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

2
00:00:15,660 --> 00:00:17,719
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
00:00:36,929 --> 00:00:40,609
Muy buenas, bienvenidas, bienvenidos a un nuevo episodio

8
00:00:40,609 --> 00:00:41,670
de BIMPRAXIS.

9
00:00:41,670 --> 00:00:45,350
Hoy os traemos el cerebro artificial de Garritán,

10
00:00:45,509 --> 00:00:48,350
la memoria de IA en texto plano y

11
00:00:48,350 --> 00:00:50,329
el incombustible ecosistema Obsidian.

12
00:00:50,799 --> 00:00:53,469
Y bueno, para arrancar, pensemos en una situación

13
00:00:53,469 --> 00:00:54,049
hipotética.

14
00:00:54,270 --> 00:00:55,450
A ver, ¿qué nos traes hoy?

15
00:00:56,090 --> 00:00:58,229
Imaginad que acabamos de contratar a la persona

16
00:00:58,229 --> 00:01:00,210
más brillante del mundo como asistente.

17
00:01:00,350 --> 00:01:03,810
Tiene un coeficiente intelectual altísimo, habla decenas de

18
00:01:03,810 --> 00:01:05,769
idiomas… Una joya de empleado, vamos.

19
00:01:05,909 --> 00:01:06,530
Exacto.

20
00:01:06,530 --> 00:01:09,969
Ha procesado casi todo el conocimiento humano disponible.

21
00:01:10,109 --> 00:01:11,390
Pero hay un pequeño problema.

22
00:01:11,670 --> 00:01:12,629
Y es insalvable.

23
00:01:13,049 --> 00:01:14,090
Uy, a ver, cuenta.

24
00:01:14,450 --> 00:01:16,849
Cada vez que parpadea, esa persona sufre de

25
00:01:16,849 --> 00:01:17,510
amnesia total.

26
00:01:17,790 --> 00:01:20,370
Se olvida de quienes somos, de los proyectos

27
00:01:20,370 --> 00:01:22,189
en los que trabajamos ayer y de cómo

28
00:01:22,189 --> 00:01:23,670
queremos que presente los informes.

29
00:01:24,269 --> 00:01:24,969
Frustrante, ¿verdad?

30
00:01:25,650 --> 00:01:26,090
Totalmente.

31
00:01:26,189 --> 00:01:29,609
O sea, es una analogía dolorosamente precisa, ¿la

32
00:01:29,609 --> 00:01:29,769
verdad?

33
00:01:30,030 --> 00:01:32,890
Pues así, en esencia, es como hemos estado

34
00:01:32,890 --> 00:01:35,950
interactuando con la inteligencia artificial hasta hace un

35
00:01:35,950 --> 00:01:36,530
cuarto de hora.

36
00:01:36,689 --> 00:01:37,409
Es que tal cual.

37
00:01:38,269 --> 00:01:40,730
Históricamente hemos tratado a los modelos de lenguaje

38
00:01:40,730 --> 00:01:42,549
como oráculos… Los oráculos amnésicos.

39
00:01:43,129 --> 00:01:45,629
Les damos todo el contexto desde cero en

40
00:01:45,629 --> 00:01:46,409
cada interacción.

41
00:01:46,689 --> 00:01:47,530
Una y otra vez.

42
00:01:47,750 --> 00:01:48,290
Eso es.

43
00:01:48,370 --> 00:01:50,609
Y la promesa de lo que llamamos memoria

44
00:01:50,609 --> 00:01:52,450
de agentes, que es nuestro tema de hoy,

45
00:01:52,569 --> 00:01:54,730
busca romper ese ciclo por completo.

46
00:01:55,030 --> 00:01:57,530
El objetivo es pasar de una herramienta de

47
00:01:57,530 --> 00:02:00,370
consulta aislada a un compañero cognitivo real.

48
00:02:00,670 --> 00:02:01,989
Que entienda de qué le hablas.

49
00:02:02,290 --> 00:02:02,849
Exacto.

50
00:02:02,849 --> 00:02:04,750
Un sistema que acumule contexto.

51
00:02:05,090 --> 00:02:07,450
Que sepa que, si le preguntas por el

52
00:02:07,450 --> 00:02:09,949
proyecto de diseño, te refieres al que hablaste

53
00:02:09,949 --> 00:02:11,650
con el equipo de marketing el martes pasado.

54
00:02:11,669 --> 00:02:13,210
Y no a uno genérico.

55
00:02:13,430 --> 00:02:15,509
Y para entender cómo se está resolviendo este

56
00:02:15,509 --> 00:02:19,349
rompecabezas en la mismísima frontera tecnológica actual, vamos

57
00:02:19,349 --> 00:02:21,289
a diseccionar un par de fuentes que nos

58
00:02:21,289 --> 00:02:22,590
han dejado fascinados.

59
00:02:22,789 --> 00:02:23,729
Son interesantísimas.

60
00:02:23,969 --> 00:02:26,770
Por un lado, tenemos una auditoría técnica muy

61
00:02:26,770 --> 00:02:28,169
profunda sobre G -Brain.

62
00:02:28,409 --> 00:02:31,310
Para situarnos, G -Brain es un sistema de

63
00:02:31,310 --> 00:02:33,650
memoria de IA de código abierto lanzado hace

64
00:02:33,650 --> 00:02:35,750
nada, el 5 de abril de 2026.

65
00:02:36,469 --> 00:02:38,629
Y ojo con quién lo ha lanzado.

66
00:02:38,830 --> 00:02:39,210
Claro.

