Resumen de Noticias sobre IA – 28 de junio de 2025

Meta contrata a Trapit Bansal, un investigador clave de OpenAI, y en junio adquiere un 49% de Scale AI, valorando Scale en casi 15 mil millones de dólares, además firma un suministro de energía nuclear de 1,1 GW por 20 años para alimentar centros de datos a partir de 2027 y se asocia con Anduril para visores de realidad aumentada impulsados por IA para las fuerzas armadas de EE. UU.
Amazon Web Services (AWS) domina aproximadamente el 30% del mercado global de la nube y su estrategia de IA impulsa el crecimiento en múltiples verticales, con el CEO Andy Jassy comparando este impacto con la electricidad.
DeepMind presentó AlphaGenome, un modelo capaz de analizar hasta 1 millón de pares de bases de ADN a la vez, predecir el efecto de mutaciones y superar a 22 de 24 tareas clave de genómica, además de redescubrir una mutación causante de leucemia y ponerlo a disposición en API para investigación no comercial.
Alibaba anunció Qwen-VLo, un modelo multimodal de visión y lenguaje capaz de entender y generar imágenes, editar imágenes y operar con indicaciones en chino e inglés, integrado en la interfaz Qwen Chat.
En MIT, investigadores presentaron SEAL, Modelos de Lenguaje Auto-Adaptativos que pueden aprender de sus propias salidas mediante autoentrenamiento, aumentando la tasa de aciertos en acertijos de 0% a 72% y con riesgo de olvido catastrófico.
Un equipo dirigido por Wenzhe Zhang reportó un modelo de IA de fusión tardía de RM que predice hemorragia postparto con 92% de sensibilidad y 91% de especificidad en 581 pacientes.
Un microscopio asistido por IA detectó 44 espermatozoides viables en una muestra de infertilidad masculina de recuento extremadamente bajo, permitiendo un procedimiento de FIV ICSI.
Google DeepMind presentó Gemini Robotics On-Device, un modelo fundacional de IA que se ejecuta localmente en robots bimanuels, permitiendo percibir, decidir y actuar con baja latencia sin conexión a la nube.
ABB presentó el Flexley Mover P603, un robot móvil autónomo de 1,5 toneladas de carga útil, que usa SLAM para mapear en marcha y posicionar palets con precisión de 5 mm a 2 m/s, además de una interfaz de arrastrar y soltar para configurar rutas.
Un prototipo de dron de vigilancia del tamaño de un mosquito desarrollado por un laboratorio chino fue mostrado en CCTV-7 con variantes de dos y cuatro alas, diseñado para misiones de vigilancia encubierta.

28 de junio de 2025 – El mundo de la inteligencia artificial experimentó una oleada de desarrollos esta semana, que abarcaron grandes movimientos corporativos, avances revolucionarios en investigación, nuevas herramientas impulsadas por IA, así como hitos regulatorios y éticos. Desde gigantes tecnológicos reclutando a los mejores talentos en IA e invirtiendo en infraestructura, hasta avances en salud y robótica, y leyes que ya empiezan a moldear el futuro de la IA, aquí tienes las actualizaciones clave sobre IA de las que todo el mundo está hablando.

Movimientos corporativos e inversiones en IA

Meta contrata talento de OpenAI y aumenta inversiones en IA: La empresa matriz de Facebook, Meta, fue noticia al contratar a Trapit Bansal, un investigador clave detrás del avanzado modelo de razonamiento de OpenAI ^[1]. Bansal se une a varios otros ex científicos de OpenAI reclutados recientemente por Meta ^[2], como parte del impulso del CEO Mark Zuckerberg por fortalecer las capacidades de IA de Meta. La empresa planea entrenar sus sistemas de IA con más datos del mundo real para mejorar sus capacidades de razonamiento y planificación ^[3]. Junto al fichaje de talento, Meta ha estado invirtiendo fuertemente en infraestructura de IA: en junio adquirió un 49% de la empresa de etiquetado de datos Scale AI (valorando Scale en casi 15 mil millones de dólares) ^[4]. Meta también aseguró un suministro de energía nuclear por 20 años (1,1 GW de Constellation Energy) para alimentar sus centros de datos de IA a partir de 2027 ^[5], subrayando las inmensas necesidades energéticas de la IA a gran escala. En el sector de la defensa, Meta se asoció con la firma tecnológica militar Anduril para desarrollar visores de realidad aumentada impulsados por IA para las fuerzas armadas de EE. UU. ^[6] – un proyecto que integra la plataforma de datos de batalla de Anduril en los dispositivos de realidad aumentada de Meta para los soldados. Todas estas acciones muestran la determinación de Meta de liderar la “carrera de la IA”, respaldada por un importante talento y recursos.

