Follow along with the video below to see how to install our site as a web app on your home screen.
Nota: This feature may not be available in some browsers.
Pienso igual. También quiero formar parte del selecto club de lectores ávidos de la parte 2. Hay mucho en juego, buffet ha sacado más de 400.000 millones de la bolsa porque piensa que vienen curvas fuertes, pero es habitual que desde las señales de alarma y el pinchazo se tarde 2-3 años en las mega caídas. @FeministoDeIzquierdas puedes invitarme?Pedazo de hilo. Llevo unos añitos en el foro y no estoy seguro de si he leído alguna vez antes un hilo tan largo ,(haberlo leído digo, no que no lo haya habido).
Soy ávido lector de información económica pero como inversor me considero muy amateur. Puedo decir, no sin cierta vergüenza, que no he ansioso del paquibex.
@FeministoDeIzquierdas Me gustaría ser invitado al hilo privado (o como se llame) y poder leer la PARTE 2. Prometo aprender, aportar puntualmente si fuera posible y no molestar a los mayores.
Sjsjsjjajjajajjjsjsjsjuel otro día escuché en un canal de Youtube que la salida a bolsa de OpenIA será lo que haga explotar la burbuja y puede que así sea, ya que la salida a bolsa de la empresa de moda del momento hará que muchos pequeños inversores se tiren de cabeza a comprar acciones, luego irán pasando los trimestres y verán que solo hace que perder morteradas de millones sin parar y puede que se termine la fiesta.
Lo curioso de este post es que no comente que el Ibex está bastante inflado.
Si lo miramos sin descontar dividendos está en unos 54.000 puntos.
A 1 la respuesta es que la IA es en un 90% (mínimo) humo y lo saben.Sin poner en duda lo dicho por Femi, a quien vuelvo a felicitar por otro hilo magnífico, lo que no acabo de comprender es:
1. Qué necesidad tienen empresas como Nvidia o Microsoft de meterse en este bucle engañoso. Lo comprendería de aquella miriada de start-ups que se venden por decenas de millones, con el propósito de inflar sus precios...
2. A sabiendas de que esto puede o debe petar, ¿estas empresas de IA están posicionándose de alguna manera? Es decir, ¿están poniendo, a hurtadillas, un piececito en algún terreno más sólido?
3. Si toca estar en liquidez, ¿qué depósitos recomiendas o posiciones recomiendas, ahora que con la bajada de tipos ya nadie da nada?
4. ¿Cuánto tiempo le das a esta burbuja para que estalle? ¿Será más dura que la de 2008?
5. ¿Esperas una crisis de deuda en algún momento que haga interesante el efectivo? (Deflación o hiperdeflación).
*Lo más importante. Llevo siguiéndote desde hace mucho, y llevo más, casi dos décadas, en este foro, y nada me alegraría más que formar parte de tus hilos privados.
Esta es la idea. Algunos lo llevamos defendiendo desde que empezó el hype de las IA. Simplemente había que pensar en cómo funcionan (al menos los LLM, mientras no inventen algo completamente distinto, por muy hormonados que los construyan)....oye pero yo le pregunto a la IA y ésta me responde con teoremas, definiciones,... pues no funciona mal, me devuelve contenido fresco que suele ser cierto aunque la propia IA no lo sepa, estaba yo el otro día preguntándole por el teorema de stokes, relaciona integral curvilinea con el rotacional de maxwell, me fascina... La cuestión es que lo clava, y cómo es eso? porque cuanto más estable y redundante es esa info en su corpus de entrenamiento,más probable es que sea correcto, de esta forma confluyen el resultado estadistico con el resultado científico aunque no se hayan construido igual. la probabilidad de esa convergencia disminuye cuando ya no se trata de teoremas clásicos, leyes físicas,... es que la ráiz del problema es que no distingue verdad de coherencia. Entonces si tengo que destilar lo anterior diría que: las respuestas representan la distribución de probabilidad del discurso humano aprendido y tiene una cualidad no determinista. Si en ese discurso prevalece una idea, esa idea maneja el modelo. Si unes esto a que la gente necesita creer en algo, tienes el cocktail perfecto para manejar a las masas. No sé a quién se atribuye la frase... el problema no es no creer en dios, sino qué creer si no se cree en él . Entonces el discurso depende de quién sea el Gran Inquisidor que criba la muestra objetivo del entrenamiento necesario para la función de pérdida, pero ese es otro rollo. Nadie va a pilotar un proceso industrial medianamente serio con algo que no es determinista, que ante mismas entradas ni obtengas siempre el mismo resultado. La ia es un blufff y las empresas ya se han dado cuenta de ello, no hay aplicación práctica para la mayoría de empresas. Y las pocas necesitan de brutal entrenamiento de esa IA y no son rentables.
