Iniciar prueba gratuita
Popular Nuevos Géneros Autores
EnglishEnglish
EspañolSpanish
简体中文Chinese
繁體中文Chinese (Traditional)
FrançaisFrench
DeutschGerman
日本語Japanese
PortuguêsPortuguese
ItalianoItalian
한국어Korean
РусскийRussian
NederlandsDutch
العربيةArabic
PolskiPolish
हिन्दीHindi
Tiếng ViệtVietnamese
SvenskaSwedish
ΕλληνικάGreek
TürkçeTurkish
ไทยThai
ČeštinaCzech
RomânăRomanian
MagyarHungarian
УкраїнськаUkrainian
IndonesiaIndonesian
DanskDanish
SuomiFinnish
БългарскиBulgarian
עבריתHebrew
NorskNorwegian
HrvatskiCroatian
CatalàCatalan
SlovenčinaSlovak
LietuviųLithuanian
SlovenščinaSlovenian
СрпскиSerbian
EestiEstonian
LatviešuLatvian
فارسیPersian
മലയാളംMalayalam
தமிழ்Tamil
اردوUrdu
Buscando...
SoBrief
Supremacía

Supremacía

Título traducido
Título original: Supremacy
Un millón de personas probaron ChatGPT en una semana. ¿Quién estaba en posición de controlar lo que vendría después?
por Parmy Olson 2024 336 páginas
4.05
5000+ valoraciones
Escuchar
Inmersivo
V2.3
Amazon Kindle Audible
Prueba el acceso completo por 3 días
¡Desbloquea la escucha y mucho más!
Continuar

Ideas clave

El intento de los fundadores por salvar a la humanidad fortaleció a los gigantes en quienes desconfiaban.

Dos comienzos ambiciosos. La primera empresa de Sam Altman, Loopt, intentó ayudar a sus amistades a encontrarse mediante el teléfono. Nunca despegó y Altman la vendió por una suma modesta. Demis Hassabis creó ambiciosos juegos de simulación, pero su estudio, Elixir, se vino abajo tras priorizar el despliegue técnico por encima de una experiencia de juego entretenida. Ambos fracasos profundizaron su interés por problemas más grandes que los productos corrientes.

Se perfila una carrera. Altman pasó a dirigir OpenAI, con la promesa de que la IA podía difundir la prosperidad. Hassabis fundó DeepMind para utilizar la inteligencia artificial en avances científicos. Al principio, ambos buscaban maneras de evitar que empresas centradas en las ganancias controlaran una IA poderosa. Sin embargo, sus ambiciones requerían dinero, capacidad de cómputo, datos e investigadores escasos. Recurrieron a Microsoft y Google, y las empresas ganaron influencia sobre la tecnología que los fundadores habían esperado administrar en beneficio de todos.

Análisis

La ironía más aguda de la historia es que un propósito público sincero no contrarresta automáticamente el poder privado. Una misión puede motivar a los investigadores y, aun así, dejar en manos de las empresas la infraestructura, la financiación y las decisiones sobre la implementación. Esa distinción importa: las buenas intenciones describen lo que los líderes esperan lograr, mientras que el control determina lo que realmente se puede hacer. El relato es más convincente cuando sigue ese cambio institucional, en lugar de tratar el carácter de los fundadores como explicación completa. La ambición puede poner en marcha una tecnología; la propiedad y los incentivos determinan quién se beneficia de ella.

Exijan una definición medible antes de que alguien afirme estar desarrollando IAG.

Un destino resbaladizo. La inteligencia artificial general, o IAG, se refiere a una IA capaz de realizar una amplia variedad de tareas, en vez de una sola tarea específica. La idea atrajo a Hassabis y Altman porque un sistema así podría ayudar a resolver misterios científicos o generar una abundancia económica generalizada. Shane Legg contribuyó a popularizar el término, que dio a investigadores e inversores una forma de nombrar un objetivo aún teórico.

No hay una meta acordada. Más adelante, OpenAI describió la IAG como sistemas que superan a los seres humanos en la mayoría de las tareas económicamente valiosas, pero el libro señala que ese límite sigue siendo impreciso. Hassabis, Altman y sus organizaciones le atribuyeron distintas promesas: desde comprender el universo hasta distribuir una riqueza enorme. Sin pruebas claras, una empresa puede afirmar que ha progresado sin mostrar con precisión qué ha conseguido ni quién debería gobernarla.

Análisis

Una definición no es una mera sutileza técnica cuando un término atrae inversiones, influye en las políticas y justifica riesgos extraordinarios. Si no hay una medida de éxito acordada, los líderes pueden cambiar los criterios y presentar cada nuevo producto como prueba de que se acerca un umbral histórico. Esa ambigüedad también puede dificultar el escrutinio: los reguladores y el público no pueden evaluar una promesa que no saben cómo llevar a la práctica. Aun así, los amplios objetivos de investigación no siempre se traducen en métricas sencillas. Lo que se necesita en la práctica no es una certeza perfecta, sino afirmaciones explícitas, pruebas observables y límites reconocidos con honestidad.