La expansión silenciosa de la IA en Amazon: Mientras otras empresas de IA más llamativas acaparaban los titulares, la constante inversión de Amazon en IA la ha convertido en una ganadora discreta. El precio de las acciones de la compañía se ha casi duplicado en los últimos tres años, un aumento que los analistas atribuyen en parte al crecimiento impulsado por la IA en todas sus líneas de negocio ^[7]. En un análisis para Nasdaq, Jennifer Saibil señaló que el “flywheel” de Amazon – desde el comercio minorista y Prime Video hasta sus adquisiciones en el sector salud – está siendo cada vez más impulsado por Amazon Web Services (AWS), que proporciona la infraestructura en la nube de IA para muchos servicios ^[8]. AWS ahora domina cerca del 30% del mercado global de la nube, y sus beneficios (junto con los ingresos crecientes por publicidad) ayudan a financiar los ambiciosos proyectos de IA de Amazon ^[9]. El CEO Andy Jassy ha comparado el impacto transformador de la IA con el de la electricidad en cuanto a su ubicuidad ^[10]. En la práctica, Amazon ha integrado la IA en sus operaciones, desde la automatización de almacenes hasta los asistentes de voz Alexa, y está invirtiendo fuertemente en servicios de IA generativa para los clientes de AWS. El mensaje de los recientes resultados y acciones de Amazon es claro: la IA no es un proyecto secundario para el gigante tecnológico, sino parte central de su estrategia a largo plazo, aunque no sea tan publicitada como los esfuerzos de algunos competidores.

Salesforce y Perplexity lanzan nuevas herramientas de IA: El líder de software empresarial Salesforce lanzó esta semana Agentforce 3, una actualización de su plataforma de atención al cliente basada en IA. El nuevo sistema convierte a los chatbots (“agentes”) en compañeros virtuales reales para los agentes humanos, con un centro de comandos que ofrece monitoreo en vivo, repeticiones de sesiones y un mercado Agent Exchange con más de 100 automatizaciones preconfiguradas ^[11]. Estas mejoras tienen un impacto real en los negocios: Salesforce reportó un aumento del 233% en la adopción de sus agentes de IA en seis meses, ya que las empresas descubren que la IA puede resolver la mayoría de los tickets de soporte y reducir drásticamente los tiempos de gestión ^[12]. Por su parte, la startup de IA Perplexity – conocida por su asistente de búsqueda basado en IA – presentó una serie de funciones que transforman su producto de simple preguntas y respuestas a un estudio de investigación y productividad. El renovado Perplexity Labs puede generar informes, presentaciones o incluso aplicaciones web sencillas a partir de indicaciones en lenguaje natural ^[13]. Una nueva función de interacción por voz permite a los usuarios formular preguntas en voz alta y recibir respuestas habladas, y la función de subida de archivos permite una búsqueda semántica a través de documentos o transcripciones de reuniones ^[14]. Con niveles gratuitos generosos y opciones de privacidad (los usuarios pueden borrar los historiales de conversaciones), la herramienta de Perplexity ahora combina capacidades similares a Notion, ChatGPT y Wolfram Alpha en un solo asistente de IA ^[15]. La tendencia es clara: empresas grandes y pequeñas están integrando rápidamente la IA en sus productos para aumentar la productividad y ofrecer nuevas capacidades, lo que supone una ventaja competitiva para quienes sepan aprovechar estas herramientas eficazmente.

Avances en tecnologías y en investigación en IA

AlphaGenome de DeepMind revoluciona la genómica: El brazo de investigación de IA de Google, DeepMind, anunció un gran avance en IA para la genética. Su nuevo modelo AlphaGenome puede analizar hasta 1 millón de pares de bases de ADN a la vez y predecir cómo las mutaciones genéticas afectarán la regulación y función de los genes ^[16] ^[17]. Este modelo unificado de secuencias de ADN aprovecha redes neuronales convolucionales y transformadores para captar tanto los motivos locales del ADN como las interacciones génicas a larga distancia – por ejemplo, puede detectar una región potenciadora a casi 980.000 pares de bases de distancia y aún así determinar su influencia sobre un gen objetivo ^[18]. En pruebas comparativas, AlphaGenome superó todos los métodos anteriores en 22 de 24 tareas clave de genómica y hasta redescubrió una mutación causante de leucemia que los científicos humanos solo identificaron después de años de investigación ^[19]. DeepMind ha puesto AlphaGenome a disposición mediante API para investigación no comercial, con la esperanza de acelerar los descubrimientos en el campo de los genomas ^[20] ^[21]. Los investigadores lo califican como un “trueno genómico” – haciendo efectivo que el genoma sea ‘buscable’ mediante IA ^[22]. Al calificar rápidamente los efectos de las variaciones de ADN, IA como AlphaGenome podría ayudar a descubrir factores genéticos de enfermedades y guiar el desarrollo de nuevos tratamientos.