67
00:02:39,210 --> 00:02:41,409
El detalle que ha hecho que todo Internet

68
00:02:41,409 --> 00:02:42,210
gire la cabeza.

69
00:02:42,469 --> 00:02:44,349
Su creador es Gary Tan.

70
00:02:44,810 --> 00:02:46,349
El CEO de J -Combinator.

71
00:02:47,229 --> 00:02:50,229
Probablemente la aceleradora de startups más influyente del

72
00:02:50,229 --> 00:02:50,530
planeta.

73
00:02:50,810 --> 00:02:51,469
Casi nada, ¿eh?

74
00:02:51,610 --> 00:02:53,930
Y, por otro lado, cruzamos esto con un

75
00:02:53,930 --> 00:02:56,449
análisis de los repositorios en GitHub de Obsidian,

76
00:02:56,669 --> 00:02:59,289
la celebérrima herramienta para tomar notas.

77
00:02:59,509 --> 00:03:01,469
Aquí está la gran ironía que vamos a

78
00:03:01,469 --> 00:03:01,949
explorar.

79
00:03:02,030 --> 00:03:02,330
Total.

80
00:03:02,509 --> 00:03:05,129
Que la vanguardia absoluta de la IA está

81
00:03:05,129 --> 00:03:07,990
guardando sus secretos en el formato más antiguo

82
00:03:07,990 --> 00:03:08,889
y sencillo que existe.

83
00:03:09,210 --> 00:03:10,449
El texto plano.

84
00:03:10,729 --> 00:03:12,810
Lo que hace que este cruce de fuentes

85
00:03:12,810 --> 00:03:15,409
sea un caso de estudio brutal es la

86
00:03:15,409 --> 00:03:16,270
convergencia.

87
00:03:16,430 --> 00:03:20,229
Estamos viendo cómo la inteligencia artificial más sofisticada

88
00:03:20,229 --> 00:03:23,229
choca con filosofías de soberanía digital de los

89
00:03:23,229 --> 00:03:23,629
90.

90
00:03:23,889 --> 00:03:25,569
Es una declaración de intenciones.

91
00:03:25,710 --> 00:03:26,250
Tal cual.

92
00:03:26,569 --> 00:03:30,370
Sobre quién debe poseer realmente la inteligencia procesada.

93
00:03:30,509 --> 00:03:32,409
Y esa es nuestra misión en esta inmersión.

94
00:03:32,530 --> 00:03:35,050
Queremos descubrir si G -Brain es el mesías

95
00:03:35,050 --> 00:03:37,090
de la memoria para todos los públicos o

96
00:03:37,090 --> 00:03:38,930
si estamos ante una maquinaria de nicho.

97
00:03:38,930 --> 00:03:41,789
Brillante, pero inmanejable para la mayoría.

98
00:03:42,129 --> 00:03:42,569
Justo.

99
00:03:42,569 --> 00:03:45,250
Y creo que debemos empezar abordando el elefante

100
00:03:45,250 --> 00:03:47,270
en la habitación, el fenómeno mediático.

101
00:03:47,610 --> 00:03:49,469
El 5 de abril se lanza G -Brain

102
00:03:49,469 --> 00:03:52,310
y en 24 horas acumula 5 .000 estrellas

103
00:03:52,310 --> 00:03:52,669
en GitHub.

104
00:03:52,969 --> 00:03:53,710
Una barbaridad.

105
00:03:53,930 --> 00:03:55,550
En la fuente que manejamos ya roza las

106
00:03:55,550 --> 00:03:56,189
14 .000.

107
00:03:56,310 --> 00:03:57,449
Son cifras mareantes.

108
00:03:57,789 --> 00:04:00,990
Es que son números que destrozan cualquier métrica

109
00:04:00,990 --> 00:04:02,210
habitual en código abierto.

110
00:04:02,389 --> 00:04:04,310
Sobre todo si tenemos en cuenta que se

111
00:04:04,310 --> 00:04:06,330
publicó en una versión 0 .30.

112
00:04:06,669 --> 00:04:08,409
Claro, que eso asusta a cualquiera.

113
00:04:08,409 --> 00:04:10,389
Es que en desarrollo de software un 0

114
00:04:10,389 --> 00:04:13,050
.30 significa que el proyecto está en pañales.

115
00:04:13,129 --> 00:04:16,290
La arquitectura puede cambiar mañana y romperlo todo.

116
00:04:16,529 --> 00:04:18,069
Y ahí entra mi escepticismo inicial.

117
00:04:18,430 --> 00:04:20,470
Hay un innegable efecto halo aquí.

118
00:04:20,689 --> 00:04:21,410
Ah, totalmente.

119
00:04:21,649 --> 00:04:23,529
Si yo publico un repositorio de memoria de

120
00:04:23,529 --> 00:04:25,250
IA, me dan una estrella y es de

121
00:04:25,250 --> 00:04:25,589
mi madre.

122
00:04:25,870 --> 00:04:27,990
Pero si Gary Tan publica el mismo código

123
00:04:27,990 --> 00:04:30,290
desde su trono en Silicon Valley, el mundo

124
00:04:30,290 --> 00:04:31,410
asume que es el futuro.

125
00:04:31,670 --> 00:04:33,569
Ya, el marketing ha sido brutal.

126
00:04:33,870 --> 00:04:35,589
Se promociona como la IA que te hará

127
00:04:35,589 --> 00:04:36,269
el trabajo sola.

128
00:04:36,689 --> 00:04:37,990
Pero leyendo la fuente...

129
00:04:38,410 --> 00:04:39,589
La sensación es la de estar ante un

130
00:04:39,589 --> 00:04:42,529
coche hiperdeportivo con transmisión manual de competición.

