WEBVTT
Kind: captions
Language: es

00:00:00.000 --> 00:00:04.000
Hola a todos los monos estocásticos, uno de los episodios a los que vengo

00:00:04.000 --> 00:00:08.000
menos fresco, Antonio, porque he estado como un friki, como el nanísimo y

00:00:08.000 --> 00:00:12.000
todos estos siguiendo las elecciones de Estados Unidos.

00:00:12.000 --> 00:00:16.000
No sé si felicitarte, Matty, porque, claro, felicidades, porque como gran

00:00:16.000 --> 00:00:20.000
seguidor de Elon Musk y copresentador del famoso podcast Elon, digamos que

00:00:20.000 --> 00:00:26.000
tu lado, en el que tú estás tan interesado, ha salido victorioso, Matty.

00:00:26.000 --> 00:00:29.000
Y dos, claro, ahora, como podcaster de Elon, no solo eres experto en

00:00:29.000 --> 00:00:32.000
inteligencia artificial, Mati, no solo en Metaverso, ahora eres también

00:00:32.000 --> 00:00:36.000
en política estadounidense, Matías.

00:00:36.000 --> 00:00:37.000
¿Quién te lo va a decir?

00:00:38.000 --> 00:00:41.000
Claro, claro, es que yo además veo una posibilidad aquí.

00:00:41.000 --> 00:00:45.000
Si cambiamos el enfoque de Elon a un podcast más aceleracionista, damos la

00:00:45.000 --> 00:00:49.000
bienvenida a esta nueva era con Elon en el gobierno, pues igual hasta

00:00:49.000 --> 00:00:54.000
conseguimos adelantar a monos estocásticos, barrediarios.

00:00:54.000 --> 00:00:55.000
Bueno, bueno, claro,

00:00:55.000 --> 00:01:01.000
que la I ha tenido un tiempo y ahora se lleva el, bueno, los cohetes y el Trumpismo, claro.

00:01:01.000 --> 00:01:04.000
Difícil apostar contra Elon, la verdad siempre gana.

00:01:04.000 --> 00:01:07.000
A mí me sorprendió cuando ganó aquel juicio que llamó pedo Guy a un

00:01:07.000 --> 00:01:10.000
señor en Tailandia, ya me sorprendió que ganara ese juicio diciendo que

00:01:10.000 --> 00:01:13.000
que, bueno, esto es un insulto común en Sudáfrica, pues imagínate ganar

00:01:13.000 --> 00:01:16.000
las elecciones.

00:01:16.000 --> 00:01:23.000
Tengo Yo venía aquí con una propuesta para reimpulsar este podcast antes de que nos alcance Elon, Matías.

00:01:23.000 --> 00:01:24.000
A ver.

00:01:24.000 --> 00:01:29.000
Y es que me han dado un consejo, El consejo es que tenemos que humanizar, este, monosecto plásticos.

00:01:29.000 --> 00:01:33.000
Tenemos que contar algo personal que que que conecte humanamente con con la

00:01:33.000 --> 00:01:37.000
audiencia, con la comunidad oyente, algo que, a lo mejor, no es de lo que

00:01:37.000 --> 00:01:41.000
estemos más orgullosos, pero que muestre un poco también nuestra

00:01:41.000 --> 00:01:45.000
humanidad, Mathi, que no somos perfectos y todo el rato irreprochable.

00:01:45.000 --> 00:01:47.000
¿Tú tienes tú tienes algo ahí ahí guardado?

00:01:47.000 --> 00:01:51.000
Sí, yo te, de hecho, en cuanto ocurrió, en cuanto salí de la

00:01:51.000 --> 00:01:55.000
peluquería, yo te mandé un WhatsApp y te dije, quiero que esto sea la

00:01:55.000 --> 00:01:59.000
intro del próximo porque, bueno, también hay un poco de política porque

00:01:59.000 --> 00:02:03.000
no fue consentido, no fue consensuada esta decisión.

00:02:03.000 --> 00:02:04.000
Algo sin consentimiento.

00:02:04.000 --> 00:02:16.000
Algo sin consentimiento, sin preguntarme, el peluquero esparció estos polvitos negros que te ponen el cuero cabelludo para tapar la calva.

00:02:16.000 --> 00:02:17.000
Una vez

00:02:19.000 --> 00:02:29.000
hubo terminado con la acción de, es que literalmente es como un salero del que salen polvitos negros para que no se te vea la calva, ¿no?

00:02:30.000 --> 00:02:34.000
Una vez terminada esta acción, me dijo, te he echado los polvitos para la calva.

00:02:35.000 --> 00:02:40.000
Yo nunca me había sentido tan violentado como con este peluquero nuevo que he probado.

00:02:40.000 --> 00:02:46.000
Claro, es que ahí, ahí se juega, se juega ya el paso a tu edad más madura, Mati.

00:02:46.000 --> 00:02:50.000
Claro, este es como un bautismo de del fin de tu juventud, creo yo,

00:02:50.000 --> 00:02:54.000
A ver, es cierto que yo venía tratando el tema con el peluquero de la

00:02:54.000 --> 00:02:58.000
calvicie, porque lo primero que le dije, a ver, no me queda mucho pelo,

00:02:58.000 --> 00:03:03.000
pero lo que quieras hacer para mejorar la situación, inténtalo, ¿no?

00:03:03.000 --> 00:03:10.000
Entonces él me había estado hablando de que se había hecho el trasplante de pelo, el injerto en la clínica de Cristiano Ronaldo.

00:03:10.000 --> 00:03:11.000
Esto es muy común.

00:03:11.000 --> 00:03:17.000
A mí cuando mi padre me vio preocupado por la calvicie, también me dijo, ¿por qué no vas a la clínica de Cristiano Ronaldo?

00:03:17.000 --> 00:03:23.000
No sé por qué, pero lo de Turquía ha quedado un poco atrás, y ahora Cristiano Ronaldo se ha apoderado de ese sector, ¿no?

00:03:23.000 --> 00:03:26.000
Pues me dice que le costó cuatro mil novecientos euros, y yo no sé si

00:03:26.000 --> 00:03:29.000
estoy para De hecho, estudiando a lo mejor en retrospectiva, lo de los

00:03:29.000 --> 00:03:32.000
cuatro mil novecientos euros frente a los polvitos no consensuados, pues

00:03:32.000 --> 00:03:38.000
igual acaban ganando los polvitos.

00:03:39.000 --> 00:03:44.000
Bueno, yo también tengo, tengo a mi lado, Matty, y te lo voy a contar.

00:03:44.000 --> 00:03:47.000
Estoy de viaje en Madrid, tengo aquí varios, varios temas profesionales

00:03:47.000 --> 00:03:50.000
que atender, y te voy a confesar una cosa, que es que muchos de mis viajes

00:03:50.000 --> 00:03:55.000
a Madrid hago una cosa que me mueve generacionalmente.

00:03:57.000 --> 00:04:00.000
He entrado y he aceptado el mundo de los smoothies.

00:04:00.000 --> 00:04:05.000
Esos brebajes, además, creo que no está muy estandarizado el mundo del smoothi, ¿no?

00:04:05.000 --> 00:04:06.000
Yo soy nuevo, ¿no?

00:04:07.000 --> 00:04:09.000
Claro, en el fondo, ¿qué pasa conmigo, Mathi?

00:04:09.000 --> 00:04:13.000
Yo estoy peleando por tener todavía una pierna en las nuevas generaciones.

00:04:14.000 --> 00:04:15.000
¿Cómo cómo lo he intentado?

00:04:15.000 --> 00:04:21.000
Pues, bueno, yo he intentado ahí, pues, seguir talentos creativos de millennials, ¿no?

00:04:21.000 --> 00:04:22.000
Porcito, por ejemplo.

00:04:23.000 --> 00:04:26.000
Luego, en el mundo de la música estuve probando con BBTrix, acuérdate de

00:04:26.000 --> 00:04:29.000
aquel episodio, y ya dije, bueno, ahí a lo mejor no no acabo de

00:04:29.000 --> 00:04:32.000
encontrar, no acabo de afinar justo lo que me puede acercar a los

00:04:32.000 --> 00:04:37.000
millennials, pero yo soy casi millennials, soy un gen x joven, dejamos, ¿no?

00:04:37.000 --> 00:04:41.000
Y entonces, vi la ventana abierta de los smoothies, y yo digo, si pago

00:04:41.000 --> 00:04:46.000
cuatro euros por un zumo raro, eso ya me me abre las puertas a la nueva generación.

00:04:47.000 --> 00:04:55.000
Y tengo que decirte, Mati, que me que que me gustan esos potines, me tomo un smoothie de kale y mango, Matías.

00:04:55.000 --> 00:04:59.000
Claro, eso te iba a decir, porque yo smoothie en mi época, cuando iba al

00:04:59.000 --> 00:05:03.000
McDonald's y me pedía un smoothie de fresa, que era básicamente un

00:05:03.000 --> 00:05:07.000
helado mezclado con sirope de fresa, esa es para mí el concepto de smoothie.

00:05:08.000 --> 00:05:11.000
Pero tú ya me has saltado como millennial, has saltado mi generación y

00:05:11.000 --> 00:05:14.000
vas a un concepto de smoothie un poco más joven que yo, que es, pues, ese

00:05:14.000 --> 00:05:19.000
que lleva kales, ese que lleva achicoria.

00:05:20.000 --> 00:05:28.000
Pues sí, sí, yo, vamos, dije, bueno, yo estoy en Madrid, qué menos que un poco de una oreja o unos torrés, ¿no?

00:05:28.000 --> 00:05:30.000
Esa es mi lado, menos healthy.

00:05:30.000 --> 00:05:33.000
Y luego, bueno, una emojis también para para equilibrar, ¿no?

00:05:34.000 --> 00:05:37.000
Para que todo tenga tenga un equilibrio en el universo.

00:05:37.000 --> 00:05:40.000
Y hablando de equilibrio, Matthew, quizás quizás la audiencia ya está un

00:05:40.000 --> 00:05:43.000
poco cansada de nuestra humanización del podcast y debamos hablar de

00:05:43.000 --> 00:05:46.000
alguna cosa de I a y alrededores.

00:06:03.000 --> 00:06:08.000
Que está en YouTube y está organizado por el sindicato de guionistas.

00:06:08.000 --> 00:06:14.000
Y me llamó la atención porque, bueno, no no seguía yo este canal, pero estaba Nacho Vigalondo, ¿no?

00:06:14.000 --> 00:06:18.000
Que de toda aquella parte de desde los cronocrimenes, pues lo he seguido de

00:06:18.000 --> 00:06:22.000
forma intermitente, No me he visto todo lo suyo, pero, bueno, cositas, ¿no?

00:06:22.000 --> 00:06:31.000
Y y era interesante porque el debate era sobre la inteligencia artificial en el mundo del guion, la comunicación y y y la y la el audiovisual, ¿no?

00:06:31.000 --> 00:06:34.000
Su podcast dura una hora y pico, podríamos discutir un montón de sus tesis.

00:06:34.000 --> 00:06:38.000
De hecho, les hubiera quedado mejor si nos invitan a nosotros también, ¿no?

00:06:38.000 --> 00:06:44.000
Es decir, hubiéramos sido, te hubiéramos dado unos puntos alternativos a a la visión de los guionistas.

00:06:44.000 --> 00:06:48.000
Pero bueno, el caso es que es un debate interesante hay un aspecto que a

00:06:48.000 --> 00:06:52.000
mí me llamó la atención, que es que citaban citaban a los traductores y

00:06:52.000 --> 00:06:58.000
cómo ellos temían que ellos podían acabar como los traductores.

00:06:58.000 --> 00:07:03.000
Que, ¿cuál era cuál era su diagnóstico de cómo estaba moviéndose el mundo de la traducción?

00:07:03.000 --> 00:07:11.000
Que había muchísimo trabajo en el que el traductor ya no traducía directamente el idioma, sino que lo traduce a una inteligencia artificial.

00:07:11.000 --> 00:07:15.000
El traductor ahora mismo no desaparece, porque como la IA es algo falible y

00:07:15.000 --> 00:07:19.000
como hay como giros y pequeños, claro, ¿qué te voy a contar yo cuando

00:07:19.000 --> 00:07:23.000
traduce en G-Modo automáticamente, no?

00:07:23.000 --> 00:07:27.000
Ese ese punto de un entendimiento profundo de lo que se quiere comunicar o

00:07:27.000 --> 00:07:31.000
no lo tiene, pues, luego, traductor humano, es una suerte de editor, es

00:07:31.000 --> 00:07:35.000
decir, de repasar que la guía lo ha hecho bien, o de postproductor, como

00:07:35.000 --> 00:07:39.000
se le gusta llamar, ¿no?

00:07:39.000 --> 00:07:40.000
Un trabajo de postproducción, ¿no?

00:07:40.000 --> 00:07:44.000
En el que revisa, corrige, ve que la adaptación cultural está bien hecha

00:07:44.000 --> 00:07:48.000
para que sea apropiada para el público objetivo, se asegura de la

00:07:48.000 --> 00:07:52.000
terminología especializada está bien utilizada, de hecho, te traigo un

00:07:52.000 --> 00:07:56.000
un portal de enfermería bastante divertido sobre esto.

00:07:56.000 --> 00:07:59.000
Es decir, además la consistencia, porque en un en un guion de doscientas

00:07:59.000 --> 00:08:02.000
páginas, ese no es, digamos, la ventana de contexto muchas veces que que

00:08:02.000 --> 00:08:05.000
usan las hijas traductoras, ¿no?

00:08:05.000 --> 00:08:09.000
Entonces, todo esto me lleva a la reflexión de cuánto trabajo humano, en

00:08:09.000 --> 00:08:13.000
esta época de integración de la guía, va a supertirse, es decir, a

00:08:13.000 --> 00:08:17.000
trabajar por detrás del algoritmo, por detrás de la máquina, por

00:08:17.000 --> 00:08:21.000
detrás de la inteligencia artificial, Matías.