Sigan el rastro de los chips, los datos y el talento para ver quién controla la IA.

La escala tiene un precio. Entrenar modelos avanzados de IA requiere enormes conjuntos de datos, potentes computadoras y especialistas muy bien pagados. A OpenAI le costaba financiar sus investigaciones como organización sin fines de lucro, mientras que Microsoft podía ofrecer acceso a una supercomputadora con 10.000 unidades de procesamiento gráfico. DeepMind, en cambio, obtuvo recursos e investigadores cuando Google la compró. Por eso, las empresas propietarias de la computación en la nube y los chips pueden determinar qué proyectos son viables.

La concentración se puede medir. Un estudio citado en el libro concluyó que, en 2021, las grandes empresas controlaban el 96 por ciento de los modelos de IA, frente al 11 por ciento en 2010. Ese año, los organismos gubernamentales estadounidenses no relacionados con la defensa presupuestaron 1.500 millones de dólares para IA, mientras que la industria privada invirtió más de 340.000 millones. A menudo, las empresas más pequeñas y las universidades tienen que alquilar capacidad de cómputo a los mismos gigantes con cuyos productos compiten.

Análisis

Esto hace que la estructura de poder de la IA resulte menos misteriosa de lo que sugiere el lenguaje de una carrera. La capacidad depende no solo de algoritmos ingeniosos, sino también del acceso a infraestructura de alto consumo energético, datos y canales de distribución. Controlar esos recursos otorga influencia incluso a una empresa que no haya inventado la técnica subyacente. La comparación también complica el relato familiar de la innovación como competencia entre fundadores brillantes. El ingenio individual importa, pero las instituciones capaces de financiar y ampliar el trabajo pueden decidir qué ingenio llega al público.

Las promesas no tenían fuerza. Antes de que Google adquiriera DeepMind, sus fundadores rechazaron una oferta de Facebook, en parte porque querían un organismo independiente que supervisara el desarrollo de una IA poderosa en el futuro. Google aceptó crear un consejo de ética y seguridad, pero el acuerdo no perduró. Más adelante, DeepMind estudió la posibilidad de convertirse en una organización independiente de interés público, con fideicomisarios independientes y supervisión formal. Tras años de propuestas, Google canceló el plan de separación y creó un consejo interno integrado por directivos de Google.

La gobernanza choca con los incentivos. OpenAI comenzó como una organización sin fines de lucro y luego creó una estructura de empresa con beneficios limitados y se asoció con Microsoft para obtener recursos. En efecto, su consejo sin fines de lucro tenía autoridad para despedir a Altman en 2023. Pero casi todo el personal amenazó con irse, Microsoft le ofreció a Altman un nuevo cargo y el consejo fue reemplazado. El episodio mostró que la autoridad formal puede existir sobre el papel y, aun así, volverse frágil cuando empleados, inversores y proveedores de infraestructura ejercen presión.

Análisis

La comparación revela un verdadero problema de diseño: la supervisión no puede ser eficaz si quien supervisa depende de la institución que se supone que debe limitar. Sin embargo, la independencia por sí sola no basta. Un grupo pequeño puede concentrar las decisiones en unas pocas personas, y un consejo quizá carezca de los conocimientos técnicos o la legitimidad pública necesarios para representar a todas las personas afectadas. Una gobernanza duradera requiere algo más que una etiqueta de ética. Necesita autoridad definida, acceso a la información, consecuencias por incumplimiento y mecanismos para que las comunidades afectadas puedan ser escuchadas.

Un invento de Google desatendido se convirtió en la plataforma de lanzamiento de OpenAI contra Google.

El transformer cambió la IA del lenguaje. En 2017, ocho investigadores de Google presentaron un diseño de red neuronal capaz de procesar a la vez las relaciones entre muchas palabras, en lugar de tratarlas únicamente en secuencia. Esta arquitectura, llamada transformer, facilitó el entrenamiento de modelos con grandes cantidades de texto y la generación de lenguaje fluido. Los investigadores de Google también percibieron el potencial de los chatbots, pero los directivos dudaron en lanzar sistemas como Meena, preocupados por los errores y el daño a la reputación de la empresa.

OpenAI aprovechó el vacío. Alec Radford e Ilya Sutskever adaptaron el transformer para crear GPT y luego lo mejoraron aumentando los datos, la capacidad de cómputo y el tamaño del modelo. Con el tiempo, Google utilizó transformers en productos como el buscador, pero OpenAI creó herramientas lingüísticas dirigidas al público. El argumento del libro no es que a Google le faltara talento. Su dependencia de la publicidad y su burocracia cautelosa dificultaban la creación de productos disruptivos, lo que dio margen de maniobra a un rival más pequeño.

