WEBVTT Kind: captions Language: es 00:00:00.000 --> 00:00:02.000 Hola a todos los monos estocásticos. 00:00:03.000 --> 00:00:08.000 Si se oye algún trueno de fondo es porque estamos en pleno aviso rojo de la EMET. 00:00:08.000 --> 00:00:15.000 Anoche nos sonaron aquí en Málaga los móviles con la alerta de protección civil por primera vez, y nada, se escucha en todo el bloque. 00:00:15.000 --> 00:00:16.000 ¿Tú qué tal, Antonio? 00:00:16.000 --> 00:00:26.000 Pues bien, Matty, aquí viendo llover y además cruzándome con una noticia que que me me ha hecho pensar mucho en ti. 00:00:27.000 --> 00:00:28.000 Sí. 00:00:28.000 --> 00:00:36.000 Porque ha habido una subasta artística en la que una obra de arte titulada A.A. 00:00:36.000 --> 00:00:43.000 Got, retrato de Alan Turing, se ha vendido por un millón de dólares. 00:00:43.000 --> 00:00:46.000 A mí me parece que alguien le han estafado, ¿no? 00:00:46.000 --> 00:00:58.000 Si esto se se supone que es que que es el primer cuadro pintado por una robotica y tal, con un proceso bastante peculiar, ¿no? 00:01:00.000 --> 00:01:02.000 Es decir, que hay una impresora tres D envuelta. 00:01:02.000 --> 00:01:06.000 En fin, hay un lienzo ahí final que se ha vendido por un millón. 00:01:06.000 --> 00:01:13.000 El el retrato me parece muy chulo, pero lo importante, lo importante, Mati, es que de repente se ha juntado esta noticia. 00:01:13.000 --> 00:01:18.000 El auge de las criptomonedas que vuelven a estar en una estás. 00:01:20.000 --> 00:01:24.000 y y que esté basado en en en retratos de Alan Turing y y me he acordado de 00:01:24.000 --> 00:01:28.000 cuánto paralelismo hay entre el gran querido de la informática y padre 00:01:28.000 --> 00:01:32.000 de la inteligencia artificial, el señor Turín, y Matías S punto, Fabi. 00:01:32.000 --> 00:01:36.000 Pues sí, yo, la verdad, espero que a mí en el futuro ningún robot de 00:01:36.000 --> 00:01:40.000 estos antropomórficos cutres no me pinte un retrato, porque yo me siento 00:01:40.000 --> 00:01:44.000 mal de que alguien haya podido ganar más de un millón de dólares con 00:01:44.000 --> 00:01:49.000 una propuesta tan cutre. 00:01:49.000 --> 00:01:52.000 Además, el robot se parece a a la limpiadora de de Bea la fea, la la la 00:01:52.000 --> 00:01:55.000 versión española de Betty la fea, que al final se quitaba la peluca y 00:01:55.000 --> 00:01:59.000 era la dueña de la empresa. 00:01:59.000 --> 00:02:02.000 Bueno, ya ya te he spoileado el final de la telenovela. 00:02:03.000 --> 00:02:08.000 Pero lo de Alan Turing, Antonio, estoy viendo muchos paralelismos con mi 00:02:08.000 --> 00:02:13.000 vida, porque yo me enteré el otro día que Alan Turing, en los cuarenta, 00:02:13.000 --> 00:02:18.000 preocupado por una posible invasión alemana, tomó la decisión de 00:02:18.000 --> 00:02:23.000 enterrar dos lingotes de plata, que si ajustas a la inflación, lo que 00:02:23.000 --> 00:02:28.000 valían entonces, hoy en día valdrían cuarenta y ocho mil libras. 00:02:28.000 --> 00:02:29.000 ¿Y qué le ocurrió? 00:02:29.000 --> 00:02:35.000 Que años después, cuando fue a buscarlos, no los encontró porque no 00:02:35.000 --> 00:02:41.000 conseguía descifrar sus propias instrucciones para recuperar los lingotes de plata. 00:02:41.000 --> 00:02:44.000 Y esto me recuerda a lo que me pasó a mí con los Bitcoins. 00:02:46.000 --> 00:02:49.000 Es que esa historia en el en el podcast monocistocásticos creo que 00:02:49.000 --> 00:02:52.000 todavía no ha salido, Mati, la gente está un poco fuera de juego, porque 00:02:52.000 --> 00:02:55.000 no acaban de converger las dos historias de Alan Turing, La Robotico, Los 00:02:55.000 --> 00:02:58.000 Lingotes de Plata y Matías Zabia. 00:02:58.000 --> 00:03:07.000 Pues mira, mi mujer tiene un primo que vive en Arabia, que le dio por las criptomonedas en una etapa muy temprana. 00:03:07.000 --> 00:03:10.000 El bitcoin creo que estaba como a seiscientos dólares, y el Doge, que 00:03:10.000 --> 00:03:13.000 ahora se ha vuelto a poner de moda, porque el gabinete que le ha dado 00:03:13.000 --> 00:03:17.000 trampa a Elon Musk también se llama Doge, ¿no? 00:03:17.000 --> 00:03:20.000 El de Partent of Eficience y no sé qué. 00:03:20.000 --> 00:03:24.000 Bueno, me hizo primero tantear a mí el terreno comprando una serie de 00:03:24.000 --> 00:03:28.000 criptomonedas y yo compré diez centavos de bitcoin que hoy en día valen 00:03:28.000 --> 00:03:33.000 unos ocho mil dólares. 00:03:33.000 --> 00:03:34.000 Entonces, ¿qué ocurrió? 00:03:35.000 --> 00:03:38.000 Que yo le hice una captura de pantalla a la contraseña, que era una lista 00:03:38.000 --> 00:03:41.000 de palabras aleatorias, y la guardé en el escritorio, y ese escritorio, a 00:03:41.000 --> 00:03:44.000 saber dónde quedó, pero ya está más que formateado el disco duro donde 00:03:44.000 --> 00:03:49.000 estaba esa esa contraseña. 00:03:50.000 --> 00:03:57.000 Así que ahora tengo ocho mil euros inaccesibles enterrados, uno de los lingotes de plata de Alan Turing. 00:03:57.000 --> 00:04:00.000 Triste historia, porque además puede ser aquí una moraleja. 00:04:01.000 --> 00:04:04.000 Qué bueno sería que una inteligencia artificial espiara todo el rato tu 00:04:04.000 --> 00:04:07.000 pantalla, Mathi, para evitar estas catástrofes económicas de de de 00:04:07.000 --> 00:04:11.000 inversor incipiente, ¿verdad? 00:04:11.000 --> 00:04:14.000 Yo ya lo he dicho, yo dejo a Google, a Microsoft, a quien quiera, les 00:04:14.000 --> 00:04:17.000 entrego en bandeja mi privacidad atada con un lacito, porque a mí estas 00:04:17.000 --> 00:04:22.000 cosas me vendrían muy bien, 00:04:22.000 --> 00:04:23.000 Sí, sí. 00:04:23.000 --> 00:04:26.000 Bueno, a mí me ha recordado toda esta historia y tu paralelismo con Alan 00:04:26.000 --> 00:04:29.000 Turing de que, en realidad, yo pensándolo mucho, creo que el el famoso 00:04:29.000 --> 00:04:33.000 que más se parece a mí es Rafa Nadal. 00:04:34.000 --> 00:04:37.000 sí, el el el mejor deportista de la historia 00:04:38.000 --> 00:04:39.000 Homilidad comparativa. 00:04:39.000 --> 00:04:42.000 El ídolo de la España que madruga, Matías. 00:04:42.000 --> 00:04:45.000 Bueno, pues, ¿en qué nos parecemos tanto Rafa Nadal y yo? 00:04:45.000 --> 00:04:50.000 Pues el otro día entrenando me fijé y me di cuenta de que tanto Rafa como 00:04:50.000 --> 00:04:55.000 yo no soportamos el sudor en la cara y tenemos como unos veinticinco tics 00:04:55.000 --> 00:05:00.000 para, en cuanto empiezas a sudar en en en el rostro, en la cara, pues 00:05:00.000 --> 00:05:05.000 tener siempre una toalla disponible y un ritual para evitar ese momento y 00:05:05.000 --> 00:05:11.000 que decline nuestro performance deportivo, Matías. 00:05:12.000 --> 00:05:20.000 Bueno, a ver, yo tengo un Kia, creo que el parecido mío a Rafa Nadal es al tuyo con el sudor, pero bueno, cada uno que 00:05:20.000 --> 00:05:25.000 Claro, yo que estoy pensando pedirle a los Reyes una cinta de esta como de los ochenta, de que se pone así, ¿no? 00:05:25.000 --> 00:05:33.000 Deportiva, de esta, con que se pone en la frente, pero en ese momento, claro, pasaré de Rafa Nadal, que que, bueno, también la usa, ¿no? 00:05:33.000 --> 00:05:38.000 Pero me pareceré más a César Glue, que es el el que pasará la historia 00:05:38.000 --> 00:05:43.000 con con esa imagen de de de la de esa cinta en en la cabeza para frenar el sudor. 00:05:43.000 --> 00:05:46.000 Entonces, bueno, es uno de los dilemas de de qué dos caminos tirar en la 00:05:46.000 --> 00:05:49.000 vida para mí, que es mis únicas dos opciones son Oma Rafanadal o 00:05:49.000 --> 00:05:52.000 Matthesarguru, pero hay un camino que debería tomar este podcast, que es 00:05:52.000 --> 00:05:55.000 que la intro no pase de los seis minutos y empezamos a hablar de algo con 00:05:55.000 --> 00:05:58.000 un mínimo interés. 00:05:58.000 --> 00:05:59.000 Matías. 00:06:17.000 --> 00:06:24.000 Pues mira, podemos empezar hablando de los nuevos de FreePick, porque llevo cuarenta y ocho horas jugando con ellos. 00:06:24.000 --> 00:06:29.000 Y la gente, Antonio, no se ha creído que estas fotos que he subido a Twitter sean reales. 00:06:30.000 --> 00:06:36.000 Estos somos tú y yo, enterrar CrossFit, una mañana en cualquiera. 00:06:36.000 --> 00:06:40.000 Claro, a lo mejor es por la iluminación y tal, la gente dice, uf, no no no 00:06:40.000 --> 00:06:44.000 me lo creo, pero es verdad que es, yo las veo bastante ajustada a esa realidad. 00:06:44.000 --> 00:06:49.000 Bueno, nuestros oyentes que no no no están visualizando el vídeo, pues, simplemente, Matías y yo entrando. 00:06:49.000 --> 00:06:54.000 Fíjate, a lo mejor la niña puede parecer más falsa porque yo levanto mancuernas mucho más pesadas, ¿no? 00:06:54.000 --> 00:06:57.000 Esas tan pequeñitas que me ha puesto esta imagen, ¿no? 00:06:57.000 --> 00:07:01.000 Pero quitando eso, pues bueno, yo creo que que bien. 00:07:01.000 --> 00:07:03.000 Y además, por una vez yo estoy a favor de este modelo, porque uno de los 00:07:03.000 --> 00:07:05.000 pocos modelos de inteligencia artificial que cuando hago una adaptación 00:07:05.000 --> 00:07:09.000 de mis imágenes no me quita pelo. 00:07:09.000 --> 00:07:14.000 Y es un error de la ILA que me tiene un poco ahí consternado y preocupado. 00:07:14.000 --> 00:07:17.000 Pero bueno, vamos a explicar un poquito todo esto de de de las loras que 00:07:17.000 --> 00:07:20.000 lleva años disponible y que en el que mucha gente ha entrado antes que 00:07:20.000 --> 00:07:23.000 FreePick, pero que, bueno, vamos a aprovechar este este lanzamiento de 00:07:23.000 --> 00:07:26.000 nuestros vecinos porque creo que han entrado con una solución muy bien 00:07:26.000 --> 00:07:32.000 ejecutada y y y muy bien hecha, ¿no? 00:07:32.000 --> 00:07:34.000 Básicamente, ¿qué qué te ha permitido hacer, Mati? 00:07:34.000 --> 00:07:38.000 Bueno, pues la herramienta nueva se llama Characters, En el en la suite de 00:07:38.000 --> 00:07:42.000 herramientas de IA de FreePick, ahora puedes entrenar un lora, es decir, 00:07:42.000 --> 00:07:46.000 subirle un mínimo de ocho fotos de tu cara o de la cara de un conocido, 00:07:46.000 --> 00:07:50.000 como he hecho yo con Antonio, y, a partir de ahí, generar imágenes con 00:07:50.000 --> 00:07:54.000 los modelos Flux y Mystic de FreePeak, pero con la cara de tu conocido o 00:07:54.000 --> 00:07:58.000 con tu propia cara haciendo lo que se haya llamado siempre un deep fake, 00:07:58.000 --> 00:08:06.000 que además son muy resultones, ¿no? 00:08:06.000 --> 00:08:07.000 Y pueden ser de todos los estilos, ¿no? 00:08:07.000 --> 00:08:11.000 También compartimos este que era como de estilo anime, más o menos, ¿no? 00:08:11.000 --> 00:08:14.000 Y el Antonio Científico Loco y yo Científico Loco también. 00:08:14.000 --> 00:08:23.000 Sí, bueno, esos colores son un poco estilo manga, anime romántico y sí juvenil, ¿no? 00:08:24.000 --> 00:08:26.000 Ya empezamos a Pero 00:08:26.000 --> 00:08:27.000 aquí hay shippeando, ¿no? 00:08:27.000 --> 00:08:28.000 Se está shippeando Antonio Matías, ¿no? 00:08:28.000 --> 00:08:31.000 Sí, sí, yo creo que hay hay hay, claro, la idea está inventando una 00:08:31.000 --> 00:08:34.000 tensión sexual entre nosotros, que a lo mejor para la siguiente temporada 00:08:34.000 --> 00:08:37.000 debemos fomentarla, Matías, porque allá el decir tonterías sobre 00:08:37.000 --> 00:08:40.000 nosotros dos entrenando se está agotando y hay que entrar en una etapa un 00:08:40.000 --> 00:08:45.000 poquito más más picante para crecer en audiencia. 00:08:45.000 --> 00:08:49.000 Pero bueno, vamos a a la parte seria, es decir, todo esto de los lora es es 00:08:49.000 --> 00:08:53.000 muy interesante, básicamente, consiste en que tú ya tienes un modelo 00:08:53.000 --> 00:08:57.000 entrenado de generación de imágenes, y luego con muy poco entrenamiento 00:08:57.000 --> 00:09:01.000 y gastando muy poquitos muy poquitos recursos de de computación, pues se 00:09:01.000 --> 00:09:05.000 puede adaptar con algunos pequeños conjuntos del parámetro, algunos 00:09:05.000 --> 00:09:09.000 pequeños conjuntos parámetros del modelo, perdón, mientras que todo el 00:09:09.000 --> 00:09:13.000 resto se queda como congelado. 00:09:13.000 --> 00:09:17.000 Como sin perder rendimiento ni ni posibilidades. 00:09:18.000 --> 00:09:22.000 Entonces, pues eso llevado a los modelos de de imágenes como Flux, que es 00:09:22.000 --> 00:09:26.000 el que está usando FreeTeak, pues consigues añadir una parte de 00:09:26.000 --> 00:09:30.000 entrenamiento, pues, pues muy fácilmente, ¿no? 00:09:30.000 --> 00:09:34.000 Entonces, lo parte interesante es que que esto de los loras se se podría 00:09:34.000 --> 00:09:38.000 hacer y mucha gente lo hemos probado en local, con servicios online, en 00:09:38.000 --> 00:09:42.000 local con Stable Diffusion, pero creo que juntando el todas las piezas que 00:09:42.000 --> 00:09:46.000 han puesto sobre la mesa, que son los modelos Flux, que están a un nivel 00:09:46.000 --> 00:09:51.000 estupendísimo en generación de imágenes, con el Mystic, ¿no? 00:09:51.000 --> 00:09:55.000 Que es ese ese escalado que que permite desde que compraron Teamagnific, 00:09:55.000 --> 00:09:59.000 desde que compraron Magnific, correcto, pues tienes esta opción de 00:09:59.000 --> 00:10:03.000 carácter de de personajes a medida y y fíjate una cosa interesante, 00:10:03.000 --> 00:10:07.000 porque llevamos debatiendo varios años ya advirtiendo de que, claro, con 00:10:07.000 --> 00:10:11.000 la generación de imágenes fake, la gente creará imágenes fake, pero 00:10:11.000 --> 00:10:15.000 siempre pensamos en el caso de uso de otros para perjudicarlos o para 00:10:15.000 --> 00:10:20.000 engañarnos, etcétera. 00:10:20.000 --> 00:10:24.000 Pero mi sospecha que, sobre todo, vamos a querer y vamos a hacer imágenes 00:10:24.000 --> 00:10:28.000 de nosotros mismos para mostrarnos en el metaverso digital de con un 00:10:28.000 --> 00:10:32.000 capital o un estatus o algo que a lo mejor carecemos en el mundo real y de 00:10:32.000 --> 00:10:36.000 de repente, pues, tendremos nuestra capacidad de mostrarnos en cualquier 00:10:36.000 --> 00:10:40.000 lugar del mundo, con cualquier coche súper deportivo, con un capital 00:10:40.000 --> 00:10:44.000 erótico de que a lo mejor no alcanzamos en el mundo real y que esa puede 00:10:44.000 --> 00:10:51.000 ser una de las derivas y usos más frecuentes de este tipo de soluciones. 