1 00:00:09,679 --> 00:00:15,660 Buenas, esto es BIMPRAXIS, el podcast donde el 2 00:00:15,660 --> 00:00:17,699 BIM se encuentra con la inteligencia artificial. 3 00:00:20,280 --> 00:00:23,480 Exploramos la ciencia, la tecnología y el futuro 4 00:00:23,480 --> 00:00:26,440 desde el enfoque de la arquitectura, ingeniería y 5 00:00:26,440 --> 00:00:27,120 construcción. 6 00:00:28,739 --> 00:00:29,440 ¡Empezamos! 7 00:00:36,799 --> 00:00:41,020 Muy buenas, bienvenidas, bienvenidos a un nuevo episodio 8 00:00:41,020 --> 00:00:42,140 de BIMPRAXIS. 9 00:00:42,140 --> 00:00:45,359 Hoy os traemos del apocalipsis laboral de la 10 00:00:45,359 --> 00:00:48,939 inteligencia artificial a los microchips que se diseñan 11 00:00:48,939 --> 00:00:50,600 a sí mismos y los robots que se 12 00:00:50,600 --> 00:00:51,679 niegan a olvidar. 13 00:00:51,799 --> 00:00:54,219 Un menú bastante completito para hoy, la verdad. 14 00:00:54,320 --> 00:00:54,799 Ya te digo. 15 00:00:54,939 --> 00:00:57,719 A ver, para quienes nos escucháis, imaginaos la 16 00:00:57,719 --> 00:00:59,119 siguiente situación por un momento. 17 00:00:59,340 --> 00:01:01,479 Una empresa de software se acerca a vuestra 18 00:01:01,479 --> 00:01:04,340 oficina, os dice que su nueva herramienta cuesta 19 00:01:04,340 --> 00:01:06,760 10 .000 dólares al año por usuario y 20 00:01:06,760 --> 00:01:08,959 vuestros jefes, en lugar de echarles a patadas, 21 00:01:09,000 --> 00:01:10,620 piensan que es la mayor ganga de la 22 00:01:10,620 --> 00:01:10,939 historia. 23 00:01:11,280 --> 00:01:11,659 Claro. 24 00:01:11,659 --> 00:01:12,719 Claro, suena a locura. 25 00:01:12,840 --> 00:01:15,599 O imaginaos un robot avanzadísimo que aprende por 26 00:01:15,599 --> 00:01:17,420 fin a coger una taza de café sin 27 00:01:17,420 --> 00:01:20,400 derramarla, pero, eh, de repente se olvida por 28 00:01:20,400 --> 00:01:21,840 completo de cómo abrir una puerta. 29 00:01:22,299 --> 00:01:23,760 Bueno, es que lo curioso es que esto 30 00:01:23,760 --> 00:01:25,799 no son escenarios de ciencia ficción para dentro 31 00:01:25,799 --> 00:01:26,579 de 20 años. 32 00:01:26,739 --> 00:01:28,760 O sea, es exactamente lo que está ocurriendo 33 00:01:28,760 --> 00:01:30,379 hoy en las trincheras de la tecnología. 34 00:01:30,840 --> 00:01:31,280 Exacto. 35 00:01:31,299 --> 00:01:33,500 En nuestra inmersión a fondo de hoy, tenemos 36 00:01:33,500 --> 00:01:35,859 la misión de diseccionar un buen fajo de 37 00:01:35,859 --> 00:01:38,640 informes muy recientes para separar un poco el 38 00:01:38,640 --> 00:01:41,000 ruido mediático de la realidad operativa, que a 39 00:01:41,000 --> 00:01:42,640 veces son cosas muy distintas. 40 00:01:42,879 --> 00:01:44,019 Totalmente distintas. 41 00:01:44,140 --> 00:01:46,200 Queremos entender por qué la economía del software 42 00:01:46,200 --> 00:01:48,219 está, digamos, saltando por los aires. 43 00:01:48,500 --> 00:01:50,760 También, ¿qué hay detrás de esas guerras de 44 00:01:50,760 --> 00:01:52,640 las grandes corporaciones por generar vídeo? 45 00:01:52,980 --> 00:01:56,680 Y cómo, irónicamente, las máquinas están resolviendo sus 46 00:01:56,680 --> 00:01:59,200 propios problemas físicos y de hardware de formas 47 00:01:59,200 --> 00:02:01,599 que los humanos ni siquiera logramos comprender del 48 00:02:01,599 --> 00:02:01,799 todo. 49 00:02:02,000 --> 00:02:03,799 Pues creo que tenemos que empezar por el 50 00:02:03,799 --> 00:02:05,099 elefante en la habitación. 51 00:02:05,200 --> 00:02:07,579 Porque si uno abre cualquier portal de noticias 52 00:02:07,579 --> 00:02:09,759 hoy en día, parece que la IA está 53 00:02:09,759 --> 00:02:10,439 a punto de... 54 00:02:10,460 --> 00:02:11,819 Dejarnos a todos en la calle. 55 00:02:11,939 --> 00:02:14,840 Nos venden un pánico absoluto con este tema. 56 00:02:15,520 --> 00:02:18,719 Sí, la narrativa del apocalipsis laboral. 57 00:02:18,879 --> 00:02:19,340 Eso es. 58 00:02:19,479 --> 00:02:21,319 Pero a ver, si nos vamos a los 59 00:02:21,319 --> 00:02:23,919 datos fríos que traemos hoy, concretamente a la 60 00:02:23,919 --> 00:02:26,539 perspectiva de Andrew Eng, que es uno de 61 00:02:26,539 --> 00:02:29,539 los auténticos pioneros de este campo, él afirma 62 00:02:29,539 --> 00:02:32,400 que estas narrativas de desempleo masivo son directamente 63 00:02:32,400 --> 00:02:34,159 una irresponsabilidad. 64 00:02:34,340 --> 00:02:36,240 Y tiene motivos de sobra para decirlo. 65 00:02:36,539 --> 00:02:39,520 Eng pone sobre la mesa un argumento puramente 66 00:02:39,520 --> 00:02:41,639 empírico, y muy difícil de rebatir. 67 00:02:42,199 --> 00:02:43,840 Fijaos en la tasa de paro en Estados 68 00:02:43,840 --> 00:02:45,719 Unidos, que suele ser el canario en la 69 00:02:45,719 --> 00:02:46,979 mina para estas tecnologías. 70 00:02:47,180 --> 00:02:50,199 Sigue anclada en un envidiable y muy saludable 71 00:02:50,199 --> 00:02:51,539 4 ,3%. 72 00:02:51,539 --> 00:02:52,219 Ya. 73 00:02:52,379 --> 00:02:55,960 Venden, los indicadores macroeconómicos ya estarían parpadeando en 74 00:02:55,960 --> 00:02:57,379 rojo sangre por todas partes. 75 00:02:57,659 --> 00:03:00,020 Claro, tendría que notarse ya en la calle. 76 00:03:00,219 --> 00:03:00,780 Exacto. 77 00:03:00,780 --> 00:03:03,500 Y además, Nan subraya algo que él denomina 78 00:03:03,500 --> 00:03:04,960 la paradoja del software. 79 00:03:05,539 --> 00:03:07,960 Pensemos en la ingeniería de programación, por ejemplo. 80 00:03:08,120 --> 00:03:09,900 Es el sector donde los agentes... 81 00:03:10,060 --> 00:03:12,539 de IA que escriben código han irrumpido con 82 00:03:12,539 --> 00:03:13,900 muchísima más violencia. 83 00:03:14,099 --> 00:03:17,180 Bueno, claro, la intuición humana básica te dice 84 00:03:17,180 --> 00:03:19,560 que si una IA programa por ti, pues 85 00:03:19,560 --> 00:03:20,919 los programadores sobran, ¿no? 86 00:03:21,080 --> 00:03:23,780 Pues eso pensaríamos, pero los datos muestran justo 87 00:03:23,780 --> 00:03:24,379 lo contrario. 88 00:03:24,599 --> 00:03:27,939 Las contrataciones de ingenieros de software siguen siendo 89 00:03:27,939 --> 00:03:29,860 increíblemente fuertes hoy en día. 90 00:03:30,000 --> 00:03:30,419 Fíjate. 91 00:03:30,539 --> 00:03:32,419 Lo que estamos viendo en realidad es una 92 00:03:32,419 --> 00:03:34,939 creación neta de empleo que supera con creces 93 00:03:34,939 --> 00:03:35,759 a la destrucción. 94 00:03:35,860 --> 00:03:38,259 O sea, un patrón calcado al de revoluciones 95 00:03:38,259 --> 00:03:39,620 tecnológicas anteriores. 96 00:03:39,620 --> 00:03:41,259 O sea, que hay más demanda. 