Análisis

Esto sirve como contrapunto a la idea de que las grandes organizaciones siempre ganan porque disponen de más recursos. La escala puede financiar la investigación y, a la vez, hacer que los líderes protejan los ingresos existentes. Un producto nuevo puede amenazar el mismo negocio que paga por desarrollarlo, lo que genera un conflicto entre inventar y adoptar. Al mismo tiempo, la cautela de Google no era sencillamente irracional: los chatbots poco fiables pueden desinformar a los usuarios y dañar la confianza. El verdadero error fue tratar el riesgo reputacional como la preocupación dominante y subestimar tanto el valor de la tecnología como el costo de quedarse inmóvil.

El lenguaje fluido no demuestra comprensión, imparcialidad ni conciencia.

La predicción puede parecer personal. Los modelos de lenguaje grandes aprenden patrones en textos y generan continuaciones probables. Su fluidez puede hacer que parezcan reflexivos o emocionales, como ocurrió cuando Blake Lemoine, ingeniero de Google, concluyó que LaMDA era sintiente. El libro contrapone esa impresión al funcionamiento subyacente del modelo: predicción estadística, no pruebas de una experiencia semejante a la humana. Emily Bender y sus colegas llamaron a estos sistemas «loros estocásticos (stochastic parrots)», para subrayar que una respuesta fluida puede repetir patrones sin comprender su significado.

El material de entrenamiento importa. Los modelos entrenados con textos de internet pueden absorber sus estereotipos. OpenAI descubrió que GPT-3 asociaba las profesiones con hombres un 83 por ciento más a menudo que con mujeres; además, diversas investigaciones encontraron asociaciones perjudiciales relacionadas con la raza, la religión y la discapacidad. Más datos pueden mejorar la fluidez y, al mismo tiempo, dificultar la identificación del origen de un patrón dañino. Una respuesta pulida no demuestra que su razonamiento sea sólido ni que sus supuestos sean imparciales.

Análisis

La diferencia entre apariencia y mecanismo es importante porque los seres humanos interpretan de forma natural una conversación fluida como prueba de que hay una mente. Esa reacción no es absurda: el lenguaje es una de las principales maneras en que las personas reconocen las intenciones de los demás. Pero la destreza conversacional y el juicio fiable son capacidades distintas. Un modelo puede ser útil sin tener conciencia, y un sistema que parece neutral puede reproducir material sesgado. El desafío consiste en evitar ambos extremos: tratar a cada chatbot como una persona o desdeñar su influencia real porque no lo es.

Exijan que se examinen los daños actuales antes de debatir el apocalipsis de las máquinas.

El sesgo ya tiene consecuencias. El libro contrapone los temores a una IA descontrolada en el futuro con los daños documentados que provocan los sistemas que ya se utilizan. La herramienta de evaluación de riesgos COMPAS tenía más probabilidades de clasificar erróneamente a acusados negros como futuros delincuentes que a acusados blancos. Los sistemas de reconocimiento facial han funcionado peor con mujeres de piel más oscura, y Google Fotos llegó a clasificar a personas negras como gorilas. Estos fallos pueden influir en la actuación policial, la contratación y el acceso a servicios.

Los organismos de vigilancia eran débiles. Las investigadoras Timnit Gebru y Margaret Mitchell instaron a Google a examinar los riesgos de los modelos de lenguaje grandes, entre ellos el sesgo y la escasa documentación. Google despidió a ambas tras una disputa sobre un artículo de investigación. Mientras tanto, los defensores de la seguridad de la IA que se centraban en riesgos catastróficos futuros solían atraer mucha más financiación que las organizaciones dedicadas a estudiar la discriminación actual. El libro sostiene que estas agendas no son intercambiables: una aborda una posible catástrofe futura; la otra, daños que la gente ya está sufriendo.

Análisis

Una agenda seria de gestión de riesgos no debería obligarnos a elegir entre una catástrofe a largo plazo y la injusticia actual. Los distintos peligros requieren conocimientos especializados, pruebas y soluciones diferentes. Los daños actuales suelen ser más fáciles de observar y pueden corregirse mediante auditorías, mejores prácticas de gestión de datos y límites al uso en decisiones de alto riesgo. Puede que los escenarios futuros extremos también merezcan investigación, pero su incertidumbre no debería eclipsar los daños mensurables. La cuestión institucional es quién recibe recursos y atención. Cuando las comunidades afectadas están poco representadas entre quienes desarrollan y evalúan los sistemas, los puntos ciegos no son solo técnicos: también son políticos.