00:10:52.000 --> 00:10:56.000 Fíjate, yo creo que este esto tiene un problema, es que a la gente le 00:10:56.000 --> 00:11:00.000 fatiga mucho cuando alguien empieza a publicar imágenes más o menos del 00:11:00.000 --> 00:11:05.000 mismo estilo, de un estilo homogéneo, generadas con Ia. 00:11:05.000 --> 00:11:10.000 Y yo, este este cartucho lo quemé ayer, publiqué tantas fotos mías y 00:11:10.000 --> 00:11:15.000 tuyas con los loras que me parece que a partir de ahora ya no puedo subir más. 00:11:16.000 --> 00:11:21.000 Pero el integrar todo esto en una suite de herramientas, que básicamente 00:11:21.000 --> 00:11:26.000 es el Photoshop hecho en Málaga, tiene una utilidad que va más allá de 00:11:26.000 --> 00:11:32.000 la gente como yo, que no sabemos hacerla o con un canuto. 00:11:32.000 --> 00:11:36.000 Yo, por ejemplo, a mi hermana le he hablado de esta otra función, los 00:11:36.000 --> 00:11:40.000 custom styles, que son los estilos personalizados, porque ella ya es 00:11:40.000 --> 00:11:44.000 ilustradora y a lo mejor lo que quiere es enseñarle a estos modelos su 00:11:44.000 --> 00:11:48.000 propio estilo para generar en segundos imágenes con, pues, su propio 00:11:48.000 --> 00:11:54.000 trazo, etcétera, etcétera. 00:11:54.000 --> 00:11:59.000 O sea, que esto, integrar todo esto en este tipo de aplicaciones creativas tiene todo el sentido del mundo. 00:11:59.000 --> 00:12:03.000 Claro, porque ahí tienes la consistencia del personaje, pero también la consistencia del estilo. 00:12:03.000 --> 00:12:07.000 Al final, uno de los grandes problemas de los modelos de inteligencia 00:12:07.000 --> 00:12:11.000 artificial en general, y te lo generativo de imágenes en particular, es 00:12:11.000 --> 00:12:15.000 esa aleatoriedad, esa estocástica que tienen cada uno de ellos y que, 00:12:15.000 --> 00:12:19.000 bueno, sube un peldaño la creatividad y lo que puedes encontrar y crear 00:12:19.000 --> 00:12:23.000 de una manera inesperada, pero a la hora de hacer una obra consistente, 00:12:23.000 --> 00:12:27.000 pensemos en una en un trabajo gráfico de una novela gráfica en la que un 00:12:27.000 --> 00:12:31.000 mismo personaje se mantiene, en la que quieres mantener tu propio estilo, 00:12:31.000 --> 00:12:39.000 pues, realmente, esa esas herramientas, pues, lo dificultaban, ¿no? 00:12:39.000 --> 00:12:42.000 Entonces, a la hora de trabajar de una manera artística, creativa, de una 00:12:42.000 --> 00:12:45.000 manera más consistente con con estos servicios, pues, este tipo de 00:12:45.000 --> 00:12:49.000 soluciones son son muy útiles. 00:12:49.000 --> 00:12:56.000 Que los custom styles a mí me gusta muchísimo cómo cómo lo tenía resuelto, cómo lo tiene resuelto MidJourney, que lo lo hace muy bien. 00:12:56.000 --> 00:13:01.000 Y luego, con lo que tú dices de del Photoshop, creo que pronto tenemos que 00:13:01.000 --> 00:13:06.000 traernos al podcast a alguien de del mundo de la imagen, porque con la 00:13:06.000 --> 00:13:11.000 entrada de la inteligencia artificial generativa, está claro que todo el 00:13:11.000 --> 00:13:16.000 el el el ciclo, el workflow del del creativo se se ve alterado, ¿no? 00:13:16.000 --> 00:13:20.000 Y, de repente, quienes, de alguna manera, estaban en un peldaño de la 00:13:20.000 --> 00:13:24.000 cadena de de valor, quieren conquistar la otra y los del otro peldaño 00:13:24.000 --> 00:13:28.000 quieren conquistar la tuya. 00:13:28.000 --> 00:13:32.000 Y así tenemos casos como el de FreePick, que al final era tener recursos 00:13:32.000 --> 00:13:36.000 de imágenes, pero de repente se meten crear imágenes, en editar 00:13:36.000 --> 00:13:42.000 imágenes, pues realmente están intentando capturar algo que ellos no tenían antes. 00:13:42.000 --> 00:13:50.000 Y a la vez Photoshop puede decirte lo mismo, ya no tienes que buscarte las fotos de stock o fotos de un diseñador o, ¿no? 00:13:50.000 --> 00:13:56.000 O ese arte que antes comprabas en en un free pick, porque lo puedes generar aquí dentro. 00:13:56.000 --> 00:14:01.000 Por lo tanto, ya realmente nosotros conquistamos otra parte de la cadena de valor en la que estaba free pick. 00:14:01.000 --> 00:14:09.000 Y entonces, en ese en ese debate yo creo que que creo que está combatiéndose y está peleándose el mundo de de la de la imagen, Matías. 00:14:09.000 --> 00:14:14.000 Pues nada, terminan algunos negocios como los bancos de imágenes y empiezan otros, ¿no? 00:14:14.000 --> 00:14:21.000 Hubo más individualistas, pero con más oportunidades para gente que son ellos solos y nadie más. 00:14:21.000 --> 00:14:25.000 Y bueno, hablando de aprovechar las oportunidades en el mundo de la 00:14:25.000 --> 00:14:29.000 inteligencia artificial, Matty, esta semana nos acompaña a alguien que 00:14:29.000 --> 00:14:34.000 puede ayudar a nuestra audiencia y a nosotros a hacerlo. 00:14:34.000 --> 00:14:43.000 De lejos, la pregunta que más me hace la gente, los oyentes, amigos, es ¿qué cursos puedo hacer para aprender más de inteligencia artificial? 00:14:43.000 --> 00:14:47.000 Nosotros siempre vamos a recomendar los programas de founders, sobre todo 00:14:47.000 --> 00:14:51.000 ahora, porque desde que se publica este episodio, desde el catorce de 00:14:51.000 --> 00:14:55.000 noviembre hasta el diecisiete de noviembre, en founders están con un 00:14:55.000 --> 00:15:02.000 descuento del treinta por ciento por el Black Friday. 00:15:03.000 --> 00:15:06.000 Sí, además, esta oferta, pues incluye tres meses de chat GPT para 00:15:06.000 --> 00:15:09.000 aprovecharlo a fondo de la suscripción y y, bueno, Matthes y yo hemos 00:15:09.000 --> 00:15:12.000 hecho parte de del curso de de de founder, en la que, bueno, es verdad que 00:15:12.000 --> 00:15:15.000 yo voy más adelantado, Mathi, tú te, tú estás un poco ahí, un poco 00:15:15.000 --> 00:15:18.000 con con asuntos pendientes, pero bueno, a mí a mí la parte que me ha 00:15:18.000 --> 00:15:21.000 gustado un poco de ello es que, aparte de una formación estructurada, 00:15:21.000 --> 00:15:24.000 pues siempre tiene que clases magistrales, invitados, gente que entra en 00:15:24.000 --> 00:15:27.000 una industria en concreto, que hace un caso de uso y te lo y te lo 00:15:27.000 --> 00:15:35.000 explique por qué lo lo han hecho ellos. 00:15:35.000 --> 00:15:37.000 Entonces, bueno, wichcloud. 00:15:37.000 --> 00:15:40.000 Pues nada, además de aprender un poco de proptain engineering, vas a poder aplicar estas 00:15:40.000 --> 00:15:48.000 que te como el chat GPT que te están regalando durante tres meses para un uso profesional y para desarrollar tu carrera, ¿no? 00:15:48.000 --> 00:15:52.000 Así que aprovecha hasta el diecisiete de noviembre este descuento que te da Founders. 00:15:53.000 --> 00:15:57.000 Ay, diecisiete de noviembre es la fecha límite de Founders, y dos mil 00:15:57.000 --> 00:16:01.000 veinticinco, dos mil veintiséis, dos mil veintisiete son la fecha límite 00:16:01.000 --> 00:16:06.000 de la madre de todos los hipes de la historia de la tecnología. 00:16:06.000 --> 00:16:10.000 La madre de todos los hipes de la inteligencia artificial, porque a pesar 00:16:10.000 --> 00:16:14.000 de que ya hemos dedicado un episodio a las predicciones de la inteligencia 00:16:14.000 --> 00:16:19.000 artificial general, Mathi, el sector no para. 00:16:19.000 --> 00:16:23.000 Ha sido, llevamos unos cinco días polarizados, divididos, con visiones 00:16:23.000 --> 00:16:27.000 enfrentadas, pero no ya sobre la prospectiva de futuro, sino sobre lo que 00:16:27.000 --> 00:16:31.000 está pasando ya con los modelos de inteligencia artificial que tenemos en 00:16:31.000 --> 00:16:38.000 las manos, Patricia. 00:16:38.000 --> 00:16:41.000 Fíjate, nos invitaron a Pamplona, a la Cámara de Comercio de Navarra a 00:16:41.000 --> 00:16:44.000 hablar sobre AGI, sobre inteligencia artificial general, es decir, la 00:16:44.000 --> 00:16:47.000 inteligencia artificial que iguala a nivel cognitivo a los humanos, y 00:16:47.000 --> 00:16:50.000 parece que manejaban información interna porque desde que nos invitaron a 00:16:50.000 --> 00:16:53.000 este evento no se ha hablado de otra cosa en el sector que de la AGI, 00:16:53.000 --> 00:16:56.000 hasta Osa Malman, ha estado Darío Modell, están todos los grandes ahí 00:16:56.000 --> 00:17:05.000 actores de la AGI hablando de AGI, ¿no? 00:17:05.000 --> 00:17:06.000 Y de cuándo va a llegar. 00:17:06.000 --> 00:17:12.000 Sí, muy bien tirado por la Cámara de Comercio de Navarra, que que nos estaremos por allí el veintisiete de noviembre. 00:17:12.000 --> 00:17:15.000 Si lo buscáis en la web, pues, pues, podéis apuntaros todos nuestros 00:17:15.000 --> 00:17:18.000 amigos pamplónicas y de alrededores y, bueno, ahí hablaremos de la AGI, 00:17:18.000 --> 00:17:21.000 pero ya hay alguien que está hablando mucho más del AGI que nosotros, 00:17:21.000 --> 00:17:26.000 que es nuestro amigo Sam Allman. 00:17:26.000 --> 00:17:30.000 Sam, que no para de de gpear el el sector, ha dado una nueva entrevista en 00:17:30.000 --> 00:17:34.000 un en YouTube, un nuevo podcast que ha que ha grabado, y ha dicho cosas 00:17:34.000 --> 00:17:38.000 muy interesantes que además las dice con cierta con cierto toque 00:17:38.000 --> 00:17:42.000 enigmático, sin acabar de rematarlas y sin acabar de de de concretar 00:17:42.000 --> 00:17:48.000 explícitamente. 00:17:49.000 --> 00:17:53.000 Recordemos, la última previsión de nuestro amigo Sam era que la 00:17:53.000 --> 00:17:57.000 inteligencia artificial general, esa de nivel humano, esa que podría 00:17:57.000 --> 00:18:01.000 desarrollarse profesionalmente en una pleya de de de tareas y no estar 00:18:01.000 --> 00:18:05.000 constreñida a un solo aspecto de la comunicación o de o de la de la 00:18:05.000 --> 00:18:10.000 labor intelectual, llegaría en miles de días. 00:18:10.000 --> 00:18:20.000 Fue el último post que escribió el CEO de OpenEye, pero en esta entrevista le preguntan, ¿qué te cita de dos mil veinticinco, Sam? 00:18:20.000 --> 00:18:25.000 Y el amigo dice lo siguiente, la inteligencia artificial general, estoy 00:18:25.000 --> 00:18:31.000 excitado, estoy emocionado con eso, y lo hice, ¿y con qué voy a tener un hijo? 00:18:31.000 --> 00:18:35.000 Claro, es distinto porque todo el mundo está titulando, Sanar me dice que 00:18:35.000 --> 00:18:39.000 la AGI llega en dos mil veinticinco, pero bueno, él es un poco ladino, ¿no? 00:18:39.000 --> 00:18:44.000 Es un poco cuco y dice, oye, no, no, no, yo estoy emocionado que con la AGI 00:18:44.000 --> 00:18:50.000 en dos mil veinticinco, pero no es exactamente igual que decir que va a llegar. 00:18:50.000 --> 00:18:58.000 En todo caso, es un tío que tira muy bien el anzuelo, que sabe muy bien que esto va a ser el titular y que va a estar en todos los debates. 00:18:58.000 --> 00:19:08.000 Así que bueno, dice muchas más cosas, pero pero ese es el ese es el punto de partida de un nuevo ciclo del hype en El Salvador de la IGA, Mathey. 00:19:08.000 --> 00:19:14.000 Bueno, ahora ya sabemos por qué piensa en la AGI en términos de días y no de años. 00:19:14.000 --> 00:19:20.000 Pues eso, porque ya tiene el mute padre de pensar en a ver cuántos meses tiene mi hijo. 00:19:20.000 --> 00:19:25.000 Así que nada, buenas nuevas para para Cham Altman personalmente, y 00:19:25.000 --> 00:19:30.000 también internamente para para OpenAI, porque aunque no haya dicho 00:19:30.000 --> 00:19:35.000 específicamente que la AGI llega en dos mil veinticinco, hay optimismo 00:19:35.000 --> 00:19:41.000 dentro de OpenAI sobre que no estamos tan lejos. 00:19:41.000 --> 00:19:45.000 Sí, claro, él en la entrevista dice que ellos ven claro que saben lo que 00:19:45.000 --> 00:19:49.000 tienen que hacer, Que da mucho trabajo para el AGI, blablablá, hay 00:19:49.000 --> 00:19:53.000 algunas incógnitas todavía, pero básicamente sabemos lo que hay que 00:19:53.000 --> 00:19:57.000 hacer y que trabajando duro y llevando un tiempo, tendremos la emoción de 00:19:57.000 --> 00:20:02.000 que de que de que vamos a llegar al AGI. 00:20:02.000 --> 00:20:07.000 Recordemos que la empresa de Altman tenía un un roadmap, tenía un un 00:20:07.000 --> 00:20:12.000 itinerario por el cual se iba a llegar, lo hemos discutido varias veces en el podcast. 00:20:12.000 --> 00:20:15.000 Primero, los chavos que dominan el lenguaje, la siguiente, el siguiente 00:20:15.000 --> 00:20:18.000 paso era que la IA pudiera razonar, y ahí se creen haberlo conseguido con 00:20:18.000 --> 00:20:21.000 el modelo O uno. 00:20:22.000 --> 00:20:26.000 Luego estaría la parte de los agentes inteligentes, que también le hemos 00:20:26.000 --> 00:20:30.000 dedicado a un capítulo completo en mono histopático, pero bueno, la la 00:20:30.000 --> 00:20:35.000 IA es capaz de de hacer planes planes en varios pasos y es capaz de ejecutar. 00:20:35.000 --> 00:20:37.000 Luego, la IA es inventora. 00:20:39.000 --> 00:20:43.000 Ahí tenemos que discutir un poco muy bien a qué hablamos cuando decimos 00:20:43.000 --> 00:20:47.000 que la ILA es inventora, y el último nivel es que la ILA tiene esa 00:20:47.000 --> 00:20:51.000 capacidad de tener una inteligencia general para un conjunto de, para todo 00:20:51.000 --> 00:20:55.000 el conjunto de labores intelectuales y del nivel de de de un ser humano. 00:20:55.000 --> 00:20:59.000 A mí la inventora ya me emociona, porque yo llevo esperando desde Regreso 00:20:59.000 --> 00:21:03.000 al futuro el patinete este que vuela y los coches voladores, y en una en 00:21:03.000 --> 00:21:07.000 un en otro segmento de de la entrevista se habla de un hackathon en el que 00:21:07.000 --> 00:21:11.000 un concursante consiguió mejorar el perfil aerodinámico de algo que no 00:21:11.000 --> 00:21:15.000 volaba a algo con suficiente sustentación para volar, entonces, a mí la 00:21:15.000 --> 00:21:22.000 IA inventora es una cosa que me emociona particularmente. 00:21:22.000 --> 00:21:25.000 Sí, sí, sí, sí, hombre, ahí están, bueno, es que, claro, podéis 00:21:25.000 --> 00:21:28.000 inventar también la la las cápsulas de Acme, de de Bola de Dragón, hay 00:21:28.000 --> 00:21:31.000 un montón de cosas que la gente de mi generación está esperando y no no 00:21:31.000 --> 00:21:34.000 ha sucedido, bueno, confiaremos en en OpenEye, pero no es el único 00:21:34.000 --> 00:21:41.000 hypeador, Mathee, en el mundo de la ILA. 00:21:41.000 --> 00:21:47.000 Darío Modey ha dado una entrevista cinco horas en lo del Netflix, madre mía. 00:21:48.000 --> 00:21:53.000 Me la puse para ir al crossfit, me la puse para volver al crossfit, me la puse para 00:21:53.000 --> 00:21:58.000 de dormir, y creo que llevo, no sé, un veinte por ciento de la entrevista. 