131
00:04:42,649 --> 00:04:43,550
Buena analogía.

132
00:04:43,910 --> 00:04:46,209
Increíble si sabes meter las marchas a las

133
00:04:46,209 --> 00:04:47,449
revoluciones exactas.

134
00:04:47,550 --> 00:04:50,209
Pero un desastre si buscas un coche autónomo

135
00:04:50,209 --> 00:04:51,949
que te lleve a casa mientras miras el

136
00:04:51,949 --> 00:04:52,250
móvil.

137
00:04:53,009 --> 00:04:55,810
Entonces, siendo crudos, ¿cuánto de esto es humo

138
00:04:55,810 --> 00:04:57,649
y cuánto es ingeniería real?

139
00:04:57,930 --> 00:05:02,310
Pues curiosamente, la auditoría técnica desmonta ese escepticismo.

140
00:05:02,430 --> 00:05:04,689
El marketing de G -Rec Brain es casi

141
00:05:04,689 --> 00:05:06,670
una anomalía, por lo honesto que es.

142
00:05:06,870 --> 00:05:07,670
¿Ostras, en serio?

143
00:05:07,829 --> 00:05:08,189
Sí, sí.

144
00:05:08,410 --> 00:05:11,490
En un sector donde todos prometen inteligencias casi

145
00:05:11,490 --> 00:05:14,149
humanas, los datos que publicó Garry Tan en

146
00:05:14,149 --> 00:05:16,750
la prueba BrainBench coinciden a la perfección con

147
00:05:16,750 --> 00:05:18,370
lo que el código hace en tu ordenador.

148
00:05:18,529 --> 00:05:19,709
No hay trampa ni cartón.

149
00:05:19,810 --> 00:05:20,329
Ninguna.

150
00:05:20,430 --> 00:05:22,629
Y la infraestructura no tiene nada de versión

151
00:05:22,629 --> 00:05:22,970
beta.

152
00:05:23,069 --> 00:05:25,730
Está preparada para recibir un castigo enorme sin

153
00:05:25,730 --> 00:05:26,129
caerse.

154
00:05:26,410 --> 00:05:28,129
¿A qué te refieres con recibir castigo?

155
00:05:28,170 --> 00:05:31,629
Porque gestionar memoria infinita satura cualquier sistema casero.

156
00:05:31,769 --> 00:05:35,410
Me refiero a decisiones arquitectónicas de sistemas masivos.

157
00:05:36,089 --> 00:05:38,389
Por ejemplo, usan una herramienta llamada...

158
00:05:38,410 --> 00:05:40,610
Minions, que es una cola de trabajos dentro

159
00:05:40,610 --> 00:05:42,389
de la base de datos Postgres.

160
00:05:42,610 --> 00:05:42,949
Vale.

161
00:05:43,089 --> 00:05:45,550
En lugar de pedirle al cerebro principal que

162
00:05:45,550 --> 00:05:47,990
haga todo a la vez leer, extraer, buscar

163
00:05:47,990 --> 00:05:50,449
en Internet Minions, se para el trabajo en

164
00:05:50,449 --> 00:05:52,209
microtareas y las pone a la cola.

165
00:05:52,589 --> 00:05:53,930
Así nunca se asfixia.

166
00:05:54,110 --> 00:05:54,790
Qué inteligente.

167
00:05:54,949 --> 00:05:57,470
Y además, implementan agentes duraderos.

168
00:05:57,670 --> 00:06:00,490
Cada deducción de la IA se guarda permanentemente.

169
00:06:00,689 --> 00:06:02,949
Si hay un corte de luz a mitad

170
00:06:02,949 --> 00:06:06,069
de un razonamiento, se reinicia exactamente en el

171
00:06:06,069 --> 00:06:07,209
milisegundo en el que se quedó.

172
00:06:07,310 --> 00:06:07,569
Vale.

173
00:06:08,410 --> 00:06:10,170
Y además, tienen la robustez, tienen un motor

174
00:06:10,170 --> 00:06:11,129
que no se cala.

175
00:06:11,189 --> 00:06:14,370
Pero la pregunta es, si la IA procesa

176
00:06:14,370 --> 00:06:17,410
información todo el rato en segundo plano, ¿quién

177
00:06:17,410 --> 00:06:18,189
paga la factura?

178
00:06:18,329 --> 00:06:20,389
Ah, el temido cost and tokens.

179
00:06:20,750 --> 00:06:22,810
Claro, cada vez que lee un documento, el

180
00:06:22,810 --> 00:06:24,089
proveedor del modelo te cobra.

181
00:06:24,470 --> 00:06:26,629
Y aquí el análisis revela un concepto que

182
00:06:26,629 --> 00:06:28,709
llaman enriquecimiento por niveles.

183
00:06:28,910 --> 00:06:31,990
Que es una clase magistral de ahorro radical,

184
00:06:32,269 --> 00:06:32,649
fíjate.

185
00:06:33,230 --> 00:06:34,290
Cuéntanos cómo va eso.

186
00:06:34,810 --> 00:06:37,050
El sistema asume que no toda la información

187
00:06:37,050 --> 00:06:38,389
merece el mismo valor.

188
00:06:38,410 --> 00:06:39,029
Es como esfuerzo mental.

189
00:06:39,529 --> 00:06:40,529
Funciona por capas.

190
00:06:40,889 --> 00:06:43,170
Digamos que mencionas a una persona por primera

191
00:06:43,170 --> 00:06:44,149
vez en tus notas.