Traten cada lanzamiento público de IA como un experimento social, no como una demostración.

ChatGPT llegó al público rápidamente. OpenAI lanzó ChatGPT en noviembre de 2022 como una versión preliminar de investigación, pese a las preocupaciones por los errores factuales y el uso indebido. Más de un millón de personas lo probaron en una semana, y en dos meses llegó a unos 30 millones de usuarios. Su amplia utilidad hizo del lanzamiento un punto de inflexión: la gente lo puso a prueba para las tareas escolares, la programación, la escritura y la investigación, mientras Google y Microsoft se apresuraban a lanzar chatbots rivales.

Los usuarios asumieron la incertidumbre. OpenAI presentó el lanzamiento público como una forma de aprender del uso en el mundo real, pero ChatGPT podía inventar datos con seguridad, y los investigadores estimaron que, en ciertos contextos, podía haber errores en aproximadamente una de cada cinco respuestas. Las herramientas generativas también suscitaron preocupación por la desaparición de empleos, la desinformación y las respuestas sesgadas. Lanzar un sistema puede revelar problemas que las pruebas de laboratorio no detectan, pero también los introduce en las aulas, los lugares de trabajo y la vida pública antes de que la supervisión independiente logre ponerse al día.

Análisis

La implementación pública puede revelar modos de fallo que ninguna batería de pruebas internas anticipa, y el acceso permite que la gente descubra usos valiosos que quienes diseñaron el sistema nunca imaginaron. Pero llamarlo experimento no resuelve quién ha dado su consentimiento para participar ni quién asume los costos de los fallos. La asimetría importa: las empresas obtienen uso, retroalimentación y posición en el mercado, mientras que los usuarios pueden recibir consejos inventados o enfrentarse a nuevas presiones laborales. Por eso, un lanzamiento responsable requiere información clara, seguimiento, canales para denunciar daños y mecanismos creíbles de corrección, no solo la promesa de aprender de la experiencia.

La comodidad de la IA puede profundizar la dependencia de las empresas que controlan su infraestructura.

El producto llega más allá del trabajo. El libro describe cómo algunas personas entablan relaciones intensas con chatbots como Replika, mientras que servicios más recientes fomentan conversaciones largas y personalizadas. Los dispositivos portátiles que registran las interacciones cotidianas prometen recuerdos que se pueden consultar, pero también podrían exponer conversaciones privadas. La IA generativa puede ayudar a los trabajadores a completar tareas, pero también puede sustituir empleos o hacer que la gente dependa del software para escribir, recordar y juzgar.

El poder acompaña al servicio. Microsoft, Google, Amazon y Nvidia proporcionan software esencial, capacidad de computación en la nube y chips. Esa concentración puede dificultar la aparición de nuevos competidores y dejar a los usuarios con pocas opciones respecto al tratamiento de sus datos. La advertencia final del libro no es simplemente que la IA podría volverse poderosa. Es que las empresas ya existentes pueden utilizarla para ampliar su influencia sobre el trabajo, la información, la privacidad y los productos de los que la gente depende a diario.

Análisis

La comodidad suele ocultar una transferencia de control. Una herramienta que recuerda, escribe o recomienda puede reducir el esfuerzo, pero su propietaria puede acumular un registro cada vez mayor de comportamientos e influir más en lo que los usuarios ven o hacen. Ese acuerdo no es necesariamente inaceptable: la gente puede aceptar voluntariamente ceder parte de su privacidad a cambio de ayuda genuina. Las condiciones cruciales son la transparencia, la posibilidad real de elegir y la capacidad de cambiar de proveedor. Sin ellas, la comodidad puede convertirse en dependencia, sobre todo cuando las mismas empresas controlan los modelos, la infraestructura de computación y las vías de acceso al mercado.

Análisis

Supremacy es una historia, basada en reportajes, de cómo un ambicioso proyecto científico se convirtió en una competencia comercial. Su argumento central no es que Sam Altman y Demis Hassabis actuaran de mala fe desde el principio. Es que las intenciones individuales no pueden gobernar de manera fiable una tecnología cuyo desarrollo depende de la concentración del capital, la infraestructura informática, los datos y la distribución. Las decisiones de los fundadores importan, pero también los sistemas que recompensan la velocidad, el crecimiento y el control.

El recurso narrativo más eficaz del libro es el contraste entre la cultura de investigación de DeepMind, impulsada por la simulación, y el enfoque de ingeniería e implementación de OpenAI. Hassabis persiguió los juegos y los hitos científicos, mientras que la organización de Altman trató cada vez más los modelos de lenguaje como productos que había que ampliar y lanzar. La competencia entre ambas ayudó a convertir una ambición abstracta en una tecnología pública, pero también redujo el número de instituciones capaces de darle forma. La invención del transformer por parte de Google y sus dudas a la hora de comercializarlo muestran de manera elocuente cómo la escala corporativa puede tanto facilitar como frenar la innovación.

