --> 00:11:03,909
Es simple fuerza bruta.

306
00:11:04,049 --> 00:11:05,509
Es matar moscas a cañonazos.

307
00:11:05,509 --> 00:11:06,269
Tal cual.

308
00:11:06,570 --> 00:11:09,870
Al imponer este timebox tan estricto, obligas a

309
00:11:09,870 --> 00:11:12,009
la gente a encontrar la lógica de código

310
00:11:12,009 --> 00:11:14,429
que sea fundamentalmente más eficiente.

311
00:11:14,950 --> 00:11:17,190
Buscar la mejor idea en bruto.

312
00:11:17,269 --> 00:11:19,490
¿No la idea mediocre que tuvo la ventaja

313
00:11:19,490 --> 00:11:21,570
de agotar el procesador durante toda la noche?

314
00:11:21,830 --> 00:11:22,889
Claro, claro.

315
00:11:23,029 --> 00:11:26,409
Se premia la brillanteza arquitectónica real, no el

316
00:11:26,409 --> 00:11:27,809
sudor artificial de la máquina.

317
00:11:28,809 --> 00:11:29,970
Ostras, fíjate.

318
00:11:30,409 --> 00:11:32,769
Ahora bien, si nos quedamos solo en esta

319
00:11:32,769 --> 00:11:35,809
teoría de archivos y código de programación, parece

320
00:11:35,809 --> 00:11:37,950
que estamos hablando de, no sé, de un

321
00:11:37,950 --> 00:11:40,450
juguete exclusivo para ingenieros de Silicon Valley.

322
00:11:40,830 --> 00:11:42,649
Y ese es el mayor error que puede

323
00:11:42,649 --> 00:11:44,309
cometer la gente al escuchar esto.

324
00:11:44,769 --> 00:11:46,990
Asumir que esto es solo para programadores y

325
00:11:46,990 --> 00:11:48,909
es, bueno, es no ver el bosque por

326
00:11:48,909 --> 00:11:49,370
los árboles.

327
00:11:50,090 --> 00:11:50,529
Totalmente.

328
00:11:50,789 --> 00:11:52,870
Porque los datos apuntan a que esto va

329
00:11:52,870 --> 00:11:55,350
mucho más allá del aprendizaje automático, ¿verdad?

330
00:11:55,889 --> 00:11:56,789
Muchísimo más allá.

331
00:11:57,029 --> 00:11:59,210
Lo que tenemos delante es un motor de

332
00:11:59,210 --> 00:12:01,049
optimización de propósito general.

333
00:12:01,409 --> 00:12:04,190
A ver, si la única premisa que necesitas

334
00:12:04,190 --> 00:12:06,309
es un archivo de texto para modificar y

335
00:12:06,309 --> 00:12:08,870
una métrica para evaluar, la realidad es que

336
00:12:08,870 --> 00:12:11,049
esto se puede aplicar a casi cualquier cosa

337
00:12:11,049 --> 00:12:11,549
del mundo.

338
00:12:11,769 --> 00:12:13,970
A cualquier variable cuantificable, vamos.

339
00:12:14,190 --> 00:12:16,909
Lo cual explica por qué los directores ejecutivos

340
00:12:16,909 --> 00:12:19,889
de plataformas enormes como Shopify o Stripe llevan

341
00:12:19,889 --> 00:12:21,549
meses obsesionados con esto.

342
00:12:21,649 --> 00:12:23,049
Han visto los billetes.

343
00:12:23,330 --> 00:12:24,549
Claro que los han visto.

344
00:12:24,649 --> 00:12:27,990
Han visto las implicaciones comerciales de automatizar la

345
00:12:27,990 --> 00:12:28,850
mejora continua.

346
00:12:29,429 --> 00:12:32,029
Pensemos, por ejemplo, en un sector súper diferente.

347
00:12:32,309 --> 00:12:33,389
El marketing digital.

