WEBVTT Kind: captions Language: es 00:00:05.000 --> 00:00:08.000 Wanda, la comunidad de podcast independientes en español. 00:00:08.000 --> 00:00:14.000 Hola y bienvenidos a un nuevo episodio de Apple Coding Daily. 00:00:14.000 --> 00:00:15.000 Hemos vuelto. 00:00:17.000 --> 00:00:22.000 En los los pasados días ha habido una serie de noticias bastante 00:00:22.000 --> 00:00:27.000 interesantes con respecto a la próxima inteligencia artificial, los 00:00:27.000 --> 00:00:32.000 próximos algoritmos de inteligencia artificial generativa que Apple 00:00:32.000 --> 00:00:37.000 supuestamente lanzaría para la próxima WWDC, que debería de ser 00:00:37.000 --> 00:00:43.000 anunciada en breve y que, teóricamente, sería el primer lunes del mes de junio. 00:00:43.000 --> 00:00:48.000 En esta WWEWC, según lo que los, incluso, hasta el propio Tim Cook ha ido 00:00:48.000 --> 00:00:53.000 adelantando, habría un cambio bastante importante en la forma en la que 00:00:53.000 --> 00:00:58.000 se controlan, en la forma en la que usamos los dispositivos Apple, aparte 00:00:58.000 --> 00:01:03.000 de un rumoreado rediseño de el propio sistema tirando hacia un estilo 00:01:03.000 --> 00:01:08.000 más de lenguaje de diseño neomórfico, un lenguaje que es más 00:01:08.000 --> 00:01:18.000 aproximado al tipo de lenguaje de diseño que utiliza Apple Vision Pro. 00:01:18.000 --> 00:01:22.000 Por lo tanto, en esta, en una supuesta primera fase, tanto iOS como iPad, 00:01:22.000 --> 00:01:26.000 iPadOS tendrían un rediseño a nivel de imagen, pero no solo eso, 00:01:26.000 --> 00:01:30.000 también tendrían la incorporación de nuevos modelos de inteligencia 00:01:30.000 --> 00:01:34.000 artificial generativa que cambiarían de una manera bastante importante, 00:01:34.000 --> 00:01:38.000 según algunos algunas personas de Apple sería uno de los cambios más 00:01:38.000 --> 00:01:42.000 importantes en el uso del sistema operativo de los últimos años, pues, 00:01:42.000 --> 00:01:47.000 digamos que eso que cambiarían por completo. 00:01:48.000 --> 00:01:53.000 Todo esto se une a una noticia que ha habido, como digo, en las últimas 00:01:53.000 --> 00:01:58.000 semanas de el lanzamiento de un nuevo modelo LLM, un modelo multimodal, un 00:01:58.000 --> 00:02:03.000 MMLLM, que Apple ha lanzado llamado uno, que parece ser sería el modelo 00:02:03.000 --> 00:02:08.000 definitivo que vendría en estos dispositivos. 00:02:09.000 --> 00:02:14.000 Y además, también Mark Gourman ha sacado la noticia de que parece ser que 00:02:14.000 --> 00:02:19.000 Apple estaría en conversaciones con OpenAI y con la propia Google para 00:02:19.000 --> 00:02:24.000 ver la posibilidad de poder utilizar sus modelos, en el caso de OpenAI 00:02:24.000 --> 00:02:29.000 GPT, en el caso de que sería Google de Gemini, para poder complementar 00:02:29.000 --> 00:02:34.000 todo lo que quiere hacer en sus sistemas, insistimos, a partir de junio, 00:02:34.000 --> 00:02:40.000 tal vez para algo que pueda utilizarse posteriormente. 00:02:41.000 --> 00:02:50.000 En fin, para poner un poco de orden en todas estas noticias y realidad, vamos a analizarlo y vamos a ver este tema. 00:03:02.000 --> 00:03:06.000 Pero antes vamos a hablar de nuestro patrocinador, que no es otro que Apple 00:03:06.000 --> 00:03:10.000 Coding Academy, y la nueva formación que comenzará el próximo uno de 00:03:10.000 --> 00:03:14.000 abril, SWIFT Developer Program dos mil veinticuatro. 00:03:14.000 --> 00:03:18.000 Si quieres aprender a programar en entornos Apple, aunque no sepas nada, 00:03:18.000 --> 00:03:22.000 aunque partas desde cero, tienes un lugar donde encontrar todo lo que 00:03:22.000 --> 00:03:26.000 necesitas para formarte como desarrollador. 00:03:27.000 --> 00:03:35.000 Ojo, para formarte en el sentido de conseguir las bases para que a partir de ahí puedas empezar a avanzar en tu carrera. 00:03:35.000 --> 00:03:40.000 Porque, obviamente, nadie puede prometerte, porque te estaría engañando, 00:03:40.000 --> 00:03:45.000 que en dos meses de formación vas a ser un programador top, porque es mentira. 