97 00:03:41,300 --> 00:03:41,819 Eso es. 98 00:03:41,879 --> 00:03:44,120 La demanda de software en el mundo es 99 00:03:44,120 --> 00:03:47,900 tan gigantesca e insaciable que simplemente ahora los 100 00:03:47,900 --> 00:03:51,259 ingenieros producen mucho más, pero siguen siendo igual 101 00:03:51,259 --> 00:03:52,879 de necesarios o incluso más. 102 00:03:53,400 --> 00:03:56,039 Ya, pero entonces yo me pongo la toga 103 00:03:56,039 --> 00:03:57,259 de abogada del diablo un momento. 104 00:03:57,500 --> 00:03:57,979 Adelante. 105 00:03:58,520 --> 00:04:01,159 Si los datos macroeconómicos dicen que hay más 106 00:04:01,159 --> 00:04:03,879 empleo, no entiendo por qué empresas serias, estas 107 00:04:03,879 --> 00:04:07,599 corporaciones enormes, están publicando comunicados oficiales diciendo que 108 00:04:07,599 --> 00:04:09,180 tienen que despedir gente por culpa de la 109 00:04:09,180 --> 00:04:09,860 inteligencia artificial. 110 00:04:10,259 --> 00:04:12,280 A ver, ¿nos están mintiendo en la cara 111 00:04:12,280 --> 00:04:13,680 o qué está pasando aquí exactamente? 112 00:04:14,180 --> 00:04:16,720 Pues mira, es una jugada corporativa de manual 113 00:04:16,720 --> 00:04:18,899 que tiene dos vertientes muy claras. 114 00:04:19,060 --> 00:04:21,560 La primera es que es la excusa perfecta 115 00:04:21,560 --> 00:04:22,899 para ocultar una mala gestión. 116 00:04:23,000 --> 00:04:25,699 Tenemos que recordar que muchas de estas grandes 117 00:04:25,699 --> 00:04:29,860 corporaciones contrataron de manera salvaje y súper desproporcionada 118 00:04:29,860 --> 00:04:30,680 durante la pandemia. 119 00:04:31,240 --> 00:04:33,459 En aquella época el dinero era baratísimo por 120 00:04:33,459 --> 00:04:35,959 los bajos tipos de interés y llovían estímulos 121 00:04:35,959 --> 00:04:37,420 financieros por todas partes. 122 00:04:37,920 --> 00:04:38,439 Cierto. 123 00:04:38,439 --> 00:04:38,540 ¿Qué pasa? 124 00:04:38,560 --> 00:04:40,560 Pero contrataban a cualquiera que supiera encender un 125 00:04:40,560 --> 00:04:41,100 ordenador. 126 00:04:41,319 --> 00:04:41,980 Tal cual. 127 00:04:42,220 --> 00:04:44,319 Y claro, ahora el grifo se ha cerrado, 128 00:04:44,459 --> 00:04:46,939 las cuentas aprietan y tienen que ajustar plantillas 129 00:04:46,939 --> 00:04:47,360 sí o sí. 130 00:04:47,939 --> 00:04:49,040 Ah, vale. 131 00:04:49,220 --> 00:04:50,660 O sea que en lugar de salir a 132 00:04:50,660 --> 00:04:53,300 la prensa y decir oye, perdón, calculamos mal 133 00:04:53,300 --> 00:04:55,579 y contratamos a demasiada gente hace tres años. 134 00:04:55,800 --> 00:04:57,060 Claro, no van a decir eso. 135 00:04:57,360 --> 00:05:01,399 Dicen, hemos implementado una IA revolucionaria y ahora 136 00:05:01,399 --> 00:05:02,819 somos mucho más eficientes. 137 00:05:03,120 --> 00:05:05,560 Suena muchísimo mejor para los accionistas, claro. 138 00:05:05,720 --> 00:05:08,060 Es una cortina de humo fantástica. 139 00:05:08,060 --> 00:05:09,759 Fica frente a Wall Street, te quitas la 140 00:05:09,759 --> 00:05:11,699 culpa de encima y además pareces un líder 141 00:05:11,699 --> 00:05:12,420 de vanguardia. 142 00:05:12,519 --> 00:05:13,139 ¡Qué listos! 143 00:05:13,360 --> 00:05:16,040 Pero bueno, la segunda vertiente, y esta es 144 00:05:16,040 --> 00:05:18,399 vital para entender el mercado, es el juego 145 00:05:18,399 --> 00:05:20,980 de los incentivos de las propias empresas que 146 00:05:20,980 --> 00:05:21,839 desarrollan la IA. 147 00:05:22,019 --> 00:05:23,300 A ver, cuéntame esto. 148 00:05:23,639 --> 00:05:26,180 Pues que hay un interés financiero desmesurado en 149 00:05:26,180 --> 00:05:28,379 exagerar lo que pueden hacer estos sistemas. 150 00:05:28,959 --> 00:05:31,600 O sea, algunos ejecutivos han llegado a sugerir 151 00:05:31,600 --> 00:05:33,699 riesgos de extinción humana en entrevistas. 152 00:05:34,160 --> 00:05:34,959 ¿Pero por qué? 153 00:05:35,439 --> 00:05:37,339 Simplemente para salir en los periódicos y hacerse 154 00:05:37,339 --> 00:05:37,839 los importantes. 155 00:05:38,360 --> 00:05:39,240 No, no. 156 00:05:39,639 --> 00:05:42,319 Para justificar los precios, pura y duramente. 157 00:05:43,420 --> 00:05:46,000 Históricamente, si tú vendes un software como servicio 158 00:05:46,000 --> 00:05:49,439 a una empresa, un SaaS clásico, sueles cobrar 159 00:05:49,439 --> 00:05:51,240 entre 100 y 1 .000 dólares al año, 160 00:05:51,319 --> 00:05:51,980 por usuario. 161 00:05:52,240 --> 00:05:54,639 Ese solía ser el tope psicológico del mercado 162 00:05:54,639 --> 00:05:55,060 B2B. 163 00:05:55,779 --> 00:05:57,939 Pero claro, si logras convencer a una empresa 164 00:05:57,939 --> 00:05:59,620 de que tu modelo de lenguaje no es 165 00:05:59,620 --> 00:06:02,000 solo una herramienta, sino que sustituye por completo 166 00:06:02,000 --> 00:06:04,019 a un trabajador humano que cobra, no sé, 167 00:06:04,100 --> 00:06:05,019 100 .000 dólares al año. 168 00:06:05,240 --> 00:06:06,040 Ostras, claro. 169 00:06:06,040 --> 00:06:08,800 O ves, cobrar 10 .000 dólares por esa 170 00:06:08,800 --> 00:06:10,779 licencia anual ya no parece caro. 171 00:06:10,980 --> 00:06:12,060 Parece un regalo. 172 00:06:13,019 --> 00:06:16,000 Básicamente, anclan el precio al salario humano, no 173 00:06:16,000 --> 00:06:18,040 al coste real del desarrollo del software. 174 00:06:18,399 --> 00:06:21,240 Es una estrategia de anclaje de precios brutal, 175 00:06:21,420 --> 00:06:21,800 la verdad. 176 00:06:21,939 --> 00:06:25,040 Y claro, si contrastamos esta narrativa apocalíptica de 177 00:06:25,040 --> 00:06:27,040 las empresas con lo que de verdad siente 178 00:06:27,040 --> 00:06:29,019 la gente en su mesa de trabajo, pues 179 00:06:29,019 --> 00:06:30,339 el panorama cambia drásticamente. 180 00:06:30,740 --> 00:06:32,600 Fijaos en la encuesta de Gallup que tenemos 181 00:06:32,600 --> 00:06:33,839 entre nuestras fuentes de hoy. 182 00:06:33,980 --> 00:06:35,660 Unos datos muy reveladores. 183 00:06:36,040 --> 00:06:36,439 Sí, sí. 184 00:06:36,519 --> 00:06:39,579 Han entrevistado a casi 24 .000 empleados en 185 00:06:39,579 --> 00:06:40,180 Estados Unidos. 186 00:06:40,339 --> 00:06:43,139 Es una muestra enorme, súper representativa. 187 00:06:43,279 --> 00:06:45,800 Pues bien, la mitad ya usa herramientas de 188 00:06:45,800 --> 00:06:46,839 IA en su día a día. 189 00:06:46,879 --> 00:06:50,339 Y de esos usuarios, el 65 % afirma 190 00:06:50,339 --> 00:06:52,199 que la IA les mejora la productividad. 191 00:06:52,459 --> 00:06:53,420 Una barbaridad. 192 00:06:53,639 --> 00:06:55,600 Es más, un 13 % de la gente 193 00:06:55,600 --> 00:06:58,040 encuestada la exprime a diario. 194 00:06:58,100 --> 00:07:00,899 Y un 28 % varias veces por semana. 195 00:07:01,399 --> 00:07:03,779 Quienes nos escucháis desde la oficina y usáis 196 00:07:03,779 --> 00:07:06,019 IAs, seguramente la estéis usando para quitarla. 