348
00:12:33,830 --> 00:12:34,110
¡Uy!

349
00:12:34,110 --> 00:12:35,769
Ahí las pruebas A -B son el pan

350
00:12:35,769 --> 00:12:36,269
de cada vía.

351
00:12:36,549 --> 00:12:37,149
Exacto.

352
00:12:37,149 --> 00:12:40,289
Hoy los equipos dedican inmensos recursos a eso.

353
00:12:40,610 --> 00:12:42,809
Modifican un titular, cambian el color de un

354
00:12:42,809 --> 00:12:45,169
botón de comprar, lanzan la campaña y ala,

355
00:12:45,190 --> 00:12:48,409
a esperar semanas hasta tener una significancia estadística

356
00:12:48,409 --> 00:12:49,409
válida en las ventas.

357
00:12:49,610 --> 00:12:53,389
Pues según expertos como Eric Hsu, las previsiones

358
00:12:53,389 --> 00:12:54,830
apuntan a un cambio radical.

359
00:12:55,070 --> 00:12:58,710
Con motores como Autoresearch, la estimación salta a

360
00:12:58,710 --> 00:13:01,590
la locura de 36 .000 experimentos anuales.

361
00:13:01,710 --> 00:13:02,289
¡Ostras!

362
00:13:03,009 --> 00:13:03,970
¿36 .000?

363
00:13:03,970 --> 00:13:07,110
Eso son como 100 al día, ¿no?

364
00:13:07,450 --> 00:13:09,769
100 iteraciones completas al día, sí.

365
00:13:10,289 --> 00:13:13,269
Un agente modificando de forma autónoma los textos

366
00:13:13,269 --> 00:13:16,370
de tu web, midiendo conversiones reales y descartando

367
00:13:16,370 --> 00:13:18,289
lo que no vende, y todo sin que

368
00:13:18,289 --> 00:13:19,250
un humano mueva un dedo.

369
00:13:19,549 --> 00:13:21,990
Básicamente, podrías poner a una horda de pequeños

370
00:13:21,990 --> 00:13:24,049
científicos a optimizar desde el título de un

371
00:13:24,049 --> 00:13:26,470
vídeo de YouTube hasta los correos de ventas,

372
00:13:26,490 --> 00:13:28,230
y tú solo te sientas a mirar cómo

373
00:13:28,230 --> 00:13:29,129
suben los gráficos.

374
00:13:29,250 --> 00:13:31,909
Y en sectores donde todo es pura matemática,

375
00:13:31,970 --> 00:13:34,649
como las finanzas o el trading, el impacto

376
00:13:34,649 --> 00:13:35,610
va a ser salvaje.

377
00:13:35,730 --> 00:13:36,149
Claro.

378
00:13:36,389 --> 00:13:38,049
¿Optimizar reglas de compra y venta?

379
00:13:38,409 --> 00:13:41,149
Imagínate, la meta de la IA ahí no

380
00:13:41,149 --> 00:13:45,049
es escribir software, es ajustar dinámicamente un algoritmo

381
00:13:45,049 --> 00:13:45,750
de inversión.

382
00:13:45,970 --> 00:13:48,450
Le das a la IA acceso a décadas

383
00:13:48,450 --> 00:13:51,129
de datos históricos del mercado de valores, y

384
00:13:51,129 --> 00:13:54,169
la métrica del juez podría ser maximizar el

385
00:13:54,169 --> 00:13:54,990
ratio de Sharpe.

386
00:13:55,169 --> 00:13:57,049
Que es el indicador este que mide el

387
00:13:57,049 --> 00:13:58,450
rendimiento frente al riesgo, ¿verdad?

388
00:13:58,730 --> 00:13:59,289
Exacto.

389
00:13:59,289 --> 00:14:02,570
La máquina hace miles de simulaciones buscando qué

390
00:14:02,570 --> 00:14:05,690
estrategia histórica habría dado más dinero con las

391
00:14:05,690 --> 00:14:06,649
caídas más suaves.