00:03:45.000 --> 00:03:50.000 Para ser un programador primero necesitas muchos no meses, años de 00:03:50.000 --> 00:03:55.000 trabajo, pero sobre todo lo que necesitas es una buena base, saber de 00:03:55.000 --> 00:04:00.000 dónde partir, y eso es lo que el Swift Developer Program te va a proporcionar. 00:04:00.000 --> 00:04:04.000 Con el Swift Developer Program lo que vas a tener es todo lo que necesitas 00:04:04.000 --> 00:04:08.000 de conocimiento en el lenguaje Swift, en la librería Swift UI, en 00:04:08.000 --> 00:04:12.000 concurrencia, sincronía, uso de red, incluso una master class sobre cómo 00:04:12.000 --> 00:04:16.000 se desarrolla para Apple Vision Pro, y todo esto será la base, más un 00:04:16.000 --> 00:04:20.000 proyecto de otros dos meses, que podrás utilizar para empezar tu carrera 00:04:20.000 --> 00:04:24.000 como programador. 00:04:25.000 --> 00:04:29.000 Esta formación no solo está pensada para gente que empieza desde cero, 00:04:29.000 --> 00:04:33.000 también para gente que ya es desarrolladora en entornos Apple y lo que 00:04:33.000 --> 00:04:37.000 quiere es ponerse al día, conocer las últimas novedades en Swift, en 00:04:37.000 --> 00:04:41.000 Swift UI, la nueva versión cinco punto diez de Swift o las nuevas 00:04:41.000 --> 00:04:45.000 tendencias, la nueva arquitectura observable de Swift UI, y también para 00:04:45.000 --> 00:04:49.000 desarrolladores que, bueno, pues trabajen con otros entornos, ya sean 00:04:49.000 --> 00:04:53.000 móviles como Android, ya sean desarrollo web, y que quieran actualizarse 00:04:53.000 --> 00:04:57.000 a entornos Apple, es decir, que quieran aprender o quieran poner dentro de 00:04:57.000 --> 00:05:01.000 su currículum una base para empezar a trabajar con lo que sería el 00:05:01.000 --> 00:05:06.000 desarrollo en entornos Apple. 00:05:06.000 --> 00:05:16.000 Todos ellos tienen un lugar en esta nueva formación del Swift Developer Program dos mil veinticuatro, que comienza el próximo uno de abril. 00:05:16.000 --> 00:05:22.000 Solo tenéis que entrar en acoding punto academy y ahí podéis encontrar 00:05:22.000 --> 00:05:28.000 toda la información al respecto y pedirnos una entrevista con nosotros 00:05:28.000 --> 00:05:34.000 para que podamos analizar vuestro caso y daros vuestra mejor solución. 00:05:34.000 --> 00:05:39.000 Así que ya sabéis, ahí lo tenéis todo en Apple Coding Academy. 00:05:40.000 --> 00:05:43.000 Dicho esto, comenzamos con lo que sería el programa. 00:05:43.000 --> 00:05:50.000 Entonces, no podemos olvidar una cosa muy importante que vamos a repasar a nivel conceptual. 00:05:51.000 --> 00:05:56.000 Estamos hablando de la de los modelos de inteligencia artificial 00:05:56.000 --> 00:06:01.000 generativa, y estamos hablando de que, de nuevo, vuelven a aparecer voces 00:06:01.000 --> 00:06:06.000 diciendo que Apple ha perdido el tren, que Apple no está en este momento 00:06:06.000 --> 00:06:11.000 ni que está pensando en otras cosas, etcétera. 00:06:11.000 --> 00:06:16.000 Pero esto no es así y no es una opinión mía, no es que yo sea un fanboy, 00:06:16.000 --> 00:06:21.000 que lo soy, pero aparte de eso, esto ya no es una opinión de me gusta 00:06:21.000 --> 00:06:26.000 Apple, porque estos son hechos, hechos que pueden ustedes mismos constatar 00:06:26.000 --> 00:06:31.000 entrando en machine learning punto Apple punto com, donde verán que 00:06:31.000 --> 00:06:36.000 prácticamente cada semana se están exponiendo nuevos modelos, algunos de 00:06:36.000 --> 00:06:41.000 ellos muy importantes, que ya nos están adelantando cómo será este 00:06:41.000 --> 00:06:46.000 futuro de la inteligencia artificial generativa dentro de los entornos Apple. 00:06:46.000 --> 00:06:49.000 No podemos olvidar que Apple cuenta con algunos de los mayores expertos en 00:06:49.000 --> 00:06:52.000 inteligencia artificial, machine learning y todas estas novedades que 00:06:52.000 --> 00:06:57.000 estamos viendo en los últimos años. 00:06:57.000 --> 00:07:04.000 Pero para entender todo esto, lo primero que vamos a hacer es repasar de una manera muy rápida los conceptos más importantes. 00:07:04.000 --> 00:07:10.000 El primero es lo que es un LLM, un modelo grande de lenguaje, un large language model. 