E69 - Resumen del 2023 en temas de Ciencia de Datos

Resumen

El episodio 69 de enCoders es el resumen del 2023 en ciencia de datos e IA, un año que los anfitriones describen como un "punto de inflexión" dominado por la inteligencia artificial generativa (ChatGPT, Midjourney, ElevenLabs, Runway, Gemini). Se repasa qué tareas pasaron de ser muy difíciles a casi triviales (reconocimiento de imágenes) y cuáles siguen siendo un desafío (física, matemática, caos, robótica e interacción con el mundo real). Se debate qué se considera "inteligencia artificial" frente a machine learning, y se discuten riesgos como deepfakes, estafas telefónicas y regulación. También se comentan RAG, computación cuántica y P = NP, el lanzamiento de Gemini y su polémica, la multimodalidad, los GPTs personalizados, y avances en matemáticas (números de Ramsey, teselación aperiódica). Conclusión general: 2023 fue el año de la IA generativa; la multimodalidad apunta a una IA más general, y el siguiente episodio tratará las predicciones para 2024.

Capítulos

• 00:00
  IntroPresentación del episodio 69. Uno de los anfitriones empezó a usar GPT en junio y lo considera de gran utilidad para trabajo, hobbies y uso personal. Recuerdan haber probado aplicaciones de texto a voz en marzo y concluyen que muchas se vendían mejor de lo que funcionaban; califican 2023 como un año histórico y un "punto de inflexión", con temas de regulación, ética y miedo a perder el trabajo.
• 05:07
  Qué es posible / fácil en MLSe comenta un video de Steve Brunton: tareas antes muy difíciles (reconocer un pájaro en una foto) hoy son casi instantáneas, y los datos son los "héroes no publicitados"; se contrasta enfoque data-centric vs model-centric. Hay casos borde (muffins vs chihuahuas), la generación de imágenes mejoró (Midjourney v5 sin manos de seis dedos) y cada modelo (Midjourney, Dall-E, Craiyon) tiene su estilo y sesgo.
• 13:37
  AI aplicada a físicaLa IA se podría usar en dinámica de fluidos (por ejemplo cambiar el número de Reynolds de una imagen), pero es investigación activa. Las IA no entienden realmente física ni matemática (meme del 1+10); GPT usa Python para calcular. Tampoco logran obras literarias de nivel Óscar.
• 18:00
  Algunos riesgosUn paper hecho solo con IA fue aceptado, lo que exige cuidado al revisar investigación. Se mencionan deepfakes y llamadas de estafa con voces más naturales, y la regulación que buscan EE. UU. y la Unión Europea. Un robot ajedrecista agarró el brazo de su oponente y fue descalificado; se menciona el robot Optimus de Tesla y Boston Dynamics.
• 21:55
  Nuevas estrategias en juegos y reinforced learningAl entrenar IA con reinforcement learning en juegos (Breakout/Pong) descubren tácticas no intuitivas; esto aplica también a multiplicación de matrices. Los fenómenos caóticos, como el clima, siguen siendo muy difíciles de modelar.
• 26:00
  Apple y su Apple Vision ProDiscusión de si el reconocimiento de manos del Vision Pro es IA; Apple no pronunció "inteligencia artificial" en la presentación. Se comenta la entrevista de Zuckerberg con Lex Fridman en el metaverso. Luego debaten definiciones: uno considera IA todo sistema que aprende de datos (incluida la regresión lineal); otro separa machine learning de IA según qué le resulta fácil a un humano. Critican que las consultoras venden la palabra de moda cada año (blockchain, Big Data, etc.).
• 34:40
  MemesMeme de "5000 años de conocimiento humano acumulado" y ChatGPT sin referencias; se prefiere el chat de Bing porque entrega fuentes. Se explica RAG (retrieval augmented generation), popularizado en 2023, y su uso al subir PDFs a ChatGPT. Se menciona Channel 1 (TV con avatares generativos).
• 41:40
  Quantum Learning y P = NPComentarios sobre computación cuántica, procesadores cuánticos de IBM y el término "Quantum learning" (aceptable si hay un procesador cuántico por debajo). Se explica P vs NP, la completitud de NP y cómo, si P = NP, la criptografía y los cifrados estarían en riesgo; los computadores cuánticos permitirían romper claves por fuerza bruta.
• 46:43
  ElevenLabsPlataforma de texto a voz (levantó 2 millones, según el video comentado); en inglés funciona mucho mejor que en español, donde aún suena robótica. Anticipan que clonar voces y combinarlo con avatares será trivial, y bromean con hacer un episodio con avatares.
• 50:00
  MidjourneyComparan las versiones de Midjourney con el mismo prompt y se nota la mejora de realismo. Mencionan que el tema de la ética en la IA se tratará más adelante.
• 52:26
  RunwayGeneración de video a partir de prompts (videoclips de minutos, por ejemplo ponerle lentes a un mono); sería muy útil integrada en herramientas de edición. Se mantiene el escepticismo ante los demos de marketing.
• 53:42
  PhotoshopRelleno generativo de Photoshop: seleccionar una zona y escribir un prompt para corregir o modificar la imagen; lo ven como un gran ahorro de tiempo para expertos.
• 55:30
  GeminiGemini de Google: video promocional impresionante pero editado (prompts más largos, velocidad adelantada, compuesto por tres modelos); la versión más potente aún no se lanza. Destacan la multimodalidad (texto, imagen, video, audio y código) y la tendencia hacia modelos livianos. Aparece también una consulta de series de tiempo y se recomienda Prophet, y se explica la descomposición en tendencia, periodicidad y residuos.
• 01:02:44
  Reemplazo de cara y otras aplicaciones más puntualesAplicaciones muy específicas (por ejemplo reemplazarse por un alienígena en un video). Preveen que muchas emergerán y solo unas pocas dominarán, como pasó con ChatGPT.
• 01:05:02
  Compra de OpenAI por MicrosoftMención de la inversión de Microsoft en OpenAI (10 billones, a inicios de año) y del despido y regreso de Sam Altman en noviembre. Recomiendan el video revisado como buena recopilación.
• 01:06:10
  GPTsLos GPTs personalizados (noviembre) permiten aplicar modelos de lenguaje a un tema específico con una base de conocimiento en minutos; sirvieron para prototipar en un hackathon.
• 01:07:54
  Noticias de TIME - Multimodalidad, Constitutional AI, Text-to-videoArtículo con tres grandes tendencias: multimodalidad, Constitutional AI (una "constitución" ética que la IA usa para autorregularse) y text-to-video. Luego conversan sobre cuánta matemática se necesita: estadística, probabilidades y test de hipótesis son lo básico; la profundidad depende del trabajo. Mencionan la competencia de Excel y la historia de la cita falsa de Steve Jobs.
• 01:17:28
  Avances en matemáticasReducción de cotas de los números de Ramsey, y el descubrimiento por un aficionado de una figura que tesela el plano de forma aperiódica ("tiling holy grail"). También se menciona un resultado sobre progresiones aritméticas sin detalle.
• 01:21:41
  CierreCada anfitrión da su conclusión: la IA generativa dominó el año y ayudó en el trabajo; la multimodalidad llevará a una IA más general. La próxima semana tratarán las predicciones para 2024. Invitan al Discord, YouTube y Twitch.

Palabras clave