Efectivamente, de eso va todo. No están desarrollando IAs, están creando maneras de procesar ingentes cantidades de fichas personales pormenorizadas de millones y millones de personas para sacar (aún más) beneficio de eso. Están invirtiendo morteradas en infraestructuras físicas (centros de datos) que cuestan un ojo mantener en funcioamiento y en los mejores equipos de programadores y matemáticos del mundo para ¿hacer asistentes que te escriben una carta en la oficina? ¿Quién se cree eso? El problema es que, aún con ese objetivo, el modo de exprimir esas herramientas en la práctica (beneficios directos) también es algo difuso (más allá del poder puro que da, que crea beneficios indirectos).En mi opinión todo éste circo de la IA no va de dinero, va de que el Palantir global sepa hasta los cromos de Butragueño que tengo guardados en el desván.
Cuando lo sepan todo de nosotros nos van a despojar de todo, y lo mismo te va a dar tener acciones de Tesla que monedas de plata romanas, o coches en miniatura, o una carrera de medicina.
Llegado el momento lo pararán por nuestro bien y será exclusivo de uso del Gran Hermano.
Aún así pillo sitio en la cola para entrar en la lista de Feministo, que hasta entonces hay que generar cash y leer opiniones de valor.
La IA no sirve para consultar información fiable. Nunca te puedes fiar y la fuente es desconocida (los enlaces que dan algunas son a posteriori, no están en el modelo como fuentes, no pueden estar). Sirve para redactar cosas gramaticalmente correctas (como no, si lo que hace es copiar y pegar) y poco más.Cuidado con los históricos. El otro día pidiéndole a la IA que me sacara datos de una web que tiene una tabla, descalzaba todos los datos y me habría generado un error. Al final, los tuve que sacar de otra forma. Y muchas veces, al menos en las tareas que le encomiendo, se equivoca y saca errores. A veces genera más trabajo el andar comprobando si está bien que hacerlo uno.
Las empresas están despidiendo a cascoporro. El hecho. La explicación: ¿seguro que por la IA?Tienes que estar registrado para ver este contenido
Algo está pasando. Yo diría que es obvio y no parece el clásico movimiento para subir en bolsa.
Las top 7 empresas que conforman el S&P 500, conocidas como las "Magnificent Seven," representan aproximadamente el 36% del índice S&P 500 en 2025. Estas empresas son Nvidia, Microsoft, Apple, Amazon, Meta Platforms, Alphabet (Google) y Tesla. La concentración del peso de estas siete compañías ha crecido considerablemente en los últimos años, superando el 30% en 2023 y alcanzando cerca del 36% actualmente.
Esas 7 empresas suponen más del 50% del crecimiento en la valoración del S&P500 en los últimos 5 años y obviamente son las que más están invirtiendo en IA. De hecho desde el lanzamiento de ChatGPT y el inicio de la burbuja de la IA estas empresas suponen el 75% de todo el crecimiento del S&P500.
La IA de la que se habla, modelos de LLM, la percibo como un asistente personal más que un agente o robot multiusos capaz de tomar decisiones y sustituir a humanos en empleos bien remunerados...oye pero yo le pregunto a la IA y ésta me responde con teoremas, definiciones,... pues no funciona mal, me devuelve contenido fresco que suele ser cierto aunque la propia IA no lo sepa, estaba yo el otro día preguntándole por el teorema de stokes, relaciona integral curvilinea con el rotacional de maxwell, me fascina... La cuestión es que lo clava, y cómo es eso? porque cuanto más estable y redundante es esa info en su corpus de entrenamiento,más probable es que sea correcto, de esta forma confluyen el resultado estadistico con el resultado científico aunque no se hayan construido igual. la probabilidad de esa convergencia disminuye cuando ya no se trata de teoremas clásicos, leyes físicas,... es que la ráiz del problema es que no distingue verdad de coherencia. Entonces si tengo que destilar lo anterior diría que: las respuestas representan la distribución de probabilidad del discurso humano aprendido y tiene una cualidad no determinista. Si en ese discurso prevalece una idea, esa idea maneja el modelo. Si unes esto a que la gente necesita creer en algo, tienes el cocktail perfecto para manejar a las masas. No sé a quién se atribuye la frase... el problema no es no creer en dios, sino qué creer si no se cree en él . Entonces el discurso depende de quién sea el Gran Inquisidor que criba la muestra objetivo del entrenamiento necesario para la función de pérdida, pero ese es otro rollo. Nadie va a pilotar un proceso industrial medianamente serio con algo que no es determinista, que ante mismas entradas ni obtengas siempre el mismo resultado. La ia es un blufff y las empresas ya se han dado cuenta de ello, no hay aplicación práctica para la mayoría de empresas. Y las pocas necesitan de brutal entrenamiento de esa IA y no son rentables.