00:08:21.000 --> 00:08:25.000
A mí esto no me extraña en absoluto, porque yo no sé si queda gente que

00:08:25.000 --> 00:08:29.000
piense que el Google Translate funciona mal, pero bueno, ya desde que

00:08:29.000 --> 00:08:33.000
salió Deep Elle, que era esta alternativa a Google Translate, también

00:08:33.000 --> 00:08:37.000
muy popular, y desde que Google ha ido mejorando lo que hay detrás del

00:08:37.000 --> 00:08:41.000
Google Translate con probablemente mucha inteligencia artificial y quizá

00:08:41.000 --> 00:08:48.000
modelos de lenguaje, las traducciones son muy buenas.

00:08:48.000 --> 00:08:52.000
Que necesitan un trabajo, como tú dices, de posedición de las

00:08:52.000 --> 00:08:56.000
traducciones, que me imagino que hay muchos traductores que, por trabajar

00:08:56.000 --> 00:09:00.000
mucho más rápido, obtienen el la traducción con la inteligencia

00:09:00.000 --> 00:09:04.000
artificial y luego hacen esa revisión, esa adaptación, por ejemplo, a

00:09:04.000 --> 00:09:08.000
las frases hechas, si es un texto que se va a publicar en España, pues a

00:09:08.000 --> 00:09:12.000
las que tengamos en España, pues a esas pequeñas mejoras y cambios

00:09:12.000 --> 00:09:16.000
estilísticos en los textos para que parezca que está traducido por por

00:09:16.000 --> 00:09:20.000
un humano, y también para que comprobar que estén bien traducidos todos

00:09:20.000 --> 00:09:30.000
los términos que son más específicos, ¿no?

00:09:31.000 --> 00:09:35.000
Esto no me extraña que ya esté sucediendo en el mundo de la traducción,

00:09:35.000 --> 00:09:39.000
pero yo creo que esto con la guía generativa se va a trasladar a muchos

00:09:39.000 --> 00:09:43.000
sectores como lamentablemente el del periodismo, porque gran parte del

00:09:43.000 --> 00:09:47.000
periodismo ahora mismo es básicamente replicar contenidos, y al replicar

00:09:47.000 --> 00:09:51.000
contenidos, lo que tienes, más que un redactor, es una persona que adapta

00:09:51.000 --> 00:09:55.000
un texto, y si esta persona, por lo que sea, tiene un trabajo precario y

00:09:55.000 --> 00:09:59.000
necesita ir rápido también, pues no me extrañaría que se acabe

00:09:59.000 --> 00:10:08.000
convirtiendo en eso, en un editor de textos generados con inteligencia artificial.

00:10:08.000 --> 00:10:12.000
Yo creo que esto en el sector es una realidad y no y no deberíamos esconderlo.

00:10:13.000 --> 00:10:18.000
Claro, el el punto ahí, fíjate, Mathi, es que creo que la cosa puede tirar tanto para arriba como para abajo.

00:10:18.000 --> 00:10:21.000
Es decir, meto la IAU cost, este traductor que me traducía a una pieza,

00:10:21.000 --> 00:10:24.000
ahora me traduce diez en el mismo tiempo, porque básicamente solo edita

00:10:24.000 --> 00:10:29.000
sobre lo que ya está traducido, entre comillas.

00:10:30.000 --> 00:10:35.000
Y digamos que yo creo que hay, además, no solo, no tanto una

00:10:35.000 --> 00:10:40.000
precarización del trabajo, porque no sé hasta qué punto eso va a

00:10:40.000 --> 00:10:45.000
impactar en lo en el salario del traductor, pero sí en que probablemente

00:10:45.000 --> 00:10:50.000
este individuo, esta traductora, le pierda muchas veces el sentido a su trabajo.

00:10:51.000 --> 00:10:59.000
No es lo mismo el el estatus o la autopercepción de lo que estás haciendo cuando eres el traductor de de de una obra, ¿no?

00:10:59.000 --> 00:11:02.000
Y además apareces, ¿no?

00:11:02.000 --> 00:11:08.000
Ahí como traductor, que cuando, básicamente, corriges o evitas el trabajo que ya ha hecho una máquina, ¿no?

00:11:08.000 --> 00:11:11.000
Que te se puede sentir subordinado, ¿no?

00:11:11.000 --> 00:11:17.000
Y yo creo que esa es una visión que es como un poco a a la baja, ¿no?

00:11:17.000 --> 00:11:20.000
Y pero también yo creo que puede estar la visión al a hacia arriba.

00:11:20.000 --> 00:11:24.000
Es decir, como nosotros los humanos somos, tenemos cosas que no tiene la

00:11:24.000 --> 00:11:28.000
máquina, que es un estar en el mundo, entender el contexto, entender la

00:11:28.000 --> 00:11:32.000
situación cultural, política del momento, entender o intentar entender o

00:11:32.000 --> 00:11:36.000
adivinar las intenciones de ese creador, cuál era realmente su su su

00:11:36.000 --> 00:11:44.000
misión o su vocación de comunicación más profunda.

00:11:45.000 --> 00:11:50.000
Y esto trasladado a cualquier otra disciplina, pues los seres humanos estamos por encima.

00:11:50.000 --> 00:11:54.000
Si me va a hacer el trabajo o prosaycho de las frases fáciles

00:11:54.000 --> 00:11:58.000
traducírmelas, pero yo le voy a dar un un una pátina de de entendimiento

00:11:58.000 --> 00:12:02.000
profundo y verdadero que no tiene la inteligencia artificial.

00:12:02.000 --> 00:12:06.000
Entonces, no sé si la las cosas van a llegar por por arriba, por abajo, y

00:12:06.000 --> 00:12:10.000
luego tenemos una noticia que yo la he relacionado un poco, aunque no es

00:12:10.000 --> 00:12:14.000
el mismo caso, que que en los resultados de de Google, Quichay, su amigo

00:12:14.000 --> 00:12:18.000
Sandar, ha dicho que el veinticinco por ciento de todo el nuevo código,

00:12:18.000 --> 00:12:22.000
del nuevo de Google, ya está escrito por la inteligencia artificial, y

00:12:22.000 --> 00:12:31.000
dice que son los principios porque, probablemente esto irá a más.

00:12:31.000 --> 00:12:34.000
Yo creo que es uno de los titulares más sorprendentes de la semana y de

00:12:34.000 --> 00:12:37.000
los que más se ha dado que hablar, también con mucha sorna, en plan, no

00:12:37.000 --> 00:12:40.000
me extraña que Google vaya tan mal si el veinticinco por ciento del

00:12:40.000 --> 00:12:45.000
código está escrito con IA.

00:12:45.000 --> 00:12:49.000
A ver, lo de que Google vaya mal, quizá el buscador, los cambios que han

00:12:49.000 --> 00:12:53.000
introducido últimamente no nos gusten, pero Google como empresa va muy

00:12:53.000 --> 00:12:59.000
bien y como y como inteligencia artificial sigue siendo la empresa más puntera.

00:12:59.000 --> 00:13:00.000
¿Qué ocurre?

00:13:00.000 --> 00:13:08.000
Que un veinticinco por ciento de todo el código que produce la empresa autogenerado parece una cifra sorprendentemente alta.

00:13:08.000 --> 00:13:12.000
¿Tanta confianza tienen en Gemini y en todos los modelos que usarán internamente?

00:13:12.000 --> 00:13:15.000
Sí, sí, además siempre tenemos esa suposición de que Google, lo que

00:13:15.000 --> 00:13:18.000
tiene internamente es mucho mejor que lo que vemos en en disponible para

00:13:18.000 --> 00:13:22.000
para el usuario, ¿no?

00:13:23.000 --> 00:13:26.000
Bueno, el caso, aquí aquí rompo una lanza, ¿no?

00:13:26.000 --> 00:13:30.000
Porque siempre estamos con el debate de cuánto se pincha la burbuja de inteligencia artificial.

00:13:30.000 --> 00:13:34.000
Hemos pasado otro trimestre de resultados financieros de las grandes

00:13:34.000 --> 00:13:38.000
tecnológicas, de las más, expuesta a inteligencia artificial, y de nuevo

00:13:38.000 --> 00:13:42.000
han sido de crecimiento y buenos y buenos números, por tanto, este trimestre no.

00:13:42.000 --> 00:13:51.000
Pero yo siempre intento, cuando debatimos este aspecto, subrayar precisamente esto que dice Pichay.

00:13:51.000 --> 00:13:59.000
Es decir, el oficial ya tiene una aplicación práctica, directa, productiva y rentable en las empresas.

00:13:59.000 --> 00:14:03.000
En esto es diferente que tú dices apostar por los mundos virtuales del

00:14:03.000 --> 00:14:07.000
metaverso o apostar por la web tres y los smart contracts, que sí, que

00:14:07.000 --> 00:14:11.000
pueden tener, que tienen un uso marginal, pero no son al veinticinco por

00:14:11.000 --> 00:14:15.000
ciento de una de las dos cinco empresas del mundo, de de la generación de

00:14:15.000 --> 00:14:19.000
códigos de otras cinco empresas del mundo.

00:14:19.000 --> 00:14:28.000
Sí, lo que tiene ya Google en producción está muy derivado de su apuesta por la inteligencia artificial.

00:14:28.000 --> 00:14:31.000
Es verdad que puede haber sobrevaloraciones y exceso de expectativas, pero

00:14:31.000 --> 00:14:34.000
no es cierto que esto sea una una tendencia vacía, inútil y que no se

00:14:34.000 --> 00:14:38.000
vea absolutamente para nada.

00:14:38.000 --> 00:14:47.000
Y hablando de Google, Matías, tenemos que hablar de que le aparece competencia a a los amigos de Pichái.

00:14:47.000 --> 00:14:51.000
Bueno, tendríamos que debatir si es esto que ha sacado Penny hay

00:14:51.000 --> 00:14:55.000
competencia o no, pero ese buscador, que sabíamos nosotros de buena letra

00:14:55.000 --> 00:14:59.000
que se había retrasado, que lo tenían ya todo listo para lanzarlo, ahora

00:14:59.000 --> 00:15:03.000
por fin ha salido de alfa y ya se puede probar, por lo menos para los

00:15:03.000 --> 00:15:07.000
usuarios de ChatGPT Plus y de todos los planes de pago, que es Search GPT,

00:15:07.000 --> 00:15:11.000
el buscador de OpenAI integrado completamente en ChatGPT, no parece un

00:15:11.000 --> 00:15:21.000
buscador al uso, ¿verdad?

00:15:21.000 --> 00:15:24.000
No, no, Fíjate que a mí me ha sorprendido un poco, yo creí que iba a ser

00:15:24.000 --> 00:15:27.000
un producto aislado y fuera, que realmente se planteara como un

00:15:27.000 --> 00:15:31.000
competidor, empieza a buscar aquí.

00:15:32.000 --> 00:15:37.000
Sí, y y y, bueno, lo han metido como una opción dentro de la la caja en

00:15:37.000 --> 00:15:42.000
la que dialogas con con ChGPT, y en la que le puedes pedir que que eso que

00:15:42.000 --> 00:15:48.000
busque en en Internet y que te explique y cuente los resultados.

00:15:48.000 --> 00:15:49.000
¿Cómo funciona?

00:15:50.000 --> 00:15:53.000
Bueno, básicamente, esto tira de la API de Bing.

00:15:53.000 --> 00:15:57.000
Ya hablaremos luego un poco del de la de la entrevista que le han hecho los

00:15:57.000 --> 00:16:02.000
usuarios de Reddit a Shand Altman y otros ejecutivos de OpenEye, y ahí lo lo reconocen.

00:16:02.000 --> 00:16:05.000
Y dice, mira, he utilizado muchos servicios para montar Serge GPT.

00:16:05.000 --> 00:16:08.000
Y uno muy importante es Spink.

00:16:08.000 --> 00:16:13.000
Al final, montar un buscador que esté indexando y que, digamos, lea la web

00:16:13.000 --> 00:16:18.000
entera y la y la la almacene y te permita hacer consultas sobre eso, es

00:16:18.000 --> 00:16:24.000
extremadamente caro y lleva muchísimo tiempo, y muy pocos lo tienen.

00:16:24.000 --> 00:16:28.000
Google lo tiene y, básicamente, se lo guarda para sí mismo.

00:16:28.000 --> 00:16:31.000
Bing, que es el buscador de Microsoft, él lo hace, te lo ofrece como

00:16:31.000 --> 00:16:34.000
servicio, tú puedes usar Bing, pero además tiene un API que permite a

00:16:34.000 --> 00:16:39.000
terceros montar otros buscadores, y es con lo que SergiPT funciona.

00:16:40.000 --> 00:16:45.000
Yo tengo un montón de takes, se me viene a la cabeza, he estado usándolo estos días.

00:16:45.000 --> 00:16:50.000
Lo primero que me he dado cuenta es que yo, realmente, buscar información

00:16:50.000 --> 00:16:56.000
en Google, como tal, ya no lo busco o lo busco de una forma muy especializada.

00:16:56.000 --> 00:17:00.000
Yo a Google me voy muchas veces a buscar el el widget de este de Google

00:17:00.000 --> 00:17:04.000
Maps, que una de las razones por las que odia la Unión Europea ahora

00:17:04.000 --> 00:17:08.000
mismo es que no se puedan clicar en lo en esos enlaces para ir a Google

00:17:08.000 --> 00:17:12.000
Maps, pero ese es uno de los usos que le doy.

00:17:12.000 --> 00:17:14.000
Lo hago para irme directamente a Google News.

00:17:14.000 --> 00:17:19.000
Entonces, es como que yo tengo en mente más o menos cómo va a ser el

00:17:19.000 --> 00:17:24.000
resultado de búsqueda y a dónde me voy a ir directamente, y esto en

00:17:24.000 --> 00:17:29.000
OpenAI, o sea, en ChatGPT, pues me pierdo un poco.

