La IA no está matando nuestra inteligencia. Está matando nuestra diversidad.
Diario de Innovación #403
Hay un experimento muy sencillo que puedes hacer ahora mismo.
Abre ChatGPT, Claude o Gemini y escribe:
Dame un número aleatorio entre el 1 y el 10.
Lo más probable es que obtengas un 7.
Vuelve a pedir otro.
Aparecerá un 3 o un 4.
Una tercera vez.
Probablemente un 8 o un 9.
No ocurre siempre, pero sucede con la suficiente frecuencia como para que deje de ser una casualidad.
Eso es precisamente lo que descubrió una startup australiana llamada Springboards. Mientras la mayoría de empresas compiten por construir modelos más precisos y fiables, ellos decidieron hacerse una pregunta diferente:
¿Y si el verdadero problema de los LLM no fuera que alucinan demasiado, sino que imaginan demasiado poco?
Y, cuanto más pensaba en ello, más me daba cuenta de que quizá estamos mirando el problema equivocado.
Durante los últimos años hemos debatido hasta la saciedad sobre los sesgos de la inteligencia artificial.
Si favorece unas ideologías.
Si discrimina determinados colectivos.
Si reproduce prejuicios presentes en los datos de entrenamiento.
Pero existe otro sesgo mucho más silencioso y, probablemente, mucho más peligroso.
La convergencia.
ChatGPT, Claude, Gemini o la mayoría de grandes modelos no solo responden bien.
Responden igual.
Pídeles un eslogan para unas zapatillas deportivas.
Un nombre para una banda de música.
Una metáfora sobre el paso del tiempo.
Un destino para tus próximas vacaciones.
Descubrirás que, aunque cambien algunas palabras, las ideas terminan orbitando alrededor de los mismos conceptos. Los investigadores que analizaron este fenómeno lo bautizaron como Artificial Hivemind: una sorprendente homogeneidad entre modelos diferentes entrenados por compañías distintas.
Y ahí es donde empieza el verdadero problema.
La innovación nunca ha consistido en encontrar la respuesta correcta.
Ha consistido en encontrar una respuesta distinta.
Joseph Schumpeter explicaba que las grandes innovaciones nacen de nuevas combinaciones de ideas.
Matt Ridley defendía que las ideas evolucionan igual que las especies: mezclándose.
Nassim Taleb lleva años recordándonos que la diversidad no es un lujo, sino una condición imprescindible para la supervivencia de cualquier sistema complejo.
Incluso la evolución biológica depende de las mutaciones.
Sin variación…
no existe evolución.
Sin diversidad…
no existe innovación.
Y, sin embargo, eso es exactamente lo que hacen los modelos actuales.
Reducen la varianza.
Empujan nuestras respuestas hacia el promedio estadístico.
Quizá por eso esta reflexión conecta tanto con varias ideas que hemos ido explorando en el Diario de Innovación durante las últimas semanas.
Cuando hablábamos de la deuda cognitiva, el riesgo era dejar de comprender porque delegábamos el razonamiento.
Hoy aparece un riesgo diferente.
Aunque sigamos comprendiendo…
podemos dejar de imaginar.
También reflexionábamos sobre el fin del contrato social de Internet.
Durante décadas, Internet fue un inmenso espacio donde millones de voces se conectaban entre sí.
Ahora, cada vez más personas acceden al conocimiento a través del mismo intermediario.
Millones de preguntas.
Millones de conversaciones.
Millones de decisiones.
Filtradas por un reducido número de modelos que, además, tienden a converger entre ellos.
No solo estamos centralizando la información.
Estamos empezando a centralizar las ideas.
Lo paradójico es que nunca habíamos tenido acceso a tanto conocimiento.
Y, al mismo tiempo…
nunca había sido tan fácil terminar pensando exactamente igual que los demás.
La Revolución Industrial mecanizó el trabajo físico.
La inteligencia artificial corre el riesgo de mecanizar el pensamiento creativo.
No porque piense peor que nosotros.
Sino porque piensa demasiado parecido para todos.
La startup protagonista del artículo ha desarrollado un modelo llamado Flint, entrenado para introducir deliberadamente más diversidad en determinadas partes de sus respuestas. No busca ser más preciso. Busca romper la tendencia natural de los modelos a converger siempre hacia las opciones más probables.
No sé si Flint será la solución.
Probablemente no.
Pero sí señala un problema que merece mucha más atención de la que está recibiendo.
Porque quizá el trabajo más importante del futuro no será aprender a utilizar ChatGPT.
Será aprender cuándo dejar de utilizarlo.
Porque el verdadero valor ya no consistirá en obtener la mejor respuesta.
Consistirá en encontrar la respuesta que nadie más obtuvo.
🌍 El Eco del Mercado
🏗️ OpenAI convierte Georgia en una prueba de estrés para la infraestructura de IA. OpenAI proyecta invertir 30.000 millones de dólares en un centro de datos de 3,2 GW. La compañía intenta contener la oposición local antes de que el acceso a energía, agua y permisos frene el despliegue.
🇨🇳 China ensaya una nube de IA sin NVIDIA. Z.AI ha comenzado a operar parcialmente un centro de datos de hasta un gigavatio construido únicamente con chips chinos. Es uno de los intentos más ambiciosos de entrenar modelos avanzados fuera del ecosistema de NVIDIA.