192
00:06:44,209 --> 00:06:45,769
El sistema crea un nivel 3.

193
00:06:46,110 --> 00:06:48,310
Que es como un marcador de posición, ¿no?

194
00:06:48,629 --> 00:06:50,029
Exacto, una página básica.

195
00:06:50,149 --> 00:06:51,990
No gasta ni un céntimo de API en

196
00:06:51,990 --> 00:06:54,230
buscar quién es, porque podría ser irrelevante.

197
00:06:54,629 --> 00:06:56,610
Vale, pero si sigo mencionando a esa persona,

198
00:06:56,750 --> 00:06:58,610
digamos que aparece tres veces.

199
00:06:58,930 --> 00:07:01,370
Ahí el sistema dice, ojo, esto me interesa.

200
00:07:01,449 --> 00:07:04,110
Justo ahí, al llegar a tres menciones, sube

201
00:07:04,110 --> 00:07:04,629
a nivel 2.

202
00:07:04,850 --> 00:07:07,430
El agente se activa, ve que es recurrente.

203
00:07:07,430 --> 00:07:09,610
Y busca en la web y redes sociales

204
00:07:09,610 --> 00:07:11,050
para enriquecer el perfil.

205
00:07:11,189 --> 00:07:12,069
¿Y el nivel 1?

206
00:07:12,230 --> 00:07:14,730
Se desata si hay una reunión documentada o

207
00:07:14,730 --> 00:07:16,129
llegas a ocho menciones.

208
00:07:16,470 --> 00:07:19,089
Ahí se aplica el proceso completo de razonamiento

209
00:07:19,089 --> 00:07:19,610
profundo.

210
00:07:19,730 --> 00:07:22,050
Es brillante porque el cerebro aprende a qué

211
00:07:22,050 --> 00:07:24,029
darle importancia sin que el humano mueva un

212
00:07:24,029 --> 00:07:24,310
dedo.

213
00:07:24,569 --> 00:07:26,730
Es una optimización alucinante.

214
00:07:26,910 --> 00:07:29,189
Pero frena aquí, porque vamos a la parte

215
00:07:29,189 --> 00:07:31,290
que me hizo soltar una carcajada por lo

216
00:07:31,290 --> 00:07:32,589
contraintuitivo que resulta.

217
00:07:32,709 --> 00:07:34,670
Lo de las expresiones regulares, seguro.

218
00:07:34,850 --> 00:07:35,290
Sí, sí.

219
00:07:35,529 --> 00:07:38,129
Para extraer estas relaciones de quién conoce a

220
00:07:38,129 --> 00:07:41,189
quién o dónde trabaja cada persona, G -Brain

221
00:07:41,189 --> 00:07:43,610
no usa modelos gigantes como GPT -4.

222
00:07:43,889 --> 00:07:47,389
Usa expresiones regulares, las famosas regex.

223
00:07:47,589 --> 00:07:48,069
Tal cual.

224
00:07:48,290 --> 00:07:50,769
Es que, para quienes no tengan contexto, las

225
00:07:50,769 --> 00:07:52,990
regex son una tecnología de búsqueda de texto

226
00:07:52,990 --> 00:07:53,790
de hace décadas.

227
00:07:53,930 --> 00:07:55,910
Es como enterarse de que la NASA usa

228
00:07:55,910 --> 00:07:57,889
calculador Ascasio de los 90 para ir a

229
00:07:57,889 --> 00:07:58,209
Marte.

230
00:07:58,290 --> 00:07:59,769
Ya, suena a que nos han tomado el

231
00:07:59,769 --> 00:07:59,930
pelo.

232
00:08:00,170 --> 00:08:02,569
¿En qué cabeza cabe usar algo tan rígido

233
00:08:02,569 --> 00:08:03,589
en la era generativa?

234
00:08:03,709 --> 00:08:05,889
No es un sistema súper frágil.

235
00:08:05,990 --> 00:08:08,029
¿Qué pasa si escribo un patrón un poco

236
00:08:08,029 --> 00:08:08,629
distinto?

237
00:08:08,990 --> 00:08:10,810
La intuición te dice que es un paso

238
00:08:10,810 --> 00:08:11,430
atrás, claro.

239
00:08:11,709 --> 00:08:15,009
Pero en este contexto es una genialidad absoluta

240
00:08:15,009 --> 00:08:17,290
para resolver la escalabilidad económica.

241
00:08:17,529 --> 00:08:18,689
Claro, los costes.

242
00:08:19,189 --> 00:08:19,709
Exacto.

243
00:08:19,709 --> 00:08:21,870
Si usas un modelo para leer cada línea

244
00:08:21,870 --> 00:08:25,689
buscando relaciones, el coste en token subiría exponencialmente.

245
00:08:25,990 --> 00:08:28,569
Con las regex, el coste de ingestión para

246
00:08:28,569 --> 00:08:30,410
extraer datos duros es cero.

247
00:08:30,529 --> 00:08:31,170
Cero dólares.

248
00:08:31,509 --> 00:08:31,810
Cero.

249
00:08:32,269 --> 00:08:34,470
Mantienes la factura mensual de tu cerebro digital

250
00:08:34,470 --> 00:08:35,669
en el precio de un café.

251
00:08:35,669 --> 00:08:37,549
Solo pagas los embeddings.

252
00:08:37,830 --> 00:08:40,889
Vale, el ahorro está genial, pero la fragilidad

253
00:08:40,889 --> 00:08:42,710
de depender de un patrón exacto me sigue

254
00:08:42,710 --> 00:08:44,850
pareciendo una bomba de relojería.