00:21:58.000 --> 00:22:07.000 Yo no sé cómo esta gente, aparte de dirigir una empresa que está en boca de todos, tiene tiempo para ir a grabar un podcast de cinco horas y media. 00:22:07.000 --> 00:22:09.000 A lo mejor es que han conseguido la ágil internamente y tienen ya a la a 00:22:09.000 --> 00:22:11.000 la inteligencia artificial ahí trabajando, y dices, bueno, me puedo 00:22:11.000 --> 00:22:13.000 dedicar a, claro, ¿a qué dedicaremos el tiempo cuando haya esa 00:22:13.000 --> 00:22:17.000 abundancia de superinteligencia? 00:22:18.000 --> 00:22:21.000 Pues iremos a a grabar podcast, es bastante obvio, ¿no? 00:22:21.000 --> 00:22:24.000 Bueno, el caso es que Darío es muy optimista. 00:22:24.000 --> 00:22:28.000 Él dice que si extrapolas las curvas que tenemos hasta ahora, ese alcanzar 00:22:28.000 --> 00:22:32.000 el nivel de un alumno de primaria, ese alcanzar ese nivel de un chaval de 00:22:32.000 --> 00:22:36.000 instituto, es alcanzar que nos estamos acercando, bueno, Open Eye, más 00:22:36.000 --> 00:22:43.000 que antropito, hay que decirlo, al nivel de un doctorado. 00:22:43.000 --> 00:22:46.000 Por lo tanto, si tú extrapolas la curva, pues está claro, dice Darío, 00:22:46.000 --> 00:22:49.000 que vamos a llegar a una inteligencia artificial general, incluso a una 00:22:49.000 --> 00:22:52.000 superinteligencia. 00:22:53.000 --> 00:22:56.000 Claro, el el problema de extrapolar las curvas es que al comienzo de una 00:22:56.000 --> 00:22:59.000 curva tú puedes pensar que esta curva es exponencial y que va a seguir 00:22:59.000 --> 00:23:02.000 creciendo para siempre, pero conforme pasa el tiempo, pueden aparecer las 00:23:02.000 --> 00:23:07.000 anécdotas y puede parar ese crecimiento. 00:23:07.000 --> 00:23:10.000 Esto lo lo explicaba muy bien siempre Bertrand Russell de de las 00:23:10.000 --> 00:23:13.000 extrapolaciones, que hay que tener con cuidado, porque él decía que el 00:23:13.000 --> 00:23:16.000 pavo que está criando una familia americana, un poco la referencia 00:23:16.000 --> 00:23:19.000 cultural, cada día, pues ve que vienen y le alimentan y le cuidan y le 00:23:19.000 --> 00:23:25.000 curan y lo mantienen caliente y lo mantienen protegidos. 00:23:26.000 --> 00:23:32.000 Entonces, el pavo pasa un día, una semana, un mes y cada vez ve que lo tratan mejor y que va engordando y que va todo estupendo. 00:23:33.000 --> 00:23:36.000 Entonces, las predicciones del pavo cada día cuando amanece es que va a 00:23:36.000 --> 00:23:39.000 ser un día fantástico porque se basa en todo lo anterior, pero llega el 00:23:39.000 --> 00:23:42.000 día de acción de gracias, llega el que los ha alimentado, le raja el 00:23:42.000 --> 00:23:48.000 cuello, lo mata, lo despluma, lo mete en un horno y se lo comen. 00:23:48.000 --> 00:23:52.000 Entonces, las predicciones basadas en vamos a extrapolar a partir de lo que 00:23:52.000 --> 00:23:56.000 ha pasado antes, bueno, epistemológicamente, pues tienen alguna 00:23:56.000 --> 00:24:00.000 dificultad, porque el modelo que que lo sustenta no puede, puede ser algo 00:24:00.000 --> 00:24:04.000 que no, que no sea exactamente, ¿no? 00:24:04.000 --> 00:24:05.000 Lo que pasa 00:24:05.000 --> 00:24:09.000 es que el tío el tío este que tuiteó hace poco, mi hijo ha engordado 00:24:09.000 --> 00:24:13.000 cinco kilos en tanto tiempo, extrapolando cuando tenga no sé cuántos 00:24:13.000 --> 00:24:17.000 años pesará doscientos veintinueve toneladas, no sé qué, 00:24:17.000 --> 00:24:18.000 bueno, pues, 00:24:18.000 --> 00:24:19.000 más o menos lo 00:24:21.000 --> 00:24:26.000 Un poco menos eres ybaiyano, si has entrado en un proceso de de mejora física. 00:24:26.000 --> 00:24:31.000 Pues del de escalar los modelos y y de este crecimiento no lineal, vamos a 00:24:31.000 --> 00:24:36.000 tener que hablar largo y tendido, porque una cosa que sí escuché de la 00:24:36.000 --> 00:24:41.000 entrevista es cuando habla de los datos disponibles para el entrenamiento. 00:24:41.000 --> 00:24:46.000 El miedo de estas empresas ahora mismo es quedarse sin datos, porque ya han escaneado todo Internet. 00:24:47.000 --> 00:24:50.000 En Internet hay mucho contenido basura, decía, daba, Amadei, daba como 00:24:50.000 --> 00:24:53.000 ejemplo, hay mucho contenido optimizado para Google, no sé de qué 00:24:53.000 --> 00:24:56.000 hablas, Amadei, yo no he visto nada de eso en Internet, y y hay mucho 00:24:56.000 --> 00:24:59.000 contenido de baja calidad, ¿no? 00:24:59.000 --> 00:25:03.000 Entonces, el miedo principal que tienen para no alcanzar esa AGI en los 00:25:03.000 --> 00:25:07.000 tiempos previstos, que en el caso de Daria Amadei es dos mil veintiséis, 00:25:07.000 --> 00:25:11.000 dos mil veintiséis, es dos mil veintiséis, dos mil veintisiete, también 00:25:11.000 --> 00:25:15.000 está aquí, es quedarse sin datos o, a nivel hardware, no tener, pues 00:25:15.000 --> 00:25:23.000 tanta capacidad como necesitaría el entrenamiento de estos modelos. 00:25:25.000 --> 00:25:27.000 Lo punto importante lo lo has dicho tú. 00:25:27.000 --> 00:25:31.000 Él él dice, vamos a conseguir dos mil veintiséis veintisiete si no 00:25:31.000 --> 00:25:35.000 ocurre algo inesperado, como quedarse en el de datos o no poder montar las 00:25:35.000 --> 00:25:39.000 suficientes centros de procesamiento, centros de datos que, bueno, 00:25:39.000 --> 00:25:43.000 también nos repetimos un poco porque es el gran parte del debate del del 00:25:43.000 --> 00:25:48.000 otro día del del episodio anterior, y él dice que los modelos no han tocado techo. 00:25:48.000 --> 00:25:50.000 Entonces, esto es una parte importante del debate. 00:25:50.000 --> 00:25:53.000 Él dice, si miramos algún benchmark, como el SW Bench, es un benchmark 00:25:53.000 --> 00:25:56.000 que mide de tarea ingeniería de de desarrollo software, dice que Sony 00:25:56.000 --> 00:25:59.000 tres punto cinco, su el último modelo de Anthropi suyo, saca un cuarenta 00:25:59.000 --> 00:26:02.000 y nueve por ciento de resolución de esas tareas cuando a principios de 00:26:02.000 --> 00:26:09.000 año estaban en el cinco por ciento más o menos. 00:26:10.000 --> 00:26:13.000 Entonces, claro, a partir de este argumento, él dice, mirá, dos mil 00:26:13.000 --> 00:26:16.000 veinticuatro no es verdad que hayamos tocado Tech, seguimos evolucionando 00:26:16.000 --> 00:26:20.000 y y no habrá razones por las que esto se vaya a parar. 00:26:20.000 --> 00:26:24.000 Pero mientras tenemos toda esta máquina del hype, mientras tenemos todas 00:26:24.000 --> 00:26:28.000 estas expectativas positivas, la inteligencia artificial general va a 00:26:28.000 --> 00:26:32.000 llegar, de repente ha habido dos mazazos en el sector bastante fuertes, 00:26:32.000 --> 00:26:36.000 bastante duros, y uno viene, voy a adelantarlo, Matty, viene de uno de los 00:26:36.000 --> 00:26:40.000 referentes del Deep Learning, uno de los tótems y personajes más 00:26:40.000 --> 00:26:44.000 importantes del sector de inteligencia artificial y del podcast monos 00:26:44.000 --> 00:26:53.000 estocrático, por consiguiente, que es el amigo Ilya Schuskevern. 00:26:54.000 --> 00:27:03.000 Pues nada, el espejo en el que me miro, no a nivel de inteligencia, pero sí a nivel de alopecia incipiente, ha cambiado de opinión. 00:27:04.000 --> 00:27:14.000 Creo que fue el episodio anterior en el que mencioné esa mítica entrevista de Iria Suffebber, en la que explicaba cómo, con más datos, ¿no? 00:27:14.000 --> 00:27:18.000 Para el entrenamiento de los modelos, con algo que se acercara un poco a un 00:27:18.000 --> 00:27:22.000 modelo del mundo que nos rodea, gracias a el lenguaje podemos conseguir 00:27:22.000 --> 00:27:26.000 una inteligencia similar a la de los humanos, pues ahora no lo ve tan 00:27:26.000 --> 00:27:30.000 claro, Iriaz Unoquever, que que ya le han dado los miles de millones de 00:27:30.000 --> 00:27:36.000 dólares y y ahora el tío se echa para atrás y recoge cable. 00:27:36.000 --> 00:27:39.000 Claro, es que ese ese es el punto. 00:27:39.000 --> 00:27:44.000 Probablemente la persona clave científicamente a la hora de que todo este 00:27:44.000 --> 00:27:49.000 mundo de la degenerativa emergiera y llegara a los niveles que ha llegado, 00:27:49.000 --> 00:27:54.000 nuestro amigo Ilia, de repente se se está dando cuenta de que su tesis 00:27:54.000 --> 00:28:00.000 fuerte no llega a mucho más allá de lo que ha llegado hasta ahora. 00:28:00.000 --> 00:28:03.000 ¿Cuál es su tesis? 00:28:03.000 --> 00:28:07.000 Pues que en la fase de pre entrenamiento, es decir, esa fase es la que 00:28:07.000 --> 00:28:11.000 vamos a crear el modelo de inteligencia artificial y le echamos miles y 00:28:11.000 --> 00:28:15.000 miles y miles de textos para que él juegue a ese juego de aprender el 00:28:15.000 --> 00:28:21.000 lenguaje, que es el juego de autocompletar, ¿no? 00:28:21.000 --> 00:28:25.000 Intentar acabar la frase y en ese proceso de aprendizaje de de reforzarlo 00:28:25.000 --> 00:28:29.000 cuando acierta y de reajustar cuando falla, ese modelo de de pre 00:28:29.000 --> 00:28:33.000 entrenamiento ha ido consiguiendo que con más escala los modelos mejoren 00:28:33.000 --> 00:28:37.000 su rendimiento. 00:28:37.000 --> 00:28:44.000 Es decir, con más datos y más GPUs y más procesamiento, siempre teníamos mejor rendimiento. 00:28:44.000 --> 00:28:48.000 Si, como daríamos de ahí, extrapolamos, la idea sería, oye, pues si en 00:28:48.000 --> 00:28:52.000 vez de con estos datos, si esta instancia GPU, lo doblamos o lo 00:28:52.000 --> 00:28:58.000 triplicamos o lo multiplicamos por diez, pues tendremos modelos mucho más inteligentes. 00:28:59.000 --> 00:29:03.000 ¿Qué es lo que se está dando cuenta ahora Ilia, y que en el reportaje de 00:29:03.000 --> 00:29:07.000 reuters con más con más científicos y más gente del mundo de la 00:29:07.000 --> 00:29:11.000 inteligencia artificial, pues, plantean, es que estas mejoras ya empieza a 00:29:11.000 --> 00:29:15.000 mostrar límites y rendimiento decrecientes. 00:29:16.000 --> 00:29:23.000 Es decir, las mejoras sobre los modelos de inteligencia artificial, prácticamente a partir de GPT cuatro, son marginales. 00:29:24.000 --> 00:29:26.000 Entonces, ¿qué es lo que dice Ilia? 00:29:26.000 --> 00:29:35.000 Dedicar mucho más recursos, es decir, más escalar ese entrenamiento de de los modelos, ya no nos va a dar muchos mejores resultados. 00:29:36.000 --> 00:29:40.000 The information había salido también esta misma semana con una noticia 00:29:40.000 --> 00:29:44.000 filtrándola desde OpenAI, quería tener fuentes dentro de la compañía, 00:29:44.000 --> 00:29:50.000 que el nuevo modelo Orion no iba a ser tan bueno. 00:29:50.000 --> 00:29:54.000 Es decir, este proyecto que iba a ser, bueno, algunos decían que podía 00:29:54.000 --> 00:29:58.000 ser GPT cinco, otros que iba a ser una cosa alternativa separada, que 00:29:58.000 --> 00:30:02.000 igual que los O uno, pero lo importante de la de la del mensaje de 00:30:02.000 --> 00:30:06.000 information es que decía, lo que están viendo en OpenEye es que la 00:30:06.000 --> 00:30:10.000 mejora con respecto a GPT cuatro va a ser bastante inferior de la que 00:30:10.000 --> 00:30:17.000 supuso GPT cuatro con respecto a GPT tres. 00:30:17.000 --> 00:30:21.000 Es decir, seguimos mejorando, pero cada vez los rendimientos son marginales 00:30:21.000 --> 00:30:25.000 y estamos sumando un montón de GPUs, un montón de datos más, es decir, 00:30:25.000 --> 00:30:29.000 un montón de costes más para mejoras que cada vez son más pequeñas. 00:30:29.000 --> 00:30:33.000 Por lo tanto, esa temida frase o esa temida momento de el deep learning 00:30:33.000 --> 00:30:37.000 está llegando a su límite, como diría el pesado de Gary Mercus, está 00:30:37.000 --> 00:30:41.000 pegándose con un muro, puede ser, según todo este sector, puede ser 00:30:41.000 --> 00:30:45.000 cierto, Matías. 00:30:45.000 --> 00:30:49.000 Pues, esto es un mazazo en realidad para la imagen de OpenAI, porque OpenAI 00:30:49.000 --> 00:30:53.000 desde siempre ha vivido un poco del hype de qué es lo siguiente, GPT 00:30:53.000 --> 00:30:57.000 cinco lleva en las quinielas de que va a ser una cosa espectacular, un 00:30:57.000 --> 00:31:03.000 estallido brutal, bastante tiempo. 00:31:03.000 --> 00:31:10.000 En lugar de GPT cinco, sacaron los modelos O uno, pero no nos han dado un modelo más grande. 00:31:10.000 --> 00:31:14.000 Y ahora con Orión, que esperábamos también una revolución, lo están 00:31:14.000 --> 00:31:18.000 entrenando ya y están viendo que tampoco es para tirar cohetes, pues se 00:31:18.000 --> 00:31:22.000 muere un poco el hype de OpenAI. 00:31:23.000 --> 00:31:28.000 Sí, y además hay dos cosas, una es científico técnica y la otra es económica. 00:31:29.000 --> 00:31:35.000 La científico técnica, el límite del escalado en el entrenamiento y 00:31:35.000 --> 00:31:41.000 estos rendimientos decrecientes, si se cumplen, si son verdad, van a 00:31:41.000 --> 00:31:47.000 desmentir una de las hipótesis de de la emergencia de la AGI, que 00:31:47.000 --> 00:31:53.000 básicamente decía que esa cualidad de la inteligencia emergería de la cantidad. 00:31:53.000 --> 00:31:58.000 Es una gente que además quien quienes parten de este un poco de esta 00:31:58.000 --> 00:32:03.000 premisa o de esta hipótesis, muchas veces parten de la propia naturaleza humana. 00:32:03.000 --> 00:32:06.000 Dicen, ¿qué diferencia un chimpancé de un ser humano? 00:32:06.000 --> 00:32:15.000 ¿Por qué en en nosotros aparece y emerge de nuestro sistema nervioso una inteligencia de nuestro nivel y por qué en el chimbaceno. 00:32:15.000 --> 00:32:17.000 Y, básicamente, parte de la tesis es que es una cuestión de cantidad, de 00:32:17.000 --> 00:32:19.000 tamaño del cerebro, de cantidad de neuronas y de cantidad de conexión 00:32:19.000 --> 00:32:23.000 entre la neurona. 00:32:24.000 --> 00:32:27.000 Artificialmente, podría darse el mismo caso, es decir, que fenómenos como 00:32:27.000 --> 00:32:30.000 la inteligencia son necesariamente emergentes de un sistema complejo, 00:32:30.000 --> 00:32:33.000 interconectado y que, por lo tanto, sumando más cantidad aparecería esa 00:32:33.000 --> 00:32:38.000 inteligencia a nivel humano. 00:32:39.000 --> 00:32:41.000 Era una de las hipótesis de los emergentistas que decían que no podemos 00:32:41.000 --> 00:32:43.000 diseñar de arriba a abajo la inteligencia, sino que es un proceso de este 00:32:43.000 --> 00:32:47.000 de esta carta de naturaleza. 