00:17:30.000 --> 00:17:34.000
Ahora, tiene mucho sentido la interfaz que han hecho, que es la del Canvas

00:17:34.000 --> 00:17:38.000
que sacaron hace hace unas semanas para para GPT cuatro O, porque a la

00:17:38.000 --> 00:17:42.000
derecha te sale una barra con todas las referencias y enlaces relacionados

00:17:42.000 --> 00:17:46.000
con tu búsqueda.

00:17:47.000 --> 00:17:51.000
También, al igual que Perplexity, te hace un resumen de de la búsqueda y

00:17:51.000 --> 00:17:55.000
te pone al final de cada línea, de cada párrafo, te pone las fuentes

00:17:55.000 --> 00:17:59.000
para que tú puedas ir clicar e ir a la a la fuente, y todo esto es lo que

00:17:59.000 --> 00:18:03.000
saca también de de Bing, como decías tú.

00:18:03.000 --> 00:18:06.000
Luego han sacado una extensión de Chrome que no me extraña, yo la he

00:18:06.000 --> 00:18:09.000
instalado en Edge, que es el navegador que uso normalmente, y no me

00:18:09.000 --> 00:18:12.000
extraña que Edge directamente la bloqueara, no me dejara activarla de

00:18:12.000 --> 00:18:15.000
primera, sino que tenía que irme luego a la configuración de las

00:18:15.000 --> 00:18:18.000
extensiones y activarla, porque lo único que hace es cambiar el navegador

00:18:18.000 --> 00:18:25.000
por defecto a ChatGPT.

00:18:25.000 --> 00:18:28.000
O sea, me extraña muchísimo que sea una extensión tan limitada, pero eso

00:18:28.000 --> 00:18:31.000
es lo único que hace, reemplazar tu buscador, yo tenía Google y me lo ha

00:18:31.000 --> 00:18:35.000
reemplazado por ChatGPT.

00:18:36.000 --> 00:18:38.000
Evidentemente, ahora cada vez que me voy a buscar el tiempo o un Google

00:18:38.000 --> 00:18:40.000
News o un Google Maps, pues me arrepiento de haber instalado la extensión

00:18:40.000 --> 00:18:44.000
que seguramente me dura dos días.

00:18:44.000 --> 00:18:48.000
Yo caí en la trampa, porque San Alma estuvo ahí siendo muy pesado en

00:18:48.000 --> 00:18:52.000
Twitter, instalado la extensión, que esto va como un tiro, me la he

00:18:52.000 --> 00:18:56.000
estado, me sucede como a ti, y digo, bueno, voy a probar con con con

00:18:56.000 --> 00:19:00.000
SergiTT como buscador por defecto en el navegador, a ver qué tal, y no, no.

00:19:00.000 --> 00:19:07.000
Es decir, hay un conjunto de búsqueda, fíjate a a lo que conclusión he llegado yo unos días después.

00:19:07.000 --> 00:19:15.000
Hay un conjunto de búsqueda en las que prefiero que me responda un modelo de lenguaje, porque me encanta que me dé una respuesta.

00:19:16.000 --> 00:19:20.000
Hay algo que hace mucho mejor que el buscador tradicional, que es entender

00:19:20.000 --> 00:19:24.000
mi intención, Es decir, entender exactamente lo que yo estoy consultando y buscando.

00:19:24.000 --> 00:19:26.000
En eso es mucho mejor.

00:19:26.000 --> 00:19:29.000
Hay un conjunto de búsquedas en las que prefiero el buscador tradicional,

00:19:29.000 --> 00:19:32.000
en el sentido de que busco una utilidad, un website, también para las

00:19:32.000 --> 00:19:36.000
noticias, ahora sí que no lo comentamos.

00:19:36.000 --> 00:19:43.000
Pues, en fin, hay un conjunto de de casos de uso que que esto está lejísimos de poder sustituir a al buscador adicional.

00:19:43.000 --> 00:19:46.000
Y además, las búsquedas que yo prefiero, el modelo de lenguaje, casi

00:19:46.000 --> 00:19:49.000
siempre prefiero que me responda el modelo, que a que vaya a la web,

00:19:49.000 --> 00:19:52.000
porque al final es la calidad de esa respuesta depende mucho de la calidad

00:19:52.000 --> 00:19:57.000
de lo que seleccione Bing.

00:19:58.000 --> 00:20:04.000
Es decir, esto será tan bueno como tan bueno sea Bing encontrando fuentes asociadas a lo que estoy buscando.

00:20:04.000 --> 00:20:08.000
Entonces, casi siempre prefiero que me responda con los datos de

00:20:08.000 --> 00:20:12.000
entrenamiento del modelo, mejor que con una búsqueda, me voy un enlace,

00:20:12.000 --> 00:20:16.000
te lo resumo el enlace, y luego, una cosa que odio, pero que odio

00:20:16.000 --> 00:20:20.000
absolutamente de Serch GPT y estas soluciones, es cuando te dan la chapa

00:20:20.000 --> 00:20:28.000
buenista, Matías.

00:20:28.000 --> 00:20:29.000
Buscá una cosa.

00:20:30.000 --> 00:20:34.000
Mira, una una publicidad que compartimos en en el Twitter de monos.

00:20:34.000 --> 00:20:43.000
Es de una empresa que se llama Artisants y son los venden como una especie de una suerte de empleados digitales, ¿no?

00:20:43.000 --> 00:20:49.000
Es decir, esta IA va a trabajar como un empleado, pero nunca se va a preocupar por el equilibrio entre vida y trabajo, ¿no?

00:20:49.000 --> 00:20:50.000
En work life balance.

00:20:51.000 --> 00:20:54.000
Entonces, voy a preguntarle a ver si Céchy Petit es capaz de encontrarme

00:20:54.000 --> 00:20:57.000
este este esta empresa, en dónde se ha compartido esta foto, etcétera,

00:20:57.000 --> 00:21:01.000
es en San Francisco.

00:21:02.000 --> 00:21:05.000
Y lo único que se dedicaba era darme una chapa buenista de, oye, es muy

00:21:05.000 --> 00:21:08.000
importante el equilibrio entre la vida y el trabajo, siempre hay que

00:21:08.000 --> 00:21:13.000
considerarlo y tal y tal, pero que no me interesa que me des una charla.

00:21:13.000 --> 00:21:20.000
Es decir, ¿en qué en qué mundo yo voy a querer que Sant Alma ni OpenEye me expliquen lo que es bueno y lo que es malo?

00:21:20.000 --> 00:21:22.000
En ninguno, jamás.

00:21:22.000 --> 00:21:28.000
Pero no, te tiene que dar la chapa buenista, en vez de darte una solución, una respuesta a lo que yo necesitaba.

00:21:28.000 --> 00:21:29.000
Eso lo odio.

00:21:29.000 --> 00:21:37.000
Mira, lo que te voy a decir, y ya aquí pongo mis cartas sobre la mesa, como pro Elon Musk, pro Trump.

00:21:37.000 --> 00:21:39.000
No, por favor, esto borradlo.

00:21:40.000 --> 00:21:49.000
Pero el Yo hace, no sé, hace dos semanas empecé a pagar de nuevo por Twitter, porque había una oferta que estaba a cuatro euros, no sé qué.

00:21:49.000 --> 00:21:53.000
Bueno, y empecé a usar Groc, que no lo había probado nunca.

00:21:53.000 --> 00:21:58.000
Groc, muchas veces se lía, alucina por mezclar información, que lo que

00:21:58.000 --> 00:22:04.000
más te interesa de Groc al tener acceso a Twitter es buscar información actual, ¿no?

00:22:04.000 --> 00:22:08.000
Y y, por otro lado, me es muy útil porque, aunque alucine el modelo, me

00:22:08.000 --> 00:22:12.000
deja fuentes de tweets que, a lo mejor, yo no había encontrado en el

00:22:12.000 --> 00:22:16.000
buscador de Twitter porque la la te los descubre como semánticamente en

00:22:16.000 --> 00:22:23.000
lugar de con las keywords, ¿no?

00:22:23.000 --> 00:22:27.000
Entonces, no me acuerdo qué artículo estaba haciendo, pero al buscar en

00:22:27.000 --> 00:22:31.000
GROC o a preguntar al preguntarle a GROC sobre un tema, me sacó tweets,

00:22:31.000 --> 00:22:35.000
creo que era sobre un fallo de la sonda espacial Voyager, me sacó tweets

00:22:35.000 --> 00:22:42.000
que no había visto y que eran muy interesantes para para documentar el artículo.

00:22:42.000 --> 00:22:46.000
Entonces, veo bastante potencial en la parte de detectar semánticamente

00:22:46.000 --> 00:22:50.000
cosas que tú en un buscador convencional con las keywords no estás

00:22:50.000 --> 00:22:54.000
encontrando, y luego veo un riesgo de alucinaciones, me pasó con la Dana

00:22:54.000 --> 00:22:58.000
de Valencia, Cuando lanzaron el set GPT, lo primero que pregunté fue por

00:22:58.000 --> 00:23:06.000
la Dana de Valencia y mezcló cifras de muertos, desaparecidos.

00:23:08.000 --> 00:23:09.000
es una herramienta fiable.

00:23:10.000 --> 00:23:13.000
Fíjate, a mí, buscando sobre el tema de la Dana, sé probar una cosa,

00:23:13.000 --> 00:23:16.000
como no tiene el acuerdo con prisa, digo, voy a ver cómo de preferencia

00:23:16.000 --> 00:23:21.000
está dando a a las fuentes de prisa a la hora de darme respuesta.

00:23:21.000 --> 00:23:25.000
Le pregunté por la Dana y los resultados que me encontró y me me comentó

00:23:25.000 --> 00:23:29.000
eran de la razón, dos enlaces de la razón, uno de de Sun, y dije yo,

00:23:29.000 --> 00:23:35.000
misterios, ¿no?

00:23:35.000 --> 00:23:38.000
Es decir, me sorprendió un poco.

00:23:38.000 --> 00:23:43.000
Ahora, eso es también imposible encontrar el New York Times, Eso sí lo tienen, eso lo tienen muy bien, muy bien hecho.

00:23:44.000 --> 00:23:50.000
Como detecta el New York Times que el buscador se está saltando el paywall o lo que sea, pues otros millones más en la demanda.

00:23:50.000 --> 00:23:53.000
minutos, mira, yo ya termino, Matty, son dos takes.

00:23:53.000 --> 00:23:56.000
Una es que meter los modelos grandes de lenguaje en el en como alternativa

00:23:56.000 --> 00:23:59.000
a Google, a buscador, tiene sentido pasando ya de las webs,

00:23:59.000 --> 00:24:04.000
respondiéndome en una conversación, dándomelo todo.

00:24:06.000 --> 00:24:11.000
Y en ese sentido, si yo no tengo el enlace a la web para comprobarlo, no me puedo fiar.

00:24:11.000 --> 00:24:15.000
Es decir, no tengo del todo claro que los modelos grandes del lenguaje sean

00:24:15.000 --> 00:24:19.000
la herramienta para para competir con un buscador, porque cuando el modelo

00:24:19.000 --> 00:24:23.000
te responde, asume, y yo creo como como usuario pienso que asume la

00:24:23.000 --> 00:24:27.000
responsabilidad de de que lo que me está diciendo es correcto, pero no

00:24:27.000 --> 00:24:31.000
puede tener la seguridad por el problema de la alucinación.

00:24:31.000 --> 00:24:35.000
En cambio, cuando el buscador me devuelve solo un enlace, yo asumo que la

00:24:35.000 --> 00:24:39.000
responsabilidad de la corrección es del lo que vea en ese enlace, quien

00:24:39.000 --> 00:24:44.000
firme, que tenga el dueño del dominio, que que lo haya hecho.

00:24:44.000 --> 00:24:54.000
Hay un hay un traspaso ahí de responsabilidades que que me parece me parece que es un riesgo para para los buscador que hacen este tipo de cosas.

00:24:54.000 --> 00:24:57.000
La segunda es que Perflecity me parece mejor a día de hoy.

00:24:57.000 --> 00:24:59.000
Hay una lucha entre si en en inteligencia artificial va a ganar el

00:24:59.000 --> 00:25:01.000
generalista, EchaGPT va a resolver todo la mayoría de los casos de uso y,

00:25:01.000 --> 00:25:03.000
por lo tanto, ahí va a estar el gran negocio, o van a ganar los

00:25:03.000 --> 00:25:08.000
especializados.

00:25:09.000 --> 00:25:14.000
Entonces, en búsqueda, pues habrá un perplecity que tirando de las API

00:25:14.000 --> 00:25:19.000
los modelos de otros, pues consigue tener mejor hecho el caso de uso del

00:25:19.000 --> 00:25:24.000
buscador que el generalista, que que hecha en GPT.

00:25:24.000 --> 00:25:26.000
mí Fair Prestige me parece que puede.

00:25:26.000 --> 00:25:30.000
Es que hay cosas que intentar meterlo todo en una sola interfaz, en un solo

00:25:30.000 --> 00:25:34.000
formato, Además, con lo hechos que estamos a un buscador, en una ventana

00:25:34.000 --> 00:25:40.000
del navegador, cambiarlo por esto, pues hay fricciones.

00:25:40.000 --> 00:25:44.000
Ahora, también te digo, aunque aunque ChatGPT ya pudiera buscar en en

00:25:44.000 --> 00:25:48.000
Google en Bing, ahora con el buscador tengo la sensación de que es más

00:25:48.000 --> 00:25:52.000
rápido y que puedes encontrar datos más actuales.

00:25:52.000 --> 00:25:55.000
Yo le pregunté qué edad tiene Antonio Ortiz, me dijo el pederaste de

00:25:55.000 --> 00:25:59.000
ciudad lineal, tiene cincuenta y dos años, y dije no, el de Mount es estocástico.

00:25:59.000 --> 00:26:03.000
Se va a la entrevista de El País y dice, tiene cuarenta y seis.