255
00:08:45,009 --> 00:08:47,289
Y tendría razón si el sistema terminara ahí.

256
00:08:47,409 --> 00:08:49,889
Pero lo solucionan con el bucle de fallo

257
00:08:49,889 --> 00:08:50,370
y mejora.

258
00:08:50,429 --> 00:08:52,230
Esto es poesía técnica.

259
00:08:52,690 --> 00:08:53,070
A ver.

260
00:08:53,190 --> 00:08:56,730
Cuando la expresión regular falla por algo complejo,

261
00:08:56,870 --> 00:09:00,470
el sistema lanza una alerta silenciosa y usa

262
00:09:00,470 --> 00:09:02,990
el modelo de lenguaje como plan de emergencia.

263
00:09:03,230 --> 00:09:03,970
Y ya está.

264
00:09:04,210 --> 00:09:04,750
Qué va.

265
00:09:05,669 --> 00:09:08,669
Registra el error, analiza por qué falló el

266
00:09:08,669 --> 00:09:11,409
patrón antiguo y usa la IA para escribir

267
00:09:11,409 --> 00:09:14,210
una expresión regular nueva y mejorada.

268
00:09:14,409 --> 00:09:16,710
Luego reemplaza el código internamente.

269
00:09:16,990 --> 00:09:17,750
Madre mía.

270
00:09:17,769 --> 00:09:21,370
O sea, el sistema autoescribe sus detectores gratuito.

271
00:09:21,429 --> 00:09:21,870
Eso es.

272
00:09:22,070 --> 00:09:24,809
En lugar de encarecerse, se vuelve más barato

273
00:09:24,809 --> 00:09:27,750
porque perfecciona sus herramientas de coste cero.

274
00:09:27,870 --> 00:09:29,149
Es elegancia pura.

275
00:09:29,190 --> 00:09:31,929
Y claro, todo este conocimiento destilado tiene que

276
00:09:31,929 --> 00:09:32,970
guardarse en algún sitio.

277
00:09:33,129 --> 00:09:35,110
Lo que nos lleva a la conexión vital

278
00:09:35,110 --> 00:09:38,070
con el ecosistema Obsidian, la rebelión del texto

279
00:09:38,070 --> 00:09:38,370
plano.

280
00:09:38,509 --> 00:09:40,250
Que es un movimiento interesantísimo.

281
00:09:40,429 --> 00:09:43,070
La fuente recalca que Gbrain es Markdown first.

282
00:09:43,490 --> 00:09:46,190
Guarda todo en archivos de textos súper básicos

283
00:09:46,190 --> 00:09:47,490
en un repositorio de Git.

284
00:09:47,649 --> 00:09:48,490
Un drama.

285
00:09:48,909 --> 00:09:51,210
En Gbrain, si la base de datos explota

286
00:09:51,210 --> 00:09:52,429
mañana, no pasa nada.

287
00:09:52,730 --> 00:09:55,149
El sistema lee tu carpeta de texto plano

288
00:09:55,149 --> 00:09:58,269
y reconstruye las conexiones neuronales desde cero en

289
00:09:58,269 --> 00:09:58,889
un par de minutos.

290
00:09:59,269 --> 00:10:01,149
Y el formato de las páginas resuelve un

291
00:10:01,149 --> 00:10:01,750
problema enorme.

292
00:10:01,990 --> 00:10:04,389
Tienen una estructura de verdad compilada y línea

293
00:10:04,389 --> 00:10:04,929
de tiempo.

294
00:10:05,809 --> 00:10:06,590
Importantísimo eso.

295
00:10:06,830 --> 00:10:08,289
En la parte de arriba tienes un resumen

296
00:10:08,289 --> 00:10:08,830
actualizado.

297
00:10:08,950 --> 00:10:10,049
La verdad compilada.

298
00:10:10,429 --> 00:10:12,129
Y en la mitad de abajo, una línea

299
00:10:12,129 --> 00:10:12,970
de tiempo inmutable.

300
00:10:13,289 --> 00:10:15,389
Claro, cada vez que aprende algo nuevo, lo

301
00:10:15,389 --> 00:10:18,129
añade abajo como un registro sin tocarlo viejo.

302
00:10:18,570 --> 00:10:21,070
Protege a la IA de sus propias alucinaciones

303
00:10:21,070 --> 00:10:23,330
o de borrar detalles cruciales por error al

304
00:10:23,330 --> 00:10:23,750
resumir.

305
00:10:23,909 --> 00:10:25,509
Y todo esto se arranca con un simple

306
00:10:25,509 --> 00:10:27,570
comando de importación de tus notas locales.

307
00:10:27,629 --> 00:10:29,389
El comando Gbrain import.

308
00:10:29,970 --> 00:10:30,450
Exacto.

309
00:10:30,450 --> 00:10:33,149
Y aquí entra nuestro análisis de Obsidian en

310
00:10:33,149 --> 00:10:33,409
GitHub.

311
00:10:33,850 --> 00:10:36,509
Porque guardar tu IA en texto plano suena

312
00:10:36,509 --> 00:10:38,929
antiguo, pero miras la comunidad y está en

313
00:10:38,929 --> 00:10:40,289
ebullición absoluta.

314
00:10:40,429 --> 00:10:42,830
Los números de Obsidian asustan para bien.

315
00:10:43,090 --> 00:10:45,690
13 .000 seguidores en su organización oficial.

316
00:10:46,210 --> 00:10:49,490
Proyectos como Obsidian Releases con más de 18

317
00:10:49,490 --> 00:10:50,730
.000 estrellas.

