Revolución en la arquitectura de la inteligencia artificial

La inteligencia artificial se encuentra actualmente bajo un intenso escrutinio en relación a la integridad de los datos y la competencia operativa, elementos que son fundamentales para su funcionamiento en roles autónomos. La arquitectura de la inteligencia artificial se convierte así en un tema de creciente relevancia dentro del ámbito tecnológico.

Históricamente, cuando los comerciantes de Shanghai se reunieron hace más de un siglo en la Cámara de Comercio, se enfrentaban a innovaciones que darían forma al comercio moderno, como los barcos de vapor y los sistemas bancarios. Ahora, en la reciente Cumbre Internacional de Finanzas AI de The Asian Banker, celebrada en el mismo edificio, la discusión se ha trasladado a la infraestructura de la inteligencia artificial como un todo.

Durante los últimos cinco años, la tendencia en el desarrollo de la inteligencia artificial ha sido centrarse en la construcción de modelos de cada vez mayor capacidad. Sin embargo, esta noción de que el aumento en la escala puede impulsar el progreso está siendo cuestionada. El motor de este cambio es la llegada de una nueva generación de sistemas de agentes de inteligencia artificial.

Los sistemas de agentes, como OpenClaw, difieren fundamentalmente de los chatbots tradicionales, ya que son capaces de llevar a cabo secuencias de acciones y no se limitan a responder a preguntas individuales. Según Lin Yonghua, vicepresidente de la Academia de Inteligencia Artificial de Pekín, el rendimiento de un sistema de inteligencia artificial ya no depende únicamente del modelo, sino de la interacción entre el modelo, el agente y las habilidades especializadas que permiten operar en dominios específicos.

Las pruebas internas de BAAI han demostrado que alterar el sistema de agentes puede incrementar hasta diez veces el costo de completar tareas complejas, mientras que cambiar el modelo subyacente podría provocar cambios en el costo de hasta cien veces. Esto indica que la arquitectura en torno al modelo puede ser tan crucial como la inteligencia misma.

Las implicaciones para las empresas son evidentes. Es probable que los grandes modelos se concentren en unas pocas empresas globales, mientras que las habilidades especializadas permitirán que las industrias mantengan su autoridad y control. Lin sostiene que sin habilidades financieras adecuadas, por ejemplo, ningún sistema de agente podrá funcionar efectivamente en áreas críticas como la banca y la gestión de riesgos.

Este cambio en la arquitectura está además impulsando una evolución en el hardware. Los sistemas de agentes requieren acceder a modelos grandes de manera continua, lo que ha llevado a un incremento en la demanda de inferencia, es decir, la ejecución de modelos ya entrenados. Las estimaciones indican que la inferencia podría representar dos tercios de toda la computación de inteligencia artificial para el año 2026.

La proliferación de diversas arquitecturas de chips ha creado un problema adicional, conocido como "un chip, una pila", donde cada chip necesita su propio ecosistema de software. En respuesta, BAAI está desarrollando FlagOS, una pila de software universal de código abierto que optimiza el funcionamiento de modelos en distintos chips.

Sin embargo, persiste una pregunta crítica: ¿es confiable la calidad de los datos en los que se basan estos sistemas? A medida que los agentes asumen tareas más complejas y autónomas, las consecuencias de los datos defectuosos pueden ampliarse desproporcionadamente, causando graves pérdidas en sectores como el financiamiento de la cadena de suministro.

BAAI y sus colaboradores están desarrollando modelos multimodales capaces de interpretar entornos físicos complejos, con la esperanza de que esta arquitectura permita verificar situaciones que las instituciones financieras actualmente evitan. La carrera para construir el modelo más potente sigue, pero la competencia para desarrollar una arquitectura que haga que la inteligencia sea confiable y accesible apenas comienza.