la IA sirve para hacer ciencia porque es fuerza bruta bien guiada y evita el error humano que en temas complejos y donde hay poca gente ........... prevalecen en general impidiendo el avance.
la IA resuelve eso y supone un salto brutal para la humanidad.
vienen muchas innovaciones. Hoy desayunamos con Navier Stokes pero hay avances más fundamentales casi semanalmente en el mundo de la química y la ciencia de los materiales.
en los meses del 2006 hay más innovación y pogre científico que en muchas décadas.
todo condensado en una fuerza descomunal de cálculo.
google está lanzando múltiples start ups para lanzar al mercado las innovaciones científicas que van haciendo desde deep mind.
me niego a que la IA sea el chatbot que nos quieren vender.
todo el modelo de datacenters y consumo bestial de chips se basa en algo muy alejado de la ciencia, se basa en el charismo y marujo que pregunta al chat gpt cualquier tontería inocua.
la IA como tal hoy es potencia de cálculo sobre un montón de investigación propia de IA desarrollada hasta el año 2021 aproximadamente. Hasta ahí hubo una década de investigación profunda de como hacer IA. Desde ahí y con los transformers encima de la mesa, el resto ha sido mercantilismo y ponerse a desarrollar.
es lógico. En la pasada década la investigación suponía riesgo, el riesgo de meter pasta y no avanzar con innovaciones.
sin embargo, ahora y gracias a los avances, la inversión es de retorno predecible. Saben perfectamente que cuanto más gasten en training más salida proporciona el modelo. Cuanto más data metes ......... más rico es el modelo.
aunque no se lo crean muchos, llevamos años de cierto obstracismo en el research. Hay foco en gastar en training para que los modelos rindan más.
aquí la clave es qué hay que hacer para lograr un x100.
desde luego no es más training porque la data es limitada.
ese x100 solo puede venir del avance en el research de IA.
mientras hay que disfrutar lo que la IA presente permite avanzar en la ciencia.
la IA resuelve eso y supone un salto brutal para la humanidad.
vienen muchas innovaciones. Hoy desayunamos con Navier Stokes pero hay avances más fundamentales casi semanalmente en el mundo de la química y la ciencia de los materiales.
en los meses del 2006 hay más innovación y pogre científico que en muchas décadas.
todo condensado en una fuerza descomunal de cálculo.
google está lanzando múltiples start ups para lanzar al mercado las innovaciones científicas que van haciendo desde deep mind.
me niego a que la IA sea el chatbot que nos quieren vender.
todo el modelo de datacenters y consumo bestial de chips se basa en algo muy alejado de la ciencia, se basa en el charismo y marujo que pregunta al chat gpt cualquier tontería inocua.
la IA como tal hoy es potencia de cálculo sobre un montón de investigación propia de IA desarrollada hasta el año 2021 aproximadamente. Hasta ahí hubo una década de investigación profunda de como hacer IA. Desde ahí y con los transformers encima de la mesa, el resto ha sido mercantilismo y ponerse a desarrollar.
es lógico. En la pasada década la investigación suponía riesgo, el riesgo de meter pasta y no avanzar con innovaciones.
sin embargo, ahora y gracias a los avances, la inversión es de retorno predecible. Saben perfectamente que cuanto más gasten en training más salida proporciona el modelo. Cuanto más data metes ......... más rico es el modelo.
aunque no se lo crean muchos, llevamos años de cierto obstracismo en el research. Hay foco en gastar en training para que los modelos rindan más.
aquí la clave es qué hay que hacer para lograr un x100.
desde luego no es más training porque la data es limitada.
ese x100 solo puede venir del avance en el research de IA.
mientras hay que disfrutar lo que la IA presente permite avanzar en la ciencia.