318
00:10:51,149 --> 00:10:54,330
Tienen extensiones como el Obsidian Clipper en TypeScript

319
00:10:54,330 --> 00:10:56,529
moderno con miles de estrellas.

320
00:10:56,649 --> 00:10:59,669
Permite absorber cualquier página web directo a este

321
00:10:59,669 --> 00:11:00,950
formato de texto puro.

322
00:11:01,029 --> 00:11:04,570
Incluso herramientas como JSON Canvas para organizar ideas

323
00:11:04,570 --> 00:11:06,789
en lienzos infinitos que no te atan a

324
00:11:06,789 --> 00:11:07,509
ninguna plataforma.

325
00:11:07,909 --> 00:11:10,190
Es la prueba tangible de que existe un

326
00:11:10,190 --> 00:11:13,250
hartazgo monumental hacia los jardines vallados del software

327
00:11:13,250 --> 00:11:13,870
moderno.

328
00:11:13,950 --> 00:11:16,289
Quienes nos escuchan seguro que han sufrido el

329
00:11:16,289 --> 00:11:17,929
síndrome del secuestro de datos.

330
00:11:18,230 --> 00:11:18,970
Uf, seguro.

331
00:11:19,429 --> 00:11:21,769
Usas una aplicación fantástica en la nube durante

332
00:11:21,769 --> 00:11:22,190
años.

333
00:11:22,350 --> 00:11:24,690
Un día la empresa quiebra y te quedas

334
00:11:24,690 --> 00:11:25,590
sin tu cerebro digital.

335
00:11:25,970 --> 00:11:28,470
La decisión de Gbrain de anclarse a Markdown

336
00:11:28,470 --> 00:11:30,149
es una declaración de independencia.

337
00:11:30,610 --> 00:11:32,950
Significa que puedes auditar que ha deducido tu

338
00:11:32,950 --> 00:11:34,429
IA abriendo el bloc de notas.

339
00:11:34,509 --> 00:11:37,309
Si la IA se equivoca, borras la línea,

340
00:11:37,490 --> 00:11:40,129
guardas y le has cambiado la memoria manualmente

341
00:11:40,129 --> 00:11:42,330
sin pedir permiso a un servidor en California.

342
00:11:42,909 --> 00:11:45,289
Pero claro, tener miles de archivos de texto

343
00:11:45,289 --> 00:11:46,809
genera un desafío inmenso.

344
00:11:47,009 --> 00:11:49,409
Tener la mejor biblioteca del mundo no sirve

345
00:11:49,409 --> 00:11:50,809
si no tienes un buen bibliotecario.

346
00:11:51,070 --> 00:11:53,289
Y ahí radica el otro punto fuerte de

347
00:11:53,289 --> 00:11:56,409
Gbrain, su sistema de recuperación, la búsqueda.

348
00:11:56,990 --> 00:11:57,909
Entremos en eso.

349
00:11:58,250 --> 00:12:00,009
Si le pregunto a mi IA de qué

350
00:12:00,009 --> 00:12:02,149
hablamos en la reunión estratégica del mes pasado,

351
00:12:02,149 --> 00:12:03,909
¿cómo sabe en qué archivo mirar?

352
00:12:04,190 --> 00:12:06,889
Utiliza una búsqueda híbrida en varias capas.

353
00:12:06,950 --> 00:12:10,009
La primera es la búsqueda vectorial a través

354
00:12:10,009 --> 00:12:13,309
de PG Vector, usando similitud de cosenos.

355
00:12:13,490 --> 00:12:15,210
Vale, detengámonos ahí.

356
00:12:15,649 --> 00:12:17,230
Tradúcenos esto a los mortales.

357
00:12:17,330 --> 00:12:20,330
¿Qué significa transformar palabras en vectores y usar

358
00:12:20,330 --> 00:12:20,850
cosenos?

359
00:12:21,049 --> 00:12:24,509
Piensa en un mapa espacial tridimensional gigantesco donde

360
00:12:24,509 --> 00:12:25,590
colocas conceptos.

361
00:12:25,730 --> 00:12:28,090
Si pones la palabra manzana deferida a la

362
00:12:28,090 --> 00:12:30,870
fruta, la coloca junto a pera o zumo.

363
00:12:31,269 --> 00:12:31,909
Entendido.

364
00:12:32,149 --> 00:12:35,049
Pero si introduces manzana como empresa tecnológica, se

365
00:12:35,049 --> 00:12:36,889
va a la otra punta del mapa, junto

366
00:12:36,889 --> 00:12:38,509
a Silicio o Steve Jobs.

367
00:12:38,789 --> 00:12:41,990
La similitud de coseno simplemente mide matemáticamente la

368
00:12:41,990 --> 00:12:43,250
distancia entre esos puntos.

369
00:12:43,610 --> 00:12:45,509
O sea que, aunque le pregunte con palabras

370
00:12:45,509 --> 00:12:47,990
diferentes a las de mis notas, el sistema

371
00:12:47,990 --> 00:12:50,330
entiende el concepto por la zona del mapa.

372
00:12:50,929 --> 00:12:51,490
Exactamente.

373
00:12:51,710 --> 00:12:54,169
Pero claro, a veces quieres buscar un número

374
00:12:54,169 --> 00:12:56,529
de factura específico o un apellido raro.

375
00:12:56,629 --> 00:12:59,570
Ahí las matemáticas fallan porque aproximan demasiado.

376
00:12:59,990 --> 00:13:01,950
Claro, necesitas la palabra exacta.

377
00:13:02,149 --> 00:13:03,830
Por eso, la segunda capa es la búsqueda

378
00:13:03,830 --> 00:13:05,110
de texto puro y duro.