Alibaba presenta el modelo multimodal Qwen-VLo: El gigante tecnológico chino Alibaba anunció un hito importante en IA con Qwen-VLo, un modelo multimodal de nueva generación. Basado en la serie Qwen de Alibaba, Qwen-VLo es un modelo unificado de visión y lenguaje capaz tanto de comprender imágenes como de generar imágenes completamente nuevas a partir de descripciones en texto ^[23]. “Este modelo actualizado no solo ‘entiende’ el mundo, sino que también genera recreaciones de alta calidad basadas en esa comprensión”, explicó el equipo de investigación de Alibaba Qwen ^[24]. En la práctica, los usuarios pueden proporcionar a Qwen-VLo una imagen de entrada y pedirle ediciones complejas, o simplemente describir una imagen en lenguaje natural y hacer que el modelo la cree. Las demostraciones mostraron que Qwen-VLo realiza tareas como transferencia de estilo (por ejemplo, “haz que esta foto parezca una pintura de Van Gogh”), inserción de objetos (“ponle un sombrero rojo al gato”) e incluso instrucciones combinadas de una sola vez ^[25] ^[26]. De forma única, Qwen-VLo admite instrucciones de edición de imágenes abiertas y es multilingüe (maneja indicaciones tanto en chino como en inglés sin problema) ^[27] ^[28]. El modelo genera imágenes en un proceso progresivo – refinando detalles de lo más general a lo más detallado – lo que produce resultados coherentes y realistas. Alibaba ha integrado Qwen-VLo en su interfaz Qwen Chat como vista previa, mostrando su apuesta por ofrecer IA que pueda tanto ver como crear, análogo al GPT-4 con visión de OpenAI. Esto refleja una tendencia más amplia del sector hacia la IA multimodal que puede cruzar entre texto, visión y otros dominios en un solo sistema unificado.

Modelos de IA “SEAL” que se auto-mejoran: En la investigación académica de IA, científicos del MIT presentaron un enfoque para Modelos de Lenguaje Auto-Adaptativos (apodados “SEAL”) capaces de aprender autónomamente de sus propias salidas. En lugar de permanecer estáticos tras el entrenamiento, un modelo SEAL puede generarse problemas de práctica a sí mismo, intentar resolverlos, evaluar sus respuestas y luego actualizar su conocimiento, todo sin intervención humana. En pruebas de resolución de acertijos, un prototipo del sistema SEAL aumentó su tasa de éxito del 0 al 72% mediante auto-entrenamiento iterativo ^[29]. El modelo utiliza aprendizaje por refuerzo para premiarse por las mejoras e integra nuevos datos en tiempo real, aunque los investigadores advierten que corre el riesgo de “olvido catastrófico” de conocimientos previos ^[30]. La promesa de SEAL es una IA que “crece como un aprendiz” en lugar de ser un experto estático ^[31]. Imagina un asistente de codificación que durante la noche se enseña a sí mismo nuevos casos de prueba basándose en los errores del día anterior, o un tutor educativo que ajusta sus lecciones después de cada interacción con los estudiantes: esas son el tipo de aplicaciones que sugiere el concepto SEAL. Aunque aún está en fase experimental, este trabajo demuestra que la mejora autónoma es ya una filosofía de diseño para los sistemas de IA, acercándonos un paso más a una IA que pueda adaptarse y perfeccionarse continuamente ^[32].