00:07:11.000 --> 00:07:14.000 Básicamente, un LLM es lo que ya conocemos como, por ejemplo, GPT. 00:07:15.000 --> 00:07:18.000 Es un modelo que tiene un propósito muy concreto, que es completar texto, 00:07:18.000 --> 00:07:21.000 no es tener una conversación con nosotros, no, no, no, no, eso es una 00:07:21.000 --> 00:07:26.000 funcionalidad derivada de. 00:07:26.000 --> 00:07:31.000 Un LLM es aquel que es capaz de completar un texto. 00:07:31.000 --> 00:07:36.000 Claro, si yo le doy para completar un texto, que es el principio de una 00:07:36.000 --> 00:07:41.000 conversación, él me lo va a rellenar como si siguiera la conversación, 00:07:41.000 --> 00:07:46.000 pero, en realidad, no está conversando conmigo, está completando texto 00:07:46.000 --> 00:07:51.000 intentando conservar la coherencia de lo que yo le he dado como input para 00:07:51.000 --> 00:07:56.000 que ese output, esa salida, tenga coherencia con lo que se espera a nivel 00:07:56.000 --> 00:08:01.000 de expresión, tema, construcción gramatical, etcétera. 00:08:01.000 --> 00:08:03.000 Eso es un LLM. 00:08:04.000 --> 00:08:07.000 Este LLM luego puede ampliarse, ¿vale? 00:08:07.000 --> 00:08:12.000 Esto sería, digamos que estaría más unido a lo que sería GPT tres punto cinco, ¿vale? 00:08:12.000 --> 00:08:16.000 Para que lo veamos de una manera más clara a la hora de entenderlo. 00:08:17.000 --> 00:08:24.000 Luego estos LLM han evolucionado, han evolucionado incorporando la multimodalidad. 00:08:24.000 --> 00:08:32.000 Un l l m solo puede tener un tipo de input, que es texto, y solo puede tener un tipo de output, un tipo de salida, que también es texto. 00:08:33.000 --> 00:08:44.000 Sin embargo, un LLM multimodal, un MMLLM, es capaz de tener varios tipos de entrada e incluso varios tipos de salida. 00:08:44.000 --> 00:08:49.000 Yo podría, y de hecho esto es algo que puedo hacer con con GPT cuatro, por 00:08:49.000 --> 00:08:54.000 ejemplo, si utilizo dentro de GPT cuatro chat GPT cuatro, con chat GPT 00:08:54.000 --> 00:08:59.000 cuatro lo que tenemos es un chatbot que está conectado a un multimodal 00:08:59.000 --> 00:09:04.000 large lenguage model, un modelo grande de lenguaje de tipo multimodal. 00:09:04.000 --> 00:09:05.000 ¿Por qué? 00:09:05.000 --> 00:09:14.000 Porque yo puedo darle a ese modelo no solo texto, también le puedo dar una imagen, también le puedo dar incluso un vídeo, ¿vale? 00:09:14.000 --> 00:09:20.000 Es cierto que ahora mismo no se le puede dar, pero hay modelos de este tipo que sí lo harían, ¿vale? 00:09:20.000 --> 00:09:24.000 Y esto podría dar lugar a que estos modelos multimodales no solo puedan 00:09:24.000 --> 00:09:28.000 contestarme por texto, también puedan contestarme a través de imagen o a 00:09:28.000 --> 00:09:32.000 través de vídeo. 00:09:32.000 --> 00:09:37.000 Lo podemos ver, o sea, podemos ver, por ejemplo, lo que se presentó hace 00:09:37.000 --> 00:09:42.000 unas semanas, el modelo Sora de OpenAI, que es un modelo capaz de generar vídeo. 00:09:42.000 --> 00:09:45.000 Esos vídeos se generarían cuando esto saliera, ¿vale? 00:09:46.000 --> 00:09:49.000 A través del propio chat GPT, igual que ahora yo le puedo pedir una imagen 00:09:49.000 --> 00:09:52.000 y esa imagen me la devuelve, es decir, créame una imagen que sea de tal 00:09:52.000 --> 00:09:55.000 manera tal, y él me devuelve una imagen hecha, pues también podría 00:09:55.000 --> 00:09:58.000 devolverme un vídeo o incluso hay otros modelos capaces de generar 00:09:58.000 --> 00:10:04.000 sonidos, ¿vale? 00:10:04.000 --> 00:10:13.000 Por lo tanto, tenemos que tener en cuenta esa multimodalidad, es decir, distintos tipos de entradas y distintos tipos de salidas, ¿vale? 00:10:13.000 --> 00:10:16.000 Entonces, ya vamos evolucionando el sistema. 00:10:16.000 --> 00:10:17.000 ¿Qué es lo que sucede? 00:10:17.000 --> 00:10:27.000 Ya comentamos en un programa anterior que tenemos una limitación en cuanto a los parámetros de entrenamiento de uno de uno de estos modelos. 