379
00:13:05,190 --> 00:13:08,210
El TS vector de Postgres, pero con un

380
00:13:08,210 --> 00:13:09,070
filtro jerárquico.

381
00:13:09,269 --> 00:13:11,370
No vale lo mismo una palabra perdida al

382
00:13:11,370 --> 00:13:13,049
fondo que una palabra en el título.

383
00:13:13,169 --> 00:13:15,789
Le da prioridad al conocimiento destilado de esa

384
00:13:15,789 --> 00:13:16,730
verdad compilada.

385
00:13:16,950 --> 00:13:17,570
Eso es.

386
00:13:17,649 --> 00:13:19,889
Y para decidir cuál de los dos métodos

387
00:13:19,889 --> 00:13:22,710
tiene razón, usan el algoritmo de fusión de

388
00:13:22,710 --> 00:13:23,889
rangos recíprocos.

389
00:13:23,889 --> 00:13:27,730
El RRF actúa como juez para elegir los

390
00:13:27,730 --> 00:13:28,509
mejores resultados.

391
00:13:28,929 --> 00:13:31,049
Pero lo que empuja esto a la estratosfera

392
00:13:31,049 --> 00:13:32,129
es su arma secreta.

393
00:13:32,149 --> 00:13:33,629
El grafo de enlaces.

394
00:13:33,789 --> 00:13:36,669
Las conexiones que extraía gratis con las expresiones

395
00:13:36,669 --> 00:13:37,049
regulares.

396
00:13:37,289 --> 00:13:37,789
Fíjate.

397
00:13:37,909 --> 00:13:39,210
Ahí están otra vez.

398
00:13:39,429 --> 00:13:41,850
Sí, aplica un impulso a las páginas más

399
00:13:41,850 --> 00:13:42,429
enlazadas.

400
00:13:42,549 --> 00:13:45,549
Es el principio fundamental del PageRank de Google.

401
00:13:45,889 --> 00:13:49,210
Si un documento recibe muchas menciones, se asume

402
00:13:49,210 --> 00:13:51,190
que es un pilar central y sube en

403
00:13:51,190 --> 00:13:51,710
los resultados.

404
00:13:52,029 --> 00:13:53,470
Y las métricas son de locos.

405
00:13:53,529 --> 00:13:56,350
En la prueba BrainBench consiguen casi un 50

406
00:13:56,350 --> 00:13:58,169
por ciento de precisión en el top 5

407
00:13:58,169 --> 00:14:01,009
y casi un 98 por ciento de exhaustividad.

408
00:14:01,009 --> 00:14:03,789
Rara vez se les escapa un dato relevante.

409
00:14:03,970 --> 00:14:06,929
Y al sumar esas conexiones manuales, superan a

410
00:14:06,929 --> 00:14:09,529
la búsqueda vectorial tradicional por más de 31

411
00:14:09,529 --> 00:14:10,730
puntos de precisión.

412
00:14:10,789 --> 00:14:12,129
Es una paliza técnica.

413
00:14:12,669 --> 00:14:15,490
Es la victoria del conocimiento explícito frente a

414
00:14:15,490 --> 00:14:16,870
la aproximación estadística.

415
00:14:17,370 --> 00:14:20,409
Saber cómo se conectan dos ideas aporta más

416
00:14:20,409 --> 00:14:22,629
valor que calcular su distancia semántica.

417
00:14:22,909 --> 00:14:24,350
Suena a magia, la verdad.

418
00:14:24,509 --> 00:14:26,570
Pero prometimos mirar la otra cara de la

419
00:14:26,570 --> 00:14:26,889
moneda.

420
00:14:26,990 --> 00:14:28,769
Hay un muro de fricción bastante alto.

421
00:14:28,950 --> 00:14:30,990
¿Dónde no da la talla Hebrain ahora mismo?

422
00:14:31,009 --> 00:14:34,029
El primer gran obstáculo es la interoperabilidad.

423
00:14:34,809 --> 00:14:37,809
Funciona de maravilla con Open Claw o Hermes

424
00:14:37,809 --> 00:14:38,049
Agent.

425
00:14:38,549 --> 00:14:40,389
Soporte nativo perfecto.

426
00:14:40,509 --> 00:14:42,330
Pero si usas cualquier otro modelo de los

427
00:14:42,330 --> 00:14:42,990
miles que hay.

428
00:14:43,090 --> 00:14:43,690
Te quedas fuera.

429
00:14:43,990 --> 00:14:47,350
A menos que configures manualmente un servidor bajo

430
00:14:47,350 --> 00:14:48,529
el protocolo MCP.

431
00:14:48,730 --> 00:14:51,070
Vamos, como viajar con un enchufe europeo a

432
00:14:51,070 --> 00:14:52,529
una casa con instalación americana.

433
00:14:52,730 --> 00:14:54,990
Si no llevas Open Claw, te toca desmontar

434
00:14:54,990 --> 00:14:56,049
la pared y empalmar cables.

435
00:14:56,370 --> 00:14:58,470
Una barrera tremenda para el usuario medio.

436
00:14:58,830 --> 00:15:00,990
Otra limitación crítica es la de la distancia.

437
00:15:01,009 --> 00:15:03,509
La falta de razonamiento temporal y de saltos

438
00:15:03,509 --> 00:15:04,070
múltiples.

439
00:15:04,230 --> 00:15:05,049
El multijob.

440
00:15:05,570 --> 00:15:06,850
Explícanos eso con un ejemplo.