00:26:03.000 --> 00:26:07.000
Ya, se hace un poco de lío, porque si la entrevista de hace un año, no suma el año, en fin.

00:26:07.000 --> 00:26:14.000
Aunque tengo, mi audiencia aquí está está revelando datos de una manera no consentida, Matías, decirle que se sube mi reloj.

00:26:14.000 --> 00:26:16.000
Yo tengo cuarenta y dos, vamos a dejarle.

00:26:17.000 --> 00:26:24.000
Y entre lo que me dice el reloj y los smoothie que me estoy bebiendo, Matías, yo creo que mal se tiene que dar para no llegar a los cuarenta.

00:26:24.000 --> 00:26:30.000
Tienes que aprovechar que me he lesionado el hombro para alcanzarme en esas pocas técnicas en las que yo era superior.

00:26:31.000 --> 00:26:32.000
En otros Es que, claro,

00:26:32.000 --> 00:26:36.000
la tendencia era clara, Matías, tú con tu juventud, empuje y compromiso

00:26:36.000 --> 00:26:40.000
tienes mucho más recorrido hacia arriba, mientras que yo voy más lentito

00:26:40.000 --> 00:26:44.000
y tengo que ya pensar un poco en la meseta muscular, en el mantenimiento y tal.

00:26:45.000 --> 00:26:46.000
Son distintas etapas, como ahora.

00:26:46.000 --> 00:26:50.000
Ahora, eres experto en política estadounidense, pues acabarás con Ferrera, ¿no?

00:26:50.000 --> 00:26:52.000
Eres una estrella emergente y estarás allí, ¿no?

00:26:52.000 --> 00:26:53.000
Al rojo vivo y todo eso.

00:26:54.000 --> 00:26:58.000
Bueno, yo eso tengo que que aplaudirlo y tengo que vivirlo con con paz y y con calma.

00:26:58.000 --> 00:27:06.000
Una última cosa, ya con los con los buscadores, lo último, es distinto lo que hizo OpenAI al entrenar ChatGPT.

00:27:06.000 --> 00:27:15.000
Es decir, cojo todo Internet, entreno mi modelo y tengo y y uso ese modelo para enseñarle el lenguaje, a enseñarle a razonar, ¿no?

00:27:15.000 --> 00:27:19.000
Dotarle de inteligencia a a la a inteligencia artificial, es distinto eso a

00:27:19.000 --> 00:27:23.000
cojo tú el artículo que has escrito, Matías Savia, de los cohetes, se

00:27:23.000 --> 00:27:27.000
se lo resumo, probablemente resolviendo todo el interés que tuviera el

00:27:27.000 --> 00:27:31.000
usuario, todo lo que quería saber ya se lo resuelvo yo al resumir tu

00:27:31.000 --> 00:27:37.000
artículo, Mati, y pongo un enlacito que casi nadie va a a a pichar.

00:27:37.000 --> 00:27:40.000
Son dos casos distintos del uso de los contenidos de los creadores.

00:27:41.000 --> 00:27:45.000
El primero, probablemente, en muchas jurisdicciones va a colar,

00:27:45.000 --> 00:27:49.000
probablemente va a ser más socialmente aceptado, pero el segundo empieza

00:27:49.000 --> 00:27:53.000
a ser una relación un poco parasitaria y es un equilibrio que no se va a dar.

00:27:53.000 --> 00:27:56.000
Por ahí están firmando muchos acuerdos, pero claro, han firmado solo con prisa.

00:27:56.000 --> 00:28:02.000
El otro noventa y nueve coma noventa y nueve por ciento del Internet español no va a haber un duro de ser archirty.

00:28:02.000 --> 00:28:06.000
También es cierto de que, ¿qué qué más da que la gente no pinche en

00:28:06.000 --> 00:28:10.000
los enlaces si ahora mismo el la información fáctica la tiene arroba

00:28:10.000 --> 00:28:14.000
nave del misterio, Ángel Gaitán y todos los influencers, porque nadie se

00:28:14.000 --> 00:28:18.000
fía de los medios generalistas, esa gente es mucho más fiable.

00:28:18.000 --> 00:28:21.000
Nos está quedando un episodio para triunfar en YouTube, A ti.

00:28:21.000 --> 00:28:24.000
Esa versión no la pongas en Podimo, sobre todo, sobre todo, pues bueno,

00:28:24.000 --> 00:28:27.000
cuando lo subas a Podimo, pon una advertencia de toda la gente que

00:28:27.000 --> 00:28:32.000
interpreta literalmente los comentarios y los podcast, por favor.

00:28:32.000 --> 00:28:37.000
Bueno, además de información factual, ¿sabes lo que hace falta en el mundo?

00:28:37.000 --> 00:28:41.000
Lo que más falta en el mundo son GPUs y centros de datos.

00:28:41.000 --> 00:28:42.000
Estamos en una técnica crisis.

00:28:42.000 --> 00:28:47.000
Pues a que ibas a decir amor, amor, tolerancia, no, GPUs es lo que más

00:28:47.000 --> 00:28:48.000
necesita hacer.

00:28:48.000 --> 00:28:51.000
Sí, sí, mira, en esa afición tóxica, que es atender a los resultados

00:28:51.000 --> 00:28:54.000
financieros de las grandes tecnológicas y leerte sus informes y todos los

00:28:54.000 --> 00:28:57.000
comentarios, hay una cosa que me llama también la atención de los

00:28:57.000 --> 00:29:01.000
anunciado por Microsoft.

00:29:02.000 --> 00:29:04.000
Bueno, los resultados de Microsoft son cojonudos.

00:29:04.000 --> 00:29:08.000
La inteligencia artificial ha añadido diez mil millones de dólares a los ingresos de Microsoft.

00:29:09.000 --> 00:29:13.000
Esto es más rápido que cualquier otro negocio en la historia de Microsoft.

00:29:14.000 --> 00:29:20.000
Por lo tanto, aquí podríamos venirnos arrivísima, es decir, esto es la el gran cambio económico, mira cómo triunfa.

00:29:21.000 --> 00:29:24.000
Pasa que siempre hay un un asterisco que yo sumo a estos mensajes

00:29:24.000 --> 00:29:27.000
triunfantes, que es está muy bien que Microsoft, para ellos, facture

00:29:27.000 --> 00:29:30.000
tanto de la inteligencia artificial, pero eso no significa que la

00:29:30.000 --> 00:29:33.000
inteligencia artificial sea ya rentable, eficiente, aumenta la

00:29:33.000 --> 00:29:36.000
productividad en las empresas.

00:29:36.000 --> 00:29:39.000
Esto quiere decir que el que vende las palas, es decir, Microsoft no vende

00:29:39.000 --> 00:29:42.000
su propio modelo, pero comercializa los modelos de PNI, vende la cloud,

00:29:42.000 --> 00:29:45.000
porque al final todo el uso de estos modelos, el el negocio de cloud

00:29:45.000 --> 00:29:48.000
computing con el de las API de los modelos de inteligencia artificial

00:29:48.000 --> 00:29:51.000
está absolutamente ligado, soft que vende las palas para que otros hagan

00:29:51.000 --> 00:29:58.000
los servicios de aplicaciones, sí está facturando mucho.

00:29:58.000 --> 00:30:01.000
La inteligencia artificial será un triunfo económico cuando esos otros

00:30:01.000 --> 00:30:04.000
que hacen los servicios de aplicaciones, pues, den un valor suficiente a

00:30:04.000 --> 00:30:07.000
usuarios y empresas para ser rentable.

00:30:07.000 --> 00:30:10.000
Dicho esto, hay otra cosa que dice el amigo Satya.

00:30:10.000 --> 00:30:16.000
Dice, en cualquier caso, howeabor, la compañía anticipa una pequeña

00:30:16.000 --> 00:30:22.000
desaceleración en el crecimiento de Azure en el siguiente trimestre,

00:30:22.000 --> 00:30:28.000
sobre todo debido a los retrasos, el aumento de capacidad de los data

00:30:28.000 --> 00:30:34.000
center para atender a la demanda por servicios de inteligencia artificial.

00:30:34.000 --> 00:30:41.000
Es decir, Microsoft podría ganar muchísimo más dinero, lo que pasa es que no tiene suficientes centros de datos, GPUs, data set.

00:30:42.000 --> 00:30:46.000
No me extraña que esta semana varias veces haya sido Nvidia la empresa

00:30:46.000 --> 00:30:50.000
más valiosa del mundo por encima de Apple, pero esto que le está pasando

00:30:50.000 --> 00:30:54.000
a Microsoft, me imagino que le va a pasar a todas las grandes

00:30:54.000 --> 00:30:58.000
tecnológicas que entrenan IA y que tienen modelos de IA en sus servicios

00:30:58.000 --> 00:31:02.000
de la nube, pero para mí pone en desventaja a la gente que no tiene ya

00:31:02.000 --> 00:31:06.000
sus propios chips y su propia capacidad y cadena de suministro para montar

00:31:06.000 --> 00:31:16.000
sus propios servidores, como Google.

00:31:16.000 --> 00:31:19.000
Entonces, es que siempre hablamos de Google como, joder, qué mal Google,

00:31:19.000 --> 00:31:22.000
pero al final están haciendo cosas que le que pueden acabar siendo muy

00:31:22.000 --> 00:31:27.000
importantes al inclinar la balanza.

00:31:27.000 --> 00:31:30.000
Sí, sí, es decir, esto es a largo plazo, Open y Microsoft tienen mucho

00:31:30.000 --> 00:31:33.000
poderío, pero quien tiene también mucho poderío en Meta, quien tiene

00:31:33.000 --> 00:31:36.000
mucho poderío es Google, y y todos tienen un plan para intentar

00:31:36.000 --> 00:31:41.000
divorciarse de Nvidia, pero es muy difícil divorciarse de Nvidia.

00:31:41.000 --> 00:31:45.000
Tenéis que haber empezado hace mucho a buscar otra pareja de baile.

00:31:46.000 --> 00:31:50.000
Además, fíjate con esto de la GPU, está cambiando el mundo de una manera inesperada.

00:31:51.000 --> 00:31:55.000
Nadia Carlsten, que fue contratada para dirigir el centro danés de

00:31:55.000 --> 00:31:59.000
innovación ENIA, gracias a una asociación entre Dinamarca, el gobierno

00:31:59.000 --> 00:32:03.000
danés, Novo Nordisk, los de los NPI, y Nvidia construyeron Gefium, un

00:32:03.000 --> 00:32:07.000
superordenador, el el superordenador de inteligencia artificial más

00:32:07.000 --> 00:32:13.000
grande de de de Europa y que funciona con mil quinientos chips de Nvidia.

00:32:14.000 --> 00:32:21.000
El titular es muy divertido, el Walter Junior, dice, este es el data center, el gran supercomputador que está pagando los Empix.

00:32:21.000 --> 00:32:24.000
Es decir, si tú redondeas la jugada, es decir, primero lo venden la

00:32:24.000 --> 00:32:27.000
pastilla adelgazante y luego hacen superordenadores para que tengamos

00:32:27.000 --> 00:32:31.000
novias virtuales, está todo pensado, Matías.

00:32:31.000 --> 00:32:40.000
Pero lo interesante es que en el artículo la amiga Nadia Calsen dice, me siento la persona más popular del mundo allá por donde voy.

00:32:40.000 --> 00:32:46.000
Puedo empezar la conversación con tengo más de mil quinientos GPU y todo el mundo quiere hablar conmigo.

00:32:46.000 --> 00:32:47.000
Ese es el mundo que vivo, Matías.

00:32:47.000 --> 00:32:51.000
Primero, ya es hora de que Novo Nordish, que es la farmacéutica de de los

00:32:51.000 --> 00:32:55.000
CMPIC, llegue a los titulares, porque siempre se habla de Europa, como lo

00:32:55.000 --> 00:32:59.000
del tapón atado a la botella, lo de los clics en el Google Maps que he

00:32:59.000 --> 00:33:03.000
dicho yo antes.

00:33:03.000 --> 00:33:09.000
Pero bueno, ahí tenemos a Zempic como un caso excepcional de desarrollo europeo.

00:33:10.000 --> 00:33:13.000
Y lo otro que iba a decir es que a mí, a veces, al igual que le ha pasado

00:33:13.000 --> 00:33:16.000
a esta señora, Nadia Carsten, se me ha subido un poco a la cabeza lo de

00:33:16.000 --> 00:33:19.000
la inteligencia artificial, porque ha habido momentos en el que nos han

00:33:19.000 --> 00:33:22.000
llamado todo el mundo para dar una charla, para hacer una entrevista, para

00:33:22.000 --> 00:33:28.000
no sé qué, no sé cuánto.

00:33:28.000 --> 00:33:31.000
Entonces, yo el otro día en una fiesta de Halloween con una chica que ya

00:33:31.000 --> 00:33:34.000
había conocido en la anterior fiesta de Halloween, me presento, o sea, le

00:33:34.000 --> 00:33:37.000
digo, hola, ¿qué tal?

00:33:37.000 --> 00:33:38.000
¿Cómo estás?

00:33:38.000 --> 00:33:41.000
Y me pregunta quién soy, y esto derrumbó por completo el castillo de

00:33:41.000 --> 00:33:44.000
naipes, que en mi cabeza era la fama temporal que me ha dado la

00:33:44.000 --> 00:33:48.000
inteligencia artificial.

00:33:48.000 --> 00:33:49.000
Esta chica no sabía quién era yo.

00:33:49.000 --> 00:33:55.000
Y esto ocurre con el noventa y nueve coma noventa y nueve por ciento de de la sociedad.

00:33:55.000 --> 00:33:59.000
Entonces, puedo llegar a entender a la señora Nadia.

00:33:59.000 --> 00:34:00.000
Nadia está es tu anverso.