00:10:27.000 --> 00:10:32.000 Yo, si tomo como referencia GPT tres punto cinco, GPT tres punto cinco 00:10:32.000 --> 00:10:37.000 tiene ciento setenta y cinco mil millones de parámetros, lo que viene 00:10:37.000 --> 00:10:43.000 siendo a nivel técnico la definición de ciento setenta y cinco b mayúscula. 00:10:43.000 --> 00:10:50.000 B mayúscula son los billions, porque ya sabemos que en Estados Unidos un billion son mil millones, ¿vale? 00:10:50.000 --> 00:10:53.000 Serían lo que en en Europa llamaríamos un millardo. 00:10:54.000 --> 00:11:01.000 Por lo tanto, el esos ciento setenta y cinco b mayúscula sería la definición de este modelo. 00:11:01.000 --> 00:11:05.000 Pues bien, si yo me voy más allá de los doscientos mil millones de 00:11:05.000 --> 00:11:09.000 parámetros, empiezo a tener problemas de peso en el modelo, empiezo a 00:11:09.000 --> 00:11:13.000 tener problemas de lentitud en el propio modelo y empieza a ser bastante 00:11:13.000 --> 00:11:17.000 inmanejable, están aproximadamente los doscientos veinticinco mil 00:11:17.000 --> 00:11:21.000 millones, más o menos, lo que se estima que ya es un modelo demasiado complejo. 00:11:22.000 --> 00:11:26.000 Por lo que, para solucionar este problema, se incorporó otro concepto que 00:11:26.000 --> 00:11:30.000 es el de M O E, siendo la o en minúscula, m mayúscula o minúscula e 00:11:30.000 --> 00:11:34.000 mayúscula, que es lo que en inglés se llama un mixture of experts, que 00:11:34.000 --> 00:11:40.000 sería una mezcla de expertos. 00:11:40.000 --> 00:11:42.000 ¿Esta mezcla de expertos qué es? 00:11:42.000 --> 00:11:53.000 Pues imagínense un montón de pequeños modelos LLM que están entrenados para distintas para distintos propósitos muy concretos, ¿de acuerdo? 00:11:54.000 --> 00:11:58.000 Uno que está muy especializado, por ejemplo, en contestar preguntas de 00:11:58.000 --> 00:12:02.000 programación, otro muy especializado en contestar preguntas de 00:12:02.000 --> 00:12:06.000 matemáticas, otro muy especializado en dar una respuesta gramatical mucho 00:12:06.000 --> 00:12:10.000 más correcta, otro que está especializado, por ejemplo, en leer textos 00:12:10.000 --> 00:12:14.000 técnicos a partir de URLs, en fin, tenemos un montón de posibles 00:12:14.000 --> 00:12:18.000 expertos en distintos temas lo que pueden hacer es especializar aún más 00:12:18.000 --> 00:12:22.000 el funcionamiento, dividir la forma en cómo funciona y, además, hacer 00:12:22.000 --> 00:12:30.000 que el propio modelo sea más eficiente. 00:12:31.000 --> 00:12:35.000 Pues bien, esta unión de los LLM multimodales más la mezcla de expertos 00:12:35.000 --> 00:12:39.000 es lo que nos está proporcionando los modelos actuales más grandes que 00:12:39.000 --> 00:12:43.000 conocemos como GPT cuatro, como Gemini Pro o el próximo Gemini Ultra, 00:12:43.000 --> 00:12:47.000 etcétera, o por ejemplo, uno de los últimos que tenemos, que es el de 00:12:47.000 --> 00:12:51.000 Cloud versión tres, que también es otro que está dando bastantes buenos 00:12:51.000 --> 00:12:58.000 resultados en los últimos meses. 00:12:59.000 --> 00:13:03.000 Entre estos modelos hay otros cuantos que son open source, como por ejemplo 00:13:03.000 --> 00:13:07.000 Mistral, como por ejemplo Mixtral, que la diferencia entre Mistral y 00:13:07.000 --> 00:13:11.000 mixtral es que mistral es un modelo LLM, pero mixtral es un modelo LLM 00:13:11.000 --> 00:13:17.000 basado en una mezcla de expertos, ¿vale? 00:13:17.000 --> 00:13:21.000 Por eso lo de la x, que también tienen varias configuraciones, y aquí 00:13:21.000 --> 00:13:25.000 tenemos que ver una parte esencial que son los distintos modelos o por 00:13:25.000 --> 00:13:29.000 configuración basados en los distintos parámetros de entrenamiento, 00:13:29.000 --> 00:13:33.000 porque, por ejemplo, tenemos modelos mixtral que tienen siete b, en 00:13:33.000 --> 00:13:39.000 mayúscula de parámetros, ¿vale? 00:13:39.000 --> 00:13:41.000 De que serían siete mil millones de parámetros. 