¡El emperador está desnudo… otra vez! Un informe de Goldman Sachs llama a las cosas por su nombre: la IA generativa es una burbuja. Fuera de dominios de aplicación concretos, los chatbots y generadores de «contenidos» —cada vez más asociados con la idea de AI slop, bazofia de IA— pueden no ser la fuerza transformativa que se nos está vendiendo.
El informe repasa, mediante entrevistas a expertos de primer nivel en el dominio, los problemas que presenta la ola de la IA generativa. Está el aumento exponencial en el consumo de electricidad, y el abandono consecuente de cualquier objetivo de emisiones que las grandes empresas tecnológicas tuvieran. Están los costes, no solo por ese consumo ingente de electricidad, sino por la necesidad sin fin de procesadores para alimentar a la bestia, lo que está provocando una sobrevaloración de fabricantes como NVidia. Está el hecho de que los datos para entrenar a los «loros estocásticos» —en la deliciosa definición de Emily Bender— se están agotando. La sugerencia de superar la finitud fundamental del corpus de información generado por la especie humana conjurando de la nada más y más exabytes mediante las propias IAs generativas y usar eso como datos de entrenamiento parece ser tan absurda como el sentido común indica. Y sin embargo, textos generados de esta guisa ya están apareciendo, de manera natural e inevitable, en los corpus de entrenamiento de los modelos.
A todo esto hay que sumarle la ausencia de los prometidos nuevos empleos que traerían los chatbots bajo el brazo (virtual). También, la aparente incapacidad del mercado para lanzar implementaciones de IA generativa que ofrezcan ganancias en la línea de base; ya sea por la calidad de los resultados, por sus costes, o por ambas cosas. Reemplazar a los trabajadores más baratos por el despliegue de tecnología más caro de la historia no parece una proposición de negocio racional, y las pérdidas de volumen de negocio en el sector de creadores de copy e ilustradores freelance dicen más de una extendida falta de respeto hacia la materia prima de tantos directores de industrias de la información que de la capacidad de la IA generativa para reemplazar a trabajadores humanos con productos de calidad mínima.
Tampoco parece que la IA general vaya a llegar de la mano de la IA generativa. El grial de la IA general —una inteligencia artificial auténticamente intercambiable con un humano— pareció durante unos meses al alcance de la mano, pero cada vez más expertos se dan cuenta de que el «autocorrector glorificado» no comprenderá un día lo que se le pregunta ni lo que responde, por mucha potencia de proceso que se le lance.
La esperanza de OpenAI, Google, Meta y demás competidores es que el torrente de inversiones que están recibiendo se transforme en un avance milagroso. Uno que, con probabilidad muy elevada, no vendrá de la IA generativa, sino de algún otro rincón, hoy oscuro, de la (legítima, quizá peligrosa) investigación en inteligencia artificial. Es cierto que la probabilidad de los saltos cualitativos aumenta cuando hay dinero, pero la innovación no se puede forzar y no tenemos idea, hoy, de qué es necesario para diseñar un sistema auténticamente inteligente. De hecho, seguimos sin saber qué significa eso que queremos crear, más allá de definiciones triviales que involucran «adaptación», «resolución de problemas arbitrarios» o «comprensión». En última instancia, que la inteligencia es aquello que revela atributos inteligentes, y que los atributos inteligentes son lo que caracteriza la inteligencia.
Seguimos dando vueltas a la burbuja. ¿Le quedará mucho?
Para leer más
Allison Nathan, Jenny Grimberg, & Ashley Rhodes. (2024). Gen AI: Too Much Spend, Too Little Benefit? (129; Global Macro Research). The Goldman Sachs Group, Inc. https://www.goldmansachs.com/intelligence/pages/gs-research/gen-ai-too-much-spend-too-little-benefit/report.pdf