197 00:07:06,040 --> 00:07:07,540 Y para quitaros de encima ese trabajo tedioso 198 00:07:07,540 --> 00:07:08,420 que odiáis, ¿eh? 199 00:07:08,500 --> 00:07:10,240 ¿No sentís que un robot os vaya a 200 00:07:10,240 --> 00:07:11,279 robar la silla mañana? 201 00:07:11,740 --> 00:07:13,939 Es que los datos de Gallup confirman que 202 00:07:13,939 --> 00:07:16,079 la adopción real es súper pragmática. 203 00:07:16,259 --> 00:07:19,000 La IA es una palanca de aumento para 204 00:07:19,000 --> 00:07:20,899 el trabajador, no un reemplazo. 205 00:07:21,079 --> 00:07:23,519 De hecho, el informe destaca algo muy interesante. 206 00:07:23,819 --> 00:07:25,680 Y es que en los entornos donde los 207 00:07:25,680 --> 00:07:28,459 jefes apoyan abiertamente el uso de estas herramientas 208 00:07:28,459 --> 00:07:31,160 para mejorar los flujos de trabajo, la percepción 209 00:07:31,160 --> 00:07:33,240 de los empleados es abrumadoramente positiva. 210 00:07:33,319 --> 00:07:35,459 Ya, viendo todo esto, es que es inevitable. 211 00:07:35,459 --> 00:07:38,060 ¿Es inevitable acordarse de todos esos pánicos históricos 212 00:07:38,060 --> 00:07:39,899 que menciona Andrew Ngay en su artículo? 213 00:07:40,060 --> 00:07:40,579 Totalmente. 214 00:07:40,740 --> 00:07:43,399 En su momento, hubo un terror absoluto a 215 00:07:43,399 --> 00:07:46,480 la energía nuclear que paralizó inversiones e innovación 216 00:07:46,480 --> 00:07:47,360 durante décadas. 217 00:07:47,879 --> 00:07:50,620 Luego, en los años 60, nos vendieron la 218 00:07:50,620 --> 00:07:51,759 bomba demográfica. 219 00:07:51,759 --> 00:07:53,459 Esa idea de que nos íbamos a morir 220 00:07:53,459 --> 00:07:55,139 todos de hambre por sobrepoblación. 221 00:07:55,360 --> 00:07:58,019 Que llevó a políticas de control natal drásticas 222 00:07:58,019 --> 00:07:59,759 y súper erróneas en muchos países. 223 00:07:59,980 --> 00:08:00,339 ¿Sí? 224 00:08:00,639 --> 00:08:01,160 Exacto. 225 00:08:01,160 --> 00:08:04,040 O la famosa guerra contra las grasas, donde 226 00:08:04,040 --> 00:08:06,839 por miedo a las grasas saturadas acabamos consumiendo 227 00:08:06,839 --> 00:08:10,339 dietas repletas de azúcares refinados y arruinando la 228 00:08:10,339 --> 00:08:12,000 salud metabólica de toda una generación. 229 00:08:12,439 --> 00:08:15,180 Mi gran duda es ¿no estaremos construyendo una 230 00:08:15,180 --> 00:08:18,759 profecía autocumplida donde este miedo absurdo a la 231 00:08:18,759 --> 00:08:21,579 IA nos haga sobre regularla o peor aún, 232 00:08:21,740 --> 00:08:22,959 que frene a la gente a la hora 233 00:08:22,959 --> 00:08:23,920 de formarse en ella? 234 00:08:24,079 --> 00:08:26,939 Ese es el peligro tangible y real. 235 00:08:27,220 --> 00:08:30,220 El coste de oportunidad del miedo es altísimo. 236 00:08:30,360 --> 00:08:34,639 Si tú regulas basándote en escenarios apocalípticos imaginarios 237 00:08:34,639 --> 00:08:37,240 como la extinción humana, en lugar de centrarte 238 00:08:37,240 --> 00:08:40,059 en los riesgos reales del presente, pues frenas 239 00:08:40,059 --> 00:08:43,320 el despliegue de herramientas que, literalmente, están haciendo 240 00:08:43,320 --> 00:08:45,080 las personas más productivas hoy. 241 00:08:45,519 --> 00:08:48,200 Vale, pues si el cuello de botella no 242 00:08:48,200 --> 00:08:49,899 va a ser la falta de empleo humano 243 00:08:49,899 --> 00:08:52,419 ni el fin del mundo laboral, ¿dónde está 244 00:08:52,419 --> 00:08:53,480 el límite de todo esto? 245 00:08:53,879 --> 00:08:57,059 Pues según nuestros informes de hoy, parece que 246 00:08:57,059 --> 00:08:59,100 el límite está en lo que cuesta mantener 247 00:08:59,100 --> 00:09:02,580 encendida toda esta gigantesca maquinaria tecnológica. 248 00:09:02,720 --> 00:09:04,500 Ah, la factura de la luz y los 249 00:09:04,500 --> 00:09:05,000 servidores. 250 00:09:05,620 --> 00:09:06,100 Exactamente. 251 00:09:06,259 --> 00:09:08,840 Y aquí pasamos a la guerra abierta por 252 00:09:08,840 --> 00:09:10,019 los generadores de vídeo. 253 00:09:10,200 --> 00:09:12,360 Porque hace nada todos vimos los clips de 254 00:09:12,360 --> 00:09:14,620 Sora, la IA de vídeo de OpenAI, y 255 00:09:14,620 --> 00:09:16,519 nos quedamos con la mandíbula en el suelo. 256 00:09:16,659 --> 00:09:19,879 Parecía que Hollywood iba a desaparecer mañana mismo. 257 00:09:20,120 --> 00:09:23,179 Sí, visualmente era un salto cuántico, no nos 258 00:09:23,179 --> 00:09:23,980 vamos a engañar. 259 00:09:24,159 --> 00:09:24,879 Sin duda. 260 00:09:25,340 --> 00:09:28,240 Pero la realidad económica detrás de esa magia 261 00:09:28,240 --> 00:09:30,299 técnica es absolutamente implacable. 262 00:09:30,620 --> 00:09:33,299 Las filtraciones y los reportes que analizamos hoy 263 00:09:33,299 --> 00:09:36,559 indican que OpenAI está planeando cerrar el acceso 264 00:09:36,559 --> 00:09:37,019 a Sora. 265 00:09:37,519 --> 00:09:38,080 ¿Cerrarlo? 266 00:09:38,360 --> 00:09:38,600 Sí. 267 00:09:39,120 --> 00:09:40,759 Y el motivo no es que la tecnología 268 00:09:40,759 --> 00:09:43,779 sea mala o haya dejado de sorprender, sino 269 00:09:43,779 --> 00:09:46,559 que es financieramente insostenible a nivel de consumidor. 270 00:09:47,059 --> 00:09:49,659 Operar Sora les estaba costando la friolera de 271 00:09:49,659 --> 00:09:52,279 un millón de dólares al día en computación 272 00:09:52,279 --> 00:09:53,080 pura y dura. 273 00:09:53,320 --> 00:09:54,700 Un millón al día. 274 00:09:54,840 --> 00:09:57,740 Madre mía, es una hemorragia de dinero brutal. 275 00:09:58,200 --> 00:10:01,240 Y encima, los datos muestran que el interés 276 00:10:01,240 --> 00:10:02,759 se desinfló rampidísimo. 277 00:10:03,019 --> 00:10:03,879 Como un suflé. 278 00:10:03,879 --> 00:10:07,059 Pasaron de tener un millón de usuarios activos 279 00:10:07,059 --> 00:10:09,539 que entraban a probar la novedad a menos 280 00:10:09,539 --> 00:10:11,200 de 500 .000 en un abril y cerrar 281 00:10:11,200 --> 00:10:11,519 de ojos. 282 00:10:11,860 --> 00:10:13,559 A ver, a la gente le hace mucha 283 00:10:13,559 --> 00:10:16,519 gracia generar un vídeo de, no sé, un 284 00:10:16,519 --> 00:10:18,100 perro astronauta en Marte una vez. 285 00:10:18,379 --> 00:10:20,080 Claro, para enseñarlo a los amigos. 286 00:10:20,399 --> 00:10:20,879 Eso es. 287 00:10:21,059 --> 00:10:24,100 Pero luego no lo incorporan a un flujo 288 00:10:24,100 --> 00:10:27,019 de trabajo diario real que justifique pagar una 289 00:10:27,019 --> 00:10:29,080 suscripción altísima todos los meses. 290 00:10:29,399 --> 00:10:31,600 Y ahí radica el gran problema de retención 291 00:10:31,600 --> 00:10:32,279 de estas empresas. 292 00:10:32,759 --> 00:10:35,759 Generar vídeo, requiere una capacidad de cálculo masiva. 