Equilicuá. Y por tanto, ¿por qué llamar "Inteligencia" a simples algoritmos que te comparan imágenes de tumores para ayudar a un diagnóstico? Aparte de que eso lleva inventado desde los 80 ("sistemas expertos"). El lenguaje triunfalista y falso ("inteligencia", "modelos razonadores", y demás mandanga) es también parte del hype y del humo (de la vendida de moto).La IA de la que se habla, modelos de LLM, la percibo como un asistente personal más que un agente o robot multiusos capaz de tomar decisiones y sustituir a humanos en empleos bien remunerados
El modelo de negocio más aproximado para esa IA sería el de Netflix o MS365, es decir, la suscripción pura y dura, para uso principalmente personal, como Siri o Alexa
Su uso empresarial, que creo que es lo que se intenta porque ahí se encuentra la pasta gansa, lo veo es más difuminado, precisamente por eso que señalas: Nadie va a pilotar un proceso industrial medianamente serio con algo que no es determinista, que ante mismas entradas no obtengas siempre el mismo resultado
Es cierto que hay productos de IA en las empresas, conozco algunos para optimizar procesos, IA de visión artificial, análisis de radiografías, farmacología y otras muy usadas que ahorran costes a las empresas, pero en campos muy-muy acotados
Ahí tiene sentido su inversión o adquisición, pero creo que nadie apostaría por una IA generalista tipo LLM para las empresas como los productos que se nombran por muy superinteligentes que fueran precisamente porque hay aplicaciones para campos muy especializados que los profesionales los preferirían antes que algo que prometa mucho pero de lo que no existan referentes previos y haya que experimentar con ellos
Hay diferencias técnicas importantes entre sistemas expertos y redes neuronales y creo que la más relevante es que en un sistema experto puedes saber "cómo razona" o "porqué da esa respuesta", sin embargo en una red neuronal, más aún en las no supervisadas, que hasta el más experto no sabe cómo ha llegado a una respuesta dada, es decir, en el sistema experto puedes encontrar trazabilidad de la respuesta, en una red neuronal es muy-muy complejoEquilicuá. Y por tanto, ¿por qué llamar "Inteligencia" a simples algoritmos que te comparan imágenes de tumores para ayudar a un diagnóstico? Aparte de que eso lleva inventado desde los 80 ("sistemas expertos"). El lenguaje triunfalista y falso ("inteligencia", "modelos razonadores", y demás mandanga) es también parte del hype y del humo (de la vendida de moto).
Llevo usando redes neuronales varios lustros, mucho antes del "hype". La razón por la que se abandonaron (o se usaron menos) los sistemas expertos (la mayoría al principio eran para usos médicos) era precisamente que no había relación entre la conclusión y las causas del diagnóstico, lo cuál limitaba su utilidad. En los sistemas expertos se implementaban las reglas de forma apriorística, pero esas reglas no tenían que ver con el diagnóstico, solo eran cuestiones matemáticas, por decirlo así. No puedo explicarlo mejor sin una parrafada larga.Hay diferencias técnicas importantes entre sistemas expertos y redes neuronales y creo que la más relevante es que en un sistema experto puedes saber "cómo razona" o "porqué da esa respuesta", sin embargo en una red neuronal, más aún en las no supervisadas, que hasta el más experto no sabe cómo ha llegado a una respuesta dada, es decir, en el sistema experto puedes encontrar trazabilidad de la respuesta, en una red neuronal es muy-muy complejo
Ese es precisamente uno de los caballos de batalla en los que se trabaja y todavía no se ha encontrado una solución y dudo que la encuentren
Tienes que estar registrado para ver este contenido
Las redes neuronales, tal como las conocemos hoy, tienen su boom como AlphaGo y otros modelos precursores a principios de 2005-2010 con los trabajos de, Geoffrey Hinton y su equipo de alumnos de doctorado a partir de 2015-2017Llevo usando redes neuronales varios lustros, mucho antes del "hype". La razón por la que se abandonaron (o se usaron menos) los sistemas expertos (la mayoría al principio eran para usos médicos) era precisamente que no había relación entre la conclusión y las causas del diagnóstico, lo cuál limitaba su utilidad. En los sistemas expertos se implementaban las reglas de forma apriorística, pero esas reglas no tenían que ver con el diagnóstico, solo eran cuestiones matemáticas, por decirlo así. No puedo explicarlo mejor sin una parrafada larga.