00:32:48.000 --> 00:32:52.000 Y luego, económicamente, OpenAI ha pedido perras y conseguido perras bajo 00:32:52.000 --> 00:32:56.000 la tesis de que si echamos más GPUs aquí a a la cosa, pues aparecerá la 00:32:56.000 --> 00:33:01.000 inteligencia artificial porque era cuestión de echar GPUs. 00:33:02.000 --> 00:33:06.000 Entonces, si no se cumple esa tesis, y ahora vemos cuál es la tesis 00:33:06.000 --> 00:33:10.000 alternativa que se puede estar trabajando, pues los fundamentos 00:33:10.000 --> 00:33:14.000 económicos de toda la gran inversión de este dos mil veinticuatro en 00:33:14.000 --> 00:33:18.000 inteligencia artificial, pues se vería también desmentida. 00:33:18.000 --> 00:33:22.000 En definitiva, hay dos científicos que yo siempre sigo con mucha 00:33:22.000 --> 00:33:26.000 atención, Jean Lecoun y Cholet, los la guía a Francesada, Matías, que 00:33:26.000 --> 00:33:30.000 ambos vienen diciendo durante los últimos años, y aquí lo hemos 00:33:30.000 --> 00:33:34.000 contado, que solo con Deep Learning no se va a conseguir, que hay que 00:33:34.000 --> 00:33:38.000 hacer un avance científico, no solo ya ingeniería, no solo técnico, no 00:33:38.000 --> 00:33:42.000 solo de diseñar, ejecutar mejor el deep learning, sino que haría falta 00:33:42.000 --> 00:33:50.000 algo más para que tuviéramos una inteligencia del nivel humano. 00:33:50.000 --> 00:33:53.000 Ninguno de los dos niega que se pueda llegar, pero dicen que que con que 00:33:53.000 --> 00:33:56.000 con el de learning no se da, y además, Schollet dice algo importante, 00:33:56.000 --> 00:33:59.000 dice, la disponibilidad de datos es el verdadero cuello de botella ahora 00:33:59.000 --> 00:34:03.000 mismo, es la IEA. 00:34:03.000 --> 00:34:13.000 contraria al resto de la gente, pero no es la primera vez que decimos, al final el que tenía razón era Jean L'Coun, ¿no? 00:34:14.000 --> 00:34:17.000 Jean L'Coun, que se ha vuelto completamente tarumba con esta victoria 00:34:17.000 --> 00:34:20.000 electoral de Trump y de y de Elon, pues vale la pena recoger todas esas 00:34:20.000 --> 00:34:23.000 declaraciones que vamos comentando en monos estocásticos, porque llega un 00:34:23.000 --> 00:34:28.000 momento en el que salen a la palestra, ¿no? 00:34:28.000 --> 00:34:33.000 Sí, mira, mira que nos puede dar, nos puede costar darle la razón a un francés, ¿no? 00:34:33.000 --> 00:34:35.000 Esa es una cosa que a veces en la vida cuesta, ¿no? 00:34:35.000 --> 00:34:38.000 Y cuando te llega ese momento en la vida que nunca esperabas. 00:34:38.000 --> 00:34:41.000 Pero, bueno, es posible, es posible, ya sabéis que aquí somos escépticos 00:34:41.000 --> 00:34:44.000 y naturales con todas las posiciones y yo, bueno, yo personalmente en el 00:34:44.000 --> 00:34:47.000 fondo soy soy escéptico con todas las teorías emergentistas y todo todas 00:34:47.000 --> 00:34:50.000 teorías que dicen que la inteligencia artificial a nivel uno se puede 00:34:50.000 --> 00:34:57.000 conseguir con estas inferencias inductivas de los modelos de de de learning. 00:34:57.000 --> 00:35:01.000 Fíjate que yo esto realmente ya lo sabía, porque una vez me hicieron, de 00:35:01.000 --> 00:35:05.000 hecho, lo lo pagué a trescientos cincuenta euros, una serie de test 00:35:05.000 --> 00:35:09.000 cognitivos para ver si tenía altas capacidades, y me salió que soy 00:35:09.000 --> 00:35:14.000 retrasado en todo, menos en el lenguaje, para lo cual tengo un talento natural. 00:35:15.000 --> 00:35:20.000 Y a pesar de tener un talento natural en el lenguaje, soy cada vez más pobre. 00:35:20.000 --> 00:35:27.000 Entonces, eso me lleva a pensar que un modelo de lenguaje no puede dominar el mundo, porque si no, yo también lo haría. 00:35:28.000 --> 00:35:32.000 Bueno, es que, claro, aquí ya os doblo nada, es decir, o o los modelos de 00:35:32.000 --> 00:35:36.000 lenguaje es el camino para llegar a la inteligencia artificial general y 00:35:36.000 --> 00:35:40.000 todas las empresas de IA triunfan y tú también, Mati, vas ese paquete, o 00:35:40.000 --> 00:35:44.000 se rompe el hype, se estalla la burbuja, se arruinan todo y tú tienes que 00:35:44.000 --> 00:35:51.000 desesperadamente buscar ese pantallazo para poder sobrevivir y recuperar tu bitcoin. 00:35:51.000 --> 00:35:54.000 Esos son los son los dos caminos que tenemos delante, no hay otra alternativa. 00:35:55.000 --> 00:35:58.000 Bueno, hay una alternativa en el mundo de la ILA que es la gente que 00:35:58.000 --> 00:36:01.000 defiende que estas leyes del escalado, las que promulgó Ilesuscriver, 00:36:01.000 --> 00:36:04.000 esas en las que se sustenta el desarrollo de OpenAI y su visión, igual 00:36:04.000 --> 00:36:07.000 que la de Darío Mode y de Anthropic, de que vamos a dejar el ejercicio 00:36:07.000 --> 00:36:14.000 artificial en general. 00:36:15.000 --> 00:36:21.000 Bueno, gente que defiende que eso del escalado no se acaba, no se no se ha terminado, sino que quizás se ha modificado. 00:36:21.000 --> 00:36:25.000 Veréis, este verano, Kevin Scott, que es el c t o de Microsoft, es un tío 00:36:25.000 --> 00:36:29.000 potente en la en la industria, dice que él no ve este estos rendimientos 00:36:29.000 --> 00:36:33.000 marginalmente decreciente, sino que las leyes de cloud se mantienen, la 00:36:33.000 --> 00:36:37.000 mejora va a seguir siendo exponencial y que no lo estamos viendo, es 00:36:37.000 --> 00:36:41.000 decir, no ha salido algo superespectacular mejor que GPT cuatro, porque 00:36:41.000 --> 00:36:50.000 somos unos que hagaprisas, Mati. 00:36:50.000 --> 00:36:54.000 Somos gente impaciente, queremos en cada capítulo contar ahí la última 00:36:54.000 --> 00:36:59.000 supernovedad, y estas cosas llevan tiempo porque hay que fabricar los los, ¿no? 00:36:59.000 --> 00:37:03.000 Montar los datacender, echarle ahí de comer la, ¿no? 00:37:03.000 --> 00:37:05.000 A ver que hay nuevo en la Wikipedia, etcétera. 00:37:05.000 --> 00:37:10.000 Y entonces, paciencia, porque él predice que que toda esta visión adolece 00:37:10.000 --> 00:37:15.000 de de de este componente un poco más coyuntural y que no es, digamos, el 00:37:15.000 --> 00:37:21.000 momento en todo que estamos iliosusculares. 00:37:21.000 --> 00:37:25.000 Es verdad que lo que dice Scott era de este verano y esto es como lejísimo, ¿no? 00:37:25.000 --> 00:37:29.000 Como, bueno, en verano todo el mundo, ¿no? 00:37:29.000 --> 00:37:31.000 Los chicos se enamoran, ya sabes, ¿no? 00:37:33.000 --> 00:37:36.000 Y y claro, Kevin Scott, pues, cree en el escalado, son las dos cosas. 00:37:36.000 --> 00:37:39.000 También te digo que hablar de que somos unos cagaprisas cuando Microsoft 00:37:39.000 --> 00:37:42.000 ha sido la empresa que antes ha implementado en todos sus software la 00:37:42.000 --> 00:37:45.000 inteligencia artificial, pues igual no no es tan así, sino que a todo el 00:37:45.000 --> 00:37:51.000 mundo está hypeado y subido al tren, ¿no? 00:37:51.000 --> 00:37:54.000 De hecho, los empleados de OpenEye, que tengo súper fichados en Twitter, 00:37:54.000 --> 00:37:57.000 bueno, en la red social antes conocida como Twitter, han salido a defender 00:37:57.000 --> 00:38:02.000 la rajada de Sam. 00:38:02.000 --> 00:38:07.000 Es decir, esta este, Agi va a llegar, dos mil veinticinco, qué emoción, blablablá. 00:38:07.000 --> 00:38:10.000 Claro, es decir, hay uno, dice, mira, he oído decir que Shanga es una 00:38:10.000 --> 00:38:13.000 máquina del hype, pero todo lo que dice coincide con la opinión general 00:38:13.000 --> 00:38:18.000 de los investigadores de OpenAI. 00:38:18.000 --> 00:38:19.000 Bueno, vamos a ver. 00:38:19.000 --> 00:38:22.000 Claro, es que la gente de OpenAI es un público autoseleccionado. 00:38:23.000 --> 00:38:32.000 Si recordamos aquel episodio sobre OpenAI es un culto, es decir, es una empresa que tiene ese carácter mesiánico, ¿no? 00:38:32.000 --> 00:38:35.000 Ese punto de nosotros vamos a salvar el mundo con con la inteligencia 00:38:35.000 --> 00:38:38.000 artificial, es un público seleccionado porque uno de los requisitos para 00:38:38.000 --> 00:38:41.000 entrar en OpenAI era creer que se podía conseguir la inteligencia 00:38:41.000 --> 00:38:46.000 artificial general. 00:38:46.000 --> 00:38:50.000 Por lo tanto, somos gente muy predispuesta a a quiero creer, ¿no? 00:38:50.000 --> 00:38:54.000 Como como como malder de expediente x, ¿no? 00:38:54.000 --> 00:39:02.000 Eso es como cuando haces una encuesta electoral en un cuartel, pues de la Guardia Civil o de lo que sea, ya sabemos lo que va a salir, ¿no? 00:39:02.000 --> 00:39:06.000 Pues si lo haces en OpenAI sobre la AGI, pues está claro lo que va a salir. 00:39:06.000 --> 00:39:09.000 Sí, es público autoseleccionado, ¿no? 00:39:09.000 --> 00:39:12.000 Es el el el problemita de de partir de eso, ¿no? 00:39:12.000 --> 00:39:18.000 Entonces, bueno, he cogido varias declaraciones de de de gente de opening y guion, ¿no? 00:39:18.000 --> 00:39:25.000 De gente que dice que no, no, no, yo hablo con científicos de los laboratorios y ningún investigador dice que Avances haya parado, etcétera. 00:39:25.000 --> 00:39:30.000 Pero lo más interesante es la gente que plantea una alternativa. 00:39:31.000 --> 00:39:34.000 Dice, las leyes de escala se siguen cumpliendo, pero no tanto en la frase 00:39:34.000 --> 00:39:37.000 de pre entrenamiento, se llama pre entrenamiento porque luego viene el 00:39:37.000 --> 00:39:40.000 fine tuneo y viene el el aprendizaje con refuerzo con feedback, en fin, 00:39:40.000 --> 00:39:45.000 hay más fases después. 00:39:45.000 --> 00:39:50.000 Pero el pre entrenamiento realmente es la fase gordaca de entrenar un modelo de inteligencia artificial. 00:39:51.000 --> 00:39:53.000 Dice aquí el agente de OpenEye. 00:39:54.000 --> 00:40:00.000 Las leyes de escala del pre entrenamiento puede ser que estén tocando techo. 00:40:00.000 --> 00:40:03.000 Es decir, esto de el modelo lo más grande posible. 00:40:05.000 --> 00:40:07.000 Esa esa parte de la escala puede haber dudas. 00:40:07.000 --> 00:40:08.000 ¿No? 00:40:08.000 --> 00:40:18.000 Pero hay otra parte de la escala en la que vemos unas mejoras que para nada están tocando techo, que son la escala en en el momento de inferencia. 00:40:19.000 --> 00:40:23.000 Es decir, lo que dice la gente de OpenI O uno nos demuestra una cosa, que 00:40:23.000 --> 00:40:27.000 si al modelo le damos más tiempo en el momento de ejecución, es decir, 00:40:27.000 --> 00:40:31.000 cuando le estamos preguntando algo, ese O uno que se tira un rato 00:40:31.000 --> 00:40:35.000 pensando, que tarda muchos segundos, es decir, que está realmente usando 00:40:35.000 --> 00:40:41.000 muchos recursos de computación, ahí las mejoras de rendimiento son muy altas. 00:40:41.000 --> 00:40:44.000 Por lo tanto, si le damos cinco segundos a uno, nos dará una solución de 00:40:44.000 --> 00:40:47.000 un carácter bueno, aceptable, si le damos un minuto, pues eso se nos 00:40:47.000 --> 00:40:50.000 dará una explicación que nos explotará la cabeza, o sea, una solución 00:40:50.000 --> 00:40:56.000 magnífica y estupenda. 00:40:56.000 --> 00:40:58.000 Entonces, esto también es una ley de escala, es decir, cuanto más GPU 00:40:58.000 --> 00:41:00.000 pongamos en el momento de ejecución, mejores rendimientos de la 00:41:00.000 --> 00:41:04.000 inteligencia artificial. 00:41:04.000 --> 00:41:07.000 Por lo tanto, la escala no es que haya terminado, es que ha pasado de la 00:41:07.000 --> 00:41:10.000 fase de entrenamiento de darnos mucho valor ahí a que tenemos que 00:41:10.000 --> 00:41:13.000 emplearla la escala en el tiempo de ejecución. 00:41:13.000 --> 00:41:18.000 Yo estoy del lado del hype, Antonio, porque es lo que conviene a nivel podcast. 00:41:19.000 --> 00:41:23.000 Yo yo creo que la AGI está ahí, está el año que viene, y fíjate, este 00:41:23.000 --> 00:41:27.000 señor que se ha unido hace poco a OpenAI, desde que me incorporé en 00:41:27.000 --> 00:41:31.000 enero he pasado de pensar, esto es un hype exagerado a la Ajilla está 00:41:31.000 --> 00:41:38.000 aquí, está básicamente aquí la tenemos. 00:41:38.000 --> 00:41:46.000 Entonces, yo me voy a quedar con este pensamiento porque a nivel monosestocásticos, nosotros lo que queremos es que esto escale imparablemente. 00:41:46.000 --> 00:41:53.000 Sí, además, es muy espíritu monodestocástico, porque fíjate, mi unidad Open AI, pensando que es un hype improductivo. 00:41:54.000 --> 00:42:00.000 Es decir, ¿cómo mentiría este pollo en la entrevista de trabajo? 00:42:01.000 --> 00:42:04.000 Bueno, sí, bueno, pero el ticket restaurant, ¿qué no? 00:42:04.000 --> 00:42:09.000 Y dice, bueno, dice, mira, hay hay ticket restaurant, aquí se da, esta de Navidad, las cosas importantes, ¿no? 00:42:09.000 --> 00:42:14.000 Pero bueno, entonces Ficho, esto será un jepping productivo, pero bueno, me va a pagar la factura que San Francisco está muy caro. 00:42:14.000 --> 00:42:21.000 Y claro, y luego el pollo dice, no, no, no, una vez que me metí ya, pues dije, esto esto es esto es la caña de España, ¿no? 00:42:21.000 --> 00:42:23.000 Entonces, bueno, ya se ya se quedó, ¿no? 00:42:23.000 --> 00:42:26.000 Entonces, bueno, yo creo que podemos mantener las las dos patas, Paty, tú 00:42:26.000 --> 00:42:29.000 vas a ser el hombre de la esperanza, del del hype en la AGI, tienes hasta 00:42:29.000 --> 00:42:32.000 dos mil veintisiete, y hoy si en dos mil veintisiete no se ha conseguido 00:42:32.000 --> 00:42:38.000 ahí, habrá que habrá que hablarlo con seriedad. 00:42:38.000 --> 00:42:41.000 Y yo, bueno, yo te voy a proponer que de vez en cuando saquemos temas del 00:42:41.000 --> 00:42:44.000 Metaverso, Vamos a hablar de la web tres, porque bueno, ahora la web tres, 00:42:44.000 --> 00:42:47.000 ahora vuelve, ahora vuelve los los crisos, ya puedes ponerte otra vez los 00:42:47.000 --> 00:42:53.000 ojitos azules, en Twitter, si quieres. 00:42:54.000 --> 00:42:55.000 En fin. 00:42:57.000 --> 00:42:58.000 Ay, ¿era azul o en? 00:42:58.000 --> 00:42:59.000 Es verdad, era en rojo. 00:42:59.000 --> 00:43:02.000 Me dice, cada vez que no se me da, no se me da bien, Matte. 00:43:02.000 --> 00:43:04.000 Esto hay que enseñarlo mejor, esto hay que estudiarlo un poquito. 00:43:04.000 --> 00:43:10.000 Y mira, Matte, ya sé que vamos super agobiados de tiempo y por eso solo voy a dejar el anzuelo. 