La inteligencia artificial (IA) ha sido durante la última década el motor de muchas de las revoluciones tecnológicas que están cambiando el mundo. Desde asistentes virtuales hasta algoritmos que predicen tendencias financieras, la IA ha demostrado ser una herramienta poderosa. Sin embargo, recientemente, se ha planteado un desafío que los expertos han denominado «el muro», un límite que podría estar frenando los avances exponenciales a los que estábamos acostumbrados.
¿Qué es el muro en la inteligencia artificial?
Hasta ahora, las grandes tecnológicas como OpenAI, Google, Meta o Microsoft habían logrado mejorar sus modelos de IA utilizando una receta simple: más datos y más capacidad de computación. Por ejemplo, el salto entre GPT-3 y GPT-4, o entre versiones de modelos como Llama y Gemini, se logró gracias a un aumento exponencial en recursos de entrenamiento. Pero esta estrategia está mostrando sus límites.
El muro hace referencia al punto en el que aumentar estos recursos ya no genera mejoras significativas en el rendimiento de los modelos. En algunos casos, incluso se observan resultados peores. Este fenómeno, vinculado a las leyes de escalado, plantea una pregunta crítica: ¿se puede seguir avanzando con las mismas estrategias?
Como mencionó Oriol Vinyals, vicepresidente de investigación en DeepMind, los progresos en los últimos años han sido impresionantes, pero mantener este ritmo requeriría un crecimiento exponencial de los recursos. Esto simplemente no es sostenible.
Más datos, más basura
Un problema subyacente es la calidad de los datos. Alessandro Curioni, vicepresidente de IBM en Europa, ha señalado que «si añades más datos de mala calidad, obtienes más basura». Esta frase resume una de las principales críticas al modelo actual de escalado: no se trata solo de cantidad, sino de calidad. Los modelos actuales tienden a consumir cantidades masivas de información, pero si esta información no está curada o contextualizada, los resultados pueden ser contraproducentes.
Esto no significa que la investigación en IA esté en un callejón sin salida. Al contrario, es una oportunidad para replantear los fundamentos de cómo se entrenan y diseñan los modelos. Desde WWWhatsnew.com creemos que este reto podría marcar el inicio de una nueva etapa más creativa y sostenible.
El papel de la computación cuántica
En este contexto, la computación cuántica surge como un aliado potencial para superar el muro. Mientras que los ordenadores tradicionales trabajan con bits que representan 0 o 1, los ordenadores cuánticos emplean cúbits, que pueden representar simultáneamente múltiples estados. Esto permite realizar cálculos mucho más complejos de manera eficiente.
Google, IBM y Microsoft han invertido miles de millones en el desarrollo de esta tecnología. Por ejemplo, el nuevo chip cuántico Willow de Google es capaz de resolver en minutos problemas que llevarían miles de millones de años a los superordenadores tradicionales. Además, IBM planea lanzar en 2025 su procesador Kookaburra, que combinará múltiples sistemas cuánticos para alcanzar un nivel de procesamiento sin precedentes.
La combinación de IA y computación cuántica promete transformar sectores como la industria farmacéutica, el diseño de nuevos materiales y las finanzas. Imagina optimizar un portafolio de inversión un 1% mejor que tus competidores; ese pequeño margen podría traducirse en retornos enormes.
El desafío de unir IA y cuántica
Una de las apuestas más prometedoras es la integración de la IA con la computación cuántica. En el futuro, podríamos ver superordenadores que combinen ambas tecnologías, utilizando cada una según las necesidades del problema a resolver. Sin embargo, esta visión también enfrenta desafíos. Fabricar procesadores cuánticos sigue siendo extremadamente complejo y costoso, y su impacto real podría tardar años en materializarse.
¿IA o computación cuántica?
Algunos expertos argumentan que la IA, con sus avances en aprendizaje profundo y redes neuronales, podría alcanzar soluciones que compitan con la computación cuántica antes de que esta última sea viable a gran escala. De hecho, ya se está utilizando IA para resolver problemas de química y diseño de materiales, áreas donde la cuántica promete mayores avances.
En mi opinión, estas tecnologías no son excluyentes, sino complementarias. La clave estará en encontrar un equilibrio que permita aprovechar lo mejor de ambas.
El muro en la IA no debe verse como un freno, sino como una invitación a replantear estrategias. Es una oportunidad para priorizar la calidad sobre la cantidad, buscar colaboraciones entre disciplinas y explorar nuevas tecnologías como la computación cuántica. Desde WWWhatsnew.com creemos que este es un momento emocionante para la ciencia y la tecnología, donde los desafíos actuales podrían conducirnos a descubrimientos sorprendentes.