293 00:10:35,840 --> 00:10:38,080 Si el usuario no percibe un valor constante 294 00:10:38,080 --> 00:10:39,740 en su día a día que justifique un 295 00:10:39,740 --> 00:10:42,419 precio premium, pues las cuentas simplemente no salen. 296 00:10:42,639 --> 00:10:43,120 Lógico. 297 00:10:43,360 --> 00:10:46,360 Y mientras OpenAI parece replegarse para enfocarse en 298 00:10:46,360 --> 00:10:49,039 soluciones más corporativas o vender su tecnología a 299 00:10:49,039 --> 00:10:51,779 terceros, desde China llega un movimiento sísmico. 300 00:10:51,919 --> 00:10:52,320 Cuéntame. 301 00:10:52,539 --> 00:10:55,100 ByteDance, la empresa matriz de TikTok, no sólo 302 00:10:55,100 --> 00:10:57,320 avanza en este terreno, sino que está pisando 303 00:10:57,320 --> 00:11:00,080 el acelerador a fondo lanzando Seedance 2 .0. 304 00:11:00,200 --> 00:11:02,340 Y el golpe maestro aquí no es sólo 305 00:11:02,340 --> 00:11:03,200 el modelo en sí. 306 00:11:03,200 --> 00:11:06,480 Es donde narices lo han metido, porque lo 307 00:11:06,480 --> 00:11:08,639 han integrado directamente en CapCut. 308 00:11:08,720 --> 00:11:10,220 Y a ver, para dar un poco de 309 00:11:10,220 --> 00:11:12,480 contexto a quienes nos escuchan, CapCut es su 310 00:11:12,480 --> 00:11:14,980 aplicación de edición de vídeo para móviles y 311 00:11:14,980 --> 00:11:18,860 tiene la auténtica locura de 736 millones de 312 00:11:18,860 --> 00:11:20,940 usuarios activos mensuales. 313 00:11:21,100 --> 00:11:22,080 Es una barbaridad. 314 00:11:22,240 --> 00:11:24,600 Es el segundo producto de IA para consumidores 315 00:11:24,600 --> 00:11:26,340 más usado de todo el planeta. 316 00:11:26,519 --> 00:11:28,039 Sólo por detrás de ChatGPT. 317 00:11:28,240 --> 00:11:31,940 O sea, ByteDance no necesita buscar usuarios desesperadamente. 318 00:11:31,940 --> 00:11:34,279 Ya los tiene cautivos en su propia plataforma. 319 00:11:34,620 --> 00:11:36,860 Esa es la ventaja brutal de poseer la 320 00:11:36,860 --> 00:11:37,159 plataforma. 321 00:11:37,600 --> 00:11:40,879 Pero ojo, no subestimemos el logro técnico de 322 00:11:40,879 --> 00:11:44,419 Seedance 2 .0, porque resuelve de un plumazo 323 00:11:44,419 --> 00:11:46,779 uno de los problemas más frustrantes de la 324 00:11:46,779 --> 00:11:48,019 generación de vídeo por IA. 325 00:11:48,100 --> 00:11:48,580 ¿Cuál es? 326 00:11:48,779 --> 00:11:50,779 Y luego el usuario tenía que usar otra 327 00:11:50,779 --> 00:11:53,399 herramienta distinta para generar el audio y luego 328 00:11:53,399 --> 00:11:55,440 tocaba intentar cuadrarlo a mano en un editor. 329 00:11:55,700 --> 00:11:56,600 Un tostón, vamos. 330 00:11:56,940 --> 00:11:57,700 Sí, nada fluido. 331 00:11:57,879 --> 00:12:01,159 Pues bien, Seedance 2 .0 utiliza lo que 332 00:12:01,159 --> 00:12:04,279 llaman lectura dispersa que le permite generar clips 333 00:12:04,279 --> 00:12:06,580 de 4 a 15 segundos con audio, estéreo 334 00:12:06,580 --> 00:12:08,980 y vídeo, todo procesado en una sola pasada. 335 00:12:09,120 --> 00:12:10,840 A ver, espera, vamos a desgranar eso de 336 00:12:10,840 --> 00:12:12,679 en una sola pasada, porque suena un poco 337 00:12:12,679 --> 00:12:13,299 abstracto. 338 00:12:13,559 --> 00:12:17,940 ¿Te refieres a que matemáticamente hablando, el modelo 339 00:12:17,940 --> 00:12:20,480 calcula al mismo tiempo cómo se mueven los 340 00:12:20,480 --> 00:12:23,440 labios del personaje en pantalla y cómo suena 341 00:12:23,440 --> 00:12:25,440 exactamente la sílaba que se supone que está 342 00:12:25,440 --> 00:12:26,120 pronunciando? 343 00:12:26,480 --> 00:12:27,220 Exactamente eso. 344 00:12:27,440 --> 00:12:29,340 Al procesar las señales de audio y de 345 00:12:29,340 --> 00:12:31,940 vídeo de manera conjunta desde el mismísimo punto 346 00:12:31,940 --> 00:12:34,419 de la inferencia, el sistema logra una sincronización 347 00:12:34,419 --> 00:12:37,679 labial nativa y además mantiene la coherencia física 348 00:12:37,679 --> 00:12:38,279 de la escena. 349 00:12:38,480 --> 00:12:39,120 Ostras. 350 00:12:39,659 --> 00:12:41,700 Por ejemplo, si hay un corte de cámara 351 00:12:41,700 --> 00:12:44,480 en el vídeo generado, el sonido estéreo cambia 352 00:12:44,480 --> 00:12:47,179 en consecuencia de forma natural, porque todo ha 353 00:12:47,179 --> 00:12:49,799 sido parido por el mismo proceso matemático unificado. 354 00:12:49,940 --> 00:12:51,120 Es alucinante, la verdad. 355 00:12:51,259 --> 00:12:53,700 Y en la comunidad técnica más especializada esto 356 00:12:53,700 --> 00:12:56,679 se está notando muchísimo, porque en plataformas de 357 00:12:56,679 --> 00:12:59,980 clasificación a ciegas como Arena AI o Artificial 358 00:12:59,980 --> 00:13:03,340 Analysis, que es donde miles de humanos votan 359 00:13:03,340 --> 00:13:05,179 qué vídeo es mejor sin saber qué IA 360 00:13:05,179 --> 00:13:05,899 lo ha generado. 361 00:13:06,059 --> 00:13:07,559 Las famosas pruebas a ciegas. 362 00:13:07,759 --> 00:13:08,279 Eso es. 363 00:13:08,340 --> 00:13:12,059 Pues ahí Seedance 2 .0 está arrasando por 364 00:13:12,059 --> 00:13:12,500 completo. 365 00:13:12,840 --> 00:13:14,740 Para que nos hagamos una idea, con los 366 00:13:14,740 --> 00:13:17,960 datos del informe en estos rankings usan el 367 00:13:17,960 --> 00:13:20,840 sistema de puntuación ELO, que bueno, para los 368 00:13:20,840 --> 00:13:22,759 que no jueguen al ajedrez, es un método 369 00:13:22,759 --> 00:13:26,259 matemático para calcular la habilidad relativa midiendo victorias 370 00:13:26,259 --> 00:13:27,419 y derrotas directas. 371 00:13:27,620 --> 00:13:31,840 Pues bien, Seedance tiene un ELO de 1460, 372 00:13:32,179 --> 00:13:34,940 compitiendo codo con codo con el modelo Happy 373 00:13:34,940 --> 00:13:38,840 Horse 1 .0 de Alibaba, que tiene 1454. 374 00:13:39,519 --> 00:13:42,299 Básicamente están en un empate técnico en la 375 00:13:42,299 --> 00:13:43,320 cima absoluta mundial. 376 00:13:43,759 --> 00:13:44,440 Así es. 377 00:13:44,539 --> 00:13:46,840 Sin embargo, toda esta brillante técnica se acaba 378 00:13:46,840 --> 00:13:49,139 estrellando de frente contra un muro muy humano, 379 00:13:49,299 --> 00:13:51,059 la realidad de los derechos de autor. 380 00:13:51,379 --> 00:13:53,159 Ya, el gran drama de siempre. 381 00:13:53,480 --> 00:13:53,639 Claro. 382 00:13:53,879 --> 00:13:56,440 En cuanto Seedance 2 .0 se desplegó en 383 00:13:56,440 --> 00:13:58,759 China, la red se inundó casi al instante 384 00:13:58,759 --> 00:14:01,419 de vídeos generados por los usuarios, donde aparecían 385 00:14:01,419 --> 00:14:03,820 clones hiperrealistas de Tom Cruise y Brad Pitt 386 00:14:03,820 --> 00:14:04,620 haciendo de todo. 387 00:14:04,799 --> 00:14:06,279 Y me juego el cuello a que a 388 00:14:06,279 --> 00:14:08,419 Hollywood no le hizo ninguna gracia ver eso. 389 00:14:08,639 --> 00:14:09,539 Ninguna gracia. 