La IA supera al detector de mentiras (mayormente): Un nuevo metaanálisis ha sacudido el campo de la detección de engaños. Investigadores revisaron 98 estudios y descubrieron que los sistemas impulsados por IA usando redes neuronales convolucionales (CNN) para analizar pistas humanas pueden superar a los polígrafos tradicionales al detectar mentiras ^[33]. Estos sistemas de IA procesan microexpresiones, pestañeos, temblores vocales, patrones de calor corporal e incluso datos de encefalogramas (EEG) para distinguir entre conductas veraces y engañosas ^[34]. Los humanos suelen perderse pistas faciales fugaces, como el leve levantamiento de una ceja, pero las máquinas pueden detectarlas a 240 fotogramas por segundo ^[35]. Sin embargo, el estudio también señala grandes advertencias: las señales de engaño varían según culturas y géneros – una ceja levantada puede indicar duda en una cultura pero respeto en otra ^[36]. Los modelos actuales de detección de mentiras tienden a sobreajustarse a datos regionales, lo que reduce su fiabilidad a nivel global. La revisión llama a obtener datos de entrenamiento más variados y enfatiza la necesidad de garantías éticas ^[37]. En resumen, los detectores de mentiras basados en IA son cada vez mejores que el viejo polígrafo, pero no son infalibles: el contexto importa. Los expertos insisten en que cualquier uso de estas herramientas debe considerar la privacidad y el riesgo de falsos positivos, en consonancia con los debates actuales sobre el papel de la IA en la vigilancia y la aplicación de la ley.

IA en salud y ciencias de la vida

Deep learning predice la hemorragia postparto: En un prometedor avance de la IA médica, un equipo de investigación chino liderado por el Dr. Wenzhe Zhang reportó un modelo de IA capaz de predecir la hemorragia postparto (HPP) —una de las principales causas de mortalidad materna— antes del parto. Analizando las resonancias magnéticas (RM) de mujeres embarazadas mediante un modelo de deep learning de “fusión tardía” (que combina redes neuronales convolucionales 2D y 3D, más radiómica y datos clínicos), su enfoque identificó casos de alto riesgo con notable precisión. En ensayos con 581 pacientes, la IA logró cerca de 92% de sensibilidad y 91% de especificidad para predecir qué mujeres sufrirían hemorragias graves, superando otros métodos ^[38] ^[39]. “La identificación temprana de pacientes con riesgo de hemorragia postparto es crítica para optimizar el plan de parto, preparar los productos sanguíneos necesarios y minimizar resultados adversos”, señalaron los investigadores en Academic Radiology ^[40]. Con la HPP representando aproximadamente el 25% de las muertes maternas a nivel mundial ^[41], una herramienta de IA así podría salvar vidas —permitiendo a los médicos preparar transfusiones y equipos quirúrgicos de antemano para aquellas pacientes identificadas. Si bien se requiere más validación antes de su implementación clínica, este estudio subraya cómo la IA, combinada con las RM de rutina, puede detectar señales de alerta sutiles que escapan al ojo humano, salvando potencialmente vidas maternas durante el parto.

Microscopio de IA “encuentra” espermatozoides invisibles: Otro avance médico proviene del ámbito de la fertilidad. Un microscopio asistido por IA ha demostrado su capacidad para detectar espermatozoides viables en casos de infertilidad masculina con recuentos extremadamente bajos, donde los métodos convencionales fracasan. En un ejemplo dramático, en una clínica de fertilidad se consideró un caso perdido tras 48 horas de búsqueda en portaobjetos sin encontrar un solo espermatozoide. El sistema de IA, usando un chip microfluídico y visión por computador, escaneó la muestra y detectó 44 espermatozoides viables en menos de una hora ^[42]. Eso fue suficiente para aplicar un procedimiento FIV especializado (ICSI – inyección intracitoplasmática de espermatozoides) que finalmente resultó en un embarazo exitoso ^[43]. Lo crucial es que el enfoque con IA evita el uso de tintes tóxicos o biopsias invasivas para localizar espermatozoides. Los expertos aseguran que esta tecnología podría escalarse para ayudar en muchos casos de infertilidad masculina, por ejemplo, clasificando la calidad de los espermatozoides para seleccionar los mejores, o extendiendo la técnica para evaluar óvulos y embriones. En resumen, lo que antes era “buscar una aguja en un pajar” —encontrar unos pocos espermatozoides viables entre millones de células— ahora puede hacerse de forma fiable con IA y en una fracción del tiempo. Para las parejas con dificultades para concebir, estos avances representan una nueva esperanza. Es una poderosa ilustración de cómo la IA en el laboratorio está cambiando vidas directamente, convirtiendo lo que antes era imposible en historias de éxito.

