El fin del grupo AI Frontiers de Microsoft Research
Microsoft ha cerrado su grupo de investigación AI Frontiers, lo que ha suscitado una preocupación más amplia sobre el futuro de la investigación fundamental en IA dentro de la empresa y en la gran tecnología en general. Los comentaristas describen un giro hacia el trabajo a corto plazo, impulsado por la escala, sobre grandes modelos transformer, con enfoques exploratorios o alternativos cada vez más desfinanciados o marginados, a pesar del coste relativamente bajo de los investigadores frente al gasto en cómputo. El hilo también se amplía a cuestiones sobre los rendimientos decrecientes del mero escalado, el papel de los laboratorios corporativos frente a la academia y las startups, y si las prioridades actuales del sector corren el riesgo de perder el próximo gran avance arquitectónico en IA.
Alcance de la noticia
- La discusión aclara que esto trata del grupo interno de investigación “AI Frontiers” de Microsoft, que fue disuelto/reorganizado, no del fin de las fronteras de la IA en general.
- Algunos lo ven como un síntoma de un desmantelamiento más amplio y de una “reducción” de Microsoft Research, aunque el destino a largo plazo de MSR no está claro.
Cultura de Microsoft, reorganizaciones y moral
- Varios comentaristas describen a Microsoft como cada vez más desagradable: oleadas de despidos, grandes ofertas de salida voluntaria, y un cambio percibido hacia un estilo de liderazgo más “despiadado”.
- La gente dice que el antiguo acuerdo implícito —“haz buen trabajo y pasan cosas buenas”— se ha roto, dañando la cultura de investigación.
- Otros señalan que esto es similar en toda la gran tecnología desde los despidos posteriores a ZIRP y el giro hacia la IA, no algo exclusivo de Microsoft.
Escalar transformers frente a la investigación exploratoria
- Muchos dicen que las grandes empresas están en modo de “apostar todo a transformers”: escalar tamaño del modelo, datos, RL e infraestructura; evitar “misiones secundarias” como arquitecturas alternativas o métodos radicalmente nuevos.
- Postura pro-escalado: los modelos actuales todavía mejoran con más parámetros, mejor RL y orquestación/harness; es racional explotar lo que funciona en una carrera competitiva.
- Postura pro-exploración: un exceso de foco en escalar arriesga perder el próximo paradigma; los avances históricos (transistor, motores a reacción, trabajo estilo PARC) a menudo vinieron de investigación exploratoria que en su momento parecía ineficiente.
- El hilo destaca el clásico compromiso explorar/explotar; muchos sostienen que las grandes empresas están ahora casi totalmente en explotar.
Economía, hardware y posibles límites
- Algunos creen que EE. UU. está sobreconstruyendo capacidad de centros de datos y GPUs para un “escalado de frontera” que pronto podría topar con rendimientos decrecientes, escasez de datos y resistencia política a nuevos centros de datos.
- Otros responden que todavía no se ve ningún plateau claro; nuevos ejes como RL y “thinking tokens” siguen dando grandes mejoras.
- Debate sobre las leyes de escalado: son empíricas, no fundamentales; los cuellos de botella de datos y el coste podrían limitar las ambiciones de 10–100T parámetros.
Investigación corporativa frente a academia y startups
- Varios comentarios afirman que la investigación “real” a largo plazo está muriendo en las grandes empresas; reemplazada por trabajo orientado al producto, de corto plazo, y por startups respaldadas por VC que deben fingir que la investigación básica está a punto de convertirse en producto.
- La academia se presenta como intelectualmente más libre pero precaria y limitada por la financiación; ambos mundos moldean la investigación mediante incentivos, no por curiosidad pura.
Investigadores y herramientas individuales
- Varios señalan que los LLMs y agentes modernos permiten que un solo investigador avance mucho más rápido, debilitando el argumento de que solo equipos grandes y fuertemente alineados pueden hacer exploración con impacto.
Perspectiva
- Las opiniones se dividen entre “invierno de la IA / la burbuja del escalado va a estallar pronto” y “hemos descubierto un método general de aprendizaje; aún vienen cambios mucho mayores”.