390 00:14:09,639 --> 00:14:10,159 Cero. 391 00:14:10,519 --> 00:14:13,360 Seis grandes estudios de cine intervinieron de inmediato, 392 00:14:13,419 --> 00:14:15,740 exigiendo a ByteDance que dejara de usar material 393 00:14:15,740 --> 00:14:18,399 protegido para entrenar sus modelos y que bloqueara 394 00:14:18,399 --> 00:14:20,799 esas generaciones específicas de rostros famosos. 395 00:14:21,039 --> 00:14:21,919 Menudo jaleo legal. 396 00:14:22,299 --> 00:14:25,960 Aunque ByteDance corrió a implementar filtros en CapCut, 397 00:14:26,039 --> 00:14:29,139 este incidente expone la gran tensión que atraviesa 398 00:14:29,139 --> 00:14:29,779 todo el sector. 399 00:14:30,500 --> 00:14:32,960 Porque el mejor algoritmo del mundo no te 400 00:14:32,960 --> 00:14:35,320 sirve de absolutamente nada si se alimenta de 401 00:14:35,320 --> 00:14:37,919 propiedad intelectual que no te pertenece y que 402 00:14:37,919 --> 00:14:40,159 te puede hundir en litigios millonarios al día 403 00:14:40,159 --> 00:14:40,500 siguiente. 404 00:14:40,919 --> 00:14:43,080 Es que fíjate en el panorama general que 405 00:14:43,080 --> 00:14:44,100 nos deja esta sección. 406 00:14:44,480 --> 00:14:47,600 OpenAI se retira discretamente porque no puede costear 407 00:14:47,600 --> 00:14:49,519 la computación masiva de su modelo. 408 00:14:49,779 --> 00:14:52,600 Y ByteDance domina el terreno porque tiene a 409 00:14:52,600 --> 00:14:55,539 los usuarios atados y el dinero suficiente para 410 00:14:55,539 --> 00:14:57,159 quemar servidores sin pestañear. 411 00:14:57,360 --> 00:14:58,779 Esa es la lectura clave. 412 00:14:58,899 --> 00:15:01,100 Lo que me pregunto al final es, ¿acaso 413 00:15:01,100 --> 00:15:02,899 la IA generativa no va de quién es 414 00:15:02,899 --> 00:15:06,620 más inteligente programando o inventando arquitecturas, sino de 415 00:15:06,620 --> 00:15:09,080 quién tiene los bolsillos más profundos para comprar 416 00:15:09,080 --> 00:15:10,620 fuerza bruta pura y dura? 417 00:15:10,799 --> 00:15:12,779 Pues hoy por hoy me temo que sí. 418 00:15:12,879 --> 00:15:15,120 La gran barrera de entrada es el capital 419 00:15:15,120 --> 00:15:16,379 para comprar hardware. 420 00:15:16,799 --> 00:15:18,940 El músculo financiero y el control de la 421 00:15:18,940 --> 00:15:21,200 distribución, como vemos en el caso de CapCut, 422 00:15:21,320 --> 00:15:23,759 pesan casi más que la optimización pura del 423 00:15:23,759 --> 00:15:24,580 modelo matemático. 424 00:15:24,679 --> 00:15:27,519 Y eso, fíjate, subraya cuál es el recurso 425 00:15:27,519 --> 00:15:29,500 más escaso y valioso de nuestra era, que 426 00:15:29,500 --> 00:15:30,399 son los microchips. 427 00:15:31,399 --> 00:15:31,919 Exacto. 428 00:15:31,919 --> 00:15:34,159 Y eso nos sirve de puente perfecto para 429 00:15:34,159 --> 00:15:34,940 el siguiente tema. 430 00:15:35,279 --> 00:15:37,299 Porque si esta guerra se gana a base 431 00:15:37,299 --> 00:15:39,919 de potencia de cálculo, pues todo depende de 432 00:15:39,919 --> 00:15:42,980 los microprocesadores que tengamos disponibles, lo que nos 433 00:15:42,980 --> 00:15:46,360 lleva irremediablemente a envidia y a un concepto 434 00:15:46,360 --> 00:15:49,240 que, os lo aseguro, parece sacado directamente de 435 00:15:49,240 --> 00:15:50,720 una película de ciencia ficción. 436 00:15:50,799 --> 00:15:52,960 Y es como la IA de hoy ya 437 00:15:52,960 --> 00:15:55,379 está diseñando los chips que albergarán a la 438 00:15:55,379 --> 00:15:56,679 próxima generación de IA. 439 00:15:56,799 --> 00:15:58,759 Es un concepto fascinante. 440 00:15:59,039 --> 00:16:02,240 Bill Daly, el científico jefe de Nvidia, dio 441 00:16:02,240 --> 00:16:04,340 una conferencia magistral hace poco en el evento 442 00:16:04,340 --> 00:16:07,460 GTC, donde verbalizó el gran sueño dorado de 443 00:16:07,460 --> 00:16:08,139 la compañía. 444 00:16:08,679 --> 00:16:09,200 Exactamente. 445 00:16:09,580 --> 00:16:12,139 Básicamente dijo que le encantaría poder pedirle a 446 00:16:12,139 --> 00:16:13,779 un modelo de IA que le diseñe la 447 00:16:13,779 --> 00:16:17,379 próxima GPU, la próxima tarjeta gráfica hiperpotente y 448 00:16:17,379 --> 00:16:19,399 poder irse a esquiar tranquilamente un par de 449 00:16:19,399 --> 00:16:21,220 días mientras la máquina hace el trabajo. 450 00:16:21,580 --> 00:16:24,340 Bueno, menos mal que puntualizó que todavía no 451 00:16:24,340 --> 00:16:26,559 han llegado a ese extremo de automatización total, 452 00:16:26,740 --> 00:16:29,259 porque si no estaríamos a un pasito de 453 00:16:29,259 --> 00:16:30,840 Skynet Terminator. 454 00:16:31,539 --> 00:16:32,259 Cierto, cierto. 455 00:16:32,500 --> 00:16:34,799 De momento no hay robots asesinos a la 456 00:16:34,799 --> 00:16:37,580 vista, pero los avances intermedios que presentó Daly 457 00:16:37,580 --> 00:16:39,299 en esa charla son súper reveladores. 458 00:16:39,879 --> 00:16:42,700 Mostró cómo están utilizando ya sistemas impulsados por 459 00:16:42,700 --> 00:16:45,200 IA para superar cuellos de botella físicos que 460 00:16:45,200 --> 00:16:46,379 son brutales para los humanos. 461 00:16:46,799 --> 00:16:48,320 Ponme un ejemplo del informe. 462 00:16:48,440 --> 00:16:50,600 Un ejemplo claro es el sistema ANV Cell. 463 00:16:50,840 --> 00:16:53,200 A ver, en el diseño de chips, cuando 464 00:16:53,200 --> 00:16:55,679 logras miniaturizar un poco más la tecnología de 465 00:16:55,679 --> 00:16:59,399 fabricación, tienes que rediseñar obligatoriamente miles y miles 466 00:16:59,399 --> 00:17:02,919 de componentes microscópicos, unas células básicas que contienen 467 00:17:02,919 --> 00:17:03,779 puertas lógicas. 468 00:17:03,879 --> 00:17:04,359 Vale. 469 00:17:04,519 --> 00:17:06,900 Es un trabajo de encaje de bolillos extremo 470 00:17:06,900 --> 00:17:09,059 que a un equipo de ocho ingenieros expertos 471 00:17:09,059 --> 00:17:11,720 humanos les llevaba unos diez meses de trabajo 472 00:17:11,720 --> 00:17:13,180 súper extenuante. 473 00:17:13,480 --> 00:17:16,299 Y aquí es donde entra ANV Cell, entiendo, 474 00:17:16,420 --> 00:17:18,859 este sistema de aprendizaje por refuerzo. 475 00:17:19,099 --> 00:17:21,559 Según las fuentes que tenemos delante, le pasaron 476 00:17:21,559 --> 00:17:23,619 este problema a la IA y resolvió el 477 00:17:23,619 --> 00:17:27,079 rediseño entero en una sola noche, procesándolo en 478 00:17:27,079 --> 00:17:27,779 una sola GPU. 479 00:17:28,119 --> 00:17:29,440 O sea, es alucinante. 480 00:17:29,440 --> 00:17:32,880 Ocho ingenieros durante casi un año compitiendo contra 481 00:17:32,880 --> 00:17:35,180 una máquina que lo despacha en una noche. 482 00:17:35,400 --> 00:17:37,519 Es que la diferencia de escala es absurda. 