La IA en imágenes médicas protege la salud materna: Más allá de la hemorragia postparto, la IA está abordando otros riesgos obstétricos. Investigadores en California y China combinaron análisis radiómico por MRI con machine learning para predecir el espectro de acretismo placentario (una afección peligrosa en la que la placenta se adhiere demasiado profundamente) y hemorragias asociadas. El modelo de conjunto, que fusiona imágenes y datos clínicos, no solo predijo eventos de hemorragia sino que lo hizo lo suficientemente temprano como para informar la planificación del parto ^[44]. En términos sencillos, esto significa que los radiólogos con asistente de IA pueden señalar embarazos de alto riesgo varias semanas antes del parto. Los hospitales pueden así asegurar bancos de sangre preparados y especialistas de guardia, mejorando drásticamente los resultados. Este logro se integra en una tendencia mayor: diagnósticos mejorados por IA en imágenes médicas. Desde la detección de cáncer en mamografías hasta la evaluación de accidentes cerebrovasculares, los sistemas de IA cada vez actúan más como un segundo par de ojos para los médicos. En maternidad, esa previsión extra puede ser la diferencia entre la vida y la muerte, especialmente en regiones donde los recursos de atención materna son limitados.

IA en robótica y sistemas autónomos

El “cerebro robótico” en dispositivo de Google DeepMind: Uno de los lanzamientos más emocionantes vino de la división de robótica de Google DeepMind, que presentó Gemini Robotics On-Device, un nuevo modelo de IA fundacional que se ejecuta completamente de forma local en los robots —sin necesidad de ninguna conexión en la nube ^[45] ^[46]. Este modelo de visión-lenguaje-acción permite a un robot humanoide percibir su entorno y realizar tareas complejas con baja latencia y sin depender de una conexión a internet. “Ya que el modelo opera de manera independiente de una red de datos, es útil para aplicaciones sensibles a la latencia y asegura robustez en ambientes con conectividad intermitente o nula”, dijo Carolina Parada, jefa de robótica de DeepMind ^[47] ^[48]. Basado en un modelo anterior, “Gemini”, revelado en marzo, la versión On-Device está diseñada para robots bimanuels (de dos brazos) y puede aprender rápidamente nuevas tareas mediante ajuste fino. Google informa que el sistema puede realizar acciones cotidianas como abrir cremalleras, doblar ropa, verter líquidos e incluso sacar cartas de una baraja ^[49]. Los desarrolladores demostraron que con solo 50–100 demostraciones, el modelo puede generalizar habilidades para una nueva tarea, lo que refleja un gran salto en la destreza y adaptabilidad robótica ^[50]. Este es también el primer modelo de robótica de Google DeepMind que los desarrolladores pueden ajustar por sí mismos ^[51], abriendo puertas a la personalización. La importancia de Gemini On-Device radica en que los robots ahora pueden “pensar” y reaccionar en tiempo real en el borde, lo cual es crucial para industrias como la manufactura o la robótica doméstica, donde la toma de decisiones instantánea y la privacidad (manteniendo los datos en el dispositivo) son primordiales. Como bromeó un medio tecnológico, con este avance, “el robot ahora piensa localmente y actúa instantáneamente” ^[52], lo que podría acelerar la llegada de robots humanoides útiles en el mundo real.

El robot de almacén de carga pesada de ABB: En el ámbito de la robótica industrial, ABB presentó el Flexley Mover P603, un robot móvil autónomo con un tamaño engañosamente pequeño. Aproximadamente del tamaño de una mesa de café, este vehículo compacto puede transportar cargas de hasta 1,500 kg (1.5 toneladas) ^[53], una hazaña impresionante para su tamaño. El P603 navega utilizando SLAM visual (localización y mapeo simultáneos), lo que significa que puede mapear el suelo de un almacén sobre la marcha sin necesidad de códigos QR o rieles especiales ^[54]. También cuenta con una suspensión activa para manejar suelos irregulares y puede posicionar palets pesados con una precisión de 5 mm mientras se mueve a 2 m/s ^[55]. Tal vez lo más atractivo para los gerentes de fábrica es que el flujo de trabajo del robot puede configurarse mediante una interfaz de arrastrar y soltar en el estudio de software de ABB, en lugar de compleja programación ^[56]. En otras palabras, configurar las rutas y tareas del robot es casi tan fácil como crear una lista de reproducción. El P603 llega en un momento en que las fábricas y almacenes buscan cada vez más la automatización flexible: reemplazando las cintas transportadoras fijas y vehículos guiados por robots libres que pueden reasignarse de inmediato. La propuesta de ABB, destacada en un resumen de la industria esta semana, es «otro ladrillo» en la pared de la automatización impulsada por IA que arrasa con la logística ^[57]. A medida que las cadenas de suministro se adaptan al rápido crecimiento del comercio electrónico y la escasez de mano de obra, estos robots inteligentes se están volviendo indispensables.