00:43:10.000 --> 00:43:13.000 Tenemos que hablar de la inteligencia artificial en el sector 00:43:13.000 --> 00:43:16.000 armamentístico, porque están cambiando un montón las cosas, hay un 00:43:16.000 --> 00:43:19.000 montón de propuestas y yo te traigo una que que he visto de las noticias 00:43:19.000 --> 00:43:24.000 en paréntesis media. 00:43:24.000 --> 00:43:28.000 Ya sabéis, amigas y amigos de monos, es un medio partner, un medio amigo 00:43:28.000 --> 00:43:32.000 de monos estocápticos que tiene la web, tiene newsletter y está presente 00:43:32.000 --> 00:43:37.000 en redes sociales contándonos siempre la actualidad de inteligencia artificial. 00:43:37.000 --> 00:43:41.000 Bueno, el caso que es muy interesante lo que cuentan, porque Meta ha 00:43:41.000 --> 00:43:45.000 cambiado la licencia y ha cambiado cómo propone qué se puede hacer con 00:43:45.000 --> 00:43:49.000 su modelo JAMA, y ha pasado de no permitir el uso en nada relacionado con 00:43:49.000 --> 00:43:53.000 las armas y el ejército a que se incorpora a los programas de defensa de 00:43:53.000 --> 00:43:57.000 Estados Unidos. 00:43:57.000 --> 00:44:01.000 Y esto no solo es interesante, porque es una noticia de que vamos a tener 00:44:01.000 --> 00:44:05.000 mucha IA en el en el mundo de las armas, vamos a tener a Meta y a otras 00:44:05.000 --> 00:44:09.000 tecnológicas, como veremos, involucradas ahí, sino que hay una cosa 00:44:09.000 --> 00:44:13.000 importante, que los modelos Meta son open source y ya ha habido la primera 00:44:13.000 --> 00:44:17.000 filtración, creo que muy interesada desde China, de decir, vamos a usar 00:44:17.000 --> 00:44:21.000 también nosotros JAMA para también integrarlo en nuestro ejército y que 00:44:21.000 --> 00:44:25.000 esto va a ser una de las armas, nunca mejor dicho, que se va a usar contra 00:44:25.000 --> 00:44:30.000 los modelos open source. 00:44:30.000 --> 00:44:36.000 Tengo que seguir más este tema porque ahora con la la nueva era Trump en Europa nos interesa especialmente. 00:44:36.000 --> 00:44:43.000 Y por lo menos que que le pongamos a la cabra de la legión, que que sea una cabra ciborg. 00:44:43.000 --> 00:44:45.000 Y mira, te voy a proponer una cosa, Matías. 00:44:45.000 --> 00:44:50.000 Fíjate, con la con con lo que hemos hablado al principio de la generación 00:44:50.000 --> 00:44:55.000 de imágenes, yo me he acordado mucho de de que estábamos pensando 00:44:55.000 --> 00:45:00.000 siempre o en la unión pública hay mucho pensamiento de los usos siempre 00:45:00.000 --> 00:45:05.000 perjudiciales, negativos de la de la inteligencia artificial y y creo que 00:45:05.000 --> 00:45:10.000 tenemos que pensar más en el uso beneficioso, ¿no? 00:45:10.000 --> 00:45:19.000 En la parte de que, oye, es verdad, se puede hacer un delay de alguien, pero a la vez nosotros podemos poner fotos de nosotros mazaos, ¿no? 00:45:19.000 --> 00:45:22.000 A partir del gimnasio, lo cual es algo muy positivo, ¿no? 00:45:22.000 --> 00:45:29.000 Entonces, llevado a otros terrenos, siempre estamos un un poco con la IA usada por los malos en ciberseguridad. 00:45:30.000 --> 00:45:34.000 Y hoy podemos traer a una persona que nos hable, yo creo que desde el otro 00:45:34.000 --> 00:45:38.000 lado, por fin traemos a un experto que en un área que no dominamos tanto, 00:45:38.000 --> 00:45:43.000 que es el uso beneficioso de la IEA en seguridad y ciberseguridad, Matías. 00:45:43.000 --> 00:45:46.000 Y es que esta semana, Maddie, tenemos tenemos un mono gestocástico 00:45:46.000 --> 00:45:49.000 especial, porque si bien no es uno de estos capítulos que tú y yo 00:45:49.000 --> 00:45:52.000 hacemos a veces en los que traemos un invitado y nos explayamos y estamos 00:45:52.000 --> 00:45:55.000 hora y media con él, pero sí traemos a un especialista, a un verdadero 00:45:55.000 --> 00:45:58.000 experto con el que vamos a compartir un espacio de tiempo para tratar uno 00:45:58.000 --> 00:46:01.000 de los temas de inteligencia artificial que a lo mejor más se nos han 00:46:01.000 --> 00:46:04.000 escapado en el podcast, Matty, ese es nosotros que tenemos con nosotros a 00:46:04.000 --> 00:46:07.000 Alberto Pinedo, que no es nada más ni nada menos que el National 00:46:07.000 --> 00:46:17.000 Technology and Security Officer en Microsoft España. 00:46:17.000 --> 00:46:19.000 Muchas gracias, Alberto, por estar con nosotros. 00:46:19.000 --> 00:46:21.000 Muchas gracias a vosotros por la invitación. 00:46:22.000 --> 00:46:28.000 Bueno, pues siempre que viene alguien con un título, con un puesto así en inglés, impone bastante. 00:46:28.000 --> 00:46:30.000 Pero claro, esto de National Technology and Security Officer nos da pie a 00:46:30.000 --> 00:46:32.000 preguntarte cositas de inteligencia artificial, pero también relacionadas 00:46:32.000 --> 00:46:34.000 con la ciberseguridad, que también tiene mucho que ver y que está 00:46:34.000 --> 00:46:39.000 avanzando mucho con la inteligencia artificial. 00:46:40.000 --> 00:46:42.000 Entonces, ¿vosotros pronunciáis Microsoft o Microsoft? 00:46:42.000 --> 00:46:45.000 Porque esta es una duda que hemos estocástico siempre hemos tenido. 00:46:45.000 --> 00:46:47.000 Yo os juro decir Microsoft, 00:46:47.000 --> 00:46:48.000 no Microsoft. 00:46:49.000 --> 00:46:50.000 Pero, bueno, siempre se escapa. 00:46:50.000 --> 00:46:52.000 Ya sabéis que nosotros somos muy castizos. 00:46:52.000 --> 00:46:55.000 Entonces, todo lo castellanizamos, ¿no? 00:46:55.000 --> 00:46:56.000 De alguna manera. 00:46:56.000 --> 00:46:58.000 Pero bueno, procuro decir Microsoft, ¿sí? 00:46:58.000 --> 00:46:59.000 Muy bien. 00:46:59.000 --> 00:47:02.000 Pues, como decía, vamos a empezar con la ciberseguridad, porque Microsoft 00:47:02.000 --> 00:47:05.000 es una de estas empresas que lleva años hablando de todas las promesas de 00:47:05.000 --> 00:47:08.000 la inteligencia artificial, por lo menos, desde dos mil diecinueve ha sido 00:47:08.000 --> 00:47:11.000 el foco de de Microsoft, y curiosamente, no solo hablando de las ventajas, 00:47:11.000 --> 00:47:17.000 sino también de los peligros, ¿no? 00:47:17.000 --> 00:47:23.000 Que siempre en paralelo a hablar de las promesas de la IA se ha hablado de los peligros, especialmente en temas de ciberseguridad. 00:47:24.000 --> 00:47:29.000 Y en temas de ciberseguridad se pone, sobre todo, el énfasis en en los malos, ¿no? 00:47:29.000 --> 00:47:36.000 A ver si a ver si los malos, los ciberdelincuentes, aprovechan las ventajas que da la IA para atacar, ¿no? 00:47:37.000 --> 00:47:44.000 Pero Microsoft, me imagino, que también está aprovechando la IA para lo contrario, para su propia seguridad, ¿no? 00:47:44.000 --> 00:47:49.000 ¿Qué está haciendo concretamente Microsoft y quién está ganando esta partida? 00:47:49.000 --> 00:47:57.000 Sí, hay hay hay un Los malos siempre se irán malos y y utilizarán todas las herramientas que tengan a su alcance para para hacer sus cosas, ¿no? 00:47:57.000 --> 00:48:01.000 A ver, desde Microsoft hay muchas líneas de trabajo en ese en ese aspecto, ¿no? 00:48:01.000 --> 00:48:06.000 Yo creo que la principal y la más importante es que, y esto viene un poco de lo histórico, ¿no? 00:48:06.000 --> 00:48:08.000 Cuando nos hemos visto amenazados o cuando hemos visto amenazas hacia 00:48:08.000 --> 00:48:10.000 nuestros clientes, lo que siempre buscamos es la manera de intentar 00:48:10.000 --> 00:48:14.000 mitigar esos riesgos, ¿no? 00:48:14.000 --> 00:48:18.000 La inteligencia artificial es una herramienta más, una herramienta más 00:48:18.000 --> 00:48:22.000 que poco a poco se ha ido incorporando a los servicios que que tiene 00:48:22.000 --> 00:48:26.000 Microsoft o que proporciona Microsoft, en este caso, a nuestros clientes, ¿no? 00:48:26.000 --> 00:48:27.000 ¿Y cómo lo hacemos? 00:48:27.000 --> 00:48:30.000 Bueno, pues hay servicios, digamos, que que históricamente, pues ya 00:48:30.000 --> 00:48:33.000 vendíamos a nuestros clientes, servicios, pues, como como Sentinum, que 00:48:33.000 --> 00:48:37.000 es un un cien, ¿no? 00:48:37.000 --> 00:48:41.000 O servicios que que desplegamos en los endpoints, en los dispositivos para 00:48:41.000 --> 00:48:45.000 proteger el dispositivo del usuario o la identidad, o las herramientas de 00:48:45.000 --> 00:48:49.000 productividad, que lo que estamos haciendo es alimentarlas, ¿no? 00:48:49.000 --> 00:48:51.000 Con esas herramientas de inteligencia artificial. 00:48:51.000 --> 00:48:58.000 Es decir, que de alguna manera estamos utilizando la misma herramienta, pero para proteger al cliente, ¿vale? 00:48:58.000 --> 00:49:01.000 E incluso también para protegernos a nosotros mismos, ¿no? 00:49:02.000 --> 00:49:08.000 Este último año hemos anunciado además una herramienta que que se llama Security Copilot, ¿vale? 00:49:08.000 --> 00:49:12.000 Que es una herramienta que incorpora la inteligencia artificial para hacer 00:49:12.000 --> 00:49:16.000 análisis masivos de señales y datos que son recopilados por todas esas 00:49:16.000 --> 00:49:20.000 herramientas que nuestros clientes despliegan, ¿no? 00:49:20.000 --> 00:49:24.000 En los dispositivos, para gestionar la identidad, para controlar, sobre 00:49:24.000 --> 00:49:28.000 todo, pues, si un si una persona está, por ejemplo, accediendo a un 00:49:28.000 --> 00:49:32.000 documento marcado como confidencial, pues, que no copie un trozo de ese texto, ¿no? 00:49:32.000 --> 00:49:38.000 Y lo ponga en una herramienta de consumo, como puede ser, pues, una herramienta de degenerativa, ¿no? 00:49:38.000 --> 00:49:40.000 Que no tiene protección ninguna, ¿no? 00:49:40.000 --> 00:49:48.000 Ese tipo de herramientas al final y esas señales nos permiten también, si se produjera, pues, un evento de seguridad, nadie lo quiere, ¿no? 00:49:48.000 --> 00:49:51.000 Pero si si por un casual, pues, se produjera también hacer ese call 00:49:51.000 --> 00:49:54.000 hunting, no esa investigación posterior para resolver el problema que 00:49:54.000 --> 00:49:57.000 haya podido ocasionar y, sobre todo, para identificar cuál es el origen 00:49:57.000 --> 00:50:03.000 de ese de ese vector de ataque, ¿no? 00:50:03.000 --> 00:50:06.000 En definitiva, estas herramientas, Security Copylot, además, incorporando 00:50:06.000 --> 00:50:09.000 toda esa IA, te permiten analizar millones de datos, cosa que, tuviese que 00:50:09.000 --> 00:50:13.000 hacer una persona física o un equipo de personas, ¿no? 00:50:13.000 --> 00:50:15.000 Les llevaría muchísimo tiempo. 00:50:15.000 --> 00:50:18.000 Entonces, digamos que lo que hacemos es buscar la forma de utilizar la 00:50:18.000 --> 00:50:21.000 inteligencia artificial para aquellas tareas que los humanos no somos muy 00:50:21.000 --> 00:50:24.000 eficientes, ¿no? 00:50:25.000 --> 00:50:29.000 Que o bien nos llevan mucho tiempo, o bien nos cuesta más establecer 00:50:29.000 --> 00:50:33.000 relaciones de causalidad, o simplemente plantear hipótesis para que luego 00:50:33.000 --> 00:50:37.000 un equipo, a lo mejor más especialista de personas, terminen investigando 00:50:37.000 --> 00:50:43.000 y averiguando si efectivamente pues eso es un ataque o es un falso positivo. 00:50:43.000 --> 00:50:50.000 Sí, pero es un poco, digamos, hemos ido incorporando poquito a poco la inteligencia artificial en esas herramientas de seguridad. 00:50:50.000 --> 00:50:54.000 Y he de decir que es hoy por hoy, en este caso, Microsoft Security Copilot 00:50:54.000 --> 00:50:58.000 es la única herramienta además de estas características de 00:50:58.000 --> 00:51:02.000 ciberseguridad potenciada por inteligencia artificial, que es conforme al 00:51:02.000 --> 00:51:06.000 esquema nacional de seguridad, que es el esquema que, para el que no 00:51:06.000 --> 00:51:10.000 estéis familiarizados, define, en este caso, el Real Decreto trescientos 00:51:10.000 --> 00:51:14.000 once veinte veintidós, y que elabora el Centro Piptológico Nacional 00:51:14.000 --> 00:51:20.000 aquí en España, ¿no? 00:51:20.000 --> 00:51:26.000 Has dicho una cosa muy interesante, Alberto, que además creo que toca algo que a nosotros nos pasa. 00:51:26.000 --> 00:51:30.000 Es decir, cuando tú has dicho, bueno, es que Eladia nos va a ayudar a 00:51:30.000 --> 00:51:34.000 vigilar los accesos a documentos privados y que eso no acabe, subido a una 00:51:34.000 --> 00:51:40.000 plataforma de consumo en la que la seguridad y la privacidad están menos controladas. 00:51:40.000 --> 00:51:41.000 ¿No? 00:51:41.000 --> 00:51:47.000 A mí me recordaba cuando Matías subía sus sus analíticas a ChatGPT para hacerle preguntas, ¿no? 00:51:47.000 --> 00:51:48.000 Es decir, vamos a un escenario. 00:51:48.000 --> 00:51:53.000 Me da la impresión de que hay un hay un poco de contexto de de que hay 00:51:53.000 --> 00:51:58.000 cierta suspensión, no sé, de la de la guardia alta que ya tenemos con la privacidad. 00:51:58.000 --> 00:52:04.000 Es decir, en todo el Internet ya hemos aprendido lo lo que puede ocurrir con problemas de privacidad. 00:52:04.000 --> 00:52:09.000 Y con y con la historia de del cloud y la historia de de de de Ethernet entero, ¿no? 00:52:09.000 --> 00:52:12.000 Pero con los chatbots parece que hay una cierta suspensión, que hay como 00:52:12.000 --> 00:52:15.000 un contexto de extrema confianza, y en el que, a lo mejor, nos soltamos 00:52:15.000 --> 00:52:18.000 más en lo personal, ¿no? 00:52:18.000 --> 00:52:21.000 Y y subimos contenidos sin tener muy claro dónde se guarda, si se va a 00:52:21.000 --> 00:52:24.000 usar para entrenar y y de repente la IA está aprendiendo de las 00:52:24.000 --> 00:52:27.000 analíticas justo de Matías. 00:52:27.000 --> 00:52:32.000 Y y en el ámbito profesional, yo ahora ahora veo un escenario un poco muy desordenado. 00:52:32.000 --> 00:52:35.000 Es decir, en el sentido de que me da la impresión de que en muchas 00:52:35.000 --> 00:52:38.000 empresas, sobre todo en las PyMEs, hay un uso fuera del radar en la 00:52:38.000 --> 00:52:41.000 organización en la que es el empleado que se busca su ganancia de 00:52:41.000 --> 00:52:44.000 productividad usando chatbots, etcétera. 00:52:44.000 --> 00:52:47.000 Bueno, en todo este escenario, claro, vosotros juega un papel importante, 00:52:47.000 --> 00:52:50.000 tanto en cuanto sois una plataforma y sois, además, un proveedor de cloud 00:52:50.000 --> 00:52:54.000 de de modelos y tal. 00:52:54.000 --> 00:52:57.000 ¿Qué tipo de políticas son las que recomendáis actualmente? 00:52:57.000 --> 00:53:01.000 ¿Qué nos cabe esperar en todo en todo este escenario? 