00:34:00.000 --> 00:34:03.000
Es que claro, tú eres buen un gran popularizador de la IAS, Mati, pero

00:34:03.000 --> 00:34:06.000
careces de GPUs, es decir, no puedes, no puedes ahí en una fiesta y

00:34:06.000 --> 00:34:11.000
dices, voy a impresión en una extranjera, ¿no?

00:34:11.000 --> 00:34:12.000
Tengo una cuatro mil noventa.

00:34:12.000 --> 00:34:14.000
No, ese algoritmo no es tu caso.

00:34:14.000 --> 00:34:17.000
Yo creo que puede tener arreglo a medio plazo, y estamos ahí tramando algo

00:34:17.000 --> 00:34:20.000
para armarnos bien de de GPUs, pero pero bueno, si la popularidad y el

00:34:20.000 --> 00:34:23.000
éxito social y el estatus social va va a estar ligado a tu capacidad de

00:34:23.000 --> 00:34:28.000
computación, es algo que hay que trabajar.

00:34:28.000 --> 00:34:31.000
De hecho, no es posible que Mark Zuckerberg, que se autoproclamó el

00:34:31.000 --> 00:34:34.000
millennial más popular, esté invirtiendo tanto en las GPOS de Nvidia en

00:34:34.000 --> 00:34:37.000
parte, para que nadie le pueda vacilar en las fiestas de Halloween, que

00:34:37.000 --> 00:34:42.000
nadie pueda ir con más GPUs?

00:34:42.000 --> 00:34:44.000
Porque tenemos a Jean Lehkung, ¿no?

00:34:44.000 --> 00:34:46.000
Diciendo, ¿cómo se está entregando Jama cuatro?

00:34:46.000 --> 00:34:47.000
Claro, Lehkung también presume.

00:34:48.000 --> 00:34:51.000
Todo el mundo es consciente que aquí está ahora mismo el capital social, Matías.

00:34:51.000 --> 00:34:56.000
Él dice, bueno, aquí tenemos cien mil H cien de Nvidia, computando Jama cuatro.

00:34:57.000 --> 00:34:58.000
Aquí, ¿no?

00:34:58.000 --> 00:35:01.000
Funcionando al cien por cien veinticuatro horas al día.

00:35:01.000 --> 00:35:10.000
Entonces, si tú tienes cien mil GPU, Matthew, eso ya ahí esa chica, vamos, yo creo que caería a tus pies, claramente.

00:35:10.000 --> 00:35:15.000
Que hoy en día no hay algo más parecido a medirse el mástil, el carajo,

00:35:15.000 --> 00:35:20.000
el cipote, que tener tarjetas gráficas, porque lo de Jean L'E kung, por

00:35:20.000 --> 00:35:25.000
supuesto, que han salido los fans de Elon a mencionarle que Elon también

00:35:25.000 --> 00:35:30.000
tenía cien mil tarjetas gráficas de Nvidia y que también estaba

00:35:30.000 --> 00:35:38.000
entrenando sus modelos de inteligencia artificial.

00:35:38.000 --> 00:35:43.000
Pero claro, Meta tiene muchas más tarjetas gráficas y mucho más que cien mil H cien de Nvidia.

00:35:43.000 --> 00:35:52.000
Entonces, Jean L'Khun les contesta, os estáis confundiendo porque aquí es Elon el que está jugando a perseguirnos a nosotros en en Meta.

00:35:52.000 --> 00:35:57.000
Entonces, hoy en día, tener tarjetas gráficas, Antonio, es medirse el perno, básicamente.

00:35:57.000 --> 00:36:02.000
Además, se puede retrasar, dedicamos un capítulo a comentar los

00:36:02.000 --> 00:36:07.000
pronósticos de la de la llegada de la inteligencia artificial general, y

00:36:07.000 --> 00:36:12.000
Sean Allman, en el AMA que ha hecho en Reddit, menciona que la falta de

00:36:12.000 --> 00:36:17.000
capacidad de computación está retrasando los productos de las compañías.

00:36:17.000 --> 00:36:20.000
Claro, ellos están peleando porque los costes de diferencia sigan bajando, ¿no?

00:36:20.000 --> 00:36:25.000
Se han reducido, dice, así una en diez veces en el último año.

00:36:25.000 --> 00:36:28.000
Pero si no tiene más GPU y tiene más cloud, y aquí apretando al amigo

00:36:28.000 --> 00:36:31.000
Satia, que tiene la exclusiva Microsoft de de los modelos de OpenAI, pues,

00:36:31.000 --> 00:36:35.000
claro, esto ya lo hemos hablado.

00:36:36.000 --> 00:36:42.000
Sam dice que, oye, así no se puede seguir con tanta escasez y con tan poca GPU.

00:36:42.000 --> 00:36:47.000
Y además, yo creo que, claro, Sam sufre, porque en las fiestas es un chico ya menos menos popular.

00:36:47.000 --> 00:36:51.000
Si te parece, ¿quieres que saltemos a todo lo que contó en el I'm the rate?

00:36:51.000 --> 00:36:54.000
Vale, perfecto, porque no me lo vi, así que seguro que me lo resumo

00:36:54.000 --> 00:36:55.000
tú mejor.

00:36:55.000 --> 00:37:00.000
Unas cuantas cositas, no dieron ningún titularzo, no dieron ninguna cosa

00:37:00.000 --> 00:37:05.000
salvaje, porque estuvo San Altman, estaba Marc Chen, que es el el la

00:37:05.000 --> 00:37:10.000
investigación, Sornivas Narayana y el jefe científico Pachuki, que va a

00:37:10.000 --> 00:37:16.000
ser, yo creo que un personaje que va a cobrar importancia en este en este podcast.

00:37:17.000 --> 00:37:21.000
Dice que tienen, bueno, cosas que han resumido, que que han salido.

00:37:22.000 --> 00:37:25.000
Tienen lanzamiento fuerte para los dos próximos meses.

00:37:25.000 --> 00:37:30.000
Bien, esto es bueno para motos, para motos no para para Pablo Motos, no, para para monos, creo.

00:37:32.000 --> 00:37:35.000
Pero, literalmente, dice, nada llamado GPT cinco.

00:37:37.000 --> 00:37:39.000
Ya veremos dos mil veinticinco qué qué se da.

00:37:39.000 --> 00:37:43.000
Dice que con el hardware actual ya es alcanzable la AGI, lo cual es

00:37:43.000 --> 00:37:47.000
importante porque mantiene un poco, le quita importancia al retraso de la

00:37:47.000 --> 00:37:51.000
de la Blackwell de Nvidia.

00:37:51.000 --> 00:37:54.000
Luego dice que que ahora mismo le están dando prioridad a Ouro, lo que he

00:37:54.000 --> 00:37:57.000
mencionado antes, que tienen escasez de capacidad de computación y, por

00:37:57.000 --> 00:38:00.000
lo tanto, van a van a priorizar a O uno respecto a otros posibles

00:38:00.000 --> 00:38:05.000
lanzamientos y desarrollos, ¿no?

00:38:05.000 --> 00:38:09.000
Sí cree que el año que viene va a ser el año de los agentes

00:38:09.000 --> 00:38:13.000
inteligentes, que es esta tendencia que ya hemos tratado varias veces en

00:38:13.000 --> 00:38:17.000
el podcast, el episodio de de la gente de Anthropic puede servir de de

00:38:17.000 --> 00:38:21.000
punto de partida si alguien no no lo ha escuchado, y que cuando le

00:38:21.000 --> 00:38:25.000
preguntan qué vio Ilia, Ilia Susqueber, su antiguo socio, compañero y

00:38:25.000 --> 00:38:29.000
amigo, el gran genio jefe científico original de OpenEye, que se, bueno,

00:38:29.000 --> 00:38:33.000
ayudó en el motín de su expulsión ante la falta de prudencia supuesta

00:38:33.000 --> 00:38:37.000
de Sand Altman, pues cuando le preguntan qué vio Ilia, ese meme y ese

00:38:37.000 --> 00:38:41.000
lugar común que que todos los que hicimos inteligencia artificial

00:38:41.000 --> 00:38:46.000
conocemos, él dijo, el futuro trascendente.

00:38:46.000 --> 00:38:50.000
Qué pena que que Ilia no esté ya al frente de la parte de desarrollo

00:38:50.000 --> 00:38:54.000
científico de OpenAI, porque realmente era un visionario, la entrevista

00:38:54.000 --> 00:38:58.000
esa tan antigua en la que habla de cómo los modelos de lenguaje a pesar

00:38:58.000 --> 00:39:03.000
de lo que son, de adivinar el siguiente token, etcétera.

00:39:03.000 --> 00:39:10.000
De alguna forma, con un, se podían acercar a ese modelo del del mundo y y hacer cosas fascinantes.

00:39:10.000 --> 00:39:17.000
Y ojalá saquen pronto productos en SSI, porque tenga muchas ganas de ver a Ilia de nuevo en acción.

00:39:17.000 --> 00:39:21.000
Bueno, pues en acción tienen que ponerse las empresas que tienen modelos

00:39:21.000 --> 00:39:25.000
grandes de lenguaje, porque ya sabemos que la AIAC en Europa va a ir

00:39:25.000 --> 00:39:31.000
cumpliendo plazos y entrando en vigor sucesivamente.

00:39:32.000 --> 00:39:36.000
Entonces, tienen tiempos de preparación para llegar a esos hitos.

00:39:37.000 --> 00:39:41.000
El caso es que hemos visto en paréntesis media una noticia muy

00:39:41.000 --> 00:39:45.000
interesante, un estudio muy concienzudo que viene de ETH de Zúrich, el

00:39:45.000 --> 00:39:49.000
Instituto de Informática e Inteligencia Artificial, Tecnología Vulcaria

00:39:49.000 --> 00:39:53.000
y Letis Flow, que han evaluado el cumplimiento de las normas de la Unión

00:39:53.000 --> 00:39:57.000
Europea por parte de los modelos de ella generativa, el Danthroppi, de

00:39:57.000 --> 00:40:02.000
OpenAI, los JAMA, Mistral, la LivaVa.

00:40:03.000 --> 00:40:09.000
Entonces, lo puntúa en distintas categorías, como ciberseguridad, bienestar medioambiental, privacidad, gobernanza de datos, etcétera.

00:40:09.000 --> 00:40:18.000
Entonces, claro, cuanto más alto el uno sería el cumplimiento total y el cero sería el cumplimiento nada en absoluto.

00:40:18.000 --> 00:40:21.000
Y bueno, en general, no están tan lejos.

00:40:21.000 --> 00:40:25.000
Si los modelos tuvieron una puntuación de cero setenta y cinco, GPT cuatro

00:40:25.000 --> 00:40:29.000
Turbo, por ejemplo, se quedó en cero cuarenta, falla en en en alguna de

00:40:29.000 --> 00:40:33.000
las categorías, se queda por debajo del cero coma cinco, pero es cierto

00:40:33.000 --> 00:40:38.000
que no están tan lejísimos del cumplimiento como yo esperaba, en realidad.

00:40:38.000 --> 00:40:42.000
Sí, yo soy más optimista ahora, nos han ido llegando cosas como el modo

00:40:42.000 --> 00:40:46.000
de voz avanzado de ChatGPT, que no lo esperábamos a saber en cuánto

00:40:46.000 --> 00:40:51.000
tiempo, y bueno, Apple ya ha anunciado el Apple Intelligence para abril y tal.

00:40:51.000 --> 00:40:56.000
Entonces, no soy tan pesimista como en dos, tres episodios antes.

00:40:56.000 --> 00:41:04.000
También es cierto que me hizo mucha gracia el titular de paréntesis media, ninguna IA pasaría el control del reglamento de la web ahora mismo.

00:41:04.000 --> 00:41:07.000
Pues nada, paréntesis media, que ya sabéis que lo mencionamos siempre

00:41:07.000 --> 00:41:11.000
porque son nuestros colegas de Barcelona que están también en en redes sociales.

00:41:11.000 --> 00:41:16.000
Ahí, bueno, yo veo un poco más el beso medio vacío, yo he intentado pintarlo medio lleno.

00:41:16.000 --> 00:41:20.000
Si están en cero setenta y cinco de cumplimiento te queda poco, otra cosa

00:41:20.000 --> 00:41:24.000
es que haya partes de la norma que sean de tan tan gravosas o tan

00:41:24.000 --> 00:41:28.000
difíciles de cumplir, que que ese cero setenta y cinco, ese salto hasta

00:41:28.000 --> 00:41:32.000
el uno sea sea realmente complicado.

00:41:32.000 --> 00:41:35.000
Ya veremos, yo creo que con la era draging en la que hemos entrado en

00:41:35.000 --> 00:41:38.000
Europa, los reglamentos técnicos intentarán aligerar, intentarán

00:41:38.000 --> 00:41:41.000
rebajar la exigencia, por no ver a la Unión Europea derogando esta ley,

00:41:41.000 --> 00:41:44.000
esa esa baja de pantalones no creo que la vaya a hacer Bruselas, pero que

00:41:44.000 --> 00:41:47.000
luego los reglamentos técnicos vayan a vengan con las rebajas, el día

00:41:47.000 --> 00:41:50.000
del Black Friday y digan, bueno, venga, vamos a llegar a un a un acuerdo,

00:41:50.000 --> 00:41:57.000
yo lo veo más probable, ¿no?

00:41:57.000 --> 00:42:03.000
Y que le hayan dado luz verde al modelo de voz de OpenI ahí es buena es buena señal en ese sentido.

00:42:03.000 --> 00:42:06.000
Te traigo una una parte más negativa porque es un caso de uso que hemos

00:42:06.000 --> 00:42:09.000
hablado en en monos y que en el que yo tenía esperanzas, pero que a la

00:42:09.000 --> 00:42:14.000
hora de la verdad empieza a verse las dificultades.

00:42:15.000 --> 00:42:21.000
Se trata el caso de usar Whisper de OpenAI en las consultas médicas.

00:42:21.000 --> 00:42:23.000
Esto lo hemos llegado a mencionar una vez, ¿no, Mati?