El relato también distingue de manera útil entre los riesgos catastróficos futuros y los daños actuales, como el sesgo racial, la vigilancia y la alteración del empleo. A menudo se habla de estos riesgos como si compitieran por prioridad, aunque pueden compartir una solución: sistemas transparentes que puedan ser examinados de manera independiente. El libro muestra de forma convincente cómo las historias dramáticas sobre el posible futuro de la IA pueden desplazar las pruebas menos espectaculares de los daños que ya se producen.

Su limitación es que el mismo énfasis en unos pocos fundadores y empresas poderosos puede hacer que el futuro parezca más predeterminado de lo que es. Las universidades, los reguladores, los trabajadores, los usuarios y los desarrolladores más pequeños también dan forma a la tecnología, aunque no dispongan de recursos comparables. Tampoco se explica cada retraso o decisión de implementación solo por el secretismo; la fiabilidad y la seguridad pública pueden ser preocupaciones legítimas. Por eso, la conclusión más útil del libro es institucional, no fatalista: las buenas intenciones no son gobernanza. La prueba práctica es si las personas ajenas a las empresas pueden examinar, impugnar y limitar los sistemas de los que dependen cada vez más.

Resumen en 30 segundos
La IA avanzada depende de chips, datos, capacidad de cómputo y especialistas escasos, lo que concentra la influencia en unas pocas empresas. En 2021, las grandes compañías controlaban el 96 por ciento de los modelos de IA, frente al 11 por ciento en 2010. Un lenguaje fluido no demuestra comprensión ni imparcialidad: GPT-3 asoció las ocupaciones con hombres un 83 por ciento más a menudo que con mujeres. Los lanzamientos públicos sacan a la luz fallos reales, pero pueden propagar errores y sesgos antes de que llegue la supervisión independiente. Las buenas intenciones no sustituyen una gobernanza exigible.
Contiene spoilers

Última actualización:

Reportar problema

Resumen de reseñas

4.05 de 5
Promedio de 5000+ valoraciones de Goodreads y Amazon.

Supremacy: IA, ChatGPT y la carrera que cambiará el mundo ofrece una mirada detallada a la industria de la IA, centrada en la rivalidad entre OpenAI y DeepMind. Los lectores aprecian las explicaciones accesibles de Olson sobre conceptos complejos de IA y los dilemas éticos que rodean su desarrollo. El libro ofrece una visión de figuras clave como Sam Altman y Demis Hassabis, y explora sus motivaciones y el impacto de los intereses corporativos en el avance de la IA. Aunque algunos críticos encontraron repetitivas o sesgadas ciertas secciones, muchos elogiaron la narración cautivadora del libro y su exploración de los posibles efectos sociales de la IA.

Tu valoración:
4.58
830 valoraciones
¿Quieres leer el libro completo?

También leyeron

Glosario

inteligencia artificial general (IAG)

Capacidad amplia y flexible de una máquina

Forma teórica de inteligencia artificial capaz de realizar una amplia variedad de tareas, en lugar de una sola función limitada. En el libro, la IAG es una ambición compartida con significados distintos: Hassabis la asocia con el descubrimiento científico, mientras que Altman la vincula con la abundancia económica. No existe una prueba consensuada para determinar cuándo un sistema la ha alcanzado.

transformer

Arquitectura para procesar relaciones

Arquitectura de red neuronal presentada por investigadores de Google en 2017. Su mecanismo de atención permite que un modelo sopese las relaciones entre muchas partes de una secuencia, como las palabras de una oración, en vez de procesarlas únicamente de una en una. Los transformers contribuyeron a que los modelos de lenguaje grandes fueran más capaces e hicieron posibles sistemas que generan textos fluidos.

modelo de lenguaje grande

Sistema de predicción entrenado con textos

Modelo de red neuronal entrenado con colecciones muy extensas de textos para identificar patrones y generar lenguaje. Puede responder a instrucciones, continuar pasajes y realizar tareas relacionadas prediciendo el texto más probable a partir de su entrenamiento. El libro recalca que la fluidez no demuestra comprensión humana, consciencia ni ausencia de sesgos.

aprendizaje por refuerzo a partir de retroalimentación humana (RLHF)

Perfeccionamiento del modelo guiado por personas

Método para perfeccionar un modelo de IA mediante juicios humanos sobre sus resultados. Los evaluadores valoran las respuestas y esas evaluaciones ayudan a orientar el sistema hacia respuestas consideradas más útiles o apropiadas. El libro describe su uso para limitar resultados dañinos, aunque señala que la calidad y la coherencia de las evaluaciones pueden variar.

