Las principales startups de IA apenas están publicando su investigación
El auge actual de la IA se apoya fuertemente en investigaciones publicadas abiertamente en el pasado, pero muchas de las principales startups ahora protegen sus nuevos avances como secretos comerciales propietarios en lugar de ciencia revisada por pares. Los comentaristas debaten si este cambio es una respuesta racional a una competencia comercial y geopolítica feroz o una erosión preocupante de las normas científicas que ralentiza el progreso colectivo y concentra el poder. Entre los temas relacionados están el auge de las publicaciones en blogs frente a las revistas, los límites de las patentes, los contrastes entre los hábitos de publicación chinos y estadounidenses, y la ironía de que empresas construidas sobre datos y artículos públicos ahora retengan su propio trabajo.
Apertura fundacional vs. secreto actual
- Muchos señalan la ironía de que las empresas de IA de vanguardia de hoy dependen de trabajos fundacionales como los transformers y la destilación de conocimiento que se publicaron abiertamente, mientras acaparan sus propios avances.
- Algunos argumentan que la apertura temprana surgió de subestimar el potencial de las arquitecturas y de valorar más el prestigio y la contratación que el secreto.
- Aparecen analogías históricas (radiación antes de la Segunda Guerra Mundial, química industrial temprana/tintes): una vez que la investigación se vuelve obviamente lucrativa o estratégica, pasa detrás de los muros corporativos.
Incentivos: लाभ, competencia y teoría de juegos
- Una postura recurrente: las empresas existen para ganar dinero, no para avanzar la ciencia; una vez que la IA se comercializa, los incentivos cambian de la apertura a la protección de la propiedad intelectual.
- Otros sostienen que esto es socialmente dañino: si todos retienen información, el progreso general y el retorno sobre la enorme infraestructura de IA pueden verse perjudicados.
- Algunos sugieren cambiar los marcos legales (debilitar los secretos comerciales/los NDA, acortar las patentes) para forzar más contribución al bien común, mientras los críticos responden que sin fuertes incentivos privados no ocurriría I+D de miles de millones de dólares.
Publicación académica vs. investigación “blogueada”
- Varios comentaristas dicen que la revisión por pares formal es lenta, política y está impulsada por el prestigio; para el ML, que avanza rápido, autopublicar o usar blogs puede comunicar resultados con más eficiencia.
- Otros replican que la revisión por pares, aunque imperfecta, añade rigor, comprobaciones de reproducibilidad y estándares compartidos; la investigación de IA “blogueada” fomenta el hype, métodos descuidados y dinámicas similares a las de las redes sociales.
- Algunas startups informan haber renunciado a los espacios de primer nivel debido a rechazos repetidos y al coste de tiempo, usando en su lugar preprints o compartiendo solo en pitch decks.
Secretos comerciales, PI y código abierto
- Fuerte defensa de los secretos comerciales: en un mundo donde los competidores pueden copiar rápido (especialmente usando modelos), publicar trabajo de vanguardia se considera “increíblemente estúpido” para las startups.
- Otros subrayan los beneficios sociales de la apertura, la protección frente a que otros patenten, y la atracción de talento mediante publicaciones visibles.
- Debate en torno a las patentes: algunos afirman que las patentes de software/ML son en gran medida inaplicables y por tanto no valen la pena; otros las ven todavía relevantes en ciertos dominios.
Quién publica y dónde
- El estudio subyacente citado en el hilo supuestamente encuentra que algunas grandes startups de IA (incluidos laboratorios de EE. UU. y empresas chinas) siguen siendo importantes productoras de artículos, pero que las capas más nuevas de “startup” se centran sobre todo en productos y no en investigación.
- Varios comentarios señalan que las empresas chinas de IA ahora publican de forma más abierta que muchas de sus contrapartes estadounidenses, incluidos modelos abiertos fuertes y pesos liberados.
Ética, datos y el bien común
- Los comentaristas critican a las empresas de IA por raspar datos públicos, digitalizar (y a veces destruir físicamente) libros, y luego cerrar sus propios resultados.
- Hay una tensión entre “la información quiere ser libre” y los creadores que se sienten explotados cuando su trabajo alimenta sistemas propietarios sin una apertura recíproca.