00:53:01.000 --> 00:53:04.000 Esto es como el crow computing, que habrá empresas que se lancen a hacerlo 00:53:04.000 --> 00:53:07.000 en la nube y empresas que digan, no, no, yo quiero todo en mis servidores 00:53:07.000 --> 00:53:12.000 y en modelos que ejecute yo ahí, que está al lado mía. 00:53:12.000 --> 00:53:14.000 ¿Cómo cómo se está ordenando todo esto? 00:53:14.000 --> 00:53:17.000 Por una parte, y lo primero que tenemos que decir es que, al menos en 00:53:17.000 --> 00:53:20.000 nuestro caso, como como como Microsoft, cuando nosotros proveemos una 00:53:20.000 --> 00:53:23.000 solución de iF generativa, el tipo que sea, Sabéis que tenemos los 00:53:23.000 --> 00:53:26.000 copilots, pero también tenemos servicios que que proveemos como como 00:53:26.000 --> 00:53:29.000 plataforma, como servicio, o incluso como infraestructura, como servicio, 00:53:29.000 --> 00:53:32.000 que utilizan modelos fundacionales propios desarrollados por Microsoft y, 00:53:32.000 --> 00:53:35.000 en algunos casos también, soluciones y servicios, apoyas modelos 00:53:35.000 --> 00:53:38.000 fundacionales que no son propios, como puede ser los de OpenAI a través 00:53:38.000 --> 00:53:45.000 de nuestro servicio de Azure y OpenAI. 00:53:45.000 --> 00:53:49.000 Todos esos casos, al final, lo que lo que nosotros nos comprometemos por 00:53:49.000 --> 00:53:53.000 contrato es que cualquier dato que tú le introduzcas en un prompt, bien 00:53:53.000 --> 00:53:57.000 sea un texto que tú tecleas o un documento o que copies un texto de 00:53:57.000 --> 00:54:01.000 cualquier parte, al ser una herramienta empresarial, el compromiso que 00:54:01.000 --> 00:54:05.000 tenemos es que esos datos no se van a utilizar ni para entrenar nuestros 00:54:05.000 --> 00:54:10.000 modelos ni para entrenar los modelos de terceros. 00:54:10.000 --> 00:54:15.000 Este, además, es un compromiso por contrato, es decir, no es un tema de que lo digo y cuánto ya está, ¿no? 00:54:15.000 --> 00:54:21.000 Sino que, realmente, así se queda reflejado en en los contratos, ¿no? 00:54:21.000 --> 00:54:25.000 Claro, qué duda cabe que en el escenario empresarial, cuando una empresa, 00:54:25.000 --> 00:54:29.000 pues, no provee una solución de estas características, ¿los usuarios qué hacen? 00:54:29.000 --> 00:54:30.000 Pues se busca en la vida. 00:54:30.000 --> 00:54:36.000 Es decir, yo si mi empresa no me pone un copilot, aquí me pongo la borra de Microsoft, déjame un momentito, pues ¿qué voy a hacer? 00:54:36.000 --> 00:54:43.000 Pues voy a buscar cuál es la herramienta de consumo que me puede ayudar a hacer mi trabajo, a ser más eficiente o lo que sea, ¿no? 00:54:43.000 --> 00:54:44.000 Y ahí es donde están los riesgos. 00:54:45.000 --> 00:54:52.000 Porque al final son soluciones que están fuera del alcance de quien gestiona tu infraestructura, digamos, de IT, ¿no? 00:54:52.000 --> 00:55:00.000 O sea, ahí sí que, y en línea con lo que comentaba antes, sí que tenemos soluciones que permiten, en primer lugar, tres tres grandes líneas. 00:55:00.000 --> 00:55:04.000 Lo primero, descubrir cuál es mi superficie de exposición, ¿vale? 00:55:04.000 --> 00:55:07.000 Después, proteger aquellas aplicaciones, incluso aquellas que son o 00:55:07.000 --> 00:55:10.000 intentan ser accedidas por nuestros usuarios sin nuestro control y 00:55:10.000 --> 00:55:15.000 finalmente gobernar, ¿vale? 00:55:16.000 --> 00:55:21.000 Las capacidades de descubrimiento se tienen que centrar sobre todo, pues, en áreas que tienen que ver con los datos, ¿vale? 00:55:21.000 --> 00:55:25.000 Es decir, nosotros tenemos, por ejemplo, cerca de trescientos clasificadores, ¿no? 00:55:26.000 --> 00:55:31.000 Que están ya prepopulados en nuestras herramientas para identificar tipos de información sensible. 00:55:31.000 --> 00:55:32.000 Por ejemplo, unas credenciales. 00:55:32.000 --> 00:55:35.000 Antes ponías el ejemplo de los datos de analítica de Matías, ¿no? 00:55:36.000 --> 00:55:39.000 Imagínate que mete por error unas credenciales, ¿vale? 00:55:39.000 --> 00:55:40.000 Un usuario y una contraseña. 00:55:40.000 --> 00:55:42.000 Claro, eso es un dato sensible también. 00:55:42.000 --> 00:55:45.000 Igual que si subes un trozo de un documento confidencial que has copiado y 00:55:45.000 --> 00:55:48.000 has pegado en esa herramienta, necesitas descubrir, necesitas saber qué 00:55:48.000 --> 00:55:53.000 pasa, necesitas saber quién está accediendo, qué aplicaciones están utilizando. 00:55:54.000 --> 00:55:57.000 Todo eso forma parte de esa de esa etapa de descubrimiento, y esa etapa de 00:55:57.000 --> 00:56:00.000 descubrimiento a través de herramientas como Purview nos permiten, 00:56:00.000 --> 00:56:03.000 digamos, identificar mi superficie de exposición. 00:56:03.000 --> 00:56:07.000 Una vez que sé lo que tengo delante, lo que tengo que medir y vigilar, 00:56:07.000 --> 00:56:11.000 entonces ahora tengo que proteger, tengo que proteger ese entorno de alguna manera. 00:56:11.000 --> 00:56:12.000 ¿Para qué? 00:56:12.000 --> 00:56:15.000 Pues para prevenir fugas de datos, para prevenir over shelling, es decir, 00:56:15.000 --> 00:56:18.000 que yo esté compartiendo información de más que que necesariamente no 00:56:18.000 --> 00:56:21.000 debería hacer porque, bueno, puede ser información sensible, 00:56:21.000 --> 00:56:24.000 corporativa, o a lo mejor estoy compartiéndolo con alguien que no debo 00:56:24.000 --> 00:56:27.000 porque es una persona que no necesariamente tiene acceso a esa 00:56:27.000 --> 00:56:30.000 información, puede ser una persona interna, una persona externa que 00:56:30.000 --> 00:56:35.000 trabaja para mí, alguien de fuera, ¿vale? 00:56:36.000 --> 00:56:39.000 Y sobre todo también detectar las amenazas, ¿no? 00:56:39.000 --> 00:56:42.000 Desde el punto de vista de, oye, yo ya conozco a través de esas 00:56:42.000 --> 00:56:45.000 herramientas de inteligencia artificial que os contaba antes aplicadas a 00:56:45.000 --> 00:56:48.000 la seguridad, cuáles son las técnicas, las tácticas y los 00:56:48.000 --> 00:56:51.000 procedimientos que utilizan esos actores maliciosos y, por lo tanto, soy 00:56:51.000 --> 00:56:54.000 capaz de detectar patrones de comportamiento que puedo alertar al usuario 00:56:54.000 --> 00:57:01.000 y a los administradores de mi cooperación. 00:57:02.000 --> 00:57:03.000 Y, por último, el gobierno, ¿vale? 00:57:04.000 --> 00:57:05.000 El gobierno del dato. 00:57:05.000 --> 00:57:07.000 Hay una cosa que seguramente os ha pasado, ¿no? 00:57:07.000 --> 00:57:13.000 Que le habéis preguntado algo a cualquiera de estas aplicaciones de consumo de guía generativa, ¿no? 00:57:13.000 --> 00:57:14.000 Y pasan, suele pasar dos cosas. 00:57:14.000 --> 00:57:17.000 Una, que no es determinista, porque claro, esto es cálculo probabilista. 00:57:17.000 --> 00:57:21.000 Y la segunda es que muchas veces, cuando no es así, cuando sí que lo es 00:57:21.000 --> 00:57:25.000 porque tiene un RAG asociado a esa vía generativa y por lo tanto la 00:57:25.000 --> 00:57:29.000 fuente de información es factual. 00:57:29.000 --> 00:57:33.000 Hay veces que pasa que cuando ese RAG no se gestiona, hay datos que se 00:57:33.000 --> 00:57:37.000 quedan obsoletos, por lo tanto le puedes estar preguntando cosas que a lo 00:57:37.000 --> 00:57:42.000 mejor, pues bueno, están son correctas personas antiguas, ¿no? 00:57:42.000 --> 00:57:46.000 Imagínate, pues no sé, los datos financieros de una compañía, ¿no? 00:57:46.000 --> 00:57:52.000 Puede ser que hayas cerrado el trimestre hace dos semanas y y te esté dando datos de hace un mes o tres meses, ¿no? 00:57:52.000 --> 00:57:56.000 Eso al final conlleva errores y a la toma de decisiones incorrecta, ¿no? 00:57:56.000 --> 00:57:59.000 Eso también es importante, por eso hay soluciones también que te 00:57:59.000 --> 00:58:02.000 permiten, digamos, gestionar el ciclo de vida en los datos y marcar la 00:58:02.000 --> 00:58:05.000 obsolescencia de los datos con las con los cuales tú alimentas esa idea 00:58:05.000 --> 00:58:08.000 generativa, pues a través de técnicas de RAW o a través de 00:58:08.000 --> 00:58:11.000 vectorización en bases a datos vectoriales, ¿no? 00:58:11.000 --> 00:58:14.000 Y sobre todo también la detección en esa fase de gobierno del 00:58:14.000 --> 00:58:17.000 incumplimiento de las leyes y de las políticas y de los códigos de 00:58:17.000 --> 00:58:22.000 conducta que tenga una compañía. 00:58:23.000 --> 00:58:27.000 Ahora viene una avalancha de regulación en torno a la inteligencia 00:58:27.000 --> 00:58:31.000 artificial, y concretamente con el foco puesto en inteligencia artificial generativa. 00:58:31.000 --> 00:58:37.000 Y en el gobierno no podemos olvidar tampoco al final los incidentes relacionados con los datos, ¿no? 00:58:37.000 --> 00:58:38.000 O sea, rompe es un código de conducta. 00:58:38.000 --> 00:58:41.000 Atípico ejemplo siempre es entorno financiero, ¿no? 00:58:41.000 --> 00:58:44.000 Que un cliente o que hace una inversión, entonces te está trasladando una 00:58:44.000 --> 00:58:47.000 serie de datos que podrías tú utilizar como empleado para, a lo mejor, 00:58:47.000 --> 00:58:50.000 replicar esa inversión, y eso iría contra el código de conducta de esa 00:58:50.000 --> 00:58:54.000 compañía, ¿no? 00:58:54.000 --> 00:58:56.000 En esos casos también existen herramientas, ¿no? 00:58:56.000 --> 00:59:00.000 Incluso cuando interacciones con con herramientas de inteligencia 00:59:00.000 --> 00:59:04.000 artificial generativa, porque puede ser que ese usuario antes de hacer a 00:59:04.000 --> 00:59:08.000 lo mejor ese paso o antes de infringirle pregunte, oye, ¿y esto tú cómo lo ves? 00:59:08.000 --> 00:59:09.000 A la degenerativa, ¿no? 00:59:09.000 --> 00:59:12.000 Dame datos, todo eso todo ese tipo de información también se está 00:59:12.000 --> 00:59:15.000 aplicando a la inteligencia artificial a través de clasificadores para 00:59:15.000 --> 00:59:19.000 identificar patrones que rompen esos códigos de conducta. 00:59:20.000 --> 00:59:26.000 Estas son las esta es la situación que estamos viviendo ahora en en muchas de nuestras empresas, nuestros de nuestros clientes, ¿vale? 00:59:26.000 --> 00:59:29.000 Es decir, clientes que nos piden este tipo de herramientas, ¿no? 00:59:29.000 --> 00:59:38.000 Y lo que estamos es intentando, pues, a través de todos estos productos y servicios, dar dar un poco respuesta a esas a esas dudas, ¿no? 00:59:38.000 --> 00:59:41.000 Alberto, has pasado antes por encima del tema de la regulación y a mí me 00:59:41.000 --> 00:59:44.000 encantaría, ya que te tenemos aquí, meternos en las altas esferas y 00:59:44.000 --> 00:59:47.000 mirar por el cerrojo, en esas conversaciones que seguro que mantenéis 00:59:47.000 --> 00:59:50.000 constantemente con los gobiernos al fin y al cabo, no solo porque la 00:59:50.000 --> 00:59:53.000 administración usa software y servicios de Microsoft, sino porque es 00:59:53.000 --> 01:00:00.000 Microsoft, ¿no? 01:00:00.000 --> 01:00:04.000 Es una gran empresa que siempre está en contacto con Microsoft. 01:00:04.000 --> 01:00:06.000 Es Microsoft, perdón, Microsoft. 01:00:08.000 --> 01:00:12.000 Entonces, claro, a mí me surge una pregunta, a lo mejor un poco morbosa, 01:00:12.000 --> 01:00:16.000 que es, ¿cuál es la postura en estas reuniones de Microsoft con la AIA 01:00:16.000 --> 01:00:20.000 Act europea, y si los modelos fundacionales que también has mencionado 01:00:20.000 --> 01:00:24.000 van a tardar más en llegar a Europa de lo que tardarán en llegar, por 01:00:24.000 --> 01:00:28.000 ejemplo, a Estados Unidos, donde parece que ahora vamos a tener incluso 01:00:28.000 --> 01:00:35.000 más aires de cambio a nivel liberalizarlo todo, ¿no? 01:00:35.000 --> 01:00:37.000 A ver, bueno, yo puedo hablar por nosotros. 01:00:37.000 --> 01:00:41.000 Nosotros hemos firmado el pacto en relación al Eye Act, ¿vale? 01:00:42.000 --> 01:00:48.000 De hecho, estamos bastante de acuerdo con la aproximación que hace el AJACT al al escenario que tenemos en Europa. 01:00:48.000 --> 01:00:54.000 Es decir, la privacidad es un derecho humano fundamental, es un derecho humano fundamental histórico, ¿vale? 01:00:55.000 --> 01:00:58.000 Y y consideramos que el uso que se puede hacer de estos servicios de 01:00:58.000 --> 01:01:01.000 inteligencia artificial, y específicamente los de propósito general, en 01:01:01.000 --> 01:01:04.000 relación a cómo los trata o aborda la nueva regulación del IIAC, que es 01:01:04.000 --> 01:01:07.000 una orientación a riesgos, es un es una forma de abordar el problema 01:01:07.000 --> 01:01:14.000 bastante inteligente. 01:01:15.000 --> 01:01:19.000 Y y de hecho estamos bastante de acuerdo, porque consideramos que hay 01:01:19.000 --> 01:01:23.000 escenarios, casos de uso, donde la inteligencia artificial, por el impacto 01:01:23.000 --> 01:01:27.000 negativo o o el riesgo tan elevado que existe de utilizar esta 01:01:27.000 --> 01:01:32.000 tecnología, pues creemos que no debe abordarse. 01:01:32.000 --> 01:01:36.000 Es decir, que hay casos de uso que ya han sido incluso identificados por la 01:01:36.000 --> 01:01:40.000 propia regulación de identificación biométrica masiva, de 01:01:40.000 --> 01:01:46.000 identificación de imágenes, en términos de de face detección, por ejemplo. 01:01:46.000 --> 01:01:50.000 Son son escenarios que, o bien implican riesgos inadmisibles, que es el el 01:01:50.000 --> 01:01:54.000 cómo lo aborda el IAC, o son riesgos que necesariamente son de riesgo 01:01:54.000 --> 01:01:58.000 alto y, por lo tanto, tienes que identificar y mitigar esos riesgos y 01:01:58.000 --> 01:02:03.000 actuar acorde a esos riesgos. 01:02:03.000 --> 01:02:10.000 Y ahí el AIC establece una serie de criterios muy rigurosos de qué es lo que tienes que hacer cuando el riesgo es alto. 01:02:10.000 --> 01:02:17.000 Y obviamente, en aquellos casos en los que es inadmisible, pues no se deben abordar este tipo de proyectos con esta tecnología. 01:02:17.000 --> 01:02:20.000 Así que bastante alineados, ponerse totalmente alineados con el 01:02:20.000 --> 01:02:23.000 planteamiento que hace de LLAC, porque creemos que es una aproximación 01:02:23.000 --> 01:02:27.000 muy inteligente, tecnológico que trae esos riesgos. 01:02:27.000 --> 01:02:31.000 Una última pregunta, Alberto, que no te queremos robar tantísimo tiempo. 