392
00:14:06,769 --> 00:14:07,929
Y lo hace en horas.

393
00:14:08,230 --> 00:14:08,990
¡Qué barbaridad!

394
00:14:09,149 --> 00:14:11,929
Y esto también abre un campo gigante en

395
00:14:11,929 --> 00:14:13,330
la ingeniería de Prontz, ¿no?

396
00:14:13,370 --> 00:14:15,429
En cómo le hablamos a la propia inteligencia

397
00:14:15,429 --> 00:14:15,690
artificial.

398
00:14:16,049 --> 00:14:17,409
Buah, ese es otro temazo.

399
00:14:17,929 --> 00:14:21,029
Harrison Chase, el fundador de Langchain, dice algo

400
00:14:21,029 --> 00:14:21,789
muy revelador.

401
00:14:22,289 --> 00:14:24,870
Afirma que los agentes fallan muchas veces no

402
00:14:24,870 --> 00:14:27,610
porque sean tontos, sino porque no tienen el

403
00:14:27,610 --> 00:14:29,549
contexto adecuado de nuestra parte.

404
00:14:29,809 --> 00:14:32,029
O sea, que el problema somos nosotros dándoles

405
00:14:32,029 --> 00:14:32,590
instrucciones.

406
00:14:32,590 --> 00:14:37,210
Básicamente, con Autoresearch, la propia IA puede probar

407
00:14:37,210 --> 00:14:39,429
cientos de formas de darse instrucciones a sí

408
00:14:39,429 --> 00:14:41,970
misma para ver cuál la hace rendir mejor.

409
00:14:42,629 --> 00:14:45,470
Resulta fascinante pensar que la IA podría descubrir

410
00:14:45,470 --> 00:14:48,090
sola que su rendimiento sube un montón si

411
00:14:48,090 --> 00:14:50,149
se da las instrucciones en polaco o en

412
00:14:50,149 --> 00:14:51,690
checo en lugar de en inglés, ¿no?

413
00:14:51,909 --> 00:14:53,649
O si se le ordena que asuma un

414
00:14:53,649 --> 00:14:56,070
nivel de lectura universitario en lugar de nivel

415
00:14:56,070 --> 00:14:56,809
principiante.

416
00:14:57,450 --> 00:15:00,590
Descubre su propia interfaz de comunicación mediante ensayo

417
00:15:00,590 --> 00:15:01,350
y error masivo.

418
00:15:01,350 --> 00:15:04,210
Esto pone de manifiesto un cambio, no sé,

419
00:15:04,309 --> 00:15:07,110
un cambio tectónico en cómo entendemos el trabajo.

420
00:15:07,509 --> 00:15:10,330
Si la ejecución técnica de cualquier tarea, ya

421
00:15:10,330 --> 00:15:13,629
sea picar código, redactar textos o probar fórmulas

422
00:15:13,629 --> 00:15:16,990
financieras, pasa a ser automática y gratuita, la

423
00:15:16,990 --> 00:15:19,789
única habilidad humana realmente valiosa, la que creará

424
00:15:19,789 --> 00:15:22,110
millonarios en el futuro, va a ser saber

425
00:15:22,110 --> 00:15:22,970
qué medir.

426
00:15:23,110 --> 00:15:26,190
Has tocado el verdadero talón de Aquiles de

427
00:15:26,190 --> 00:15:26,809
esta tecnología.

428
00:15:27,450 --> 00:15:30,590
Saber elegir la métrica adecuada y establecer las

429
00:15:30,590 --> 00:15:31,789
restricciones correctas.

430
00:15:32,070 --> 00:15:34,490
Claro, porque para que optimicen el mundo real,

431
00:15:34,610 --> 00:15:36,289
necesitan ver el mundo real.

432
00:15:36,490 --> 00:15:38,350
Y ahí entra el tema de los datos,

433
00:15:38,450 --> 00:15:38,549
¿no?

