Por qué la irrupción de la IA china ha dañado las acciones de las tecnológicas norteamericanas

Por Martín Piqueras, profesor de OBS Business School y miembro de Gartner, empresa consultora y de investigación de las TIC con sede en Stamford, Estados Unidos.

Cuando la IA ocupó los primeros titulares en forma de ChatGPT, el mismo Sam Ullman dijo que los modelos que habían utilizado para desarrollarla no eran escalables. Es decir, desarrollarla había costado muchísimo dinero y muchísima capacidad de cómputo, y no habría suficiente de ninguna de las dos cosas para llevarla al siguiente nivel. O sea, que ya entonces se identificó que haría falta que las inteligencias artificiales evolucionaran de una forma más económica a la que se había utilizado hasta entonces, que era un modelo de fuerza bruta.

Desde entonces, múltiples organizaciones han estado trabajando a fondo para desarrollar modelos de IA de una forma mucho más frugal. Esto no solo es deseable por razones económicas, sino también por razones de sostenibilidad medioambiental; por ejemplo, no existen suficientes materias primas para fabricar tantos chips de IA como se desearía para llegar a nuevos paradigmas.

Si a todo esto le añadimos que los gigantes asiáticos también disponen de sus grandes tecnológicas en constante innovación (los llamados "dragones digitales", como Tencent, Alibaba y otros), tenemos la fórmula perfecta para que, mientras unos están desarrollando inteligencias artificiales a golpe de músculo, de cómputo y de talonario, otros lo estén intentando de una forma más económica y, de ahí, los resultados que estamos viendo.

¿Qué puede pasar con las inversiones que se realizan en Estados Unidos? ¿Coexistirán ambos modelos o solo ganará uno? En mi opinión, hay espacio para diferentes tipos de IA: por un lado, las de músculo, que necesitarán altísimas capacidades de computación y que, quizá, en un futuro se apoyen en computación cuántica y nuevos paradigmas que requieran menos capacidad de procesamiento; y, por otro, las IA más asequibles y sostenibles que puedan resolver problemas más pequeños, por ejemplo, operar de forma autónoma en un smartphone, en el ordenador de un coche o en una cámara de vigilancia.

Es posible que, en el corto plazo, inversiones tan grandes como se han hecho en EE UU sean difíciles de sostener. Sin embargo, también serán necesarias para ciertos tipos de computación basada en la fuerza bruta, como en el descubrimiento de nuevas medicinas o el diseño de nuevas moléculas.