💸 El gasto en IA lleva a Google a su primer trimestre con flujo de caja negativo. Google mantiene el crecimiento de ingresos, pero el fuerte aumento de la inversión en infraestructura de IA ha disparado su consumo de capital. El mercado empieza a exigir retornos, no solo capacidad.
📉 El mercado empieza a descontar la factura de la IA. Las acciones de Google y Tesla cayeron mientras los inversores cuestionaban cuándo aparecerán los beneficios de sus grandes apuestas tecnológicas. El relato de crecimiento ya no basta para justificar cualquier nivel de gasto.
💧 Google intenta neutralizar el coste hídrico de la IA. Google ha anunciado cinco compromisos para que sus centros de datos devuelvan más agua de la que consumen en 2030. La presión ambiental se incorpora al diseño de infraestructura. A mi no me salen las cuentas, pero bueno.
🧠 NVIDIA refuerza su control del centro de datos con Vera. NVIDIA ha detallado Vera, su CPU con 88 núcleos Olympus diseñada para cargas de centros de datos de IA. La compañía continúa ampliando su arquitectura más allá de las GPU.
💰 Anthropic demuestra que la eficiencia empieza a pesar más que el salto de capacidad. Claude Opus 5 se acerca a las prestaciones de Fable 5 con un coste y unas restricciones menores. La mejora clave no está en ampliar la frontera, sino en reducir los tokens necesarios para llegar a resultados útiles.
🎛️ Runway quiere ser la capa de distribución de la IA generativa. Runway ha lanzado un router que permite acceder a modelos propios y de terceros desde una misma infraestructura. Su apuesta es convertirse en intermediario del mercado de imagen, vídeo y audio.
🇪🇸 Sherpa.ai convierte la privacidad en una propuesta de soberanía. La startup vasca ha captado 18 millones de dólares con participación pública. Su tecnología permite entrenar modelos sin desplazar información sensible.
🌐 China convierte los modelos abiertos en una herramienta de influencia. Pekín está utilizando software de IA abierto y de bajo coste para ganar adopción y relaciones en mercados internacionales. La distribución pesa tanto como la capacidad técnica.
🔓 Big Tech cierra filas en defensa de los modelos abiertos. OpenAI, NVIDIA, Microsoft y Meta advierten contra restricciones prematuras sobre los modelos de pesos abiertos. La carta aparece mientras Washington estudia cómo responder al avance chino.
🔐 Claude Cowork demuestra que el sandbox sigue teniendo grietas. Investigadores mostraron cómo Claude Cowork podía romper ciertas restricciones y acceder a archivos de un Mac. Anthropic mitigó parcialmente el problema.
🏥 OpenAI entra en salud pidiendo acceso al dato más sensible. ChatGPT Health se abre a todos los usuarios estadounidenses y permite conectar historiales médicos y datos de seguimiento personal.
🧬 La IA empieza a comprimir los plazos del desarrollo farmacéutico. Los modelos de aprendizaje automático están ayudando a diseñar proteínas y candidatos terapéuticos para problemas antes inabordables. La promesa es reducir ciclos largos, caros y con altas tasas de fracaso.
⚛️ PsiQuantum apuesta por fabricar la computación cuántica como un semiconductor. La compañía construye instalaciones en Chicago y Australia con el objetivo de alcanzar cerca de un millón de cúbits físicos mediante fotónica, silicio y fibra óptica.
🪖 Oracle asegura una década dentro del stack tecnológico del Pentágono. Oracle ha recibido un contrato de 7.000 millones de dólares y diez años para suministrar software y servicios al Departamento de Defensa estadounidense.
🤖 Optimus enfrenta a Tesla con la economía real de la robótica. Tesla elevó entregas e ingresos, pero decepcionó en beneficios y cayó con fuerza en bolsa. Musk reconoció que fabricar Optimus a gran escala será el mayor desafío industrial de la compañía.
🌊 La energía undimotriz consigue una señal de madurez industrial. CorPower Ocean ha obtenido la primera certificación de prototipo de DNV tras probar su convertidor en olas de hasta 18,5 metros. Ahora debe demostrar que puede fabricar y operar parques completos.
Déjame recordarte que si te gusta la tecnología, el podcast de Código Abierto también puede ser una buena opción.
Si algo de lo que has leído te ha removido, dímelo.
Ya sabes que estoy al otro lado si quieres comentar, discrepar o simplemente saludar.
Que nunca te falten ideas, ni ganas de probarlas.
A.
PD: Si este tema te ha resultado interesante, te recomiendo tres libros que llevan años defendiendo, desde perspectivas muy diferentes, el valor de las ideas originales y de la diversidad intelectual:
📚 Las Buenas Ideas, de Steven Johnson.
📚 Originales, de Adam Grant.
📚 The Medici Effect, de Frans Johansson.
Los tres llegan, por caminos distintos, a una conclusión muy similar: las mejores ideas casi nunca nacen siguiendo el camino más transitado.
PD2: Curiosamente, uno de los mejores antídotos contra el pensamiento promedio sigue siendo completamente analógico. Un buen cuaderno de papel, unas tarjetas para ordenar ideas o incluso unas Story Cubes pueden obligarte a establecer conexiones inesperadas antes de preguntarle nada a una IA. A veces, la mejor forma de obtener una respuesta diferente es empezar pensando unos minutos sin ningún modelo delante.