483 00:17:37,660 --> 00:17:39,619 Y la clave está en cómo piensa la 484 00:17:39,619 --> 00:17:39,920 máquina. 485 00:17:40,240 --> 00:17:43,619 Un humano diseña buscando simetría, patrones visuales que 486 00:17:43,619 --> 00:17:46,299 nuestra vista y nuestro cerebro puedan comprender y 487 00:17:46,299 --> 00:17:47,839 depurar si luego hay un error en la 488 00:17:47,839 --> 00:17:48,200 cadena. 489 00:17:48,359 --> 00:17:50,240 Claro, lo hacemos lógico para nosotros. 490 00:17:50,619 --> 00:17:51,059 Eso es. 491 00:17:51,299 --> 00:17:53,880 Un sistema de aprendizaje por refuerzo, sin embargo, 492 00:17:54,019 --> 00:17:55,019 no tiene estética. 493 00:17:55,380 --> 00:17:58,619 Sólo busca maximizar su recompensa matemática cumpliendo las 494 00:17:58,619 --> 00:18:00,599 reglas técnicas estrictas que le han dado. 495 00:18:00,680 --> 00:18:03,859 Por ejemplo, no cruzar cables que provoquen cortocircuitos. 496 00:18:03,920 --> 00:18:06,779 Ostras, eso enlaza perfectamente con el ejemplo que 497 00:18:06,779 --> 00:18:08,319 más me ha volado la cabeza de todo 498 00:18:08,319 --> 00:18:09,220 el análisis de hoy. 499 00:18:09,339 --> 00:18:13,000 El sistema Prefix RL que usan para diseñar 500 00:18:13,000 --> 00:18:16,140 circuitos aritméticos como sumadores de 64 bits. 501 00:18:16,359 --> 00:18:17,440 Es increíble ese caso. 502 00:18:17,680 --> 00:18:20,380 Los propios ingenieros de NVIDIA confiesan en el 503 00:18:20,380 --> 00:18:22,880 informe que los diseños que excupe la IA 504 00:18:22,880 --> 00:18:24,240 son extrañísimos. 505 00:18:24,380 --> 00:18:26,779 O sea, literalmente los describen como bizarros. 506 00:18:26,980 --> 00:18:30,059 Son un espagueti de conexiones automáticas que no 507 00:18:30,059 --> 00:18:32,480 siguen ninguna intuición geométrica humana. 508 00:18:32,559 --> 00:18:35,099 Si un estudiante de ingeniería presenta eso en 509 00:18:35,099 --> 00:18:37,359 la universidad, el profesor le suspende en el 510 00:18:37,359 --> 00:18:37,680 acto. 511 00:18:38,279 --> 00:18:38,839 Seguro. 512 00:18:38,880 --> 00:18:42,140 Pero resulta que matemáticamente funciona mucho mejor. 513 00:18:42,400 --> 00:18:45,059 Son un 25 por ciento más pequeños físicamente, 514 00:18:45,339 --> 00:18:47,359 lo cual ahorra espacio en el chip y 515 00:18:47,359 --> 00:18:49,140 rinden entre un 20 y un 30 por 516 00:18:49,140 --> 00:18:49,920 ciento más rápido. 517 00:18:50,099 --> 00:18:50,940 Es una locura. 518 00:18:51,140 --> 00:18:53,640 Y además es un golpe de humildad fascinante 519 00:18:53,640 --> 00:18:54,160 para nosotros. 520 00:18:54,880 --> 00:18:57,519 La IA está encontrando eficiencias en un espacio 521 00:18:57,519 --> 00:19:00,900 multidimensional internacional que a nosotros, los humanos, simplemente 522 00:19:00,900 --> 00:19:03,900 por nuestros sesgos estéticos y cognitivos, se nos 523 00:19:03,900 --> 00:19:04,799 escapan por completo. 524 00:19:05,440 --> 00:19:05,920 Totalmente. 525 00:19:06,059 --> 00:19:08,480 Y ojo, que NVIDIA no se queda ahí, 526 00:19:08,579 --> 00:19:08,660 eh. 527 00:19:09,000 --> 00:19:12,099 También han desarrollado modelos de lenguaje internos para 528 00:19:12,099 --> 00:19:16,039 sus empleados, como ChipNemo y BookNemo, que están 529 00:19:16,039 --> 00:19:18,559 basados en la arquitectura Lama2 de Meta. 530 00:19:18,599 --> 00:19:19,019 Sí. 531 00:19:19,220 --> 00:19:21,759 Pues bien, los han entrenado con décadas de 532 00:19:21,759 --> 00:19:23,420 su propia documentación secreta. 533 00:19:23,880 --> 00:19:27,359 Notas de diseño de hace 20 años, especificaciones 534 00:19:27,359 --> 00:19:29,140 técnicas detalladas, todo. 535 00:19:29,500 --> 00:19:31,900 Y lo hacen para que actúen como asistentes 536 00:19:31,900 --> 00:19:35,039 expertos de sus ingenieros, ayudándoles a escribir código 537 00:19:35,039 --> 00:19:37,339 y detectar errores invisibles para el ojo humano. 538 00:19:37,619 --> 00:19:39,319 Es que te paras a pensarlo y es 539 00:19:39,319 --> 00:19:42,079 como la película Origen, Inception, ¿sabes? 540 00:19:42,079 --> 00:19:43,880 Un sueño dentro de un sueño. 541 00:19:44,359 --> 00:19:47,299 Usan miles de GPUs de NVIDIA para entrenar 542 00:19:47,299 --> 00:19:48,500 grandes modelos de IA. 543 00:19:48,740 --> 00:19:51,519 Luego cogen esos modelos ya entrenados y los 544 00:19:51,519 --> 00:19:53,799 meten dentro de las oficinas de NVIDIA para 545 00:19:53,799 --> 00:19:56,380 que diseñen y optimicen la próxima generación de 546 00:19:56,380 --> 00:19:58,839 GPUs, que será más inteligente y que luego 547 00:19:58,839 --> 00:20:01,740 servirá para entrenar IAs aún más inteligentes. 548 00:20:01,900 --> 00:20:02,700 Es un bucle. 549 00:20:02,839 --> 00:20:06,400 Es un bucle de aceleración tecnológica mareante, la 550 00:20:06,400 --> 00:20:06,599 verdad. 551 00:20:06,779 --> 00:20:10,559 Es un ciclo de retroalimentación positiva impresionante, donde 552 00:20:10,559 --> 00:20:13,039 el software optimiza su propio sustrato de hardware. 553 00:20:13,380 --> 00:20:16,599 Pero claro, todo esto del diseño de chips 554 00:20:16,599 --> 00:20:19,539 ocurre en el mundo digital, en servidores cerrados 555 00:20:19,539 --> 00:20:20,640 y entornos simulados. 556 00:20:21,099 --> 00:20:23,960 El verdadero salto, la gran frontera que nos 557 00:20:23,960 --> 00:20:26,740 queda por conquistar, es lograr que esa inteligencia 558 00:20:26,740 --> 00:20:28,480 cristalice en el mundo físico y real. 559 00:20:28,779 --> 00:20:29,900 La robótica. 560 00:20:30,259 --> 00:20:30,819 Exacto. 561 00:20:30,819 --> 00:20:34,420 Hemos solucionado el código, hemos solucionado el hardware, 562 00:20:35,180 --> 00:20:37,960 pero resulta que cuando intentamos que un brazo 563 00:20:37,960 --> 00:20:40,779 robótico físico nos prepare el desayuno en la 564 00:20:40,779 --> 00:20:44,359 cocina, nos encontramos con que los robots sufren 565 00:20:44,359 --> 00:20:45,180 de amnesia. 566 00:20:45,319 --> 00:20:45,940 Así es. 567 00:20:46,059 --> 00:20:49,039 El famoso problema del olvido catastrófico. 568 00:20:49,279 --> 00:20:51,339 Fíjate que esto me parece hasta poético. 569 00:20:51,440 --> 00:20:54,279 O sea, hacemos máquinas perfectas y resulta que 570 00:20:54,279 --> 00:20:57,019 tienen un defecto profundamente humano, que es que 571 00:20:57,019 --> 00:20:58,000 se olvidan de las cosas. 572 00:20:58,259 --> 00:20:59,980 Es el gran talón de Aquiles de las 573 00:20:59,980 --> 00:21:02,740 redes neuronales cuando las aplicas al mundo real 574 00:21:02,740 --> 00:21:03,480 y caótico. 575 00:21:03,700 --> 00:21:05,900 A ver, si tú entrenas a un modelo 576 00:21:05,900 --> 00:21:08,640 de IA en un entorno cerrado, pasándole todos 577 00:21:08,640 --> 00:21:10,660 los datos de golpe a la vez, pues 578 00:21:10,660 --> 00:21:11,259 funciona bien. 579 00:21:11,619 --> 00:21:13,779 Pero en la vida real el aprendizaje es 580 00:21:13,779 --> 00:21:14,299 secuencial. 