La noticia de que OpenAI, Google y Anthropic – tres de los nombres más importantes en el campo de la inteligencia artificial – tienen dificultades para perfeccionar sus últimos modelos causa gran revuelo. El enfoque está en el nuevo proyecto de OpenAI, "Orion", que pretende superar el rendimiento de modelos anteriores como el GPT-4. Sin embargo, en lugar de lograr un gran avance, la empresa enfrenta un revés: Orion no cumple con las expectativas internas. La misma dinámica se observa en Google y Anthropic, que también enfrentan desafíos.
Orion: Ein Schritt zurück?
Orion, el nuevo modelo tan esperado de OpenAI, fue sometido a una primera ronda de entrenamiento en septiembre. Las expectativas eran altas, ya que se esperaba que superara a GPT-4. Sin embargo, los expertos informan que Orion no ha alcanzado los objetivos de rendimiento establecidos, especialmente en tareas complejas como preguntas de programación que están fuera del ámbito de los datos de entrenamiento.
Un informante explicó que a Orion le falta suficientes datos de entrenamiento específicos en el ámbito de la programación. Un problema que persigue a OpenAI en el desarrollo de Orion: a pesar de un intenso trabajo de perfeccionamiento – los llamados "procesos post-entrenamiento" – Orion sigue estando por debajo del nivel necesario para su lanzamiento al mercado. La empresa podría, por lo tanto, posponer el lanzamiento del modelo para el próximo año.
Der schrumpfende Fortschritt
La experiencia de OpenAI no es un caso aislado. También Google y Anthropic están bajo presión. En Google, la última versión del software Gemini decepciona, y en Anthropic se retrasa el esperado lanzamiento de Claude-3.5-Opus. A pesar del exhaustivo trabajo de desarrollo, la inmensa inversión financiera y el talento de muchos equipos de expertos, el éxito de los nuevos modelos de IA sigue estando muy por debajo de las expectativas.
KI-Modelle am Limit – Ein Wachstumsdilemma
La evolución de los nuevos modelos de IA se basa principalmente en dos pilares: la disponibilidad de datos de entrenamiento de alta calidad y la potencia de cálculo masiva. Sin embargo, ambos recursos son difíciles de conseguir. Fuentes de datos de alta calidad generadas por humanos son cada vez más escasas, y el desarrollo de nuevos y únicos conjuntos de datos requiere personal especializado e inversiones enormes. Algunas empresas ahora recurren a datos sintéticos (textos e imágenes generados por IA), pero la calidad y diversidad de dichos datos sigue siendo limitada.
„Se trata menos de cantidad y más de calidad y diversidad de los datos“, dice Lila Tretikov, líder de estrategia de IA en New Enterprise Associates. „Podemos generar datos sintéticos en gran cantidad, pero obtener conjuntos de datos realmente de alta calidad y únicos sin guía humana es un desafío, especialmente en modelos basados en idiomas.“
Die Kosten steigen, die Fortschritte sinken
Para empresas como OpenAI o Google, que invierten miles de millones en el desarrollo de IA, la disminución de la eficiencia es un problema serio.
OpenAI y Google también han cambiado su estrategia: de simplemente hacer crecer los modelos, hacia casos de aplicación concretos.
Wird das „Agenten-Zeitalter“ die KI befreien?
En la industria de la IA, el concepto de "agentes" se considera un posible punto de inflexión. Las aplicaciones de IA que pueden tomar decisiones de manera activa y automatizada podrían ser la próxima revolución que transforme el mercado. OpenAI planea desplegar esta tecnología en los próximos años, y Google está experimentando con herramientas similares.
A medida que los límites del sistema de modelos actual se vuelven cada vez más evidentes, los "agentes" podrían sentar las bases para la próxima generación de IA, una que no solo responda, sino que también actúe. Las expectativas siguen siendo altas, y para la industria de la IA, la carrera hacia el futuro de la inteligencia artificial es más difícil que nunca.