Un prototipo de dron de vigilancia del tamaño de un mosquito, tal como lo presentó un laboratorio de defensa chino ^[58]. Imágenes de medios estatales mostraron el diminuto dron biónico, tan pequeño como un insecto, siendo sostenido entre dos dedos.

El dron espía chino del tamaño de un mosquito: Aunque suena a ciencia ficción, investigadores chinos han construido un dron del tamaño de un mosquito real. Esta semana, la televisión estatal china CCTV-7 transmitió imágenes del pequeñísimo flyer robótico, que un estudiante de la Universidad Nacional de Tecnología de la Defensa demostró sujetándolo entre la punta de los dedos ^[59]. El dron mosquito existe en al menos dos variantes: una de dos alas y otra de cuatro, y está diseñado para misiones de vigilancia encubierta ^[60]. Aunque las especificaciones técnicas son secretas (no está claro qué sensores o autonomía tiene, dado el hardware a escala insecto), los expertos dicen que la mera revelación de este proyecto señala la intención de China de llevar la tecnología micro-UAV al extremo ^[61]. Drones tan miniaturizados podrían colarse en edificios o flotar desapercibidos en entornos urbanos donde los drones grandes no pueden llegar, lo que plantea complejas cuestiones éticas y de seguridad. Analistas de defensa señalan que muchos países trabajan en drones a escala insecto para el reconocimiento; los desafíos incluyen lograr un alcance útil y transmitir datos de forma fiable, dada la minúscula fuente de energía ^[62]. El prototipo chino probablemente sigue en fase de investigación (no hay evidencia de que esté desplegado en campo todavía ^[63]), pero demuestra cuánto ha avanzado la innovación en drones: la vigilancia llega, literalmente, al tamaño de un bicho. Este desarrollo ha comenzado a generar debates sobre contramedidas y privacidad, ya que la sociedad se enfrenta a la idea de que un mosquito zumbando a tu oído podría no ser un mosquito en absoluto.

Política de IA, ética y perspectivas de expertos

Sentencia histórica sobre derechos de autor y datos de entrenamiento de IA: Un juez federal estadounidense emitió una sentencia muy esperada con enormes implicaciones para las empresas de IA y la ley de derechos de autor. En una demanda contra la startup de IA Anthropic (creadora del chatbot Claude), el juez William Alsup declaró que utilizar libros con copyright para entrenar una IA puede calificar como uso legítimo (fair use) según la ley de EE.UU., una victoria importante para la industria de la IA ^[64]. La decisión de Alsup comparó el entrenamiento de una IA con miles de libros a un escritor humano que lee clásicos como Dickens para inspirar nuevas obras, calificando el resultado de la IA como “esencialmente transformador” y no una simple copia ^[65]. Sin embargo, el juez marcó un límite crítico: aunque el análisis (entrenamiento) puede ser uso legítimo, el método de adquisición de los datos sigue siendo relevante. En el caso de Anthropic, la empresa obtuvo muchos libros de “bibliotecas sombra” de ebooks pirateados, esencialmente descargas ilegales ^[66] ^[67]. El juez Alsup dictaminó que Anthropic debe ir a juicio por robo de derechos de autor porque “Anthropic no tenía derecho a usar copias pirateadas para su biblioteca” incluso si el uso final era transformador ^[68]. En efecto, el tribunal desestimó la idea de que el entrenamiento en sí mismo fuera una infracción, pero dejó abierta la posibilidad de responsabilidad legal si los datos de entrenamiento se obtuvieron ilegalmente. Esta decisión dividida sienta precedente como posiblemente la primera interpretación judicial sobre el entrenamiento de IA y el uso legítimo. Sugiere que “el aprendizaje sin permiso sobrevive” —las empresas de IA pueden aprender de material protegido por copyright sin licencias directas— pero no los atajos en el origen de los datos ^[69]. De ahora en adelante, los desarrolladores de IA están advertidos para limpiar sus canaletas de entrenamiento: extraer datos de internet o sitios piratas puede generar riesgos legales, mientras que usar datos legítimamente adquiridos o de dominio público será el camino más seguro ^[70]. El dictamen llega mientras se amontonan demandas similares contra OpenAI y otros ^[71], y probablemente influirá en cómo avanzan esos procesos. Anthropic, por su parte, dijo estar satisfecha de que el juez reconociera el entrenamiento de IA como transformador y alineado con el propósito de copyright de fomentar la nueva creatividad ^[72]. El juicio sobre los temas pendientes será en diciembre y la comunidad de IA estará muy atenta a medida que los marcos legales buscan alcanzar a la realidad tecnológica.

