GPT-5 es algo mejor que GPT-4. El problema de esa frase está en la palabra «algo». El nuevo modelo «unificado» de OpenAI no parece representar el salto cualitativo que muchos esperaban, y eso ha hecho que las alarmas vuelvan a sonar. Uno podría preguntar qué si la IA ya no se vuelve mucho mejor de lo que es ahora. Pero tal vez eso ya está sucediendo y la pregunta es otra: ¿qué hacemos entonces?
La subida funciona, pero menos. En 2020, un equipo de investigadores de Operai publicados Un estudio Titulado «Leyes de escalar para modelos de lenguaje neuronal». En él, plantearon una especie de ley de AI de Moore: cuantos más datos y computación dedicen a los modelos de capacitación, mejor serían. Esa observación se demostró claramente cuando lanzaron GPT-3, que era 10 veces más grande que GPT-2, pero fue mucho, mucho mejor que ese modelo.
Desaceleración. Gary Marcus, profesor de psicología y ciencias neuronales en la Universidad de Nueva York, explicado en 2022 Que este estudio no tuviera mucho sentido: «Las leyes de abogados llamadas no son leyes universales como la gravedad, sino simplemente meras observaciones que no podrían mantenerse para siempre». Incluso Satya Nadella acordado Con esta declaración hace unos meses en el evento Ignite 2024. Y como estamos viendo, sus dudas se han hecho realidad. La escalada funciona y los modelos son algo mejores que sus predecesores, pero la desaceleración parece estar allí.
Pero GPT-5 no es tan malo. La verdad es que GPT-5 ha mejorado en métricas relevantes. Los responsables de la época AI Evaluaron Su comportamiento en FrontiermathPor ejemplo. Los resultados fueron un poco mejores que su predecesor O4-Mini, pero no hubo grandes saltos de rendimiento. Aun así, destacaron cómo GPT-5 ha sido el primer modelo en resolver un problema específico como si «hubiera entendido completamente el problema».
Y piensa mejor. Otro análisis independiente del analista de ZVI Mowshowitz Señaló Que aunque el modelo base GPT-5 era correcto sin más, sus variantes avanzadas (pensamiento GPT-5 PRO y GPT-5) fueron una mejora sustancial con respecto a O3-Pro y O3 respectivamente, especialmente al mitigar las alucinaciones. Según sus datos, «GPT-5 Auto» (la versión base) parece un producto deficiente a menos que use el plan CHATGPT gratuito «.
Lo mismo que necesitamos es una IA simbólica. El simbólico («clásico») representa el conocimiento utilizando símbolos y reglas, y se basa en la lógica y el razonamiento formal para resolver problemas y tomar decisiones. Este tipo de dominio del panorama IA hasta 90, pero la falta de avances notables hizo que la disciplina estuviera estancada y vivió un invierno de IA. «Nos vamos» con el conectista, las redes neuronales que representan el conocimiento a través de conexiones y pesos de los nodos de una red de neuronas artificiales. Esta disciplina fue la que dio lugar al IA Generativo y el éxito abrumador de ChatGPT y sus rivales. Su sorprendente buen comportamiento desató la fiebre actual de la IA, pero los avances del rendimiento se están desacelerando.
Los escépticos de la IA redoblan su discurso. Analistas como Ed Zitron, más extremo, o Gary Marcus, la IA simbólica, siempre han advertido de las expectativas exageradas generadas por la IA generativa. Incluso aquellos que fueron fundamentales en la creación de ChatGPT, como el ingeniero Ilya Sutskever, advirtieron sobre las limitaciones de escala. Los modelos de razonamiento han suavizado las críticas y son una gran alternativa para ese aparente estancamiento de los modelos estándar, pero incluso con ellos la sensación es que la IA no irá mucho más lejos.
Por lo tanto, nunca llegaremos a un agi. Thomas Wolf, co -fundador y director científico de Hugging Face, reflexionó sobre el problema hace unos meses y llegó a la conclusión de que los IAS se han convertido en «un país de hombres que dicen sí a todo en los servidores». Para él, las cosas comenzaron a ser inquietantes:
«Para crear un Einstein en un centro de datos, no necesitamos un sistema que tenga todas las respuestas, sino una que pueda preguntar cosas que nadie había pensado o que nadie se había atrevido a preguntar».
Como señaló este experto, la IA actual no genera (generalmente) un nuevo conocimiento, y «simplemente llena los agujeros de lo que los humanos ya sabían». La IA actual es como un estudiante fantástico y muy aplicado, pero ese estudiante no desafía lo que se ha enseñado. No lo cuestiona y no propone ideas que van en contra de los datos con los que ha sido entrenado. Yann Lecun, uno de los pioneros de la IA, ya ha concluido sobre la IA generativa actual: es una tontería.
Bajando las expectativas. El panorama es preocupante para aquellos que están invirtiendo miles de millones de dólares en centros de datos o en la capacitación de nuevos modelos fundamentales, especialmente porque ese impacto puede no ser tan gigantesco como lo habían pronosticado y prometido. Ed Zitron indicado En el New Yorker, que «este es un mercado de 50,000 millones de dólares, no uno de los mil millones de dólares». Marcus estuvo de acuerdo. «50,000 millones, sí. Tal vez 100,000».
¿Qué sucede si AI se ha estancado?. Si es efectivamente, lo que podemos esperar es que la IA se convierta en una herramienta útil para ahorrar tiempo y mejorar el resultado de ciertas tareas, lo está haciendo, pero no causar ese impacto sísmico en la sociedad y empleo Qué personalidades como Altman, Musk, Amodei o Zuckerberg defienden sus inversiones. Si eso sucede, sin duda tendremos una herramienta poderosa para hacer las cosas mejor y más rápido. Eso fue justo lo que nos permitió otras interrupciones fantásticas, como la PC o Internet.
Pero probablemente muchos esperaban más. Mucho más. Y ahí está el problema. En expectativas.
Imagen | Fotografía de Levart
En | Hay demasiados modelos de IA. Que plantea una verdadera sentencia de muerte por antrópico y Claude