434
00:15:39,049 --> 00:15:39,570
Exacto.

435
00:15:39,570 --> 00:15:41,409
El gran cuello de botella.

436
00:15:41,730 --> 00:15:44,610
Un agente aislado en un servidor sin datos

437
00:15:44,610 --> 00:15:47,029
frescos es como si estuviera volando a ciegas.

438
00:15:47,309 --> 00:15:49,250
Y el Internet de hoy está lleno de

439
00:15:49,250 --> 00:15:51,590
captchas, bloqueos y muros que odian a los

440
00:15:51,590 --> 00:15:51,809
bots.

441
00:15:52,149 --> 00:15:54,230
¿Cómo evitas todo eso para que la IA

442
00:15:54,230 --> 00:15:55,769
tenga información en milisegundos?

443
00:15:56,289 --> 00:15:58,970
Pues la solución práctica que mencionan los documentos,

444
00:15:59,470 --> 00:16:01,190
es el uso de APIs de extracción de

445
00:16:01,190 --> 00:16:02,730
datos web como Oxylabs.

446
00:16:02,990 --> 00:16:06,490
Han desarrollado cosas como un MCP oficial, un

447
00:16:06,490 --> 00:16:08,830
protocolo que conecta a la IA directamente con

448
00:16:08,830 --> 00:16:10,830
herramientas como Cursor o Cloud Code.

449
00:16:11,090 --> 00:16:12,769
O sea que le puedes decir a la

450
00:16:12,769 --> 00:16:15,009
IA, oye, mírame los precios de Amazon de

451
00:16:15,009 --> 00:16:16,049
la competencia ahora mismo.

452
00:16:16,210 --> 00:16:16,809
Tal cual.

453
00:16:16,970 --> 00:16:21,090
O usar plataformas visuales como NHON sin escribir

454
00:16:21,090 --> 00:16:21,409
código.

455
00:16:21,769 --> 00:16:24,730
La IA se salta los captchas usando proxies

456
00:16:24,730 --> 00:16:29,330
residenciales, extrae los listados inmobiliarios, o los precios

457
00:16:29,330 --> 00:16:31,370
en tiempo real, y los usa para su

458
00:16:31,370 --> 00:16:32,470
próximo experimento.

459
00:16:32,629 --> 00:16:36,769
Sin embargo, por muy bonito que suene, tiene

460
00:16:36,769 --> 00:16:39,350
que haber áreas donde este bucle simplemente fracase

461
00:16:39,350 --> 00:16:40,750
de forma catastrófica.

462
00:16:40,769 --> 00:16:42,049
No puede servir para todo.

463
00:16:42,250 --> 00:16:43,070
Y no sirve.

464
00:16:43,289 --> 00:16:46,129
Fracasa rotundamente en todo lo que sea subjetivo.

465
00:16:46,269 --> 00:16:46,789
Ah, claro.

466
00:16:46,970 --> 00:16:49,389
El diseño de una marca, la experiencia de

467
00:16:49,389 --> 00:16:52,370
usuario, o fijar precios basándote en sensaciones.

468
00:16:52,669 --> 00:16:54,789
Si el éxito es un juicio de valor

469
00:16:54,789 --> 00:16:57,370
emocional, la IA no sabe que funciona, y

470
00:16:57,370 --> 00:17:00,389
optimizará en una dirección totalmente aleatoria.

471
00:17:00,470 --> 00:17:02,149
Y me imagino que hay un peligro gigante

472
00:17:02,149 --> 00:17:04,130
si la métrica que le das está mal

473
00:17:04,130 --> 00:17:05,390
planteada desde el principio.

474
00:17:05,710 --> 00:17:06,829
Uf, la ley de Woodhart.

475
00:17:06,970 --> 00:17:08,569
Si le das a la IA una mala

476
00:17:08,569 --> 00:17:12,390
métrica, optimizará esa métrica equivocada, con una confianza

477
00:17:12,390 --> 00:17:14,509
y una eficiencia absolutamente demoledoras.