581 00:21:14,559 --> 00:21:16,140 Vas aprendiendo poco a poco. 582 00:21:16,339 --> 00:21:16,779 Ya. 583 00:21:17,180 --> 00:21:19,660 Imagina un brazo robótico trabajando en una cadena 584 00:21:19,660 --> 00:21:20,819 de montaje en una fábrica. 585 00:21:21,420 --> 00:21:23,619 Le enseñas primero a abrir un cajón para 586 00:21:23,619 --> 00:21:25,740 sacar piezas y lo hace a la perfección. 587 00:21:25,859 --> 00:21:26,140 Vale. 588 00:21:26,240 --> 00:21:29,099 Pero meses después, necesitas que ese mismo robot 589 00:21:29,099 --> 00:21:31,640 aprenda a manipular una herramienta nueva y distinta. 590 00:21:32,240 --> 00:21:35,599 Mientras la IA ajusta sus pesos matemáticos internos 591 00:21:35,599 --> 00:21:38,740 para aprender esa nueva tarea, sobrescribe y destruye 592 00:21:38,740 --> 00:21:40,720 por error los caminos neuronales de la primera 593 00:21:40,720 --> 00:21:41,779 tarea que aprendió. 594 00:21:42,059 --> 00:21:42,799 Madre mía. 595 00:21:42,940 --> 00:21:44,960 Y de repente es un experto manejando la 596 00:21:44,960 --> 00:21:47,200 herramienta nueva, pero se ha olvidado por completo 597 00:21:47,200 --> 00:21:49,000 de cómo se abría el maldito cajón. 598 00:21:49,160 --> 00:21:51,339 Para visualizarlo un poco mejor, es como si 599 00:21:51,339 --> 00:21:53,319 mañana me apunto a clases de tenis y 600 00:21:53,319 --> 00:21:54,920 aprendo a jugar estupendamente. 601 00:21:55,119 --> 00:21:57,160 Pero por la forma en la que funciona 602 00:21:57,400 --> 00:21:59,220 mi cerebro, se me olvida cómo caminar. 603 00:21:59,460 --> 00:22:01,759 Sería un desastre absoluto. 604 00:22:02,400 --> 00:22:03,019 Exactamente. 605 00:22:03,019 --> 00:22:04,400 Esa es la magnitud del problema. 606 00:22:04,700 --> 00:22:07,839 Pero según la investigación súper reciente que nos 607 00:22:07,839 --> 00:22:10,440 ocupa hoy, liderada por equipos de la Universidad 608 00:22:10,440 --> 00:22:13,319 de Texas en Austin, la UCLA y técnicos 609 00:22:13,319 --> 00:22:15,700 de Sony, parece que han encontrado una vía 610 00:22:15,700 --> 00:22:17,740 de solución espectacular a este problema. 611 00:22:18,079 --> 00:22:19,299 A ver, ilumíname. 612 00:22:19,950 --> 00:22:24,859 Han combinado grandes modelos vision -lenguaje -acción, los 613 00:22:24,859 --> 00:22:28,400 llamados BLA en inglés, con dos técnicas matemáticas 614 00:22:28,400 --> 00:22:31,240 clave, que son LoRa y GRPO. 615 00:22:31,900 --> 00:22:33,599 Uf, a ver, frena un momento. 616 00:22:33,819 --> 00:22:35,619 Vamos a ir paso a paso, porque aquí 617 00:22:35,619 --> 00:22:37,299 hay mucha densidad técnica de golpe. 618 00:22:37,599 --> 00:22:38,779 Venga, vamos a ello. 619 00:22:38,960 --> 00:22:41,980 Frías del tipo mueve el motor X cinco 620 00:22:41,980 --> 00:22:46,019 grados, sino que literalmente ve una taza de 621 00:22:46,019 --> 00:22:48,359 café a través de su cámara, procesa la 622 00:22:48,359 --> 00:22:51,359 palabra taza mediante el modelo de lenguaje y 623 00:22:51,359 --> 00:22:53,880 lo traduce en instrucciones para los motores que 624 00:22:53,880 --> 00:22:55,839 mueven sus dedos mecánicos, ¿verdad? 625 00:22:56,200 --> 00:22:57,480 Eso es, lo has clavado. 626 00:22:57,859 --> 00:23:01,059 Básicamente, el robot entiende su entorno combinando visión 627 00:23:01,059 --> 00:23:04,160 artificial y lenguaje natural antes de ejecutar cualquier 628 00:23:04,160 --> 00:23:04,960 acción motriz. 629 00:23:05,140 --> 00:23:05,460 Vale. 630 00:23:05,700 --> 00:23:08,000 Pero el verdadero truco de magia contra este 631 00:23:08,000 --> 00:23:11,180 olvido catastrófico está en las otras dos siglas 632 00:23:11,180 --> 00:23:11,859 que mencioné. 633 00:23:12,019 --> 00:23:14,660 Empecemos por LoRa, que en español vendría a 634 00:23:14,660 --> 00:23:16,200 ser adaptación de bajo rango. 635 00:23:16,539 --> 00:23:19,579 LoRa es un método matemático súper ingenioso que 636 00:23:19,579 --> 00:23:21,619 congela la gran mayoría de la red neuronal 637 00:23:21,619 --> 00:23:24,400 original del robot y sólo permite modificar una 638 00:23:24,400 --> 00:23:27,559 fracción minúscula de sus parámetros internos cuando aprende 639 00:23:27,559 --> 00:23:27,940 algo nuevo. 640 00:23:28,099 --> 00:23:31,279 Vale, siguiendo con mis metáforas para entenderlo mejor. 641 00:23:31,460 --> 00:23:33,839 Es como si la memoria base del robot 642 00:23:33,839 --> 00:23:36,519 fuera, no sé, un tablero de corcho inmenso 643 00:23:36,519 --> 00:23:38,940 en la pared lleno de notas y conocimientos. 644 00:23:39,279 --> 00:23:39,640 Sí. 645 00:23:39,839 --> 00:23:42,740 Y LoRa actuaría como un montón de chinchetes 646 00:23:42,740 --> 00:23:43,220 fijas. 647 00:23:43,319 --> 00:23:46,000 Te permite colgar papelitos nuevos con las cosas 648 00:23:46,000 --> 00:23:49,200 recientes que aprendes encima de las otras, pero 649 00:23:49,200 --> 00:23:52,839 te prohíbe terminantemente descolgar los cimientos fundamentales que 650 00:23:52,839 --> 00:23:54,220 mantienen todo atado a la pared. 651 00:23:54,440 --> 00:23:56,180 Es una analogía excelente. 652 00:23:56,200 --> 00:23:59,759 De verdad, LoRa preserva intacto el conocimiento base 653 00:23:59,759 --> 00:24:00,660 que ya tenías. 654 00:24:00,799 --> 00:24:03,819 Y luego a esto le añaden GRPO, que 655 00:24:03,819 --> 00:24:06,079 es una técnica de aprendizaje por refuerzo de 656 00:24:06,079 --> 00:24:08,180 política local o lo que llaman en inglés 657 00:24:08,180 --> 00:24:08,880 On Policy. 658 00:24:09,180 --> 00:24:11,700 Otra pausa aquí, porque cuando dices que es 659 00:24:11,700 --> 00:24:13,980 On Policy, para los que no tenemos un 660 00:24:13,980 --> 00:24:18,000 doctorado en Machine Learning, ¿qué significa exactamente en 661 00:24:18,000 --> 00:24:19,380 la práctica física del robot? 662 00:24:19,720 --> 00:24:23,599 Significa algo muy poderoso, que el robot evalúa 663 00:24:23,599 --> 00:24:25,859 y puntúa sus propios intentos de hacer la 664 00:24:25,859 --> 00:24:28,799 tarea basándose en su estado actual de conocimiento. 665 00:24:29,099 --> 00:24:29,619 Ajá. 666 00:24:29,680 --> 00:24:32,259 En lugar de intentar copiar ciegamente los datos 667 00:24:32,259 --> 00:24:34,720 perfectos de un demostrador externo o de un 668 00:24:34,720 --> 00:24:37,819 humano, que podrían obligarle a cambiar radicalmente y 669 00:24:37,819 --> 00:24:39,720 destrozar todo su sistema interno. 670 00:24:39,940 --> 00:24:42,400 Vamos, que el robot experimenta dentro de sus 671 00:24:42,400 --> 00:24:44,519 propios límites y se premia a sí mismo 672 00:24:44,519 --> 00:24:47,200 con puntos matemáticos cuando logra la tarea sin 673 00:24:47,200 --> 00:24:49,079 romper las reglas que le impuso LoRa. 674 00:24:49,259 --> 00:24:51,900 O sea que se califica sus propios deberes. 