E27 - Empresas desarrollando IA y ML

Resumen

El episodio recorre empresas que desarrollan herramientas de IA y Machine Learning relevantes para la industria de la analítica: OpenAI, Stability AI, Google, Meta, IBM, Nvidia, Tesla, Cloudera, Databricks, Hugging Face y Paperspace. Se discute su origen, su modelo de negocio (código abierto frente a pago por uso) y sus cifras de ingresos. Luego hay un bloque de debate sobre el spam de contenido generado con GPT-3, la ética y los riesgos de la IA, y un par de digresiones sobre problemas inversos y reconstrucción de imágenes. Las conclusiones son que cada vez hay más herramientas disponibles y conviene aprovecharlas, sobre todo las de código abierto. También concluyen que competir con las grandes empresas es muy difícil, aunque diferenciarse con buen soporte o servicio puede funcionar. Y que la industria cambia rápido: aparecen y desaparecen empresas y tecnologías, como pasó con Cloudera y Hadoop frente a Spark.

Capítulos

• 00:00
  IntroExplican que el episodio trata de empresas que desarrollan herramientas de IA/ML y no de las que solo las usan. Debaten si conocerlas sirve para entrevistas de trabajo, qué cuenta como "empresa de IA" y si una consultora entra en la lista.
• 06:08
  OpenAIFundada en 2015, con Elon Musk entre los fundadores, que se retiró en 2018 (se mencionan conflictos con Tesla/SpaceX y, sin certeza, proyectos militares). Nació sin fines de lucro y abierta, pero en 2019 pasó a ser empresa y ya no es realmente "open". Mencionan ChatGPT, GPT-3, DALL-E, Whisper y la librería Gym, que dejó de mantener. Discuten el impacto mediático y comparan magnitudes de dinero (revenue frente a profit, la compra de Twitter, Activision Blizzard, Mercado Libre) con una proyección de ingresos de OpenAI para 2024.
• 14:57
  StabilityAICompetencia de DALL-E con Stable Diffusion, con filosofía open source: libera el modelo y cobra por servicio y plataforma. Tiene un plugin de Blender para generar texturas, lo que lleva a anécdotas sobre Blender. Su impacto mediático es menor y su revenue citado ronda los 21 millones.
• 19:24
  GoogleDestacan TensorFlow y Google Colab, además de AlphaGo y AlphaFold (proteínas, de DeepMind, comprada según dicen por 500 millones). Discuten si AlphaGo es un producto y comentan una app de calorías por foto de Google que se descontinuó. Debaten lo difícil del problema (sopas, azúcar) y mencionan AlphaCode.
• 27:26
  MetaMencionan PyTorch, fastText, BART, Detectron2 para visión por computador y el agente de diplomacia Cicero (nombrado de forma vaga). PyTorch aparece como rival de TensorFlow.
• 28:55
  IBMWatson, que estaba en Bluemix (hoy IBM Cloud). Comentan cómo IBM se reinventó al pasar de computadores a servicios para empresas y gobiernos, incluidos NLP, chatbots y voz a texto. Intentan comparar ingresos con Google y Meta.
• 33:11
  NvidiaNvidia Broadcast (reducción de ruido, desenfoque de fondo, contacto visual), DLSS y reconstrucción de imágenes con IA. Debaten si importa que una imagen reconstruida no sea "real". Explican CPU, GPU y TPU, con precios de unas 3.000 USD para una A100 y unas 2.000 USD para una RTX. Incluyen una digresión sobre problemas inversos, resonancia magnética, muestreo aleatorio y la transformada wavelet.
• 48:45
  TeslaSu clúster usa 8x Nvidia A100 por nodo, casi 6000 GPUs y 18 exaflops. Desarrolla su propio chip, Dojo, y recomiendan los AI Day de Tesla, que explican la arquitectura y el Tesla Bot.
• 52:00
  MemesLas empresas de IA que triunfan "imprimen dinero", pero no se oye de las que fracasan. Hablan de startups construidas sobre GPT-3 y de que generar blogs sale casi gratis, con el riesgo de spam y de información falsa. Dejan pendiente un episodio sobre ética y regulación y comentan contenido falso en YouTube Shorts. Debaten si habrá un escenario tipo Terminator (Boston Dynamics, drones militares, FIDAE).
• 01:08:14
  ClouderaRevenue citado de unos 869 millones. Explican que competía con Hortonworks, que terminó comprando, y que ofrece la capa analítica de un data warehouse basado en Hadoop, antes on-premise y ahora también en la nube. Lo comparan con Databricks y Snowflake y comentan el crecimiento y la serie de Google Trends de Snowflake.
• 01:10:38
  DatabricksMisma filosofía que Cloudera pero con Spark, ambos open source. Su valor está en facilitar la configuración y el mantenimiento de la infraestructura, con pago por uso en lugar de una gran inversión inicial.
• 01:14:36
  HuggingfaceConocida por la librería Transformers y por ser un repositorio donde se suben y sirven modelos, usado por ejemplo para entregar modelos en una competencia universitaria. Prueban un modelo de imagen y comentan que escribir buenos prompts no es trivial.
• 01:18:56
  PaperspacePlataforma de desarrollo con acceso a GPU, proyectos privados y almacenamiento, comparable a SageMaker. El plan de equipo cuesta unos 40 USD por usuario al mes. Prueban la generación de imágenes con un prompt de Mordor y mencionan Google Colab como competencia, con versión gratuita.
• 01:26:40
  CierreDistinguen capas de servicios (infraestructura frente a aplicaciones finales) y mencionan Gartner, las consultoras y otras plataformas para otro episodio. Concluyen que hay muchas herramientas disponibles, conviene usar el código abierto, competir con las grandes es difícil y la industria cambia rápido.

Palabras clave