00:13:41.000 --> 00:13:44.000 Y claro, muchos dirán, bueno, si GPT tenía ciento setenta y cinco mil 00:13:44.000 --> 00:13:47.000 millones de parámetros, pues hombre, un modelo de siete mil millones, 00:13:47.000 --> 00:13:51.000 pues muy bueno, muy bueno no debe ser. 00:13:51.000 --> 00:13:55.000 Claro, aquí depende mucho de que GPT, cuando fue entrenado, la 00:13:55.000 --> 00:13:59.000 optimización de los datos con los que fue entrenado no era muy allá, 00:13:59.000 --> 00:14:03.000 podría tener, de hecho, tenía muchísimos datos redundantes, 00:14:03.000 --> 00:14:07.000 repetitivos, datos que realmente no aportan nada o tienen salidas 00:14:07.000 --> 00:14:11.000 demasiado demasiado extrañas, por llamarlo de alguna forma, a cualquier 00:14:11.000 --> 00:14:15.000 tipo de petición, por lo que realmente el modelo rara vez va a entrar por 00:14:15.000 --> 00:14:19.000 esos derroteros dentro de lo que es su parametría, y lo que se ha visto, 00:14:19.000 --> 00:14:23.000 y es una de las cosas en las que Apple ha trabajado mucho en los últimos 00:14:23.000 --> 00:14:27.000 meses, es que, en muchas ocasiones, es más eficiente tener menos 00:14:27.000 --> 00:14:31.000 parámetros, pero que esos parámetros estén mucho más pulidos a nivel 00:14:31.000 --> 00:14:35.000 de calidad del dato, que darle mogollón de datos y que el propio sistema 00:14:35.000 --> 00:14:39.000 en su entrenamiento se encargue de clasificar la validez o no, o lo bueno 00:14:39.000 --> 00:14:54.000 o no, digamos, la calidad del dato, ¿de acuerdo? 00:14:54.000 --> 00:14:58.000 Es decir, un modelo de siete mil millones de parámetros con un 00:14:58.000 --> 00:15:02.000 entrenamiento donde esos siete mil millones de parámetros, o la mayoría 00:15:02.000 --> 00:15:06.000 de los que sea posible, estén muy muy bien enfocados en una en un destino 00:15:06.000 --> 00:15:10.000 concreto, ¿vale? 00:15:10.000 --> 00:15:14.000 Es decir, si yo soy mucho más selectivo a la hora de darle la 00:15:14.000 --> 00:15:18.000 información, de pulirla, de darla con mucha más calidad, puedo conseguir 00:15:18.000 --> 00:15:22.000 un modelo con muchos menos parámetros y que tenga unos resultados que 00:15:22.000 --> 00:15:27.000 sean iguales o mejores que los que ya se tienen. 00:15:27.000 --> 00:15:30.000 Por lo tanto, podríamos conseguir modelos que ocupen mucho menos y que den 00:15:30.000 --> 00:15:33.000 unos resultados equiparables a otros modelos con muchísimos más millones 00:15:33.000 --> 00:15:36.000 de parámetros. 00:15:37.000 --> 00:15:42.000 Es lo que le sucede, por ejemplo, a Mixtral, que Mixtral con un modelo de 00:15:42.000 --> 00:15:47.000 siete b está dando unos resultados bastante impresionantes en los que, en 00:15:47.000 --> 00:15:52.000 cierta forma, en ciertos benchmark que se lanzan para medir cómo 00:15:52.000 --> 00:15:57.000 funcionan estos LLMs, está comparándose al propio GPT tres punto cinco 00:15:57.000 --> 00:16:02.000 que, insistimos, fue entrenado con ciento setenta y cinco b, y este es solo siete. 00:16:02.000 --> 00:16:06.000 En esta forma de construcción es en la que está trabajando Apple. 00:16:07.000 --> 00:16:11.000 Apple acaba de lanzar un modelo llamado uno, que supuestamente, a falta de 00:16:11.000 --> 00:16:15.000 confirmación cuando Apple esto lo lance, sería la base del modelo 00:16:15.000 --> 00:16:19.000 multimodal que tendría, no solo distintas posibles entradas de 00:16:19.000 --> 00:16:23.000 información, de vídeo, de audio, de imágenes, etcétera, aunque parece 00:16:23.000 --> 00:16:27.000 ser que estaría más especializado en la parte de visión, es decir, en 00:16:27.000 --> 00:16:31.000 la parte de imágenes aparte de los textos, y que, por otro lado, también 00:16:31.000 --> 00:16:35.000 nos devuelva la generación de imágenes, por ejemplo, a través de la 00:16:35.000 --> 00:16:39.000 conexión con el modelo generativo Matrioshka, del que ya hemos hablado y 00:16:39.000 --> 00:16:48.000 que dejaré por aquí en algún lugar si quieren ver ese programa. 