441
00:15:07,529 --> 00:15:10,649
Imagina pedirle que fondos apoyaron a las empresas

442
00:15:10,649 --> 00:15:12,809
de los fundadores que conociste en el evento

443
00:15:12,809 --> 00:15:13,230
de ayer.

444
00:15:13,409 --> 00:15:14,669
Para ti es fácil.

445
00:15:14,809 --> 00:15:16,549
Para Hebrain es una pesadilla.

446
00:15:16,809 --> 00:15:19,389
No sabe encadenar esos saltos si no estaban

447
00:15:19,389 --> 00:15:20,250
precompilados.

448
00:15:20,710 --> 00:15:21,230
Exacto.

449
00:15:21,230 --> 00:15:23,950
Y a nivel logístico, alerta con las trampas.

450
00:15:23,970 --> 00:15:26,190
No hay plataforma gestionada en la nube de

451
00:15:26,190 --> 00:15:27,909
pagar diez euros y listo.

452
00:15:28,009 --> 00:15:29,529
Tienes que instalarlo tú.

453
00:15:29,529 --> 00:15:32,710
Y ojo con usar el comando estándar npm

454
00:15:32,710 --> 00:15:34,789
install menos gbrain.

455
00:15:34,990 --> 00:15:37,990
Uf, sí, alguien le ha ocupado ese nombre

456
00:15:37,990 --> 00:15:40,149
en el repositorio y te descargas un paquete

457
00:15:40,149 --> 00:15:40,870
de terceros.

458
00:15:40,970 --> 00:15:43,370
Tienes que clonar el código y usar bon

459
00:15:43,370 --> 00:15:44,309
para ejecutarlo.

460
00:15:44,470 --> 00:15:46,529
Son escollos de manitas digitales.

461
00:15:46,710 --> 00:15:48,169
Y el escollo de la disciplina.

462
00:15:48,230 --> 00:15:51,309
Tienes que programar habilidades en archivos Markdown.

463
00:15:51,509 --> 00:15:54,669
La IA no adivina cómo quieres estructurar las

464
00:15:54,669 --> 00:15:54,950
cosas.

465
00:15:55,309 --> 00:15:57,889
Requiere un esfuerzo consciente por parte del usuario,

466
00:15:57,990 --> 00:15:58,450
sin duda.

467
00:15:58,450 --> 00:16:00,909
Lo que nos lleva a una conclusión pragmática

468
00:16:00,909 --> 00:16:02,250
tras cruzar estas fuentes.

469
00:16:02,429 --> 00:16:05,470
Si buscas algo automático de configurar y olvidar

470
00:16:05,470 --> 00:16:07,169
para tu empresa, huye de aquí.

471
00:16:07,350 --> 00:16:09,230
Pero si quieres moldear la mente de tu

472
00:16:09,230 --> 00:16:12,389
asistente y tienes disciplina, esto es oro puro.

473
00:16:12,590 --> 00:16:15,409
Es la distinción entre alquilar una habitación de

474
00:16:15,409 --> 00:16:18,129
hotel genérica o construir los cimientos de tu

475
00:16:18,129 --> 00:16:19,269
propia casa a medida.

476
00:16:19,570 --> 00:16:20,750
Muy buena analogía.

477
00:16:21,059 --> 00:16:23,330
Y para cerrar esta inmersión, os lanzo una

478
00:16:23,330 --> 00:16:23,909
reflexión.

479
00:16:23,990 --> 00:16:27,129
Si sistemas como Gebrains destilan información a coste

480
00:16:27,129 --> 00:16:30,169
cero y la organizan autónomamente mientras dormimos en

481
00:16:30,169 --> 00:16:31,590
nuestras bóvedas de texto plano.

482
00:16:31,830 --> 00:16:32,429
A ver.

483
00:16:32,669 --> 00:16:34,570
Llegará a un punto en que nuestra principal

484
00:16:34,570 --> 00:16:37,429
habilidad no sea saber cosas o memorizar hechos,

485
00:16:37,549 --> 00:16:40,070
quizás el trabajo del futuro sea convertirnos en

486
00:16:40,070 --> 00:16:43,409
arquitectos de esquemas, diseñando las reglas maestras para

487
00:16:43,409 --> 00:16:45,190
que la IA estructura el mundo tal y

488
00:16:45,190 --> 00:16:46,450
como nosotros lo entendemos.

489
00:16:46,730 --> 00:16:50,649
Ostras, pues es una perspectiva fascinante para darle

490
00:16:50,649 --> 00:16:51,090
vueltas.

491
00:16:51,330 --> 00:16:52,230
Ahí queda eso.

492
00:16:52,350 --> 00:16:55,149
Antes de despedirnos hasta el próximo programa, os

493
00:16:55,149 --> 00:16:57,049
informamos de que las voces que oyes han

494
00:16:57,049 --> 00:16:59,250
sido generadas por la IA de Notebook LM

495
00:16:59,250 --> 00:17:02,049
y que dirigiendo el podcast se encuentra Julio

496
00:17:02,049 --> 00:17:04,509
Pablo Vázquez, un humano que te envía saludos.

497
00:17:04,769 --> 00:17:07,490
En caso de error, probablemente sean errores humanos.

498
00:17:08,250 --> 00:17:09,130
Nos escuchamos.

499
00:17:20,240 --> 00:17:22,200
Y hasta aquí el episodio de hoy.

500
00:17:22,339 --> 00:17:24,160
Muchas gracias por tu atención.

501
00:17:33,619 --> 00:17:35,579
Esto es BIMPRAXIS.

502
00:17:35,859 --> 00:17:38,380
Nos escuchamos en el próximo episodio.