Todos hemos visto el patrón.
Un nuevo modelo de IA se lanza, las redes sociales se llenan de gráficos de referencia, los traders comienzan a debatir sobre los ganadores y perdedores, y los inversores tratan de averiguar qué parte de la pila de IA terminará capturando más valor.
La conclusión usual es bastante simple: los modelos más inteligentes ganan.
Por un tiempo, yo también lo miraba así.
Pero cuanto más pienso en ello, más me pregunto si la inteligencia es solo la mitad de la historia.
Imagina un mundo dentro de unos años donde los modelos de IA están en todas partes. Ejecutar inferencias es barato, desplegar modelos es fácil, y las nuevas versiones aparecen más rápido de lo que cualquiera puede seguir el ritmo. En ese punto, encontrar inteligencia puede no ser difícil en absoluto.
Saber en quién confiar podría serlo.
Por eso proyectos como @OpenGradient llamaron mi atención, no porque hagan la IA más poderosa, sino porque me hacen pensar en un problema diferente. En un futuro lleno de salidas generadas por máquinas, ¿cómo verificarán los usuarios, las empresas y los mercados lo que realmente sucedió detrás de escena?
Si la inteligencia se vuelve abundante, la confianza puede convertirse en el recurso escaso.
Y si la confianza se convierte en el recurso escaso, ¿estamos gastando demasiado tiempo midiendo el rendimiento del modelo y no lo suficiente midiendo la prueba?
#opg $OPG @OpenGradient
Un nuevo modelo de IA se lanza, las redes sociales se llenan de gráficos de referencia, los traders comienzan a debatir sobre los ganadores y perdedores, y los inversores tratan de averiguar qué parte de la pila de IA terminará capturando más valor.
La conclusión usual es bastante simple: los modelos más inteligentes ganan.
Por un tiempo, yo también lo miraba así.
Pero cuanto más pienso en ello, más me pregunto si la inteligencia es solo la mitad de la historia.
Imagina un mundo dentro de unos años donde los modelos de IA están en todas partes. Ejecutar inferencias es barato, desplegar modelos es fácil, y las nuevas versiones aparecen más rápido de lo que cualquiera puede seguir el ritmo. En ese punto, encontrar inteligencia puede no ser difícil en absoluto.
Saber en quién confiar podría serlo.
Por eso proyectos como @OpenGradient llamaron mi atención, no porque hagan la IA más poderosa, sino porque me hacen pensar en un problema diferente. En un futuro lleno de salidas generadas por máquinas, ¿cómo verificarán los usuarios, las empresas y los mercados lo que realmente sucedió detrás de escena?
Si la inteligencia se vuelve abundante, la confianza puede convertirse en el recurso escaso.
Y si la confianza se convierte en el recurso escaso, ¿estamos gastando demasiado tiempo midiendo el rendimiento del modelo y no lo suficiente midiendo la prueba?
#opg $OPG @OpenGradient