00:16:49.000 --> 00:16:54.000 Un lugar un un modelo Matryoshka capaz de generar imágenes a partir de 00:16:54.000 --> 00:16:59.000 peticiones y que, conectado al modelo uno, le daría esa multimodalidad, 00:16:59.000 --> 00:17:04.000 esa capacidad de dar una salida distinta, que es lo que hace GPT con Dalí. 00:17:05.000 --> 00:17:09.000 Pues bien, todo esto lo que llevaría es que los modelos uno de Apple, el 00:17:09.000 --> 00:17:13.000 modelo más grande es un modelo treinta B, y es un modelo que parece ser 00:17:13.000 --> 00:17:17.000 que en las pruebas que se han hecho de forma preliminar, parece ser que 00:17:17.000 --> 00:17:21.000 podría estar a la altura del propio GPT cuatro, esto es algo que 00:17:21.000 --> 00:17:25.000 obviamente viene en el paper de Apple y que habría que comprobar de una 00:17:25.000 --> 00:17:29.000 manera más empírica, pero bueno, en lo que pone el paper de Apple es que 00:17:29.000 --> 00:17:33.000 sería comparable al propio GPT cuatro, estaríamos hablando de un modelo, 00:17:33.000 --> 00:17:37.000 insisto, treinta b capaz de equipararse. 00:17:38.000 --> 00:17:45.000 Este tipo de modelos de treinta b, lo que ocuparían en memoria es demasiado para poder ser ejecutados en local. 00:17:46.000 --> 00:17:50.000 Por eso, Apple ha sacado un modelo siete b y un modelo tres b, al igual que 00:17:50.000 --> 00:17:54.000 Google cuando lanzó Gemini, habló de Gemini Ultra, que es el gran 00:17:54.000 --> 00:17:58.000 modelo, de Gemini Pro, que es el modelo intermedio, y de Gemini Nano, que 00:17:58.000 --> 00:18:02.000 sería un modelo pequeño, que estaría pensado para estar cargado de 00:18:02.000 --> 00:18:10.000 manera local en dispositivos móviles con sistema operativo Android? 00:18:10.000 --> 00:18:13.000 Pues, en este caso, estaríamos hablando de un modelo de uno, de tres 00:18:13.000 --> 00:18:16.000 modelos de uno, el treinta B, que teóricamente debería estar en la nube 00:18:16.000 --> 00:18:19.000 de Apple porque no puede cargarse en ningún dispositivo, ya que ninguno 00:18:19.000 --> 00:18:22.000 tiene actualmente una capacidad de memoria RAM que le permita cargar este 00:18:22.000 --> 00:18:25.000 modelo, pero, por ejemplo, los modelos siete b podrían servir para 00:18:25.000 --> 00:18:28.000 ordenadores profesionales con mucha más capacidad, y el modelo tres b, 00:18:28.000 --> 00:18:31.000 según los cálculos que yo he realizado, necesitaría solo de dos gigas 00:18:31.000 --> 00:18:41.000 de RAM para poder funcionar. 00:18:42.000 --> 00:18:45.000 Si a todo esto le unimos algoritmos como los que hablamos en su momento, 00:18:45.000 --> 00:18:48.000 que también les dejaré por aquí el programa, que son capaces de hacer 00:18:48.000 --> 00:18:51.000 que un modelo de lenguaje o un modelo cualquiera de inteligencia 00:18:51.000 --> 00:18:54.000 artificial no necesite estar cargado al cien por cien en memoria, sino que 00:18:54.000 --> 00:18:57.000 pueda ejecutar solo una pequeña parte y, a través de un uso de una 00:18:57.000 --> 00:19:00.000 especie de caché, pueda ir poniendo parte de ese modelo en disco, 00:19:00.000 --> 00:19:03.000 aprovechando la velocidad de los SSDs, podríamos llegar a tener, en una 00:19:03.000 --> 00:19:06.000 mezcla de todas estas tecnologías, un modelo que tan solo necesitará 00:19:06.000 --> 00:19:09.000 apenas un giga o giga y pico de RAM, aparte de lo que ya ocuparía el 00:19:09.000 --> 00:19:20.000 sistema de por sí, para poder ser utilizado. 00:19:22.000 --> 00:19:33.000 En mi opinión, según mi experiencia, basado en lo que yo creo, no tiene ninguna base de nada, simplemente la base es mi conocimiento, ¿vale? 00:19:34.000 --> 00:19:38.000 Creo que Apple no va a proporcionar un modelo LLM en modo chatbot a los 00:19:38.000 --> 00:19:42.000 usuarios, es decir, tú no vas a poder preguntarle cosas a el futuro Siri 00:19:42.000 --> 00:19:46.000 de una manera igual que lo haces con GPT cuatro, porque, ¿qué es lo que 00:19:46.000 --> 00:19:50.000 sucede cuando GPT cuatro yo voy a usarlo, cuando voy a usar chat GPT en la 00:19:50.000 --> 00:19:57.000 versión cuatro? 00:19:57.000 --> 00:20:00.000 Pues lo que sucede es que abajo me pone, por si no lo han leído, pero 00:20:00.000 --> 00:20:03.000 vamos, que se pone abajo muy claramente, que el modelo puede equivocarse, 00:20:03.000 --> 00:20:06.000 que no es preciso, que puede tener lo que se llaman alucinaciones e 00:20:06.000 --> 00:20:12.000 inventarse cosas que no son reales, etcétera. 