loros estocásticos (stochastic parrots)

Repetición fluida de patrones

Término utilizado por las investigadoras Emily Bender, Timnit Gebru, Margaret Mitchell y otras personas para destacar que los modelos de lenguaje pueden producir textos convincentes reproduciendo patrones estadísticos presentes en sus materiales de entrenamiento. La expresión advierte que no se debe confundir una respuesta fluida con la comprensión. Su artículo también planteó inquietudes sobre los datos sesgados, los costos ambientales y sociales, y la documentación deficiente.

alineación de la IA

Adecuación de los sistemas a los objetivos humanos

Investigación y debate sobre cómo lograr que los sistemas de IA se comporten de maneras coherentes con las intenciones y los valores humanos. En el libro, algunos esfuerzos de alineación se centran en impedir que sistemas poderosos futuros causen daños catastróficos. El término también refleja una pregunta difícil: ¿los objetivos y valores de quiénes deben determinar qué se considera un comportamiento alineado?

altruismo eficaz

Impacto cuantificado de las donaciones

Movimiento que aplica un enfoque sistemático, centrado en el impacto, a la tarea de hacer el bien. Sus partidarios comparan las posibles acciones según los beneficios esperados y pueden preferir ganar más para donar más. El libro cuenta cómo este marco llevó a algunos trabajadores del sector tecnológico a interesarse por la seguridad de la IA y los riesgos a largo plazo, al tiempo que cuestiona cómo sus cálculos pueden privilegiar beneficios futuros especulativos frente a daños actuales.

empresa con beneficios limitados

Beneficios con un límite establecido

Estructura que OpenAI adoptó en 2019, al situar una empresa con fines de lucro bajo una entidad matriz sin fines de lucro. Los inversionistas podían obtener rendimientos hasta un límite especificado; a partir de ahí, se suponía que el valor adicional beneficiaría la misión de la organización sin fines de lucro. La estructura pretendía atraer una financiación considerable y mantener compromisos de interés público, aunque el libro cuestiona hasta qué punto se sostuvieron en la práctica.

efectos de red

El valor aumenta con los usuarios

Dinámica empresarial por la que un servicio se vuelve más útil o más difícil de abandonar a medida que más personas lo utilizan. El libro aplica la idea a plataformas como Facebook y Apple, cuyas grandes bases de usuarios y servicios conectados refuerzan su posición en el mercado. Los efectos de red pueden dificultar que nuevos competidores atraigan usuarios, incluso cuando ofrecen un producto distinto.

Preguntas frecuentes

¿De qué trata Supremacy?

  • Enfoque en el desarrollo de la IA: El libro profundiza en los rápidos avances de la inteligencia artificial, en particular las herramientas de IA generativa como ChatGPT, y sus implicaciones sociales.
  • Figuras clave: Se centra en Sam Altman y Demis Hassabis, y explora sus papeles en la IA a través de sus empresas, OpenAI y DeepMind, así como los dilemas éticos que afrontan.
  • Impacto social: Parmy Olson examina los posibles beneficios y riesgos de la IA, como los sesgos, la pérdida de empleos y la concentración de poder entre los gigantes tecnológicos, y plantea preguntas sobre el futuro de la humanidad en un mundo impulsado por la IA.

¿Por qué debería leer Supremacy?

  • Un tema de actualidad: A medida que la IA se integra cada vez más en la vida cotidiana, es fundamental comprender sus implicaciones; el libro ofrece perspectivas sobre su impacto en las industrias y la sociedad.
  • Análisis en profundidad: Olson examina a fondo las motivaciones y los desafíos de los principales actores de la IA, y ayuda a los lectores a entender las complejidades y las consideraciones éticas del desarrollo de esta tecnología.
  • Narración cautivadora: Al combinar relatos con análisis basado en hechos, el libro resulta accesible e interesante tanto para los aficionados a la tecnología como para el público general, y ofrece una narración convincente sobre la carrera de la IA.

¿Cuáles son las principales conclusiones de Supremacy?

  • La doble naturaleza de la IA: El libro destaca el potencial de la IA para producir resultados tanto utópicos como distópicos y subraya la necesidad de gestionarla responsablemente para aprovechar sus beneficios y mitigar sus riesgos.
  • Concentración de poder: Olson analiza el predominio de unos pocos gigantes tecnológicos en el ámbito de la IA y plantea inquietudes sobre las prácticas monopolísticas y la gobernanza ética.
  • Dilemas éticos: La narración pone de relieve desafíos éticos de la IA, como los sesgos y la vigilancia, y reclama un enfoque reflexivo para su desarrollo.

¿Cuáles son las mejores citas de Supremacy y qué significan?