00:42:23.000 --> 00:42:32.000
Bueno, y lo hemos pintado como algo muy positivo tanto para el médico, que no tienen que estar todo el tiempo escribiendo en el ordenador.

00:42:32.000 --> 00:42:35.000
Esta es la experiencia de ir al médico en España, yo que he ido por el

00:42:35.000 --> 00:42:38.000
hombro hace dos días, es la experiencia de cualquier persona que va al

00:42:38.000 --> 00:42:43.000
médico y se pasa todo el tiempo en el ordenador escribiendo en tu historial.

00:42:44.000 --> 00:42:51.000
Y luego también es beneficioso para el propio médico que gana tiempo para revisar al paciente, ¿no?

00:42:51.000 --> 00:42:56.000
Y tan saturados que están de paciente, pues parece una ventaja.

00:42:56.000 --> 00:42:57.000
¿Y ahora qué ha pasado?

00:42:57.000 --> 00:43:01.000
Bueno, el caso es que ya hay médicos en Estados Unidos usando un software

00:43:01.000 --> 00:43:05.000
de transcripción para que en la consulta, pues, quede todo grabado y

00:43:05.000 --> 00:43:10.000
además ya sabemos todas las ventajas que tenemos después.

00:43:11.000 --> 00:43:14.000
Podemos pedirle un resumen, podemos quedarnos con la transcripción

00:43:14.000 --> 00:43:17.000
completa, puede decirlo que cree un informe, es decir, la la ganancia de

00:43:17.000 --> 00:43:21.000
productividad y sobre todo cualitativa que tú dices, Mati.

00:43:21.000 --> 00:43:24.000
Y yo estoy deseando que mi doctora me vuelva a mirar a los ojos y podamos

00:43:24.000 --> 00:43:27.000
hablar humanamente, dedicarme más a eso y no al relleno del del, bueno,

00:43:27.000 --> 00:43:31.000
del informe de lo que pasa en la consulta.

00:43:31.000 --> 00:43:32.000
¿No?

00:43:32.000 --> 00:43:36.000
El caso es que Whisper, según lo los que están estudiando los primeros

00:43:36.000 --> 00:43:40.000
resultados de de de esta implementación, es propenso a inventar también

00:43:40.000 --> 00:43:46.000
algunos trozos de texto, incluso frases enteras.

00:43:48.000 --> 00:43:51.000
Entonces, el el reportaje que que firman en en Associated Press, en Estados

00:43:51.000 --> 00:43:54.000
Unidos, que estamos, tenemos delante, pues hablan con un montón de

00:43:54.000 --> 00:43:59.000
ingenieros y de investigadores, ¿no?

00:43:59.000 --> 00:44:10.000
De académicos, que dicen que estas alucinaciones están presentes en en en las transcripciones de de Whisper, ¿no?

00:44:10.000 --> 00:44:21.000
Entonces, claro, esto nos mete un un un problema de que si cometes un error en una transcripción de una entrevista banal, pues no pasa nada, ¿no?

00:44:22.000 --> 00:44:23.000
Hay alucinaciones inofensivas.

00:44:24.000 --> 00:44:30.000
El caso es que algunas de las alucinaciones, invenciones que que acusan de

00:44:30.000 --> 00:44:37.000
de del modelo son realmente preocupantes, graves o equivocadas en temas de salud, ¿no?

00:44:37.000 --> 00:44:42.000
Al final, cuarenta hospitales, sistemas sanitarios y treinta mil médicos están usando Whisper en Estados Unidos.

00:44:43.000 --> 00:44:45.000
Es una una cosa importante, ¿no?

00:44:46.000 --> 00:44:57.000
Y hay un dato, ¿tú acuerdas cuando sacaste a la andaluza de el C uno de andaluz y cuándo se equivocaba la transcripción de esta señora?

00:44:57.000 --> 00:44:58.000
Sí.

00:44:58.000 --> 00:45:01.000
Porque tenía un lenguaje menos habitual, ¿no?

00:45:01.000 --> 00:45:04.000
Con más acento, con más ejes propios

00:45:05.000 --> 00:45:06.000
de de de de un

00:45:06.000 --> 00:45:11.000
habla, de una forma de de expresarse que tenemos la gente que tenemos acento, ¿no?

00:45:11.000 --> 00:45:22.000
Claro, la tasa de acierto con esa persona frente, hablando en moderno, a alguien de un habla más normativo, también es un es un caso a notar.

00:45:22.000 --> 00:45:26.000
Y claro, la gente que tenemos acento también vamos al médico, Mati.

00:45:26.000 --> 00:45:29.000
Sí, yo me estoy imaginando ahora mismo a mi padre yendo al médico a a

00:45:29.000 --> 00:45:32.000
hablar con Whisper y difícil, difícil, porque mi padre le pasa como como

00:45:32.000 --> 00:45:35.000
a mí, los pensamientos los mezclamos y sale como una dislexia de

00:45:35.000 --> 00:45:41.000
conceptos importantes.

00:45:42.000 --> 00:45:46.000
También te quería decir, esto va a pasar como los coches autónomos.

00:45:47.000 --> 00:45:52.000
La primera guía, que mate a alguien porque confunde una peritonitis con,

00:45:52.000 --> 00:45:57.000
señora, usted tiene estreñimiento, va a salir en todos los medios y va a

00:45:57.000 --> 00:46:04.000
provocar una reacción muy violenta, igual que pasa con los accidentes con los

00:46:04.000 --> 00:46:05.000
colegios, ¿no?

00:46:06.000 --> 00:46:11.000
Yo creo que hay ese punto siempre psicológico y social de que no es más

00:46:11.000 --> 00:46:16.000
fácil comprender y disculpar un error humano que la equivocación venga

00:46:16.000 --> 00:46:21.000
de una máquina y que como en los coches autónomos, el mundo real puede

00:46:21.000 --> 00:46:26.000
tener una complejidad tal que conseguir el noventa, el noventa y cinco por

00:46:26.000 --> 00:46:31.000
ciento, el noventa y ocho por ciento esté al alcance de de este modelo

00:46:31.000 --> 00:46:37.000
científico tecnológico del deep learning y todo lo que ha venido después.

00:46:37.000 --> 00:46:39.000
Pero la última milla, ese último dos por ciento de esa tasa de error, no

00:46:39.000 --> 00:46:41.000
te la quita nadie y, además, nunca sabes cuándo cuándo se ha cometido

00:46:41.000 --> 00:46:45.000
el error, ¿no?

00:46:45.000 --> 00:46:50.000
Entonces, para mí es ese este choque de realidad ha sido un poco un poco,

00:46:50.000 --> 00:46:55.000
eso, una forma de de afrontar que la implementación en el mundo real es

00:46:55.000 --> 00:47:01.000
más dura y complicada que que el pensarlo a priori teóricamente, Matthew.

00:47:01.000 --> 00:47:04.000
Es que fíjate que tiene relación con lo que hablábamos antes.

00:47:05.000 --> 00:47:09.000
Si es un modelo de lenguaje, lo que hay detrás va a seguir alucinando y va

00:47:09.000 --> 00:47:13.000
a seguir teniendo errores, aunque cada vez sean menos, pero parece que no

00:47:13.000 --> 00:47:17.000
vemos fin a que ocurran esos errores, ¿no?

00:47:17.000 --> 00:47:21.000
Y parece que esto es, va a ser una constante hasta que cambiemos de tecnología y de de arquitectura.

00:47:21.000 --> 00:47:26.000
Sí, sí, sí, ese ese es uno de los dilemas que que vamos a ver en dos mil veinticinco.

00:47:26.000 --> 00:47:30.000
Sobre todo, creo que con ese salto a los agentes inteligentes que que la

00:47:30.000 --> 00:47:34.000
gente de OPI cree que van a tener dos mil veinticinco, no sé si tenemos

00:47:34.000 --> 00:47:38.000
un paradigma, un paradigma científico técnico lo suficientemente robusto

00:47:38.000 --> 00:47:44.000
para permitir esas transacciones, para confiar en delegar la ejecución de cosas.

00:47:44.000 --> 00:47:47.000
Yo tengo ahí mis dudas, escribí un error, miento sobre ello, desde ahí

00:47:47.000 --> 00:47:50.000
mi mi parrafada, pero pero, bueno, es yo creo que el el gran debate sobre

00:47:50.000 --> 00:47:53.000
hasta dónde puede llegar el learning, redes neuronales, el paradigma del

00:47:53.000 --> 00:47:59.000
reforme, etcétera.

00:47:59.000 --> 00:48:04.000
Don, lo que están viendo que están chocando contra una pared son la gente

00:48:04.000 --> 00:48:09.000
de Amazon, porque ya hemos contado alguna vez que se venía Alexa renovada.

00:48:09.000 --> 00:48:19.000
Nuestra tesis de que básicamente esa generación de asistentes digitales, Alexa, Siri, el de Google, que que no sé, ok, Google, ¿no?

00:48:19.000 --> 00:48:24.000
Básicamente, había que tirarlos a la basura y sustituirlos por modelo grande del lenguaje.

00:48:25.000 --> 00:48:30.000
La industria nos da la razón, Mati, eso era, bueno, mira la razón en una cosa bastante obvia.

00:48:31.000 --> 00:48:39.000
Y el caso es que Alexa, pues se va a renovar y en este año íbamos a ver una nueva Alexa, pues impulsada por modelos grande de lenguaje.

00:48:40.000 --> 00:48:50.000
El caso es que tenemos un retraso hasta dos mil veinticinco y que no pinta bien lo que han testado en laboratorio.

00:48:50.000 --> 00:48:55.000
El otro día estuve hablando con esto de de Alexa, con mi familia, porque

00:48:55.000 --> 00:49:00.000
yo tengo un nuevo truco en reuniones, que es son los juegos inventados por

00:49:00.000 --> 00:49:05.000
o con la el modo de voz avanzado de ChatGPT.

00:49:05.000 --> 00:49:10.000
Entonces, yo, en la última reunión familiar, saqué el teléfono,

00:49:10.000 --> 00:49:15.000
invoqué a ChatGPT modo voz, y le pedí que se inventara un juego en el

00:49:15.000 --> 00:49:20.000
que mi mujer y mi cuñada, dos personas españolas, adivinaran palabras

00:49:20.000 --> 00:49:25.000
difíciles del lunfardo argentina.

00:49:26.000 --> 00:49:29.000
Entonces, pasamos, no te exagero, cincuenta minutos jugando a esto, luego

00:49:29.000 --> 00:49:32.000
cuando cuelgas la llamada puedes ver que son cincuenta minutos, y fue

00:49:32.000 --> 00:49:37.000
bastante divertido.

00:49:37.000 --> 00:49:43.000
Entonces, acto seguido, mi hermano y mi madre me preguntaron, ¿y por qué mi Alexa no hace eso?

00:49:43.000 --> 00:49:45.000
Entonces, ahí está la clave.

00:49:45.000 --> 00:49:48.000
Alexa tiene una base de usuario muy grande, esto puede funcionar, pero

00:49:48.000 --> 00:49:51.000
cuando llegue, primero con muchas dificultades e inversiones por parte de

00:49:51.000 --> 00:49:54.000
Amazon, y después seguramente con un precio que la gente no va a estar

00:49:54.000 --> 00:49:57.000
dispuesta a pagar, porque recordemos, el modo de voz avanzado de chat GPT

00:49:57.000 --> 00:50:03.000
es gratis, lo puede usar en

00:50:03.000 --> 00:50:04.000
ShopT de Free.

00:50:04.000 --> 00:50:07.000
Bueno, aquí tienen un un meollo bastante gordo.

00:50:07.000 --> 00:50:13.000
Fíjate que el salto de cambio de de de tecnología en Alexa, en la verdad habían visto dos cosas.

00:50:13.000 --> 00:50:17.000
Una, que claro, pasan a un modelo de conversación superabierto, flexible,

00:50:17.000 --> 00:50:21.000
como el que tú estás narrando, pero en el que el nivel todavía está

00:50:21.000 --> 00:50:25.000
muy lejos del modo de voz de ChatGPT, Amazon, por detrás, está usando

00:50:25.000 --> 00:50:29.000
Cloud, Amazon es un inversor en Anthropic, entonces usan Cloud y,

00:50:29.000 --> 00:50:33.000
realmente, en el modo de voz, cloud no está compitiendo bien con con

00:50:33.000 --> 00:50:37.000
OpenAI, entonces digamos que en eso mejoran a a la Lex actual, pero es

00:50:37.000 --> 00:50:45.000
lento, la respuesta es superrelevante.

00:50:46.000 --> 00:50:50.000
Además, no puedes ejecutarlo en local, dado que el despliegue de

00:50:50.000 --> 00:50:54.000
dispositivos, los Echo, esos altavoces que con los que integramos Alexa,

00:50:54.000 --> 00:50:58.000
pues computacionalmente son muy poco potentes, vas a tener que tirar de de

00:50:58.000 --> 00:51:03.000
modelo remoto, pues, claro, la lentitud, el lag están presentes.

00:51:04.000 --> 00:51:10.000
Por ahí mejora, pero no lo suficiente para dejar a la gente con la boca abierta, como tú haces, Matte.

00:51:10.000 --> 00:51:14.000
Y segundo, todo lo que sería Alexa de domótica, que era superfiable

00:51:14.000 --> 00:51:18.000
porque estaba todo muy programado y muy controlado, hará que se han

00:51:18.000 --> 00:51:22.000
abierto interpretando la voluntad y el interés del usuario, se ha vuelto

00:51:22.000 --> 00:51:26.000
mucho menos fiable, mucho menos preciso.

00:51:26.000 --> 00:51:30.000
Los modelos de lenguaje son unos sistemas bien entrenados para adivinar la

00:51:30.000 --> 00:51:34.000
siguiente palabra, no son buenos sistemas para un sistema fiable, directo

00:51:34.000 --> 00:51:38.000
y claro de control de la domótica de una casa, y por lo tanto están

00:51:38.000 --> 00:51:43.000
perdiendo, hay fiabilidad.

