¿Se detiene el avance de la Inteligencia Artificial? El agotamiento de datos plantea nuevos retos para la evolución tecnológica.
Demis Hassabis, líder de Google DeepMind y figura clave en inteligencia artificial (IA), advierte que los chatbots podrían dejar de mejorar al ritmo acelerado que hemos visto en los últimos años. Esta desaceleración surge porque las empresas tecnológicas están agotando las fuentes de datos disponibles en internet para entrenar sus sistemas de IA.
El Límite de las Leyes de Escalamiento
Desde 2020, las Leyes de Escalamiento, introducidas por Jared Kaplan, han guiado el desarrollo de grandes modelos de lenguaje. Este principio sostiene que mientras más datos se alimenten a los modelos, mejor será su rendimiento. Sin embargo, este enfoque está alcanzando sus límites: ya no queda suficiente texto digital en internet para seguir escalando estos sistemas.
“Estamos viendo retornos decrecientes”, explicó Hassabis, quien recibió recientemente un Premio Nobel por sus contribuciones a la IA.
¿Cómo Continuar el Progreso?
Frente al agotamiento de datos, los investigadores exploran nuevas estrategias, como el uso de datos sintéticos. Este método permite que los modelos aprendan de sus propios errores al resolver problemas, especialmente en áreas como matemáticas y programación, donde las respuestas son objetivamente correctas o incorrectas.
OpenAI ha implementado esta técnica en su nuevo sistema, OpenAI o1, pero los desafíos persisten. En disciplinas como las humanidades y las artes, donde las respuestas son subjetivas o filosóficas, estos métodos son menos efectivos.
La Perspectiva de la Industria
Mientras algunos líderes, como Sam Altman de OpenAI y Jensen Huang de Nvidia, mantienen una visión optimista, otros, como Rachel Peterson de Meta, reconocen la necesidad de ser cautelosos. “Es una gran pregunta porque estamos invirtiendo miles de millones en esto”, comentó Peterson.
Aunque la industria sigue destinando recursos masivos al desarrollo de centros de datos y nuevas tecnologías, muchos se preguntan si la IA puede mantener el ritmo de avances que ha definido su crecimiento reciente.
Un Cambio de Paradigma
El enfoque en la mejora rápida de modelos de IA está evolucionando hacia métodos más sostenibles e innovadores. Si bien los avances podrían ralentizarse, esta nueva etapa representa una oportunidad para reimaginar cómo las máquinas pueden aprender y adaptarse, especialmente en un panorama donde la creatividad y la colaboración interdisciplinaria serán esenciales para superar las limitaciones actuales.
El futuro de la IA enfrenta retos significativos, pero también abre la puerta a enfoques más sofisticados e innovadores que podrían redefinir su impacto en la sociedad y la tecnología.