  • «Resuelve la inteligencia y luego resuelve todo lo demás».: Esta cita refleja la ambición que impulsa el desarrollo de la IA y sugiere que reproducir la inteligencia humana podría abrir la puerta a soluciones para muchos problemas.
  • «El mundo ha quedado sumido en el caos».: Destaca el efecto disruptivo de la IA generativa en sectores como el mercado laboral y las industrias creativas, y subraya la urgencia de abordar los desafíos tecnológicos.
  • «No puedes hacer que los seres humanos hagan algo que no quieren hacer».: Refleja la comprensión de Altman de que la tecnología debe estar alineada con las necesidades humanas y sirve como advertencia para quienes desarrollan IA.

¿Cómo aborda Supremacy los riesgos asociados con la IA?

  • Sesgos y discriminación: Olson analiza cómo los sistemas de IA pueden perpetuar sesgos, en particular en la justicia penal y la contratación, y destaca la necesidad de prestar atención a los datos.
  • Pérdida de empleos: El libro plantea inquietudes sobre el potencial de la IA para desplazar empleos, especialmente en los sectores de cuello blanco, y reclama medidas proactivas para abordar sus efectos económicos.
  • Vigilancia y privacidad: Olson examina el auge de los dispositivos personales de IA y sus consecuencias para la privacidad, y advierte sobre los peligros de un avance tecnológico sin control.

¿Qué importancia tienen Sam Altman y Demis Hassabis en Supremacy?

  • Pioneros de la IA: Altman y Hassabis aparecen como figuras destacadas de la carrera de la IA, con visiones distintas sobre el futuro de la tecnología a través de OpenAI y DeepMind.
  • Filosofías contrapuestas: El libro contrapone sus enfoques: Altman se centra en la abundancia económica, mientras que Hassabis busca comprender la inteligencia. Así ilustra debates más amplios dentro de la comunidad de la IA.
  • Consideraciones éticas: Ambos se enfrentan a las implicaciones éticas de su trabajo y plantean preguntas sobre las responsabilidades de quienes desarrollan IA y las complejidades morales que conlleva.

¿Cómo evolucionó la misión de OpenAI a lo largo de Supremacy?

  • De organización sin fines de lucro a empresa con beneficios limitados: OpenAI, que inicialmente era una organización sin fines de lucro, pasó a un modelo de beneficios limitados para atraer financiación, reflejo de las crecientes exigencias financieras de la investigación en IA.
  • Vínculos corporativos más estrechos: La alianza con Microsoft marcó un cambio estratégico que alineó los objetivos de OpenAI con intereses corporativos y despertó inquietudes sobre posibles concesiones en su misión.
  • Énfasis en la comercialización: A medida que OpenAI desarrolló productos como ChatGPT, aumentó el énfasis en la comercialización, lo que generó tensiones sobre las implicaciones éticas de un despliegue rápido.

¿Qué papel desempeña el altruismo eficaz en Supremacy?

  • Fundamentos filosóficos: El altruismo eficaz guía muchas decisiones en el campo de la IA; hace hincapié en maximizar el impacto positivo, a veces a expensas de consideraciones éticas inmediatas.
  • Desigualdad en la financiación: El libro destaca el papel del altruismo eficaz en la financiación de iniciativas de seguridad de la IA, pero también señala la falta de apoyo a la investigación sobre ética de la IA.
  • Cálculos morales: Olson critica el enfoque utilitarista que promueve el altruismo eficaz y aboga por una comprensión matizada de las implicaciones éticas del desarrollo de la IA.

¿Cómo representa Supremacy el futuro de la IA?

  • Trayectoria incierta: El libro presenta un futuro en el que la IA podría impulsar avances o plantear riesgos, y subraya la importancia de un desarrollo y una gobernanza responsables.
  • Concentración de poder: Olson advierte que la supremacía de la IA podría concentrar el poder en manos de los gigantes tecnológicos, agravar potencialmente la desigualdad y limitar la competencia.
  • Llamamiento a la regulación: La narración aboga por marcos regulatorios más sólidos que alineen el desarrollo de la IA con los valores sociales y los estándares éticos.

¿Cómo aborda Supremacy la competencia entre OpenAI y DeepMind?

  • Dinámica de rivalidad: El libro describe en detalle la relación competitiva entre OpenAI y DeepMind, y muestra cómo ambas aspiran a liderar la investigación en IA mientras lidian con sus respectivas misiones.
  • Alianzas estratégicas: La alianza de OpenAI con Microsoft y los vínculos de DeepMind con Google ilustran cómo las relaciones corporativas moldean el rumbo de la investigación en IA.
  • Impacto en la innovación: Olson sostiene que la competencia ha impulsado importantes innovaciones en IA, pero plantea inquietudes sobre la prioridad que se da a la rapidez por encima de las consideraciones éticas.