El apetito energético de la IA bajo lupa: A medida que los modelos de IA se vuelven cada vez más grandes, aumentan las preocupaciones sobre su impacto medioambiental y energético. Esta semana, la columnista tecnológica Joanna Stern investigó a fondo la pregunta “¿Cuánta energía usa tu prompt de IA?” —y los hallazgos son reveladores. Incluso tareas aparentemente triviales de IA pueden consumir una cantidad significativa de energía. Por ejemplo, generar un solo video de IA de 6 segundos puede usar “entre 20 y 110 vatios-hora” de energía ^[73]. En el extremo alto, eso equivale aproximadamente a la electricidad necesaria para usar una parrilla eléctrica durante 10 minutos, lo que Stern demostró cocinando un bistec con la energía equivalente que requeriría una solicitud de video de IA ^[74]. En términos prácticos, dos cortos videos generados por IA podrían consumir la misma energía que asar una cena completa ^[75]. Y los trabajos más grandes de IA escalan de forma dramática: entrenar grandes modelos lingüísticos implica miles de esas tareas pesadas de GPU, requiriendo megavatios-hora de electricidad y grandes volúmenes de agua para enfriar los centros de datos ^[76] ^[77]. El misterioso viaje de un prompt de IA, de la portátil de un usuario al servidor GPU remoto y de regreso, suele estar oculto para el consumidor, pero el informe de Stern (y la creciente investigación) sacan a la luz este “drenaje energético” ^[78] ^[79]. Investigadores como Sasha Luccioni en Hugging Face incluso han comenzado un ranking de consumo energético de IA, comparando el uso de energía de distintos modelos ^[80]. La buena noticia es que el hardware mejora: según la empresa, los últimos chips de IA de Nvidia son 30 veces más eficientes energéticamente que los de hace apenas un año ^[81]. Las tecnológicas también publicitan sus esfuerzos para cambiarse a energías más limpias para sus centros de datos ^[82]. Pero las mejoras podrían verse superadas por el puro crecimiento del uso de la IA: más modelos, más usuarios, más consultas significan más energía total, incluso si cada operación es un poco más ecológica ^[83] ^[84]. Stern y otros sugieren que la transparencia es clave: si los usuarios vieran un “coste energético” para cada consulta de IA, quizás se lo pensarían dos veces antes de usos triviales ^[85]. En última instancia, la industria enfrenta el doble reto de limitar la huella de carbono de la IA sin dejar de innovar. La conclusión por ahora: la IA no es magia: funciona con electricidad, y mucha. Como bromeó un ejecutivo, la IA es solo tan sostenible como la energía (y el agua) que le proporcionamos ^[86], así que los próximos avances deben incluir no solo modelos más inteligentes, sino también más eficientes energéticamente.

Expertos debaten la trayectoria impredecible de la IA: El rápido avance de la inteligencia artificial ha provocado que incluso sus pioneros adopten posturas tanto optimistas como cautelosas. Ilya Sutskever, cofundador y científico jefe de OpenAI, llamó la atención con una advertencia pública sobre cómo la evolución de la IA podría salirse de control de maneras imprevistas. “La IA será sumamente impredecible e inimaginable”, afirmó Sutskever en una entrevista reciente, advirtiendo que los sistemas de IA avanzados podrían llegar a mejorarse a sí mismos sin supervisión humana alguna ^[87]. Sugirió que esto podría desencadenar un “progreso rápido e incontrolable”, que haría difícil para los humanos entender o gestionar lo que venga después ^[88]. Esta dura advertencia acompañó las reflexiones de Sutskever sobre el concepto de una “explosión de inteligencia”: la idea de que una IA suficientemente avanzada podría reescribirse continuamente, produciendo versiones cada vez mejores de sí misma, lo que llevaría a un crecimiento exponencial de sus capacidades. En el lado positivo, Sutskever señaló que dicha IA podría lograr avances “increíbles en la salud”, curando enfermedades y extendiendo la esperanza de vida humana ^[89]. Sin embargo, emparejó ese optimismo con preocupación sobre cómo responderíamos si la IA llegara a ser tan poderosa ^[90]. Sus comentarios resaltan una discusión más amplia en la comunidad de IA: cómo equilibrar las promesas de la IA (en medicina, ciencia, etc.) con los peligros de perder el control o la supervisión. Cabe destacar que Sutskever dejó recientemente OpenAI para fundar una nueva empresa, Safe Superintelligence, orientada a garantizar que las futuras IA sigan siendo beneficiosas ^[91] ^[92]. Su postura resuena con los llamados de otros líderes tecnológicos que exigen investigar la seguridad de la IA con rigor ahora, no después. Que uno de los arquitectos principales de la IA exprese abiertamente su preocupación por escenarios que parecen ciencia ficción –una IA autoevolutiva y más allá de la comprensión humana– demuestra que las preguntas éticas y existenciales en torno a la IA ya no son meramente académicas. Están aquí y requieren atención mediante colaboración global, regulación reflexiva y más investigación sobre el alineamiento de la IA con los valores humanos.