00:51:43.000 --> 00:51:51.000
Entonces, creo que tiene una encrucijada y un reto tecnológico la gente de Amazon bastante, bastante, bastante potente.

00:51:51.000 --> 00:51:54.000
Y, bueno, es una parte en la que podríamos profundizar todavía más,

00:51:54.000 --> 00:51:57.000
pero, Mati, no, es que es que se viene un puerta grande de enfermería

00:51:57.000 --> 00:52:02.000
tremendo, Matías.

00:52:03.000 --> 00:52:04.000
Puerta grande o enfermería.

00:52:14.000 --> 00:52:17.000
Lo voy a decir yo porque me hace ilusión ponerme lo del eco a mí

00:52:17.000 --> 00:52:19.000
Sí, sí, ese efecto, buenísimo ese efecto, Mathi.

00:52:21.000 --> 00:52:22.000
Bueno, pues, dame.

00:52:22.000 --> 00:52:26.000
No le está saliendo a Alexa, Matías, pero tiene un as bajo la manga.

00:52:27.000 --> 00:52:32.000
Tienen en su servicio de streaming de cine y series Prime Video la

00:52:32.000 --> 00:52:37.000
posibilidad de atención en el futuro, invocar a la IA, cuál hechiceros o

00:52:37.000 --> 00:52:42.000
brujas podremos llamarla en cualquier momento, en Amazon Prime Video, y la

00:52:42.000 --> 00:52:48.000
inteligencia artificial nos hará un resumen de lo que estamos viendo.

00:52:48.000 --> 00:52:52.000
Ves una película, la dejas a medias, pasan diez días y quieres retomarla,

00:52:52.000 --> 00:52:56.000
qué mejor que la guía de Amazon para resumirte todo eso, o las series

00:52:56.000 --> 00:53:00.000
que ves a cachitos, a ver poco a poco, de dónde te acuerdas alguna

00:53:00.000 --> 00:53:05.000
especie de la trama, pues se lo puede preguntar a la inteligencia artificial.

00:53:05.000 --> 00:53:07.000
De nuevo, es muy útil, resumen content.

00:53:07.000 --> 00:53:13.000
¿Cuántas veces le habré preguntado a la tele, casi gritando, de qué me suena esta actriz?

00:53:13.000 --> 00:53:18.000
Es cierto que en Amazon, en Prime Video ya tenían, no me acuerdo cómo se

00:53:18.000 --> 00:53:23.000
llama, pero tenían como un submenú en el que te decían cuáles son los

00:53:23.000 --> 00:53:28.000
actores que están saliendo en esa escena, tal y cual, pero no, yo quiero

00:53:28.000 --> 00:53:33.000
hacer preguntas muy específicas, como por ejemplo, ¿en qué serie

00:53:33.000 --> 00:53:38.000
reciente ha salido esa actriz secundaria que está detrás de este otro?

00:53:38.000 --> 00:53:40.000
Porque me suena muchísimo, ¿no?

00:53:41.000 --> 00:53:50.000
O incluso, fíjate, aquí también hay una visión comercial, incluso, ¿qué vestido lleva puesto esta mujer o qué reloj lleva este señor?

00:53:50.000 --> 00:53:53.000
No sé, es que me parece, tiene mucho sentido integrar

00:53:53.000 --> 00:53:56.000
Es que además tienes dos utilidades, te va a ser puerta grande total.

00:53:57.000 --> 00:54:02.000
Si tú quieres ver una serie, una película que está hecha para gente mucho más lista que tú, ¿no?

00:54:02.000 --> 00:54:05.000
Dices, yo yo vi, me pongo a ver la nueva del Joker.

00:54:05.000 --> 00:54:11.000
El la nueva del Joker es un concepto en la que el concepto no es que te diviertas viendo la película, ¿no?

00:54:11.000 --> 00:54:17.000
El concepto es que está está hecha pensada para que tú, pues, en en en

00:54:17.000 --> 00:54:23.000
un nivel de de de alta exigencia intelectual, pues te goces siendo listo viéndolas.

00:54:23.000 --> 00:54:31.000
Entonces, a lo mejor yo siento que no estoy al nivel de la película, pues claro, la la idea de Amazon puede estar al lado mía.

00:54:31.000 --> 00:54:33.000
Y va comentando la película, como dices.

00:54:33.000 --> 00:54:35.000
Oye, te tiene que gustar por esto.

00:54:35.000 --> 00:54:38.000
Esto esto esto es lo interesante, pasa que tú no te das cuenta, ¿no?

00:54:39.000 --> 00:54:42.000
Yo creo que a partir de ahora podremos ver series y películas para gente

00:54:42.000 --> 00:54:45.000
mucho más lista que nosotros, lo cual es una parte importante, y luego

00:54:45.000 --> 00:54:48.000
podremos saltar los capítulos.

00:54:49.000 --> 00:54:51.000
Esto es fundamental en las series de hoy en día.

00:54:51.000 --> 00:54:57.000
En las series de hoy en día hay un insufrible relleno de hora innecesario en muchísimas de ellas, en tres, ¿no?

00:54:58.000 --> 00:55:02.000
Pero en el noventa por ciento de las series hay un un relleno importante.

00:55:03.000 --> 00:55:07.000
Te decir, mira, ya que me he visto cuatro capítulos, me gustaría saber cómo acaba.

00:55:07.000 --> 00:55:10.000
Pues en salto del del cuatro al al ocho, a lo mejor, o del cuatro al diez,

00:55:10.000 --> 00:55:13.000
y y todo ese trozo, pues mira, hazme un resumencito para para entrar en el

00:55:13.000 --> 00:55:17.000
último capítulo y ya, pues, pues, rematar aquí la faena.

00:55:18.000 --> 00:55:21.000
Entonces, yo con esas utilidades, Matty, yo esto lo veo por tan grande.

00:55:24.000 --> 00:55:29.000
Yo aquí tengo que confesarte una cosa, y además es que juega, primero que

00:55:29.000 --> 00:55:34.000
es un poco humillante confesarlo, y luego que juega en contra de mi

00:55:34.000 --> 00:55:39.000
déficit de atención, que es que yo cada vez hay más vídeos de YouTube

00:55:39.000 --> 00:55:44.000
largos, podcast, todavía no películas ni series, que veo a través de la

00:55:44.000 --> 00:55:49.000
transcripción, o peor, peor aún, pidiéndole a ChatGPT que me enumere

00:55:49.000 --> 00:55:54.000
los puntos principales de la transcripción.

00:55:54.000 --> 00:55:58.000
O sea, hay alguien que se curra un documental en YouTube y yo copio la

00:55:58.000 --> 00:56:02.000
transcripción, se lo pego a ChatGPT y le pido que me la resuma

00:56:02.000 --> 00:56:06.000
simplemente para no estar viendo la hora y media de vídeo.

00:56:06.000 --> 00:56:08.000
Y lo mismo hago con algunos podcast.

00:56:09.000 --> 00:56:12.000
Esto es horrible confesarlo, pero es cierto que si empezamos a integrar

00:56:12.000 --> 00:56:15.000
inteligencia artificial hasta en las películas, a lo mejor me salto las

00:56:15.000 --> 00:56:18.000
últimas dos temporadas de Juego Dead.

00:56:18.000 --> 00:56:19.000
Y

00:56:19.000 --> 00:56:28.000
a mí me pasó, tío, con con una Mira que a mí me gustan las películas de El Padrino, Y había una serie sobre cómo se rodó El Padrino.

00:56:28.000 --> 00:56:34.000
La serie le sumaba, le sobraba el el cincuenta por ciento perfectamente de de de los capítulos.

00:56:34.000 --> 00:56:38.000
Me lo chupé entero porque, pero es fan de padrino, pero te tienes que aguantarlo, tienes que ver, ¿no?

00:56:39.000 --> 00:56:42.000
Y con eso me ha pasado con no con una sola, sino con dos o con tres.

00:56:42.000 --> 00:56:46.000
Luego, es verdad, si si en el proceso lo estoy gozando y lo estoy pasando

00:56:46.000 --> 00:56:50.000
bien, por ejemplo, ahora estoy viendo caballos lentos, slow horses, de Apple TV.

00:56:50.000 --> 00:56:53.000
Me parece una serie chulísima en la que cada cosa que pasa lo gozo, porque

00:56:53.000 --> 00:56:56.000
tiene giros humorísticos en una serie de espías que me encantan, se echa

00:56:56.000 --> 00:56:59.000
con mucha inteligencia, tiene las tramas muy bien planteadas, no es

00:56:59.000 --> 00:57:04.000
maniqueo, no no intenta darte la brasa con buenos y malos.

00:57:04.000 --> 00:57:06.000
En fin, es una serie perfecta para mí.

00:57:07.000 --> 00:57:12.000
Entonces, como la gozo tanto viéndola, pues no no me salto ni ni un minuto, me gusta verla.

00:57:12.000 --> 00:57:17.000
En fin, no sé a qué mundo vamos, pero puerta grande para la IA de de del Prime Video.

00:57:17.000 --> 00:57:27.000
Y ahora te traigo un caso, Martín, que realmente es satisfactorio ver la gran innovación aplicada en el mundo real, Matías.

00:57:27.000 --> 00:57:36.000
Estaba informando, Mathi, hay muchas mujeres jóvenes, muchas chicas que están aplicando la inteligencia artificial de una manera nueva y creativa.

00:57:37.000 --> 00:57:42.000
¿Cómo están haciendo ellas uso de, por ejemplo, chat GPT para ayudarles en su vida diaria?

00:57:43.000 --> 00:57:47.000
Pues muy fácil, cuando tienen un nuevo novio, una nueva pareja con honor

00:57:47.000 --> 00:57:51.000
de novia o cualquier tipo de flirteo y aproximación romántica o sexual,

00:57:51.000 --> 00:57:57.000
estas chicas deciden copiar toda la conversación de WhatsApp, ¿no?

00:57:57.000 --> 00:58:04.000
Decenas, decenas y cientos, o incluso miles de mensajes, y se lo suben a ChatGPT.

00:58:05.000 --> 00:58:11.000
¿Qué es lo que hacen una vez subido el contenido a esta inteligencia artificial?

00:58:11.000 --> 00:58:16.000
Pues, le consultan y le pasan la una serie de dudas sobre cuáles son las

00:58:16.000 --> 00:58:21.000
pretensiones reales de este individuo, qué Red Flags y qué es Green

00:58:21.000 --> 00:58:27.000
Flags me puedes decir, qué análisis de datos puede puedes hacerme.

00:58:28.000 --> 00:58:34.000
La usuaria Mimi Work Besti nos descubre un mundo nuevo, Mathey, porque Mimi

00:58:34.000 --> 00:58:40.000
Work Besti, en TikTok, hizo esto, le subió un zip con todos los WhatsApp

00:58:40.000 --> 00:58:47.000
y hizo un análisis pormenorizado de el potencial de esa relación.

00:58:47.000 --> 00:58:48.000
¿Qué le dijo ChatGPT?

00:58:48.000 --> 00:58:55.000
Pues ChatGPT dijo que en esos dos mil mensajes el pretendiente había hecho siete elogios de ella.

00:58:56.000 --> 00:59:04.000
Además, había hecho veintidós propuestas de planes y le había mandado mil veintidós mensajes por mil treinta y ocho mensajes de ella.

00:59:04.000 --> 00:59:08.000
Entonces, con todo este análisis, parecía claro que la pretensión y el

00:59:08.000 --> 00:59:12.000
interés del individuo eran bastante genuinos y bastante comprometidos, lo

00:59:12.000 --> 00:59:18.000
suficiente para que Mini World Besty le abra la puerta del amor y de las relaciones.

00:59:18.000 --> 00:59:23.000
Fíjate, es que esto la gente, a lo mejor, no lo asume, pero es el mejor

00:59:23.000 --> 00:59:28.000
ejemplo de el valor de la inteligencia artificial de los modelos grandes

00:59:28.000 --> 00:59:35.000
del lenguaje, en este caso, ChatGPT, en el trabajo con datos no estructurados.

00:59:35.000 --> 00:59:41.000
¿Cuál es uno de los grandes problemas de los profesionales individuales o de la pequeña empresa en España?

00:59:42.000 --> 00:59:46.000
Que no tenemos sistemas de, por ejemplo, de CRMs robustos, todo.

00:59:47.000 --> 00:59:50.000
No tenemos grandes intranel con toda la documentación, con todo

00:59:50.000 --> 00:59:53.000
organizado, sino que tenemos nuestra con todo ese hacer con los clientes

00:59:53.000 --> 00:59:57.000
ahí, test par de gas, por WhatsApp y por correo.

00:59:58.000 --> 01:00:05.000
Tenemos toda la información en muchos sistemas, local, su nube y todo, además, sin organizar, sin estructurar.

01:00:05.000 --> 01:00:08.000
Mimi World Pisting, con esta relación con su con su novio y su pareja, nos

01:00:08.000 --> 01:00:11.000
descubre un mundo nuevo de utilidad que yo voy a poner en todas mis

01:00:11.000 --> 01:00:16.000
presentaciones de inteligencia artificial ahora.

01:00:16.000 --> 01:00:20.000
El mejor modo de trabajo de la inteligencia artificial con datos no

01:00:20.000 --> 01:00:24.000
estructurados lo están haciendo las jóvenes actuales para entender bien

01:00:24.000 --> 01:00:29.000
las red flags y lascreen Flags de sus pretendientes sentimentales.

01:00:30.000 --> 01:00:33.000
Esto, bueno, yo vi que esto se hizo viral y luego mucha gente ha seguido,

01:00:33.000 --> 01:00:36.000
lo ha seguido, los consejos de esta chica y ha subido los tips de las

01:00:36.000 --> 01:00:39.000
conversaciones de de WhatsApp a ChatGPT, y bueno, ChatGPT ha encontrado

01:00:39.000 --> 01:00:44.000
mogollón de Red Flags.