00:20:13.000 --> 00:20:18.000 Por lo tanto, créanme, yo tengo la teoría de que Apple no va a 00:20:18.000 --> 00:20:23.000 proporcionar un modelo de lenguaje porque Apple no te va a dar un modelo 00:20:23.000 --> 00:20:28.000 que resida al cien por cien en la información que te va a dar, en un 00:20:28.000 --> 00:20:33.000 modelo que se inventa las cosas, porque hoy día cualquier modelo LLM, en 00:20:33.000 --> 00:20:38.000 una gran parte se inventa las cosas, porque está basado en una aleatoriedad. 00:20:38.000 --> 00:20:39.000 Por lo tanto, ¿esto qué significa? 00:20:40.000 --> 00:20:44.000 Pues que yo, mi teoría, es que Apple va a poner el LLM para ser capaz de 00:20:44.000 --> 00:20:48.000 entender lo que le estás pidiendo, y luego lo va a limitar a dar 00:20:48.000 --> 00:20:52.000 respuestas a partir del sistema operativo. 00:20:53.000 --> 00:21:01.000 Si yo, a día de hoy, le pido algo a GPT que requiera la creación de un script en Python, lo va a hacer. 00:21:01.000 --> 00:21:06.000 Yo he utilizado en muchas ocasiones, incluso para ficheros de gran tamaño, 00:21:06.000 --> 00:21:11.000 ficheros con noventa mil registros o más, le he subido un archivo CSV y 00:21:11.000 --> 00:21:16.000 le he ido guiando para que me lo convierta un JSON, y lo ha hecho gracias 00:21:16.000 --> 00:21:23.000 a el uso de Python, incluso la instalación de ciertas librerías, etcétera. 00:21:23.000 --> 00:21:38.000 Pues porque Python, al ser interpretado, simplemente poniendo el intérprete y las este caso, y el propio chat GPT es capaz de crearlas. 00:21:38.000 --> 00:21:42.000 Pues bien, imaginen eso en el ecosistema de los shortcuts. 00:21:43.000 --> 00:21:47.000 Imaginen que los atajos que hay en el sistema, que ya de por sí llegan a 00:21:47.000 --> 00:21:51.000 casi cualquier funcionalidad del mismo, es ampliado a una nueva forma de 00:21:51.000 --> 00:21:55.000 atajos donde puede llegar a cualquier tipo de funcionalidad del sistema 00:21:55.000 --> 00:22:01.000 operativo, ya sea iOS, iPad, Mac, Apple Vision, lo que sea. 00:22:02.000 --> 00:22:05.000 ¿Se imaginan ustedes un city capaz de generar shortcuts en tiempo real, 00:22:05.000 --> 00:22:08.000 interpretando lo que tú le estás pidiendo para hacer aquello que tú le 00:22:08.000 --> 00:22:12.000 has pedido dentro del sistema? 00:22:13.000 --> 00:22:18.000 Pues esto no es ninguna tontería, esto es algo bastante plausible y creo 00:22:18.000 --> 00:22:23.000 que es la aproximación que Apple va a realizar, no va a proporcionar un 00:22:23.000 --> 00:22:28.000 chatbot que te hable libremente, si te contestará preguntas, si le 00:22:28.000 --> 00:22:34.000 ayudará a ser más verborreico, a ser más directo a la hora de hablar, ¿vale? 00:22:34.000 --> 00:22:40.000 Porque consultará la Wikipedia, que bueno, tampoco es que sea una fuente de información cien por cien fiable, pero bueno, en fin. 00:22:40.000 --> 00:22:44.000 Pero consultará otras fuentes de información para darte más peso en la respuesta. 00:22:44.000 --> 00:22:48.000 Entonces, ese chat siempre estará supervisado por fuentes externas para 00:22:48.000 --> 00:22:52.000 intentar minimizar lo máximo posible estas alucinaciones que de por sí 00:22:52.000 --> 00:22:56.000 tienen los LLMs. 00:22:57.000 --> 00:23:01.000 Y sobre todo, donde más se va a centrar Apple es, uno, en la parte de, 00:23:01.000 --> 00:23:05.000 como digo, de los shortcuts y cómo van a integrarse dentro del sistema 00:23:05.000 --> 00:23:09.000 para hacer cualquier cosa y poder controlar todo el sistema por la voz, 00:23:09.000 --> 00:23:13.000 unido a las funcionalidades de el resumen de los correos, el que te genere 00:23:13.000 --> 00:23:17.000 una contestación que tú supervises de manera automática, el que te haga 00:23:17.000 --> 00:23:21.000 un completado de los mensajes o te conteste por ti incluso, y que pondría 00:23:21.000 --> 00:23:29.000 debajo enviado por Siri, ¿vale? 00:23:29.000 --> 00:23:35.000 Para que sepas que no lo has dicho tú directamente, sino que está, pues, como pasa ahora cuando es por dictado, ¿vale? 00:23:35.000 --> 00:23:39.000 O que podamos generar key notes, pages, etcétera, a partir de resúmenes 00:23:39.000 --> 00:23:43.000 de otros documentos que tengamos o que pueda ser capaz de leer cualquier 