478
00:17:14,650 --> 00:17:14,890
Claro.

479
00:17:15,150 --> 00:17:16,049
Es como...

480
00:17:17,390 --> 00:17:19,549
A ver, es como si le dices a

481
00:17:19,549 --> 00:17:22,029
la IA que el éxito de un restaurante

482
00:17:22,029 --> 00:17:24,150
se mide por la cantidad de platos vacíos

483
00:17:24,150 --> 00:17:25,009
al final de la noche.

484
00:17:25,750 --> 00:17:28,049
Probablemente la IA decida romper toda la vajilla

485
00:17:28,049 --> 00:17:29,589
contra el suelo porque es la forma más

486
00:17:29,589 --> 00:17:30,670
rápida de vaciarlos.

487
00:17:31,130 --> 00:17:34,430
Es un ejemplo extremo y superdivertido, pero es

488
00:17:34,430 --> 00:17:35,250
que es literal.

489
00:17:35,670 --> 00:17:37,329
La IA no tiene sentido común.

490
00:17:37,569 --> 00:17:41,049
O la métrica es matemáticamente perfecta, o destruyes

491
00:17:41,049 --> 00:17:41,430
el proyecto.

492
00:17:41,869 --> 00:17:44,210
Y fíjate, para ver todo esto en acción,

493
00:17:44,369 --> 00:17:46,890
las fueltes detallan un experimento en vivo que

494
00:17:46,890 --> 00:17:48,369
es para caerse de espaldas.

495
00:17:48,630 --> 00:17:49,190
Ostras, sí.

496
00:17:49,329 --> 00:17:50,309
El caso de estudio.

497
00:17:50,769 --> 00:17:53,009
Cuéntame esto porque es vital para aterrizar la

498
00:17:53,009 --> 00:17:53,410
teoría.

499
00:17:53,650 --> 00:17:56,950
Plantearon un tutorial práctico usando el IDE Cursor

500
00:17:56,950 --> 00:17:59,609
con el modelo Cloth Code, el Opus 4

501
00:17:59,609 --> 00:18:00,369
.6.

502
00:18:00,730 --> 00:18:04,569
Y usaron una herramienta llamada Codex CLI en

503
00:18:04,569 --> 00:18:06,150
lo que ellos llaman modo YOLO.

504
00:18:06,230 --> 00:18:07,009
Modo YOLO.

505
00:18:07,009 --> 00:18:08,549
O sea, de You Only Live Once.

506
00:18:08,829 --> 00:18:09,869
Solo se vive una vez.

507
00:18:10,049 --> 00:18:11,289
Qué nombre tan apropiado.

508
00:18:11,450 --> 00:18:14,029
Es que significa darle a la IA permisos

509
00:18:14,029 --> 00:18:15,890
absolutos en tu ordenador.

510
00:18:16,069 --> 00:18:19,150
Puede modificar archivos locales y ejecutar comandos sin

511
00:18:19,150 --> 00:18:20,430
pedirte permiso para nada.

512
00:18:20,650 --> 00:18:21,930
Hay que estar como una cabra o muy

513
00:18:21,930 --> 00:18:22,750
seguro de lo que haces.

514
00:18:23,069 --> 00:18:24,970
¿Cuál era el objetivo del experimento?

515
00:18:24,990 --> 00:18:28,569
Tomaron una web de portafolios súper básica, estilo

516
00:18:28,569 --> 00:18:30,950
antiguo de hace 15 años, a nombre de

517
00:18:30,950 --> 00:18:32,029
una tal Alex Morgan.

518
00:18:32,309 --> 00:18:32,829
Ajá.

519
00:18:32,869 --> 00:18:36,529
El objetivo, la métrica del juez, era optimizar

520
00:18:36,529 --> 00:18:38,009
la velocidad de carga local.