En fin, nos vamos del hilo. El caso es que la intuición, conociendo en qué consiste una llamada IA, es que todo esto tendrá alguna utilidad, sin duda, pero ni de lejos la revolución mundial como están intentando vender. Cuando se pongan a programar "inteligencias" de verdad (no simples modelos datos de entrada -> datos de salida) volvemos a hablar. Pero me da que primero tendremos que saber qué es eso de la inteligencia.Las redes neuronales, tal como las conocemos hoy, tienen su boom como AlphaGo y otros modelos precursores a principios de 2005-2010 con los trabajos de, Geoffrey Hinton y su equipo de alumnos de doctorado a partir de 2015-2017
Tienes que estar registrado para ver este contenido
Es cierto que antes de Hinton ya existían como concepto académico desde mediados de los años 50's con la conferencia de Dartmouth de John McCarthy y compañía pero la investigación de IA se paralizó bastante con la crítica fundamental de Seymour Papert y Marvin Minsky, lo que algunos llaman el invierno de la IA
En los años 80's es el boom de los sistemas expertos, no de las redes neuronales, cuya arquitectura es muy-muy diferente
Hoy en día son las redes neuronales las que han ganado la partida a los sistemas expertos
Las empresas están despidiendo a cascoporro. El hecho. La explicación: ¿seguro que por la IA?
Y por tanto, ¿por qué llamar "Inteligencia" a simples algoritmos que te comparan imágenes de tumores para ayudar a un diagnóstico?
Llevo usando redes neuronales varios lustros, mucho antes del "hype". La razón por la que se abandonaron (o se usaron menos) los sistemas expertos (la mayoría al principio eran para usos médicos) era precisamente que no había relación entre la conclusión y las causas del diagnóstico, lo cuál limitaba su utilidad. En los sistemas expertos se implementaban las reglas de forma apriorística, pero esas reglas no tenían que ver con el diagnóstico, solo eran cuestiones matemáticas, por decirlo así. No puedo explicarlo mejor sin una parrafada larga.
Nadie va a pilotar un proceso industrial medianamente serio con algo que no es determinista, que ante mismas entradas no obtengas siempre el mismo resultado
Mi capítulo 3 va mucho de eso mismo. Lo que pasa es que primero tengo que repartir el capítulo 2 entre los que me lo han pedido y luego ponerme con el número 3.No lo sabemos. Lo del ceteris paribus y eso.
La diferencia fundamental es la capacidad para trabajar con datos no estructurados. No identificamos datos, identificamos patrones probabilísticos.
En el caso del análisis de imágenes médicas es lo mismo. Primero usábamos "reglas" para detectar tumores... ahora entrenamos a una red neuronal con miles de pares imagen/diagnóstico y la red es capaz de identificar tumores con mayor facilidad de lo que lo haría un médico entrenado.
¿Es eso inteligencia? Es difícil decirlo, pero creo que sí es UNA parte de la inteligencia, aunque hay otras que aun no están resueltas.
Eso mismo. Las redes neuronales (simbólicas, basadas en reglas) y los sistemas expertos son formas de IA distintas (aprendizaje automático, probabilísticas), pero de hecho hay desarrollos que unen ambas técnicas.
La explosión de las redes neuronales se produjo con la invención del transformer, un algoritmo de "auto-atención" y eso ocurre en 2017. Y también que NVidia desarrolló CUDA lo que permitió la capacidad de fruta suficiente para poder entrenar grandes modelos.
Yo diría que todo depende del nivel de tolerancia. Si el modelo es capaz de hacer el trabajo dentro de los límites de tolerancia que se definan no veo porqué no va a funcionar incluso mejor que un modelo determinista.
