A raíz de los recientes desarrollos en OpenAI, el discurso sobre la inteligencia artificial (IA) ha evolucionado hacia un debate fundamental: ¿deberíamos acelerar o desacelerar el desarrollo de la IA y cómo podemos alinear las herramientas de IA con las necesidades de la humanidad? Un aspecto significativo de esta conversación se centra en la búsqueda de la inteligencia artificial general (IAG), una IA capaz de realizar cualquier tarea que un ser humano pueda hacer. Esta búsqueda plantea preguntas críticas: ¿es la IAG realmente alcanzable?
Aunque debatir sobre la IAG es crucial, se pasa por alto un desafío central de la IA: su alto costo.
La IA Requiere Talento, Datos y Escalabilidad
La revolución de internet democratizó el software, disminuyendo las barreras de entrada, primordialmente en cuanto a habilidades. Sin embargo, los avances en IA han crecido principalmente mediante la escalabilidad, lo que exige un poder computacional significativo. Como resultado, las grandes empresas tecnológicas están invirtiendo miles de millones en adquirir GPUs y optimizar la infraestructura informática.
Para desarrollar IA efectiva, las organizaciones necesitan acceso a talento, datos y recursos computacionales escalables. La demanda de estos recursos está aumentando rápidamente, creando un panorama donde solo unas pocas entidades pueden participar de manera significativa. La mayoría de los países, individuos y empresas más pequeñas carecen de la capacidad financiera para involucrarse plenamente, enfrentándose a altos costos no solo en el entrenamiento de modelos, sino también en su implementación.
Democratizando la IA para un Acceso Más Amplio
Investigaciones recientes de Coatue indican que la demanda de GPUs apenas comienza a aumentar, lo que podría poner presión en nuestra red eléctrica y disparar los costos de los servidores. A medida que estos sistemas evolucionan, sus capacidades solo mejorarán, pero se volverán más intensivos en recursos sin soluciones innovadoras.
Actualmente, solo las empresas financieramente robustas pueden desarrollar capacidades de IA, lo que conlleva riesgos notables. Un enfoque centralizado en la IA genera preocupaciones: si un único modelo falla o enfrenta problemas de gobernanza, puede interrumpir considerablemente a numerosas empresas dependientes. La dependencia de sistemas que producen salidas probabilísticas añade riesgos, ya que los modelos pueden generar resultados impredecibles, complicando la gestión y confianza.
Los Peligros de la Centralización
La centralización también plantea riesgos de seguridad: las organizaciones priorizan su propio interés, complicando la resolución de problemas relacionados con la seguridad y el riesgo. En un mundo donde la IA es costosa y el acceso es limitado, las desigualdades existentes probablemente se ampliarán, creando una brecha entre quienes tienen acceso a IA avanzada y quienes no.
Para mejorar los beneficios de la IA de manera segura, debemos reducir los costos relacionados con implementaciones de IA a gran escala. Esto implica diversificar inversiones y ampliar el acceso a recursos computacionales y talento.
La propiedad de datos también jugará un papel crucial en la accesibilidad de la IA. Cuantos más datos únicos y de alta calidad estén disponibles, más valiosa y útil será la IA.
Haciendo la IA Más Accesible
Aunque los modelos de código abierto actualmente presentan brechas de rendimiento, se espera que su utilización aumente, especialmente si se implementan políticas de apoyo. Muchos modelos pueden optimizarse para aplicaciones específicas, abriendo la puerta a que las empresas creen lógica de enrutamiento eficaz y capas de orquestación adaptadas a diversos sectores.
El uso de modelos de código abierto permite un enfoque multimodal, mejorando el control a pesar de las disparidades de rendimiento existentes. Podríamos presenciar un futuro donde modelos más pequeños y optimizados manejen tareas menos complejas, mientras que modelos más sofisticados aborden problemas intrincados. Por ejemplo, no es necesario un modelo de un billón de parámetros para consultas básicas de atención al cliente.
Para capitalizar el potencial de la IA, debemos pasar de demostraciones y colaboraciones a implementaciones de IA escalables y sostenibles. Las empresas emergentes están abordando este desafío al permitir la multiplexión cruzada de modelos y reducir los costos de inferencia mediante tecnologías especializadas. Incrementar la inversión en estas áreas es vital para impulsar un progreso significativo.
Al hacer que la IA sea más rentable, podemos invitar a más interesados a la industria, mejorando la fiabilidad y seguridad de las herramientas de IA. En última instancia, esto se alinea con la aspiración colectiva de ofrecer valor a una audiencia más amplia.
Clasificación
