Argentina
España
USA
Israel
Elon Musk es uno de los principales referentes del sector tecnológico y la inteligencia artificial. El magnate lanzó un ultimátum respecto al futuro de los sistemas de respuesta automática, ya que enfrentan un límite inesperado.
A través de un Space de X, el dueño de Tesla afirmó que los nuevos algoritmos deberán emplear a nuevas formas de aprendizaje para continuar subsistiendo.
Ultimátum tecnológico: Elon Musk alertó por el fin de la inteligencia artificial
Durante una conversación con Mark Penn, asesor estadounidense de comunicación política, Elon Musk alertó que la inteligencia artificial ha agotado todo el conocimiento humano para su entrenamiento.
Los algoritmos como ChatGPT, Deepseek y Grok dependen de los datos disponibles en internet para mejorar constantemente sus servidores. Sin embargo, la velocidad del avance tecnológico ha sido superior al ritmo de creación de información.
El dueño de X propuso cambiar el sistema tradicional de IA por uno de autoaprendizaje basado en datos sintéticos. En sus palabras, se trata de un proceso en donde “la inteligencia artificial se calificará a sí misma y pasará por un proceso de aprendizaje”.
Se traduce en que el desarrollo del sector podría sufrir una ralentización respecto al masivo crecimiento de los últimos años.
De qué se trata el modelo de autoaprendizaje de la inteligencia artificial y cómo funciona
Los nuevos algoritmos se convirtieron en herramientas fundamentales para las empresas tecnológicas, pero sus servidores dependen de un amplio volumen de información y datos.
Una vez agotadas las fuentes de datos, deberán acudir al autoaprendizaje o (machine learning), en donde la tecnología desarrollará su propia información y la contrastarán con la existente.
Esta práctica puede degradar la calidad de los modelos de inteligencia artificial y su capacidad para producir respuestas precisas.
Qué es el machine learning: la nueva forma de entrenar la inteligencia artificial
El aprendizaje automático se centra en desarrollar sistemas que aprenden y mejoran el rendimiento de los algoritmos en función de los datos que consumen.
En la actualidad se utilizan dos tipos principales de algoritmos para el aprendizaje: el supervisado y el no supervisado. El supervisado, un científico de datos actúa como guía y supervisa las conclusiones que se sacan.
En el automático se utiliza un enfoque más independiente, en donde un ordenador identifica procesos y patrones complejos sin la necesidad de un humano.
Fuente El Cronista