01:02:32.000 --> 01:02:35.000 Hay una última de estrategia de las compañías, sobre todo de las bigtech 01:02:35.000 --> 01:02:38.000 con con la inteligencia artificial, y es años después de que la guía 01:02:38.000 --> 01:02:41.000 generativa empiece a estar en boca de todo como la siguiente gran cosa en 01:02:41.000 --> 01:02:45.000 el sector tecnológico. 01:02:45.000 --> 01:02:48.000 Me da la impresión de que todo bien está del todo claro que es parte de 01:02:48.000 --> 01:02:51.000 la cadena de valor van a ser las que se lleven el gato al agua, es decir, 01:02:51.000 --> 01:02:55.000 sean sean las que van a ser capaces de capturar más valor, ¿no? 01:02:56.000 --> 01:02:59.000 Viendo los resultados financieros de las compañías, parece que la parte 01:02:59.000 --> 01:03:02.000 de infraestructura, sobre todo Nvidia y los proveedores cloud como como 01:03:02.000 --> 01:03:05.000 Microsoft o o Google o, a lo mejor, quizás un poco menos Amazon, pero el 01:03:05.000 --> 01:03:08.000 agente de cloud también están ahora mismo capturando la mayor parte del 01:03:08.000 --> 01:03:11.000 negocio, Satina de la de que que la que la ILA y los diez mil millones de 01:03:11.000 --> 01:03:14.000 la ILA que estaba metiendo inteligencia artificial en Microsoft, era el 01:03:14.000 --> 01:03:21.000 negocio que más rápido había crecido dentro de de la compañía. 01:03:22.000 --> 01:03:24.000 Pero a la vez, mantenía una estrategia que también estáis en la en la 01:03:24.000 --> 01:03:26.000 capa de aplicación, en la que también tenéis modelos propios, más 01:03:26.000 --> 01:03:28.000 inversión en modelos de terceros y y, bueno, y hay otros que, bueno, 01:03:28.000 --> 01:03:30.000 creen que la el el meollo del el del negocio va a estar en el que hace el 01:03:30.000 --> 01:03:32.000 modelo de inteligencia artificial, otros que piensan que están en la capa 01:03:32.000 --> 01:03:39.000 de aplicación. 01:03:39.000 --> 01:03:43.000 Ahora mismo, ¿cómo cómo lo veis financieramente en la estrategia de la de las compañías? 01:03:43.000 --> 01:03:49.000 ¿Dónde va a estar la, digamos, el el el los campeones de la inteligencia artificial en cuanto a negocio? 01:03:50.000 --> 01:03:55.000 Bueno, esto es es es muy en, yo creo que se entiende muy fácil si miramos un poco la historia de la humanidad, ¿no? 01:03:55.000 --> 01:04:03.000 O sea, al final hay hay un libro de de Jeffrey Dean que habla de la tecnología, The Rise of the Great Powers, ¿no? 01:04:03.000 --> 01:04:08.000 O sea, y habla un poco de cuáles han sido, cómo han ido funcionando las diferentes revoluciones industriales, ¿no? 01:04:09.000 --> 01:04:13.000 En el caso de la de la revolución industrial asociada a la electricidad, 01:04:13.000 --> 01:04:17.000 por ejemplo, el éxito no está tanto en quién inventan electricidad, 01:04:17.000 --> 01:04:22.000 sino cómo de rápido se aplica esa electricidad al al ecosistema, ¿no? 01:04:22.000 --> 01:04:24.000 En este caso, fue a la industria, ¿no? 01:04:24.000 --> 01:04:28.000 Entonces, esos esos, digamos, desarrollos económicos que van asociados a 01:04:28.000 --> 01:04:32.000 esas tecnologías de propósito general y la inteligencia artificial, 01:04:32.000 --> 01:04:36.000 creemos que es una tecnología de propósito general, es la nueva 01:04:36.000 --> 01:04:40.000 tecnología de propósito general, es lo que nos da un poco la idea de 01:04:40.000 --> 01:04:44.000 hacia dónde está el beneficio en esa cadena de valor, y el beneficio 01:04:44.000 --> 01:04:49.000 creemos que está en la difusión de esa tecnología. 01:04:50.000 --> 01:04:54.000 En la medida en que un país, una empresa, una sociedad sea capaz de 01:04:54.000 --> 01:04:58.000 adoptar esa tecnología y hacerla suya, de ponerla en aquellos sitios 01:04:58.000 --> 01:05:02.000 donde es más productiva y obtienes más beneficios, beneficios no 01:05:02.000 --> 01:05:08.000 solamente económicos, sino de productividad, pero también sociales, ¿vale? 01:05:09.000 --> 01:05:15.000 Ese es el país o esa es la sociedad o esa es la empresa que se va a llevar al agua, por decirlo de alguna manera. 01:05:15.000 --> 01:05:16.000 ¿Por qué hay un beneficio? 01:05:16.000 --> 01:05:18.000 ¿Por qué estos resultados económicos? 01:05:18.000 --> 01:05:24.000 Bueno, en dos mil veinte nadie hablaba de GPT dos ni de GPT tres, ¿vale? 01:05:24.000 --> 01:05:25.000 Nadie. 01:05:26.000 --> 01:05:29.000 Nosotros ya teníamos GPT dos y GPT tres en Azure. 01:05:29.000 --> 01:05:30.000 ¿Quién lo usaba? 01:05:30.000 --> 01:05:31.000 Muy poquita gente. 01:05:31.000 --> 01:05:32.000 Pero sí que le vimos el potencial. 01:05:33.000 --> 01:05:39.000 El potencial está en cómo coges ese modelo y lo adaptas a tus soluciones, ¿no? 01:05:39.000 --> 01:05:43.000 Cómo lo metes en office, cómo lo metes en la seguridad, ¿vale? 01:05:43.000 --> 01:05:47.000 Cómo lo adaptas a los diferentes modelos de negocio de cada industria. 01:05:47.000 --> 01:05:49.000 ¿Va a haber o va a seguir abriendo? 01:05:49.000 --> 01:05:55.000 Y necesariamente vamos a necesitar empresas como Nvidia, aunque, bueno, podríamos hablar otro día de SLMs, ¿vale? 01:05:55.000 --> 01:06:03.000 La estrategia de los modelos pequeños, pero necesariamente vamos a necesitar capacidad de cómputo, vamos a necesitar infraestructuras cloud. 01:06:04.000 --> 01:06:09.000 Pero también es verdad que hay una parte importante de esa cadena de valor que está en el medio y al final de esa milla, ¿no? 01:06:09.000 --> 01:06:15.000 Es decir, cómo adoptas y en cómo terminas explotando esa tecnología desde el punto de vista de usuario. 01:06:17.000 --> 01:06:18.000 Muchísimas gracias por por tu tiempo. 01:06:18.000 --> 01:06:20.000 Creo que quedan muchas preguntas. 01:06:20.000 --> 01:06:24.000 Se nos ha acabado el tiempo, pero la siguiente justo era, ¿cuántas centrales nucleares nuevas queréis poner en España? 01:06:24.000 --> 01:06:27.000 Pero bueno, se ha acabado el tiempo, no queremos ponerte en esta situación 01:06:27.000 --> 01:06:31.000 y, bueno, queda pendiente, por supuesto, para la siguiente entrevista, ¿no, Matías? 01:06:31.000 --> 01:06:38.000 Sí, un placer, Alberto tenerte aquí, y Alberto nos explicado todo esto de forma tan detallada, ¿no? 01:06:38.000 --> 01:06:40.000 Así que muchas gracias por venir. 01:06:42.000 --> 01:06:44.000 Bueno, y tenemos todo este debate. 01:06:44.000 --> 01:06:48.000 Hemos hablado de el hype de la AGI, el debate sobre va a haber una burbuja 01:06:48.000 --> 01:06:52.000 de inteligencia artificial, y claro, en todo esto hay una parte decisiva, 01:06:52.000 --> 01:06:56.000 que es si las startups van a conseguir ganar toda esta parte de la 01:06:56.000 --> 01:07:00.000 inteligencia artificial o la van a o van a ser o la van a perder o qué 01:07:00.000 --> 01:07:04.000 tipo de valor nos van a traer a partir de los de los modelos de IA, ¿no? 01:07:04.000 --> 01:07:10.000 Entonces, te traigo tres noticias, Matty, de de de startups sufriendo o 01:07:10.000 --> 01:07:17.000 haciendo la inteligencia artificial que no puedo evitar que que que la discutamos. 01:07:17.000 --> 01:07:21.000 Una, no puedes parar de inventar secciones sufriendo o haciendo la 01:07:22.000 --> 01:07:23.000 Me gusta. 01:07:24.000 --> 01:07:27.000 Es que, claro, la gente no lo sabe, pero nosotros cuando empezamos 01:07:27.000 --> 01:07:30.000 monoestocástico hemos sido los grandes renovadores de del formato podcast 01:07:30.000 --> 01:07:35.000 gracias a la invención de las secciones. 01:07:36.000 --> 01:07:42.000 Eso es una cosa muy creativa, estamos en el nivel cuatro de la de la IA hacia la AGI. 01:07:43.000 --> 01:07:50.000 Bueno, las acciones de Check, Check con dos ges, cayeron un noventa y nueve por ciento, Matty. 01:07:51.000 --> 01:07:55.000 Bueno, Check es un servicio que no es muy popular en el mundo 01:07:55.000 --> 01:07:59.000 hispanohablante, pero que los anglosajones han usado mucho porque, 01:07:59.000 --> 01:08:03.000 básicamente, ayudaba a encontrar respuestas a deberes, problemas, 01:08:03.000 --> 01:08:07.000 recursos educativos, era una especie de, pues rincón del vago americano, 01:08:07.000 --> 01:08:14.000 pero más formalizado y y llevado a un a un nivel mayor. 01:08:15.000 --> 01:08:20.000 Y, claro, las culpas y la y y el culpable al que se señala es que es ChagPT. 01:08:20.000 --> 01:08:23.000 Al parecer, por lo que sea, los estudiantes, en vez de copiar un trabajo 01:08:23.000 --> 01:08:26.000 que ya está hecho y es estático, prefieren la creación dinámica de 01:08:26.000 --> 01:08:29.000 nuevos resultados que no se pueden detectar o más son más difíciles de 01:08:29.000 --> 01:08:34.000 detectar a través de la inteligencia artificial, Matthew. 01:08:34.000 --> 01:08:38.000 Esto me recuerda a uno de los primeros episodios de monosestocásticos, que 01:08:38.000 --> 01:08:42.000 hablamos de los profesores que estaban en contra y a favor de ChatGPT, y 01:08:42.000 --> 01:08:46.000 no los argumentos a favor era, bueno, al menos el estudiante va a ir a 01:08:46.000 --> 01:08:53.000 hablar con ChatGPT para interesarse por, pues el trabajo de clase o lo que sea. 01:08:53.000 --> 01:08:58.000 Entra ChatGPT multimodal, los estudiantes cogen la cámara del móvil, le 01:08:58.000 --> 01:09:03.000 hacen una foto al ejercicio, a la tarea y ChatGPT la resuelve sin que el 01:09:03.000 --> 01:09:08.000 estudiante haya tenido ni siquiera que leer el enunciado. 01:09:09.000 --> 01:09:15.000 No, me extraña que Chet punto com haya caído al abismo de la Solescencia. 01:09:16.000 --> 01:09:25.000 Una empresa tecnológica que que se la pega, pero otra puede estar creciendo encontrando un caso de uso inesperado para la inteligencia artificial. 01:09:27.000 --> 01:09:34.000 Se trata de una startup que, atención a al a la propuesta de valor, ¿no? 01:09:34.000 --> 01:09:39.000 Ese ese, yo me imagino haciendo su su pitch, ¿no? 01:09:39.000 --> 01:09:44.000 A los inversores, y que esta startup que se llama Osmo, dice lo siguiente. 01:09:45.000 --> 01:09:49.000 La inteligencia artificial se puede utilizar para autenticar zapatillas 01:09:49.000 --> 01:09:53.000 deportivas, es decir, estos estos modelos ya tan caros, el mundo de Mauro 01:09:53.000 --> 01:09:58.000 Fuentes, nuestro amigo, que es un buen coleccionista de este tipo de productos. 01:09:58.000 --> 01:10:01.000 ¿Para qué vamos a usar la inteligencia artificial? 01:10:01.000 --> 01:10:03.000 Para detectar cuáles son verdaderas y cuáles son falsas. 01:10:03.000 --> 01:10:06.000 ¿Y qué va a usar la inteligencia artificial como input? 01:10:06.000 --> 01:10:09.000 Una imagen, una foto, se va a fijar quién lo lleva, para ver si es un tipo 01:10:09.000 --> 01:10:13.000 que dice, este no tiene el nivel para estas zapatilla de ochocientos pagos. 01:10:13.000 --> 01:10:20.000 No, no va a hacer eso, sino que va a auditarlas a partir del olor, Matías. 01:10:21.000 --> 01:10:25.000 Ole oler zapatillas, el gran uso de la ILA que ha encontrado la empresa tecnológica Osmo. 01:10:26.000 --> 01:10:30.000 A ver, honestamente, la IA multimodal no me preocupaba, pero la IA 01:10:30.000 --> 01:10:34.000 multisensorial ya empieza a preocuparme, porque, por suerte, mi perra 01:10:34.000 --> 01:10:38.000 puede, a través de las firmas químicas que su hocico percibe y que yo no 01:10:38.000 --> 01:10:42.000 soy capaz de percibir, distinguir si me he duchado o no me he duchado para 01:10:42.000 --> 01:10:49.000 ponerme a trabajar después del crossfit. 01:10:50.000 --> 01:10:55.000 Pero como no puede hablar, para mí no es ningún problema, me ha visto hacer cosas peores. 01:10:55.000 --> 01:11:00.000 Pero una IA sí puede hablar y tiene memoria. 01:11:00.000 --> 01:11:06.000 Si empieza a ver que no me ducho después del profit para ponerme a trabajar, pues me voy a sentir un poquito humillado. 01:11:07.000 --> 01:11:15.000 Entonces, o me obliga a ir a la ducha directo o igual desactivo esta función. 01:11:15.000 --> 01:11:18.000 Sí, bueno, aquí es que volvemos al dilema, ¿no? 01:11:18.000 --> 01:11:20.000 Los usos beneficiosos, ¿no? 01:11:20.000 --> 01:11:25.000 De del comprador de zapatillas deportivas que de repente por fin tiene un 01:11:25.000 --> 01:11:30.000 mecanismo fiable para saber si le están tangando con con con snickers falsas. 01:11:30.000 --> 01:11:35.000 O, por otro lado, el problema de la gente que alargamos ese tiempo después del deporte para duchar, ¿no? 01:11:35.000 --> 01:11:44.000 Porque tenemos tanta ansia por trabajar, por ser productivos, que ahí estamos posponiendo hasta, pues, cosas fundamentales, ¿no? 01:11:44.000 --> 01:11:49.000 Bueno, última startup que te planteo porque, además, la trae Dennis 01:11:49.000 --> 01:11:54.000 Crowley porque es un tipo interesante, porque hizo una startup que fue muy 01:11:54.000 --> 01:11:59.000 importante en los aquellos momentos de la web dos punto cero, que era For Square. 01:11:59.000 --> 01:12:05.000 Aquella aplicación que se inventó lo de lo del check in, ¿no? 01:12:05.000 --> 01:12:11.000 Lo del decir dónde estabas y compartir información, contenidos y y fotos sobre un sitio. 01:12:12.000 --> 01:12:15.000 Que hay gente que la sigue usando, para mí es la gente más fascinante de 01:12:15.000 --> 01:12:18.000 Internet, la que sigue y automáticamente se publica en su cuenta de 01:12:18.000 --> 01:12:22.000 Twitter, sigue diciendo estoy aquí, estoy en la tres cuatro, estoy aquí. 01:12:22.000 --> 01:12:25.000 Parece que la renombraron, ahora es Suarpa, Suarpa, sí. 01:12:26.000 --> 01:12:31.000 Bueno, yo sigo usando las FM, que es un poco mi mi reliquia, mi mi mi hogar 01:12:31.000 --> 01:12:36.000 de de de aquellos tiempos, pero bueno, Kroughly no para de inventar, es un 01:12:36.000 --> 01:12:41.000 tío muy creativo y tiene un proyecto que se llama Bebott, que su punto es 01:12:41.000 --> 01:12:46.000 que el futuro es de la inteligencia artificial mezclada con la realidad aumentada. 01:12:47.000 --> 01:12:49.000 ¿Qué es lo que se ha dado cuenta el amigo Crawley? 01:12:49.000 --> 01:12:54.000 Pues todos llevamos unos auriculares y, de repente, ahí, con la 01:12:54.000 --> 01:12:59.000 localización que ofrecen los auriculares, te puede aportar la 01:12:59.000 --> 01:13:04.000 inteligencia artificial información muy valiosa a su vez. 01:13:04.000 --> 01:13:12.000 Es decir, la inteligencia artificial tú vas caminando por la calle y te puede susurrar cosas al oído, te puedes decir cosas inesperadamente, ¿no? 01:13:12.000 --> 01:13:13.000 Tú vas tan tranquilo, ¿no? 01:13:13.000 --> 01:13:17.000 Ahí haciendo el rooking, haré que hacer el rooking, Matthew, eso tenemos 01:13:17.000 --> 01:13:21.000 que hablarlo un día en el podcast eso, porque el rooking es lo que se viene. 