521
00:18:38,490 --> 00:18:42,049
Usaron la herramienta Puppeteer para medir los milisegundos,

522
00:18:42,150 --> 00:18:46,089
adaptaron el archivo program .md de Carpeici y

523
00:18:46,089 --> 00:18:47,509
le dieron al botón de inicio.

524
00:18:47,670 --> 00:18:47,950
Vale.

525
00:18:48,069 --> 00:18:49,509
¿Y qué pasó en tiempo real?

526
00:18:49,829 --> 00:18:53,509
La velocidad base era de 50 milisegundos.

527
00:18:53,509 --> 00:18:56,630
En el primer intento, en modo YOLO, la

528
00:18:56,630 --> 00:19:00,029
IA modificó cosas y, fíjate, empeoró la velocidad.

529
00:19:00,470 --> 00:19:01,210
O sea, la lió.

530
00:19:01,490 --> 00:19:03,829
Sí, pero revirtió el cambio de inmediato.

531
00:19:04,309 --> 00:19:05,990
Hizo el git reset sola.

532
00:19:06,569 --> 00:19:09,289
Luego, sin que el humano tocara absolutamente nada,

533
00:19:09,549 --> 00:19:11,890
bajó la carga a 33 milisegundos.

534
00:19:12,109 --> 00:19:15,170
Un 34 % de mejora en menos de

535
00:19:15,170 --> 00:19:15,690
un minuto.

536
00:19:15,930 --> 00:19:16,690
¡Madre mía!

537
00:19:17,210 --> 00:19:19,470
Luego volvió a iterar y bajó a 28

538
00:19:19,470 --> 00:19:20,349
milisegundos.

539
00:19:20,470 --> 00:19:22,250
Y finalmente llegó a 25.

540
00:19:22,869 --> 00:19:25,289
Redujo el tiempo exactamente a la mitad en

541
00:19:25,289 --> 00:19:26,730
solo 4 minutos de reloj.

542
00:19:26,890 --> 00:19:28,089
Es que me explota la cabeza.

543
00:19:28,230 --> 00:19:30,829
Pasamos de sudar durante meses ajustando código a

544
00:19:30,829 --> 00:19:32,369
ver cómo el tiempo de carga se reduce

545
00:19:32,369 --> 00:19:34,589
a la mitad mientras tú, literalmente, te vas

546
00:19:34,589 --> 00:19:35,890
a la cocina a prepararte un café.

547
00:19:36,069 --> 00:19:39,049
Es que ningún desarrollador humano podría competir jamás

548
00:19:39,049 --> 00:19:40,490
con esa velocidad de iteración.

549
00:19:40,710 --> 00:19:42,569
Y el pronóstico a corto plazo es una

550
00:19:42,569 --> 00:19:42,930
locura.

551
00:19:43,269 --> 00:19:44,049
¿Qué se espera?

552
00:19:44,329 --> 00:19:46,410
Se predice que en los próximos 6 meses

553
00:19:46,410 --> 00:19:48,809
veremos modelos de la calidad de este SONNET

554
00:19:48,809 --> 00:19:51,950
4 .6 funcionando de forma local directamente en

555
00:19:51,950 --> 00:19:53,990
los iPhone, sin depender de la NUME.

556
00:19:54,170 --> 00:19:56,250
O sea, estamos presenciando el nacimiento de una

557
00:19:56,250 --> 00:19:59,569
especie digital resolviendo sus propios problemas en nuestros

558
00:19:59,569 --> 00:20:00,150
bolsillos.

559
00:20:00,470 --> 00:20:03,710
Y esto conecta muchísimo con la visión final

560
00:20:03,710 --> 00:20:05,289
que tiene Carpazzi de todo esto, ¿no?

561
00:20:05,630 --> 00:20:06,150
Totalmente.

562
00:20:06,309 --> 00:20:08,890
Él se inspira en el famoso proyecto SETI

563
00:20:08,890 --> 00:20:10,789
at Home de principios de los 2000.