00:23:43.000 --> 00:23:47.000 tipo de documento leíble dentro de nuestro ordenador, todo de una manera, 00:23:47.000 --> 00:23:51.000 ordenador o dispositivo, todo de una manera cien por cien local sin tener 00:23:51.000 --> 00:23:55.000 que salir a la nube, aunque sí habrá cosas para las que tendrá que 00:23:55.000 --> 00:23:59.000 salir a la nube, porque no todos los modelos van a poder caber por ahora 00:23:59.000 --> 00:24:03.000 dentro de el dispositivo, pero va a crear una mezcla entre cifrado punto a 00:24:03.000 --> 00:24:07.000 punto entre el servidor y el dispositivo para tirar lo menos posible de la 00:24:07.000 --> 00:24:11.000 nube, más ciertos modelos cargados en local para maximizar el tema de la 00:24:11.000 --> 00:24:18.000 privacidad, ¿de acuerdo? 00:24:18.000 --> 00:24:22.000 Esa es, insisto, es mi opinión basada en mi experiencia y en llevar casi 00:24:22.000 --> 00:24:26.000 siete años trabajando con Apple a nivel de machine learning, realidad 00:24:26.000 --> 00:24:32.000 aumentada, desarrollo, etcétera. 00:24:32.000 --> 00:24:33.000 En cuanto a lo que es esto, ¿vale? 00:24:33.000 --> 00:24:38.000 Pero yo llevo ya más de diez años como formador y más de quince como desarrollador en entornos a Apple. 00:24:38.000 --> 00:24:49.000 Por lo tanto, mi experiencia me hace ver, de alguna manera, por dónde podría tirar Apple por lo que es las posibilidades a nivel técnico, ¿vale? 00:24:49.000 --> 00:24:53.000 Entonces, bueno, pues ahí está mi apuesta personal al respecto, y lo que 00:24:53.000 --> 00:24:57.000 supondrán estos modelos nuevos que estamos viendo, como este último, 00:24:57.000 --> 00:25:01.000 uno, que la verdad, están dando un rendimiento muy muy bueno y que tiene 00:25:01.000 --> 00:25:05.000 unas veces de ser algo realmente espectacular a falta de, insisto, poder 00:25:05.000 --> 00:25:09.000 probarlo, ¿vale? 00:25:09.000 --> 00:25:11.000 So, el papel lo aguanta todo. 00:25:11.000 --> 00:25:16.000 Ahora ya ponlo a funcionar y veremos a ver si cumple o no las expectativas. 00:25:16.000 --> 00:25:21.000 Así que ese sería un poco el tema, y poco más. 00:25:33.000 --> 00:25:42.000 Y poco más, no sé qué les ha parecido esto, la verdad que entiendo que todas estas cosas son un poco complejas, ¿vale? 00:25:42.000 --> 00:25:45.000 O sea, llegamos a un nivel de explicaciones técnicas que son bastante 00:25:45.000 --> 00:25:48.000 complejas de entender de una manera, digamos, fácil, no es como intentar 00:25:48.000 --> 00:25:51.000 explicarle a alguien qué es un bitcoin, qué es un Blockchain o todo ese 00:25:51.000 --> 00:25:57.000 tipo de cosas, ¿vale? 00:25:57.000 --> 00:26:02.000 Es decir, estamos entrando en ciertos conceptos técnicos que requieren 00:26:02.000 --> 00:26:07.000 necesitas una parte uno para entender la dos, luego la tres, luego la 00:26:07.000 --> 00:26:12.000 cuatro, luego la cinco, pues hombre, al final llega un momento en el que 00:26:12.000 --> 00:26:17.000 la cosa se complica, ¿vale? 00:26:17.000 --> 00:26:23.000 No es algo que sea tan simple como el mecanismo de un chupete o la forma en la que funciona un botijo. 00:26:23.000 --> 00:26:26.000 Entonces, bueno, pues son distintas formas de entender, ¿ok? 00:26:26.000 --> 00:26:31.000 Así que, bueno, espero haber explicado esto de una manera se haya podido 00:26:31.000 --> 00:26:36.000 entender bien, espero que hayan entendido lo que es mi apuesta personal 00:26:36.000 --> 00:26:41.000 como analista de lo que creo que Apple va a hacer, y todas estas dudas las 00:26:41.000 --> 00:26:46.000 resolveremos, pues, obviamente, en apenas tres meses, porque sí, 00:26:46.000 --> 00:26:51.000 señores, faltan menos de tres meses, para que suceda la w w DC, así que veremos a ver. 00:26:52.000 --> 00:26:56.000 Y poco más, si les ha gustado, por favor, suscríbanse, dennos like, 00:26:56.000 --> 00:27:00.000 compartan, etcétera, etcétera, como siempre, y nos oímos pronto, si dios quiere. 00:27:01.000 --> 00:27:05.000 Hasta entonces, un saludo, e gov, Apple COVID. 00:27:39.000 --> 00:27:46.000 Puedes escuchar más episodios de Apple Coding en Wanda punto com, la comunidad de podcast independientes en español.