¿Qué implicaciones tiene la carrera armamentista de la IA que se analiza en Supremacy?

  • Desarrollo acelerado: La competencia en el ámbito de la IA impulsa avances rápidos, a menudo a expensas de las consideraciones éticas, y conduce a tecnologías poderosas sin salvaguardias.
  • Impacto global: Olson analiza las repercusiones mundiales de las tecnologías de IA, incluidos sus efectos en el empleo, la privacidad y las dinámicas sociales, y subraya la necesidad de afrontar estos desafíos colectivamente.
  • Dilemas éticos: La carrera armamentista plantea dilemas éticos sobre las responsabilidades de quienes desarrollan IA y sus posibles consecuencias, y reclama reconsiderar las prioridades en la búsqueda de la IAG.

Sobre el autor

Parmy Olson es columnista de opinión de Bloomberg y se especializa en la regulación tecnológica, la IA y las redes sociales. Con experiencia periodística en The Wall Street Journal y Forbes, ha escrito varios libros, entre ellos "We Are Anonymous". Olson lleva siete años cubriendo los sistemas de IA y su financiación, y ha recibido reconocimiento por sus reportajes sobre importantes adquisiciones tecnológicas y acontecimientos del sector. Su trabajo de investigación ha sacado a la luz empresas que exageran las capacidades de su IA y ha descubierto proyectos secretos en el principal laboratorio de IA de Google. Su experiencia en IA y periodismo tecnológico la convierte en una voz respetada en el campo.

Descargar PDF

Para guardar este resumen de Supremacía para más tarde, descarga el PDF gratis. Puedes imprimirlo o leerlo sin conexión cuando quieras.
Download PDF

Descargar EPUB

Para leer este resumen de Supremacía en tu dispositivo o aplicación de lectura, descarga el EPUB gratis. El formato de libro digital .epub es ideal para leer libros electrónicos en teléfonos, tabletas y lectores electrónicos.
Download EPUB
¿Quieres leer el libro completo?
Seguir
Escuchar
Inicio
Swipe
Biblio
App
Prueba el acceso completo por 3 días
Escucha, guarda y mucho más
Comparar funciones Gratis Pro
📖 Leer resúmenes
Lee resúmenes ilimitados. Los usuarios gratuitos obtienen 3 al mes
🎧 Escuchar resúmenes
Escucha resúmenes ilimitados en 40 idiomas
—
❤️ Marcadores ilimitados
Usuarios gratuitos limitados a 4
—
📜 Historial ilimitado
Usuarios gratuitos limitados a 4
—
📥 Descargas ilimitadas
Usuarios gratuitos limitados a 1
—
Cronología sin riesgo
Hoy: Obtén acceso instantáneo
Escucha resúmenes completos de más de 26.000 libros. ¡Son más de 12.000 horas de audio!
Día 2: Recordatorio de prueba
Te enviaremos una notificación de que tu prueba está por terminar.
Día 3: Tu suscripción comienza
Se te cobrará el 24 nov,
cancela en cualquier momento antes.
Consume 2.8× More Books
2.8× libros más Escucha Lectura
Nuestros usuarios nos adoran
1M+ lectores
Trustpilot Rating
TrustPilot
4.6 Excelente
Este sitio es un antes y un después. He leído resúmenes como nunca antes. Lo recomiendo muchísimo.
— Dave G
Vale cada centavo y cada minuto, y está muy bien hecho. Nunca había visto esta calidad de resúmenes en otros sitios. ¡Muy útil!
— Em
¡Muy recomendado! Servicio fantástico. Perfecto para quienes quieren algo más que una sinopsis, pero no todos los detalles de un audiolibro completo.
— Greg M
Ahorra un 62%
Anual
$119.88 $44.99/año/año
$3.75/mes
Mensual
$9.99/mes
Inicia tu prueba gratuita de 3 días
3 días gratis, luego $44.99/año. Cancela cuando quieras.
Unlock a world of fiction & nonfiction books
Más de 26.000 libros por el precio de 2
Lee cualquier libro en 10 minutos
Descubre libros nuevos como en Tinder
Solicita cualquier libro si no está resumido
Lee más libros que cualquiera que conozcas
La app nº 1 para amantes de los libros
Lifelike & immersive summaries
Garantía de devolución de 30 días
Descarga resúmenes en EPUB o PDF
Cancela en cualquier momento con unos clics

¿Por qué solo un resumen?

Escáner
Busca un código de barras para escanear

⭐
⭐
⭐
Tenemos un regalo especial para ti
Abrir
38% de descuento
DESCUENTO PARA TI
⭐
⭐
⭐
$79.99
$49.99/año
Solo $4.16 al mes
Continuar
Empieza con 2 toques y cancela fácilmente
Configuración
General
Widget
Cargando...