Sobre ese «avance» de OpenAI
Los rumores sobre un supuesto avance de OpenAI con «Q*» provocan debate sobre si la empresa ha logrado algo verdaderamente nuevo más allá de escalar los modelos de lenguaje grandes existentes. Los comentaristas discuten qué debería contar como «IA» (desde algoritmos clásicos de búsqueda como A* hasta transformers modernos), cómo podrían relacionarse técnicas como Q-learning con los LLM y si las afirmaciones sobre una AGI inminente están sobrevaloradas, infrarreguladas o son realmente transformadoras. Detrás de todo hay una división más amplia entre quienes ven los sistemas actuales como ya transformadores y quienes los consideran herramientas potentes pero limitadas envueltas en un marketing excesivo.
Definición de «IA» y el efecto IA
- Varios comentarios debaten si algoritmos como A*, BFS y DFS son «IA» o solo búsqueda genérica.
- Históricamente, A* surgió en laboratorios de IA y se enseña en libros de texto de IA, pero en los juegos «IA» suele significar cualquier lógica de comportamiento (heurísticas, máquinas de estados, búsqueda de rutas).
- Algunos argumentan que, a medida que las técnicas se entienden y se convierten en mercancía, dejan de etiquetarse como «IA» («efecto IA»); otros piensan que este encuadre está exagerado.
Q, Q-Learning y arquitecturas LLM*
- Algunos intentan interpretar el supuesto «Q*» a través del aprendizaje por refuerzo: valores Q como utilidades estado–acción que se propagan hacia atrás (ecuaciones de Bellman).
- Otros señalan que los transformers ya usan vectores q/k/v de «query»; especulan que Q* podría modificarlos, pero esto se reconoce explícitamente como una suposición.
- Se señala que el Q-learning clásico asume espacios de acciones discretos y que escalarlo a LLM con espacios de acciones efectivamente infinitos no es trivial.
- Se menciona un artículo enlazado sobre «Q* search» que usa redes Q profundas para el cubo de Rubik; no está claro si se relaciona directamente con el trabajo de OpenAI.
Evaluación del supuesto «avance» de OpenAI
- Algunos lectores consideran que el artículo es excesivamente despectivo, dado el impacto transformador de los modelos estilo GPT desde GPT-2.
- Otros están de acuerdo: ven sobre todo escalado y métodos incrementales, más que algoritmos fundamentalmente nuevos de OpenAI.
- Unos pocos sugieren que la narrativa del «avance» podría estar ligada a la captación de fondos o a la política interna, especialmente por el momento de las filtraciones.
Capacidades, límites y trayectoria de los LLM
- Muchos creen que GPT-3/4 representan un cambio real de paradigma y podrían «cambiar fundamentalmente el mundo» a medida que la sociedad se adapta.
- Otros creen que los grandes modelos actuales podrían estar acercándose a rendimientos decrecientes por pura escala; las ganancias futuras pueden requerir cambios arquitectónicos o de entrenamiento.
- Algunos enfatizan que las leyes de escalado aún muestran «mucho margen», mientras que otros destacan el agotamiento de datos y la creciente importancia de los datos de retroalimentación y el entrenamiento estilo RL.
Casos de uso e impacto en el mundo real
- Entre los usos citados están el diálogo de NPC, la asistencia en programación, la recuperación de información tipo búsqueda, una mayor eficiencia en el trabajo del conocimiento y numerosas aplicaciones tradicionales de IA (detección de fraude, recomendación, vehículos, salud, etc.).
- Algunos usuarios informan de aumentos dramáticos de productividad personal; otros se quejan de que los LLM pueden ser ineficientes en comparación con resolver los problemas directamente.
Regulación, riesgo y dinámicas del hype
- Una línea sostiene que los LLM están sobrevalorados, pero aun así son peligrosos cuando se usan mal o se les deposita demasiada confianza, lo que justifica la regulación.
- Otra afirma que, si no funcionan bien, el mercado se corregirá solo sin intervención gubernamental.
- Aparecen preocupaciones más amplias sobre el desplazamiento laboral inducido por la IA, la pérdida de trabajo significativo de resolución de problemas y una sensación de estar «esclavizados» por sistemas cada vez más capaces.
Preocupaciones económicas y de adopción
- Algunos ven el entusiasmo actual como una burbuja: inversión masiva y dominio narrativo antes de un encaje producto–mercado claro a gran escala.
- Se hacen comparaciones con revoluciones tecnológicas pasadas (coches, smartphones); los escépticos señalan que el valor verdaderamente revolucionario para el consumidor suele ser obvio, mientras que los beneficios de la IA pueden parecer más incrementales o centrados en la eficiencia.