675 00:24:52,039 --> 00:24:52,559 Básicamente. 676 00:24:52,880 --> 00:24:54,500 Y vaya si funciona el sistema. 677 00:24:54,500 --> 00:24:56,559 Fijaos en las pruebas que hicieron en el 678 00:24:56,559 --> 00:24:58,779 simulador Libero, que son alucinantes. 679 00:24:59,220 --> 00:25:02,019 Sometieron a varios brazos robóticos a realizar tareas 680 00:25:02,019 --> 00:25:05,700 secuenciales y consiguieron un 81 ,2 % de 681 00:25:05,700 --> 00:25:06,339 éxito general. 682 00:25:06,660 --> 00:25:07,920 Una tasa altísima. 683 00:25:08,059 --> 00:25:10,539 Sí, pero el dato que de verdad cambia 684 00:25:10,539 --> 00:25:13,259 el paradigma de la robótica aquí es que 685 00:25:13,259 --> 00:25:16,460 el nivel de olvido fue del 0 ,3%. 686 00:25:17,039 --> 00:25:19,420 O sea, prácticamente cero. 687 00:25:19,539 --> 00:25:22,039 El robot aprendía lo nuevo sin borrar lo 688 00:25:22,039 --> 00:25:25,299 viejo, destrozando por completo las métricas a métodos 689 00:25:25,299 --> 00:25:28,480 anteriores que tenían nombres chulísimos, pero menos efectivos, 690 00:25:28,480 --> 00:25:30,799 como ese del Dark Experience Replay. 691 00:25:31,079 --> 00:25:32,980 Es que la implicación en el mundo real 692 00:25:32,980 --> 00:25:35,079 de ese 0 ,3 % es masiva. 693 00:25:35,420 --> 00:25:37,279 Significa que estamos a las puertas de tener 694 00:25:37,279 --> 00:25:40,180 robots verdaderamente adaptables y útiles en las casas 695 00:25:40,180 --> 00:25:41,099 o en las fábricas. 696 00:25:41,200 --> 00:25:41,660 Claro. 697 00:25:41,900 --> 00:25:43,559 Piensa que ya no tendrás que enviar a 698 00:25:43,559 --> 00:25:45,380 tu asistente robótico de vuelta a la fábrica 699 00:25:45,380 --> 00:25:47,039 para que les borren el disco duro y 700 00:25:47,039 --> 00:25:48,700 le enseñen todas las tareas de la casa 701 00:25:48,700 --> 00:25:50,700 desde cero sólo porque has cambiado el tipo 702 00:25:50,700 --> 00:25:52,259 de tirador de la puerta del salón. 703 00:25:52,400 --> 00:25:53,680 Ya, sería absurdo. 704 00:25:54,500 --> 00:25:55,480 Pero es un tema en que un humano 705 00:25:55,480 --> 00:25:57,640 va ganando experiencia motriz a lo largo de 706 00:25:57,640 --> 00:25:58,019 su vida. 707 00:25:58,640 --> 00:26:00,720 La verdad es que si unimos todos los 708 00:26:00,720 --> 00:26:03,339 hilos de nuestra inversión de hoy, vemos un 709 00:26:03,339 --> 00:26:05,859 tapiz asombroso y bastante distinto al que pintan 710 00:26:05,859 --> 00:26:07,440 los titulares del apocalipsis. 711 00:26:07,559 --> 00:26:08,299 Así es. 712 00:26:08,359 --> 00:26:10,440 Yo creo que la conclusión general de nuestro 713 00:26:10,440 --> 00:26:12,940 análisis es que debemos desechar esa idea del 714 00:26:12,940 --> 00:26:14,000 apocalipsis laboral. 715 00:26:14,240 --> 00:26:16,279 La IA no es un cometa que viene 716 00:26:16,279 --> 00:26:18,140 a destruir el empleo humano de la noche 717 00:26:18,140 --> 00:26:18,619 a la mañana. 718 00:26:18,839 --> 00:26:21,819 Es en realidad una herramienta de reorganización económica 719 00:26:21,819 --> 00:26:22,259 masiva. 720 00:26:22,720 --> 00:26:26,339 Y para sostenerla, las corporaciones gigantescas libran guerras 721 00:26:26,339 --> 00:26:29,920 por la supremacía tecnológica, quemando cantidades obscenas de 722 00:26:29,920 --> 00:26:33,240 dinero para generar desde código hasta vídeos hiperrealistas. 723 00:26:33,599 --> 00:26:36,019 Y claro, todo esto empuja al límite la 724 00:26:36,019 --> 00:26:38,700 necesidad de mejores procesadores, lo que nos lleva 725 00:26:38,700 --> 00:26:41,720 directamente a IAs rediseñando su propia arquitectura en 726 00:26:41,720 --> 00:26:42,420 noche sin dormir. 727 00:26:42,619 --> 00:26:43,740 Es un bucle imparable. 728 00:26:44,299 --> 00:26:47,420 Y finalmente, todo este torrente de innovación digital 729 00:26:47,420 --> 00:26:49,940 está empezando a derramarse en el mundo físico 730 00:26:49,940 --> 00:26:52,539 y tangible, creando robots que por fin pueden 731 00:26:52,539 --> 00:26:53,819 aprender sin olvidar. 732 00:26:54,500 --> 00:26:57,059 Es una evolución técnica y social fascinante. 733 00:26:57,500 --> 00:26:59,940 Y bueno, para terminar, dejadme que os plantee 734 00:26:59,940 --> 00:27:02,240 una pequeña reflexión que me ronda la cabeza 735 00:27:02,240 --> 00:27:04,579 después de leer todos estos informes hoy. 736 00:27:04,700 --> 00:27:07,720 A ver si la IA nos hace exponencialmente 737 00:27:07,720 --> 00:27:09,160 más productivos en el trabajo. 738 00:27:09,380 --> 00:27:13,259 Si está ideando microchips con geometrías matemáticas que 739 00:27:13,259 --> 00:27:16,140 nuestros propios ingenieros no comprenden, pero que rinden 740 00:27:16,140 --> 00:27:16,460 mejor. 741 00:27:16,660 --> 00:27:19,480 Y si ahora encima tenemos robots capaces de 742 00:27:19,480 --> 00:27:23,180 aprender de forma acumulativa cualquier tarea motriz compleja, 743 00:27:23,180 --> 00:27:25,319 pues quizá el cuello de botella del futuro 744 00:27:25,319 --> 00:27:27,119 no sea tecnológico en absoluto. 745 00:27:28,279 --> 00:27:28,880 Interesante. 746 00:27:29,000 --> 00:27:31,319 Quizá el cuello de botella pase a ser 747 00:27:31,319 --> 00:27:33,099 nuestra propia imaginación. 748 00:27:33,400 --> 00:27:35,500 Porque qué pasará el día de mañana cuando 749 00:27:35,500 --> 00:27:39,640 tengamos máquinas capaces de fabricar, resolver o calcular 750 00:27:39,640 --> 00:27:42,440 absolutamente cualquier cosa en el mundo físico o 751 00:27:42,440 --> 00:27:42,779 digital. 752 00:27:43,039 --> 00:27:46,220 Pero seamos nosotros los humanos los que nos 753 00:27:46,220 --> 00:27:48,660 quedemos en blanco y no sepamos qué pedirles 754 00:27:48,660 --> 00:27:49,000 exactamente. 755 00:27:49,720 --> 00:27:51,579 Ahí os dejo esa idea para que le 756 00:27:51,579 --> 00:27:52,220 deis una vuelta. 757 00:27:53,180 --> 00:27:54,420 Da que pensar desde luego. 758 00:27:54,960 --> 00:27:58,180 Antes de despedirnos hasta el próximo programa, os 759 00:27:58,180 --> 00:28:00,599 informamos de que las voces que oyes han 760 00:28:00,599 --> 00:28:03,140 sido generadas por la IA de Notebook LM 761 00:28:03,140 --> 00:28:06,059 y que dirigiendo el podcast se encuentra Julio 762 00:28:06,059 --> 00:28:08,460 Pablo Vázquez, un humano que te envía saludos. 763 00:28:08,559 --> 00:28:11,799 En caso de error, probablemente sean errores humanos. 764 00:28:12,180 --> 00:28:13,200 Nos escuchamos. 765 00:28:24,119 --> 00:28:26,339 Y hasta aquí el episodio de hoy. 766 00:28:26,460 --> 00:28:28,279 Muchas gracias por tu atención. 767 00:28:37,809 --> 00:28:39,690 Esto es BIMPRAXIS. 768 00:28:40,369 --> 00:28:42,509 Nos escuchamos en el próximo episodio.