El auge de la IA no se parece a ninguna burbuja que hayamos visto

Ferrocarriles, semiconductores, plásticos, redes... la utilidad estaba ahí para todos ellos, y también el beneficio potencial.

Todo el mundo lo sabía.

Pero algunos inversores no tienen la paciencia para que estas "apuestas seguras" maduren hasta su destino comercial, y otros saben que pueden sacar una fortuna aprovechándose de ellas mientras especulan.

Estas burbujas no van de potencial, van de timing.

Y la IA de hoy, por muy revolucionaria que sea, está tardando en madurar tanto como cualquier cosa del pasado.

La mayoría de los grandes actores implicados en la IA ahora mismo se van a hacer ricos. Y en 20 años, el mundo va a tener muchísima IA en tantísimas cosas. Pero se van a perder muchas camisas por debajo de esos grandes actores y muchas empresas van a quebrar, porque la infraestructura, el refinamiento y la integración llevan tiempo, mientras que la especulación por FOMO empieza en cuanto se reconoce el gran descubrimiento.

Cuando miro la capacidad actual de la IA, de verdad siento que hay tanto potencial para usar los modelos de frontera que simplemente aún no se está aplicando. La mayoría (o quizá incluso todos) de los programadores y matemáticos son peores en su respectivo campo que un enjambre de IA equipado con un buen harness, y además bastante más caros.

Esta es una conclusión extraña. Que yo sepa, en matemáticas todavía no funciona como dice el artículo: hay un problema, apuntas un enjambre de agentes hacia él y lo marcas como resuelto. Los resultados matemáticos de OpenAI y Anthropic se lograron sembrando la superficie de problemas conocidos e intentando hacer crecer soluciones al azar; aunque sí obtuvieron algunas buenas soluciones, eso no significa que los LLM actuales vayan a funcionar para problemas matemáticos arbitrarios.

Corrígeme si me equivoco en esto, solo soy un estudiante de matemáticas y en absoluto un investigador.

En cuanto a la parte de programación, creo que el autor ya dice que las soluciones automatizadas requieren un buen harness, y eso es ciertamente correcto, pero en mi experiencia construir un buen harness es difícil y los agentes no pueden hacerlo actualmente sin que un humano los guíe de cerca. Y en la práctica de la programación pre-LLM no necesitábamos harness en absoluto, o solo necesitábamos una pequeña parte: así que resolver problemas de programación con LLM implica más trabajo que sin LLM, incluso si gran parte de ese trabajo se puede automatizar.

El resto del artículo parece ser especulación basada mayormente en la premisa de que el LLM puede realmente reemplazar al humano en el bucle, lo cual parece no ser el caso actualmente.

> Los beneficios pueden crecer, y mucho

Se mencionan los beneficios, pero luego solo se habla de ingresos. Ingresos != Beneficios. Los ingresos pueden crecer, sí, pero la etapa de experimentación/token-maxing está terminando y ya han empezado las guerras de precios, así que no estoy seguro de que los beneficios vayan a subir. Los laboratorios de IA no necesariamente podrán capturar el margen (>>China<<); puede que sean las empresas o los consumidores quienes capturen la mayor parte. Si es así, hay burbuja: está en los laboratorios de IA con sus valoraciones de un billón de dólares, y pueden acabar en una carrera hacia el abismo. Las BigTech en su mayor parte no están en burbuja; aguantarán una corrección y se apoyarán en su negocio existente.

Toda la premisa de si es una burbuja depende de si los LLM pueden ser algo más que una máquina de predicción del siguiente token o no. Añadir agentes de razonamiento, enjambres de agentes y demás para mejorar los resultados de lo que en esencia solo predice el siguiente token sigue significando que esta tecnología, en su núcleo, solo predice el siguiente token. No es AGI y, a menos que algo fundamental cambie, nunca lo será. Ciertamente hay aplicaciones valiosas para esta tecnología, como hemos visto en programación, matemáticas y otros sectores. Pero sigue sin ser más que tomar muchos datos y predecir el siguiente token.

Mientras tanto, las grandes empresas tecnológicas financiaron primero este despliegue usando el flujo de caja de sus ingresos existentes. Cuando esto se volvió más difícil de justificar, literalmente crearon empresas para mantener esto fuera de sus libros directamente, y estas empresas están en última instancia diseñadas para asumir pérdidas y fracasar. Pero antes de llegar a esta etapa de fracaso e impago de deuda y obligaciones, fueron a los criminales de Wall Street y diseñaron un producto financiero estructurado no muy distinto de los valores respaldados por hipotecas. Además, a medida que los aspectos de "IA" de sus negocios existentes se expanden, se comen los ingresos tradicionales generados por su negocio principal, que, si recordamos, es la garantía original que se usaba para justificar toda la deuda en primer lugar. Ahora estas empresas tecnológicas centrales tienen que ganar la "IA", sea lo que sea que eso signifique en última instancia, no solo para pagar la deuda del despliegue, sino también para reemplazar su ex […]

Grandes banderas rojas que creo que apuntan en la dirección contraria:

- la revalorización de la IPO de Anthropic

- la brecha de la frontera de Pareto que se reduce mes a mes entre modelos abiertos y cerrados

- la decepción de SpaceX

- los compradores empresariales como principales consumidores de tokens cerrados están siendo desplazados por la competencia de código abierto por céntimos

- la pérdida de empleos y el colapso de la contratación de niveles iniciales

- los enormes descuentos en la deuda de los contratos actuales de centros de datos

- la eficiencia de los modelos de pesos abiertos para consumidores que mejora constantemente

- la carrera armamentística china

- una posible espiral descendente rápida que podría forzar a los gobiernos a intervenir y subsidiar

¿Me falta algo?

No me convencen las afirmaciones de que la infraestructura solo es cara de construir al principio. El hardware no dura para siempre, especialmente en un centro de datos, el mantenimiento no es gratis, la electricidad no va a volverse significativamente más barata. Si los modelos se vuelven más eficientes, no necesitaremos despliegues de hardware carísimos y enormes; si los modelos siguen volviéndose más potentes y demandantes y están limitados por el hardware, cada nueva generación de hardware aplastará en eficiencia eléctrica a todo este hardware caro y pronto obsoleto, requiriendo otra ronda masiva de financiación que los actores que ya cargan con deuda tendrán dificultades para costear.

Sí, la gente sueña con volver a como solían ser las cosas, y se han dado pasos irreversibles en lo que respecta a la inteligencia artificial. Pero mientras cierto segmento de la sociedad se enriquece económicamente, la humanidad se dirige hacia una destrucción sociológica irreversible.

Por usar una analogía, igual que en el escenario de las películas post-apocalípticas donde la gente se come entre sí, nos dirigimos hacia un final sombrío como especie.

¿Vale la pena leerlo? Tengo que preguntarlo por el avatar de anime, que por sí solo desacredita bastante al autor.

No sé si las valoraciones tienen sentido, pero la usabilidad está toda ahí y también los beneficios potenciales. A lo largo de una década, eso es probablemente lo único que importa. Si las valoraciones explotan o caen (en cualquier momento próximo), creo que es en gran medida irrelevante. Entiendo que a la prensa probablemente no le guste oír esta conclusión tan aburrida.

P.D.: ¿Un tipo de simulación de Matlab/Física presentándose a un escaño del Partido Liberal en Canadá? ¡Cuenta más!