564
00:20:11,049 --> 00:20:11,410
Ah, sí.

565
00:20:11,490 --> 00:20:13,369
Cuando la gente donaba la potencia de sus

566
00:20:13,369 --> 00:20:15,049
ordenadores para buscar extraterrestres.

567
00:20:15,349 --> 00:20:15,869
Exacto.

568
00:20:16,069 --> 00:20:20,210
Pues Carpazzi imagina un futuro inminente con millones

569
00:20:20,210 --> 00:20:23,650
de agentes de IA distribuidos en miles de

570
00:20:23,650 --> 00:20:26,890
ordenadores por todo el planeta, colaborando todos juntos

571
00:20:26,890 --> 00:20:29,690
en la investigación de la propia inteligencia artificial.

572
00:20:30,089 --> 00:20:30,390
¡Ostras!

573
00:20:30,990 --> 00:20:33,369
Es la imagen más literal de la mejora

574
00:20:33,369 --> 00:20:35,190
personal recursiva que he escuchado.

575
00:20:35,470 --> 00:20:37,829
El camino directo hacia la singularidad vamos.

576
00:20:38,190 --> 00:20:40,730
Miles de IAs mejorando el código de las

577
00:20:40,730 --> 00:20:43,670
propias IAs de forma autónoma y sin parar.

578
00:20:43,950 --> 00:20:45,970
Pues con esa imagen tan potente que da

579
00:20:45,970 --> 00:20:47,650
un poco de vértigo, tenemos que ir cerrando

580
00:20:47,650 --> 00:20:48,829
esta inversión profunda.

581
00:20:48,930 --> 00:20:50,190
Ha sido fascinante, la verdad.

582
00:20:50,190 --> 00:20:53,069
Ha sido un placer desgranar todo esto contigo.

583
00:20:53,130 --> 00:20:56,150
Antes de despedirnos, hasta el próximo programa, os

584
00:20:56,150 --> 00:20:58,029
informamos de que las voces que oyes han

585
00:20:58,029 --> 00:21:00,369
sido generadas por la IA de Notebook LM

586
00:21:00,369 --> 00:21:03,369
y que dirigiendo el podcast se encuentra Julio

587
00:21:03,369 --> 00:21:06,329
Pablo Vázquez, un humano que te envía saludos.

588
00:21:06,369 --> 00:21:09,170
En caso de error, probablemente sean errores humanos.

589
00:21:09,509 --> 00:21:10,509
Nos escuchamos.

590
00:21:10,630 --> 00:21:12,890
Y por cierto, una reflexión final para que

591
00:21:12,890 --> 00:21:13,690
le deis una vuelta.

592
00:21:13,910 --> 00:21:15,650
Si estamos a punto de entrar en un

593
00:21:15,650 --> 00:21:18,029
mundo donde la ejecución técnica del trabajo será

594
00:21:18,029 --> 00:21:21,910
completamente gratuita y miles de agentes hiperinteligentes harán

595
00:21:21,910 --> 00:21:24,890
todo el trabajo pesado por nosotros, ¿qué pasará

596
00:21:24,890 --> 00:21:26,369
cuando nos demos cuenta de que la parte

597
00:21:26,369 --> 00:21:29,049
más difícil de nuestro trabajo no era encontrar

598
00:21:29,049 --> 00:21:32,490
las respuestas, sino saber exactamente qué preguntas debíamos

599
00:21:32,490 --> 00:21:32,809
hacer?

600
00:21:33,269 --> 00:21:34,089
Ahí os lo dejo.

601
00:21:44,869 --> 00:21:47,130
Y hasta aquí el episodio de hoy.

602
00:21:47,250 --> 00:21:49,049
Muchas gracias por tu atención.

603
00:21:58,539 --> 00:22:00,500
Esto es BIM Praxis.

604
00:22:00,740 --> 00:22:03,259
Nos escuchamos en el próximo episodio.