01:00:44.000 --> 01:00:48.000
O sea, ChatGPT habrá roto en España decenas de relaciones, ¿no?

01:00:48.000 --> 01:00:54.000
Porque advierte a estas chicas de, ojo, que este señor tiene confusión de sentimientos, ¿no?

01:00:54.000 --> 01:00:57.000
O posiblemente te esté manipulando emocionalmente.

01:00:57.000 --> 01:00:58.000
Estos son reflax.

01:00:59.000 --> 01:01:01.000
¿Qué ocurre?

01:01:01.000 --> 01:01:02.000
Veo dos cosas.

01:01:02.000 --> 01:01:08.000
Primero, lo que dices de los datos no estructurados, a mí me viene súper bien, Antonio, porque ¿yo por qué nunca voy a llegar a jefe?

01:01:08.000 --> 01:01:11.000
Porque yo no soy capaz de mantener un Excel.

01:01:11.000 --> 01:01:18.000
Yo soy una persona que puede crear un Excel todo lo organizado que tú quieras, pero al segundo día está abandonado, ¿no?

01:01:18.000 --> 01:01:26.000
Entonces, ahora esto me da opciones a llegar a jefe, porque no necesito tanto orden en la estructuración de los datos.

01:01:26.000 --> 01:01:31.000
Luego, cuidado con el tema de rechazar todas las reflax, ¿por qué lo digo?

01:01:32.000 --> 01:01:36.000
Yo, en en mi experiencia, llevo veinte años con mi mujer, con el tiempo me

01:01:36.000 --> 01:01:41.000
he dado cuenta quién sería el hombre perfecto de mi mujer, Su padre, ¿vale?

01:01:41.000 --> 01:01:45.000
Porque su padre es una persona que tiene la vida muy organizada, es una

01:01:45.000 --> 01:01:49.000
persona muy activa, hace deporte a diario, tiene todas sus finanzas, su

01:01:49.000 --> 01:01:53.000
contabilidad, todo lo tiene en un Excel, súper bien organizado, es una

01:01:53.000 --> 01:01:57.000
persona muy servicial.

01:01:58.000 --> 01:02:01.000
Vale, yo soy diametralmente lo opuesto a su padre.

01:02:02.000 --> 01:02:06.000
Entonces, yo, en principio, habría saltado, pues, mogollón de Red Flags

01:02:06.000 --> 01:02:10.000
si Elena, nuestras conversaciones de MSN en Messenger las hubiera pasado

01:02:10.000 --> 01:02:16.000
por Chagépeted, que entonces no existía gracias a dios.

01:02:17.000 --> 01:02:24.000
Entonces, yo animaría a la gente a equivocarse con las Red Flags, a menos que sean Red Flags muy evidentes.

01:02:25.000 --> 01:02:28.000
No miro a nadie, conozco a muchas personas cuyas parejas son un poquito

01:02:28.000 --> 01:02:31.000
tóxicas, pero si no, si son red flags que están ahí en un punto

01:02:31.000 --> 01:02:34.000
intermedio, animo a la gente a intentar.

01:02:34.000 --> 01:02:36.000
Ya pienso que yo lo consigo.

01:02:36.000 --> 01:02:38.000
Hay que empujar ese concepto, ¿no?

01:02:38.000 --> 01:02:40.000
Son son defectos perdonables.

01:02:40.000 --> 01:02:41.000
¿No?

01:02:41.000 --> 01:02:47.000
Es que, claro, yo no solo he seguido la gran intervención de Mimi Work BESTI en TikTok, también está el caso

01:02:47.000 --> 01:02:50.000
que, bueno, esto lo lo compartía la las compañeras de de de Smoda, Lucía

01:02:50.000 --> 01:02:53.000
Franco hacía un artículo muy interesante sobre sobre esto, pero bueno,

01:02:53.000 --> 01:02:56.000
lo más importante y lo lo mejor del artículo para mí era el

01:02:56.000 --> 01:03:00.000
descubrimiento también de Alba Gingfe.

01:03:00.000 --> 01:03:05.000
Alba Gingfe ya venía un poco rascada, es decir, Alba, de alguna manera,

01:03:05.000 --> 01:03:11.000
sabía que el chico con el que chateaba, pues, probablemente, no no iba bien la cosa.

01:03:11.000 --> 01:03:17.000
De hecho, ella cuando sube la conversación a HGPT dice, esta es la, le

01:03:17.000 --> 01:03:23.000
pregunta a al a la inteligencia artificial, ¿son compatibles cucaracho y Alba?

01:03:23.000 --> 01:03:27.000
Sí, cuando ya estás llamando cucaracho al candidato, la la cosa no apunta bien.

01:03:27.000 --> 01:03:33.000
En todo caso, claro, ahí ChatGPT le saca muchas reflax, confusión de

01:03:33.000 --> 01:03:39.000
sentimientos, posible manipulación emocional, y Alba hace un un hallazgo

01:03:39.000 --> 01:03:45.000
que que es muy importante, que es, claro, es que ChatGPT es el nuevo amiga a date cuenta.

01:03:45.000 --> 01:03:49.000
Entonces, aquí yo me preocupa también en nuestro podcast hermano, Amiga

01:03:49.000 --> 01:03:54.000
date cuenta, que lo hemos mencionado varias veces, yo yo lo sigo habitualmente.

01:03:54.000 --> 01:03:56.000
De hecho, ahora le he perdido un poco la pista, no sé si se ha hecho

01:03:56.000 --> 01:03:58.000
exclusiva de Podemos o o qué o qué ha pasado, pero ya no no no me no me

01:03:58.000 --> 01:04:01.000
no me surge, tengo que rebuscarlo.

01:04:02.000 --> 01:04:06.000
Si Chat GPT es el nuevo amiga, date cuenta, el nuevo mi amiga que me ayuda

01:04:06.000 --> 01:04:10.000
a criticar a mi ex novio puede ser sustituido, atención, esta amistad

01:04:10.000 --> 01:04:16.000
fraterna, bueno, fraterna, en este caso, puede ser entre mujeres, ¿no?

01:04:17.000 --> 01:04:20.000
Pues mira, no te hacía oyente de amiga, date cuenta, pero esto demuestra

01:04:20.000 --> 01:04:23.000
que tu reloj tiene razón y eres mucho más joven de lo que

01:04:23.000 --> 01:04:26.000
biológicamente te corresponde o temporalmente te corresponde, porque yo

01:04:26.000 --> 01:04:31.000
no escucho, a mí se me queda ya demasiado joven ese podcast.

01:04:32.000 --> 01:04:34.000
Así que enhorabuena, Antonio, por tu trabajo para restablecer.

01:04:35.000 --> 01:04:42.000
Puerta grande claramente, trabajo no te, yo más joven, todos estos puertas grandes, por supuesto.

01:04:42.000 --> 01:04:46.000
Y te voy a traer el último en el que, no sé, yo creo que a veces a veces

01:04:46.000 --> 01:04:50.000
vivimos en el síndrome de, lo hemos contado mucho, usaciones, a lo mejor

01:04:50.000 --> 01:04:54.000
infundadas, de que los chavales usan inteligencia artificial para su deber

01:04:54.000 --> 01:05:00.000
y su trabajo, a veces sin la suficiente base.

01:05:00.000 --> 01:05:06.000
Entonces, esos falsos positivos, ese castigar a los justos por ¿no?

01:05:06.000 --> 01:05:12.000
Condenar a inocentes si la prueba es suficiente, es algo que socialmente deberíamos analizar, Matías.

01:05:12.000 --> 01:05:18.000
No sé si es el caso, te te voy a dejar que tú lo juzgues, que comparte el profesor Lucas Castro.

01:05:18.000 --> 01:05:23.000
Es profe del departamento de ingeniería industrial en Udimac, Universidad a Distancia de Madrid.

01:05:24.000 --> 01:05:29.000
Al al profesor Castro le presentaban ejercicios de química, son gente de

01:05:29.000 --> 01:05:34.000
chavales que estudian en remoto, y varios alumnos en en estos trabajos de

01:05:34.000 --> 01:05:39.000
química le ponían, reiteradamente, cajero automático en las soluciones, ¿no?

01:05:39.000 --> 01:05:40.000
Tú estabas ahí, bueno, mira.

01:05:46.000 --> 01:05:50.000
No, a la química orgánica, cajero automático no pega, ¿no?

01:05:50.000 --> 01:05:52.000
Es decir, incluso, cosa rara, ¿no?

01:05:52.000 --> 01:05:56.000
Entonces, Lucas, el profesor Castro, que es muy astuto, probó en Chat a

01:05:56.000 --> 01:06:00.000
Chat GPT a ponerle el mismo ejercicio y, claro, él dice, no puedo

01:06:00.000 --> 01:06:04.000
encontrar más cantidades de error en tal corto espacio, porque la

01:06:04.000 --> 01:06:08.000
mayoría de errores provienen de traducciones, es decir, en el valor de la

01:06:08.000 --> 01:06:12.000
contacto de los gas r, al traducir las unidades ATM, atmósferas, pone

01:06:12.000 --> 01:06:16.000
cajero automático, claro, ATM.

01:06:17.000 --> 01:06:23.000
Pero, claro, los litros, los l, los traduce como yo.

01:06:24.000 --> 01:06:26.000
Entonces, tú ves en el redactado, en una fórmula, ¿no?

01:06:26.000 --> 01:06:35.000
Los litros, por un lado, son los yos, y los ATM, la atmósfera son cajeros automáticos, y como ese, pues varios varios errores más.

01:06:35.000 --> 01:06:36.000
¿No?

01:06:36.000 --> 01:06:39.000
Entonces, claro, el el error es es molocotudo, esto es es total, y los

01:06:39.000 --> 01:06:42.000
alumnos, lo más divertido es que los alumnos ven esto de a cajero

01:06:42.000 --> 01:06:47.000
automático, John, estará bien, ¿no?

01:06:47.000 --> 01:06:51.000
Y pum, lo chutan ahí para acá, para para el profesor.

01:06:51.000 --> 01:07:03.000
A ver, esto no me extraña nada porque yo muchos de los sintetizadores que voz, de voz que uso, leen a del verbo, h a, como hectárea, ¿no?

01:07:03.000 --> 01:07:05.000
Y otras otras cosas así, ¿no?

01:07:05.000 --> 01:07:11.000
Entonces no me extraña nada que lo de ATM, de atmósfera, que es un cajero automático en inglés, lo traduzcan como cajero automático.

01:07:11.000 --> 01:07:20.000
Ahora, lo de la l de los litros como yo, esto me ha matado, porque esto es el es un fallo que no entiendo, una l no es una I mayúscula.

01:07:20.000 --> 01:07:24.000
Entonces, aquí hay un fallo de de OCR, es decir, le están pasando

01:07:24.000 --> 01:07:25.000
que le están

01:07:25.000 --> 01:07:30.000
haciendo una foto al problema y se lo están vendiendo a a ChatGPT como imagen.

01:07:30.000 --> 01:07:32.000
No, si no, no entiendo a él, yo estoy de

01:07:33.000 --> 01:07:37.000
El mínimo esfuerzo de del estudiante, yo creo que deberían aprobar

01:07:37.000 --> 01:07:41.000
solamente por por el el hecho de que le hagan una foto, ni siquiera

01:07:41.000 --> 01:07:47.000
transcriban, probablemente no lean ni intenten entender

01:07:47.000 --> 01:07:55.000
la pe del muchacho de la chica que ha hecho esto, dice, joder, suspendido por eficiente, suspendido por productividad, no no justo tampoco, ¿no?

01:07:57.000 --> 01:07:59.000
En fin, luego que arranque, subamos la productividad, el PIB y tal, y

01:07:59.000 --> 01:08:01.000
luego, bueno, cuando lo intentamos, nos nos penalizan así, no, no, no, no

01:08:01.000 --> 01:08:05.000
podemos desarrollarnos.

01:08:05.000 --> 01:08:08.000
Bueno, en todo caso, enfermería para los cajeros automáticos en la en los

01:08:08.000 --> 01:08:11.000
ejercicios de química, amigas, amigos, alumnos, por favor, sabemos que

01:08:11.000 --> 01:08:14.000
hay chavalada que que que ve el podcast y que lo, sobre todo que lo ve, la

01:08:14.000 --> 01:08:19.000
agenda más joven la tenemos en YouTube.

01:08:19.000 --> 01:08:21.000
Pues bueno, es Fortaro, una mijita importante que distingáis ahí entre

01:08:21.000 --> 01:08:23.000
atmósferas y cajero automático, no vaya a ser que luego trabajareis la

01:08:23.000 --> 01:08:27.000
previsión meteorológica.

01:08:28.000 --> 01:08:32.000
Y dicho esto, ¿qué es todo lo que traía para para este capítulo de monos Matías?

01:08:32.000 --> 01:08:36.000
Pues fantástico, me ha encantado este puerta grande de enfermería.

01:08:37.000 --> 01:08:42.000
Y bueno, creo que es el puerta grande de enfermería con más puertas grandes que hemos hecho últimamente.

01:08:43.000 --> 01:08:46.000
También me he dado cuenta que he filtrado todos los mensajes que tengo sin

01:08:46.000 --> 01:08:49.000
leer en LinkedIn, pero no pasa nada, porque como ha ganado Elon Musk las

01:08:49.000 --> 01:08:52.000
elecciones, x va a ser la everything app y la aplicación donde haremos

01:08:52.000 --> 01:08:56.000
todo a partir de ahora.

01:08:56.000 --> 01:09:02.000
Yo creo que ya se acerca la fecha en que Elon Musk dijo que esto iba a ser un banco o Twitter o algo así, ¿no?

01:09:02.000 --> 01:09:05.000
No sé, se se me cruzan los los mensajes, Matías.

01:09:06.000 --> 01:09:12.000
Pues, señoras y señores, muchas gracias por estar aquí y volvemos muy pronto con mucha más inteligencia artificial a Object Estocastic.