La IA y el futuro del trabajo – Una advertencia sobre la brecha laboral: En medio del enfoque en los avances de alta tecnología, llegó un recordatorio contundente desde el mundo industrial: ¿Quién construirá el futuro de la IA? El CEO de Ford, Jim Farley, durante el Aspen Ideas Festival, advirtió que, aunque la productividad impulsada por la IA está en auge para empleos de oficina, la oferta de trabajadores calificados de oficios técnicos se está agotando ^[93]. Farley señaló que las fábricas todavía dependen de electricistas, soldadores y técnicos calificados – empleos que la IA y los robots aún no han podido cubrir más allá, quizá, del 10-20% de las tareas ^[94]. Dio un ejemplo vívido: en una planta automotriz, un operario alemán una vez arregló ingeniosamente una compuerta atascada usando la llanta de una bicicleta – una solución creativa y espontánea que ningún algoritmo habría predicho ^[95]. Ese tipo de improvisación humana sigue siendo fundamental en las líneas de producción. Pero las generaciones jóvenes cada vez ingresan menos a los oficios, y a medida que los actuales especialistas se jubilan, preocupa que las industrias enfrenten un cuello de botella: no se pueden aumentar las fábricas de autos eléctricos ni los proyectos de infraestructura sin suficientes manos humanas para el trabajo físico. Farley abogó por invertir en educación técnica y replantear estas carreras como empleos tecnológicos fundamentales del futuro (que, en cierto sentido, ya lo son, ya que los electricistas actuales suelen trabajar junto a automatización y maquinaria avanzada) ^[96]. Incluso lo planteó como un asunto de seguridad nacional (“la manufactura local es nuestra defensa”), sugiriendo que la competitividad de los países depende de tener personas capaces de construir las innovaciones que sueña la IA ^[97]. La conclusión es matizada: la IA cambiará empleos, pero también puede crear nuevas demandas en la fuerza laboral. A medida que la IA asuma tareas cognitivas rutinarias y los robots las tareas manuales repetitivas, los empleos restantes requerirán más habilidades, adaptabilidad y frecuentemente conocimientos interdisciplinarios (combinando, por ejemplo, carpintería y programación para instalar hogares inteligentes). Por ello, se pide a los gobiernos y empresas que planifiquen el desarrollo de la fuerza laboral, para no encontrarnos con un millón de ingenieros de prompts y apenas unos pocos plomeros. En palabras directas de Farley: “Estados Unidos necesita un plan” para que el progreso tecnológico y el trabajo humano avancen de la mano ^[98].

Fuentes: La información anterior se basa en una variedad de fuentes autorizadas, incluidos anuncios corporativos, entrevistas a expertos y medios de comunicación que cubren la IA. Entre las referencias clave se encuentra un reportaje de Associated Press sobre el fallo de derechos de autor contra Anthropic ^[99] ^[100], análisis de The Wall Street Journal sobre el consumo energético de la IA ^[101] ^[102], declaraciones de líderes de IA como Ilya Sutskever a través de Analytics India Magazine ^[103] ^[104], y noticias corporativas de medios como Cointelegraph (contrataciones y acuerdos de Meta) ^[105] ^[106]. Investigaciones de vanguardia provienen de publicaciones como el blog oficial de DeepMind (AlphaGenome) ^[107], Academic Radiology vía AuntMinnie (IA para hemorragia posparto) ^[108] ^[109], y sitios de noticias tecnológicas (ej. Tom’s Hardware para el dron mosquito) ^[110]. Todos estos avances, en conjunto, pintan el panorama de una IA que evoluciona velozmente – con capacidades e influencia en expansión– mientras la sociedad aún trata de entender y guiar esta transformación. Cada semana de progreso trae consigo emoción e introspección sobre el papel de la IA en nuestras vidas, economía y futuro.

Iran-Israel conflict sparks wave of AI-generated videos | DW News

Ver este vídeo en YouTube.

References