01:13:21.000 --> 01:13:25.000 La AGI y el rooking, yo creo va a ser el tema fundamental de dos mil veinticinco, ya hablaremos de eso. 01:13:25.000 --> 01:13:33.000 Pero bueno, tú estás haciendo tus tus paseos y de repente la IA te dice algo sobre el sitio que está. 01:13:33.000 --> 01:13:35.000 ¿Qué nos dirá la IA en ese momento? 01:13:35.000 --> 01:13:38.000 Pues para Dennis Crowley, la app te dirá cosas interesantes sobre los 01:13:38.000 --> 01:13:41.000 lugares que estás, sobre personas cercanas que que hay ahí o amigos 01:13:41.000 --> 01:13:46.000 tuyos que estuvieron en un lugar específico. 01:13:47.000 --> 01:13:51.000 Bueno, esto último inquietante, pero yo tengo que defender a la gente que 01:13:51.000 --> 01:13:55.000 sé que pueden resultar un poco cargantes, pero la gente que si tiene un 01:13:55.000 --> 01:13:59.000 dato cultural o un trivia lo suelte en, vas caminando por la calle y te 01:13:59.000 --> 01:14:03.000 diga, pues mira, aquí en la Guerra Civil, tal y cual, pues yo defiendo a 01:14:03.000 --> 01:14:07.000 esa gente, porque a mí sí me interesa genuinamente que me cuenten esas 01:14:07.000 --> 01:14:11.000 curiosidades para después que no me pase lo de lo típico de cojo un 01:14:11.000 --> 01:14:15.000 vuelo de rayanera, una ciudad random, veo algo que todo el mundo 01:14:15.000 --> 01:14:23.000 monumentalmente aprecia y a mí no me dice nada. 01:14:23.000 --> 01:14:28.000 Yo, al contrario, yo aprecio que me cuenten cosas sobre esa sobre esos monumentos y esas calles. 01:14:29.000 --> 01:14:35.000 Ahora, de ahí a decirme, mira, aquí fue donde potó tu amigo no sé quién, porque el día se emborrachó, más inquietante. 01:14:36.000 --> 01:14:44.000 Claro, a lo mejor tú estás ahí, pues por la puerta de la catedral y y te dice, mira, aquí grabo un vídeo del Churumbel, ¿no? 01:14:44.000 --> 01:14:46.000 Y hice una patada voladora. 01:14:46.000 --> 01:14:49.000 Tú dices, bueno, es una data, es un es un un una referencia que me que me 01:14:49.000 --> 01:14:52.000 puede dar inteligencia artificial, pero claro, a lo mejor, bueno, a lo 01:14:52.000 --> 01:14:57.000 mejor no es la óptima, ¿no? 01:14:57.000 --> 01:14:59.000 Habrá que ver un poco cómo cómo funciona. 01:14:59.000 --> 01:15:01.000 Y bueno, esto esto ha sido un pseudo porta grano de enfermería porque las 01:15:01.000 --> 01:15:03.000 startups están un poco locas, pero no puedes sustituir a nuestra 01:15:03.000 --> 01:15:07.000 sección, nos vamos de tiempo, Mati. 01:15:07.000 --> 01:15:15.000 Hoy se ve un poco largo porque hemos tenido invitado, pero no podemos dejar de hablar de puerta grande o o enfermera a enfermería. 01:15:24.000 --> 01:15:29.000 A ver cómo cómo superas estas estafas, que eran bastante tróspidas. 01:15:30.000 --> 01:15:34.000 Bueno, el caso es que han descubierto, Matías, quiénes serían los 01:15:34.000 --> 01:15:38.000 mejores periodistas para escribir del trabajo del futuro de inteligencia artificial. 01:15:39.000 --> 01:15:40.000 No te lo vas a creer. 01:15:40.000 --> 01:15:41.000 No soy yo. 01:15:41.000 --> 01:15:44.000 Sí, somos tú y yo, Matty, lo hemos conseguido. 01:15:46.000 --> 01:15:49.000 Porque, vamos a ver, nos envió una nota de prensa, algo que nosotros no 01:15:49.000 --> 01:15:52.000 somos muy aficionados, no no nos mandéis notas de prensa, pero esta 01:15:52.000 --> 01:15:55.000 estaba realmente currada. 01:15:55.000 --> 01:16:00.000 Era la solución de la plataforma de Malth, ¿no? 01:16:00.000 --> 01:16:05.000 Que es una una plataforma que sirve para buscar freelance y trabajadores y profesionales, ¿no? 01:16:05.000 --> 01:16:11.000 El caso es que, claro, esta contratación de de freelance ahora está potenciada por la búsqueda con inteligencia artificial. 01:16:11.000 --> 01:16:13.000 Este persona, ese asistente permite a los responsables de artificial. 01:16:13.000 --> 01:16:22.000 Este persona, ese asistente permite a los responsables de contratación especificar las necesidades y tú recibes candidatos como personalizado. 01:16:23.000 --> 01:16:29.000 Entonces, la gente de Malt está súper optimista con su uso de la inteligencia artificial y nos mandó un vídeo de ejemplo. 01:16:29.000 --> 01:16:31.000 En este vídeo de ejemplo se buscaba, nada, necesitamos unos periodistas 01:16:31.000 --> 01:16:33.000 para escribir de la I a, el futuro, el trabajo, etcétera, y salíamos 01:16:33.000 --> 01:16:37.000 nosotros, Matti. 01:16:37.000 --> 01:16:39.000 Por lo tanto, esta inteligencia artificial es buenísima. 01:16:39.000 --> 01:16:40.000 ¿Cómo lo veis? 01:16:40.000 --> 01:16:41.000 Sin duda, sin duda. 01:16:41.000 --> 01:16:48.000 A menos que tengan un vídeo de estos para cada destinatario del email, a mí me ha hecho mucha ilusión verlo. 01:16:48.000 --> 01:16:51.000 Además, lo acabo de ver en directo por primera vez, no lo había abierto. 01:16:51.000 --> 01:16:54.000 Claro, el caso es que a lo mejor esto es puerta grande, no tanto por la 01:16:54.000 --> 01:16:57.000 aplicación en sí, sino porque este puede ser el futuro del PR, es decir, 01:16:57.000 --> 01:17:00.000 cada comunicación, la inteligencia artificial la convertirá en, te 01:17:00.000 --> 01:17:05.000 hacemos un poquillo la pelota, ¿no? 01:17:05.000 --> 01:17:08.000 Que que es lo que lo que a nosotros realmente nos gusta, ¿no? 01:17:08.000 --> 01:17:09.000 Y nos satisface. 01:17:09.000 --> 01:17:16.000 Entonces, ya, claro, si a partir de ahora, en todas las notas de prensa, pues nosotros salimos tantoféticamente bien, ¿no? 01:17:16.000 --> 01:17:25.000 Pues, yo creo que ahí el mundo del PR tiene que tomar nota de de esta iniciativa Puerta Grande y bueno, te voy a pasar un segundo caso. 01:17:25.000 --> 01:17:32.000 Este caso yo creo que va a abrir un horizonte de utilidad para todos los oyentes de monogestocástico. 01:17:33.000 --> 01:17:38.000 Se trata de la usuaria de de x, Kuku Trass, buena conocida tuya, Mati. 01:17:38.000 --> 01:17:42.000 Cucutras dijo lo siguiente, en x, nos preocupa que la idea nos quite el 01:17:42.000 --> 01:17:46.000 trabajo, pero yo se lo quito a ella frecuentemente cuando finjo que soy un 01:17:46.000 --> 01:17:51.000 email un email automático recordándote que me pagues. 01:17:51.000 --> 01:17:55.000 Abre aquí una puerta, una puerta interesante, la usaría Cucututras, 01:17:55.000 --> 01:17:59.000 porque va a haber un montón de momentos y de contextos en los que lo 01:17:59.000 --> 01:18:04.000 mejor que podamos hacer sea fingir ser una inteligencia artificial, Matías. 01:18:04.000 --> 01:18:13.000 Me parece un uso extraordinario hacerte pasar por eso para no darle mucha importancia al email que estás mandando, ¿no? 01:18:13.000 --> 01:18:17.000 Cuando tú por detrás lo que estás es rabiando porque no te pagan. 01:18:17.000 --> 01:18:20.000 Me parece una genialidad por parte de KruCutras, la verdad. 01:18:20.000 --> 01:18:21.000 Sí. 01:18:21.000 --> 01:18:25.000 Y es que a partir de este de este insight, de este de esta poderosa 01:18:25.000 --> 01:18:29.000 invitación a pensar las cosas de otra manera, a darle la vuelta 01:18:29.000 --> 01:18:33.000 completamente a al calcetín, es que hay un montón de contextos en los 01:18:33.000 --> 01:18:37.000 que hacerte pasar por una IA va a ser muy beneficioso. 01:18:37.000 --> 01:18:40.000 Por ejemplo, te llaman y es una una una llamada en la que tú no no no 01:18:40.000 --> 01:18:43.000 tienes muy claro cómo cómo gestionarla, quieres salirte el paso, te 01:18:43.000 --> 01:18:47.000 arrepientes de haber atendido a esa llamada, Mati. 01:18:47.000 --> 01:18:52.000 Pues claro, puedes decir que en un momento, hombre, como modelo de lenguaje no puedo ayudarte, ¿no? 01:18:52.000 --> 01:18:58.000 Tú lo dejas ahí y a partir ya no, la otra persona no tiene ningún arma para para contratar a eso. 01:18:58.000 --> 01:19:02.000 O en Twitter tú puedes de algún momento te metes en una conversación que 01:19:02.000 --> 01:19:06.000 te, como a ti, Matías, en algún momento te han funado, es decir, te han 01:19:06.000 --> 01:19:10.000 cancelado en en redes sociales, pues puedes fingir ser un bot indio. 01:19:10.000 --> 01:19:18.000 De repente, Matías cambia a al Matías más hindú y empezar a decir cosas amables a todos tus tus haters. 01:19:18.000 --> 01:19:22.000 Entonces, puedes decir, bueno, no no metéis más conmigo porque soy un bot, ¿no? 01:19:22.000 --> 01:19:24.000 De repente ahí has grado mucho. 01:19:24.000 --> 01:19:28.000 Es decir, los casos de uso de aplicación de esto son infinitos, Matías. 01:19:29.000 --> 01:19:34.000 Pues sí, y me lleva a comentarte una cosa, Antonio, y es que hoy te traigo yo un portagrando de enfermería. 01:19:34.000 --> 01:19:36.000 Sí, venga, bueno, dispara. 01:19:37.000 --> 01:19:40.000 Ah, tú sabes que tú sabes que los oyentes de modo sextocásticos nos 01:19:40.000 --> 01:19:43.000 escriben, nos mandan sus privado, etcétera, y me llegó una que no no 01:19:43.000 --> 01:19:47.000 pudo dejar pasar. 01:19:47.000 --> 01:19:51.000 NotebookLlem, esta herramienta de Google de la que hemos hablado mucho, 01:19:51.000 --> 01:19:55.000 sobre todo desde que es capaz de producir un podcast a partir de tus 01:19:55.000 --> 01:19:59.000 documentos, se puede usar para el amor y sobre todo para analizar una 01:19:59.000 --> 01:20:06.000 relación sentimental. 01:20:06.000 --> 01:20:13.000 Voy a hacer como como hace El País esto de Irene, nombre ficticio, voy a cambiar los nombres. 01:20:13.000 --> 01:20:15.000 Ya, bien, me voy 01:20:15.000 --> 01:20:16.000 a dar la privacidad. 01:20:16.000 --> 01:20:20.000 Vale, vamos a poner que se llaman Marisa y Avelino, ¿vale? 01:20:21.000 --> 01:20:26.000 Pues me escribe Avelino y me dice, escuchando el último mono os he 01:20:26.000 --> 01:20:31.000 recordado que le subí a Notebook Elem, la copia del primer año de 01:20:31.000 --> 01:20:36.000 WhatsApp con mi pareja, con la cual llevamos un porrón de años, tenemos 01:20:36.000 --> 01:20:41.000 un hijo en común, para que hiciese un podcast sobre el inicio de nuestra relación. 01:20:41.000 --> 01:20:44.000 Vale, pero la cosa no termina aquí, porque esto ya podría ser el puerta 01:20:44.000 --> 01:20:47.000 grande de enfermería, estás de acuerdo o no con esto, con este uso de la 01:20:47.000 --> 01:20:50.000 IA, sino que Avelino me manda el podcast para que yo lo escuche y que para 01:20:50.000 --> 01:20:56.000 ello yo procedo a escuchar el podcast. 01:20:56.000 --> 01:21:03.000 Y a medida que el podcast se va reproduciendo, me voy incomodando por las 01:21:03.000 --> 01:21:10.000 los asuntos tan íntimos que trata, como que al principio de la relación, 01:21:10.000 --> 01:21:17.000 Avelino le dice a Marisa que está preocupado porque sus padres todavía 01:21:17.000 --> 01:21:24.000 no saben que ha dejado a la ex con la que convivía para empezar a salir con Marisa. 01:21:24.000 --> 01:21:26.000 Entonces, tengo que admitir dos cosas. 01:21:26.000 --> 01:21:28.000 Me sorprendió el nivel de confianza que tienen los oyentes de monos 01:21:28.000 --> 01:21:30.000 estocásticos con con nosotros dos y, por otro lado, me enganché al 01:21:30.000 --> 01:21:34.000 podcast de manera increíble. 01:21:34.000 --> 01:21:37.000 Este es el mejor podcast serial, por ahora un solo episodio, increíble. 01:21:37.000 --> 01:21:40.000 Este es el mejor podcast serial, por ahora un solo episodio, espero recibir 01:21:40.000 --> 01:21:43.000 más después de este Portalando de Enfermería, pero primer podcast 01:21:43.000 --> 01:21:48.000 generado con Ia, que me interesa de verdad. 01:21:49.000 --> 01:21:54.000 Madre mía, qué qué qué conjunto de cosas tenemos aquí, qué enorme puerta grande. 01:21:54.000 --> 01:21:58.000 Primero, puerta grande para Avelino, porque claro, está cediéndonos este 01:21:58.000 --> 01:22:02.000 primer año de la relación sentimental con su pareja, podcastizada con 01:22:02.000 --> 01:22:06.000 Ia, a nosotros para que podamos divulgar aquí la los parabienes de del 01:22:06.000 --> 01:22:10.000 futuro que nos espera. 01:22:10.000 --> 01:22:15.000 Entonces, muy generoso, Avelino, ahí yo yo lo veo a favor completamente puerta grande. 01:22:15.000 --> 01:22:21.000 Y luego, claro, yo creo que esto va a acabar siendo un producto de esos típicos que se ponen de moda. 01:22:21.000 --> 01:22:27.000 Es decir, qué pareja no va a querer tener como, no sé, tú tienes las fotos de tu boda, ¿no? 01:22:27.000 --> 01:22:28.000 El el típico, ¿no? 01:22:28.000 --> 01:22:32.000 Es muy típico, tienes que tener un un buen libro de fotos de boda. 01:22:32.000 --> 01:22:37.000 ¿Quién no va a querer tener un podcast sobre su primer año de de amor y romance? 01:22:38.000 --> 01:22:42.000 Yo creo que empezamos con el notebook Elem y hacerte un podcast, Mati, pero 01:22:42.000 --> 01:22:46.000 en el futuro yo creo que nos harán todo una película sobre nuestra 01:22:46.000 --> 01:22:51.000 historia de amor y tendremos una película ahí que podamos poner a las visitas, ¿no? 01:22:51.000 --> 01:22:53.000 Así nos enamoramos nosotros. 01:22:53.000 --> 01:22:54.000 ¿Sabes el error que cometí? 01:22:54.000 --> 01:23:01.000 Porque yo el primer año era muy cursi, el primer año de relación con mi mujer, el error que cometí fue que no lo guardé en digital. 01:23:01.000 --> 01:23:04.000 Se lo imprimí en la primer año de conversaciones y se lo regalé, que me 01:23:04.000 --> 01:23:07.000 imagino que se acabó tirando en una mudanza o lo que sea, se lo regalé 01:23:07.000 --> 01:23:11.000 en formato impreso. 01:23:12.000 --> 01:23:17.000 Entonces, ahora no puedo rescatar aquello para digitalizarlo y y que la IA, 01:23:17.000 --> 01:23:23.000 pues, analice si era efectivamente demasiado cursi en aquellos comienzos o no. 01:23:23.000 --> 01:23:27.000 Claro, pues, bueno, para mí es claramente puerta grande, inteligencia 01:23:27.000 --> 01:23:31.000 artificial, amor, es que es que no no no le no le podemos pedir más a la 01:23:31.000 --> 01:23:36.000 vida, enhorabuena a a Avelino, ¿y cómo se llamaba ella? 01:23:36.000 --> 01:23:37.000 Marisa. 01:23:37.000 --> 01:23:41.000 Ah, y a Marisa, que que sigáis celebrando muchos más aniversarios y para 01:23:41.000 --> 01:23:45.000 bienes, y yo creo que es imposible acabar el episodio más arriba, Mati, 01:23:45.000 --> 01:23:51.000 porque la IA celebra el amor, ese es lo mejor. 01:23:51.000 --> 01:23:53.000 Nos vemos la semana que viene, amigos. 01:23:53.000 --> 01:23:54.000 Un abrazo a todos. 01:23:54.000 --> 01:23:55.000 Chao, 01:23:58.000 --> 01:23:59.000 amix.