Estamos hablando de conducción autónoma, pero es probable que no se alcance nunca al 100% La cuestión es si con una conducción autónoma al 99,9999% será suficiente (es ya más una cuestión actuarial que técnica). Lo que sí está clarísimo es que crear modelos IA es infinitamente más efectivo que los sistemas de conducción basados en reglas que son por definición limitados.
Si lo piensas bien los seres humanos conducen de forma probabilística. Tú no haces cálculos de física y trigonometría para saber si te la darás con el coche de delante o si debes salir o no en un cruce... haces una estimación básicamente intuitiva basada en tu experiencia previa. Tu decisión es puramente probabilística y nada determinista. Y en la inmensa mayoría de los casos es suficiente.
Tal cual, el avance realmente ha sido Nvidia nada más, los chips y para darle vuelo hacemos el juguetito que habla.Equilicuá. Y por tanto, ¿por qué llamar "Inteligencia" a simples algoritmos que te comparan imágenes de tumores para ayudar a un diagnóstico? Aparte de que eso lleva inventado desde los 80 ("sistemas expertos"). El lenguaje triunfalista y falso ("inteligencia", "modelos razonadores", y demás mandanga) es también parte del hype y del humo (de la vendida de moto).
Mi capítulo 3 va mucho de eso mismo. Lo que pasa es que primero tengo que repartir el capítulo 2 entre los que me lo han pedido y luego ponerme con el número 3.
Tú estás percibiendo mucho más que la IA porque estás inmerso en el medio y te juegas la vida. En tanto en cuanto la unidad operativa, el token, de la IA sean palabras, ahí se termina todo. Es como sentir vía morse.No lo sabemos. Lo del ceteris paribus y eso.
La diferencia fundamental es la capacidad para trabajar con datos no estructurados. No identificamos datos, identificamos patrones probabilísticos.
En el caso del análisis de imágenes médicas es lo mismo. Primero usábamos "reglas" para detectar tumores... ahora entrenamos a una red neuronal con miles de pares imagen/diagnóstico y la red es capaz de identificar tumores con mayor facilidad de lo que lo haría un médico entrenado.
¿Es eso inteligencia? Es difícil decirlo, pero creo que sí es UNA parte de la inteligencia, aunque hay otras que aun no están resueltas.
Eso mismo. Las redes neuronales (simbólicas, basadas en reglas) y los sistemas expertos son formas de IA distintas (aprendizaje automático, probabilísticas), pero de hecho hay desarrollos que unen ambas técnicas.
La explosión de las redes neuronales se produjo con la invención del transformer, un algoritmo de "auto-atención" y eso ocurre en 2017. Y también que NVidia desarrolló CUDA lo que permitió la capacidad de fruta suficiente para poder entrenar grandes modelos.
Yo diría que todo depende del nivel de tolerancia. Si el modelo es capaz de hacer el trabajo dentro de los límites de tolerancia que se definan no veo porqué no va a funcionar incluso mejor que un modelo determinista.
Estamos hablando de conducción autónoma, pero es probable que no se alcance nunca al 100% La cuestión es si con una conducción autónoma al 99,9999% será suficiente (es ya más una cuestión actuarial que técnica). Lo que sí está clarísimo es que crear modelos IA es infinitamente más efectivo que los sistemas de conducción basados en reglas que son por definición limitados.
Si lo piensas bien los seres humanos conducen de forma probabilística. Tú no haces cálculos de física y trigonometría para saber si te la darás con el coche de delante o si debes salir o no en un cruce... haces una estimación básicamente intuitiva basada en tu experiencia previa. Tu decisión es puramente probabilística y nada determinista. Y en la inmensa mayoría de los casos es suficiente.
El aprendizaje supervisado es regresión pura y dura. Más complejo o menos, que si convolucional, que si no se que... Pero al final todo parte de expandir monstruosamente la regresión lineal y nadie diria que la regresión lineal es inteligencia¿Es eso inteligencia? Es difícil decirlo, pero creo que sí es UNA parte de la inteligencia, aunque hay otras que aun no están resueltas.
Hay muchas opciones, desde simplemente codificar con redes neuronales la respuesta de los modelos deterministas para todo el rango de situaciones. A filosofías de aprendizaje por refuerzo a la vez que se opera. A estas normalmente se le pone un modelo más simple como "escudo"para recuperar la operación por si se toma un camino equivocadoYo diría que todo depende del nivel de tolerancia. Si el modelo es capaz de hacer el trabajo dentro de los límites de tolerancia que se definan no veo porqué no va a funcionar incluso mejor que un modelo determinista.