Sigo viendo a la gente decir que la IA es el futuro.
Quizás tengan razón.
Pero cada vez que escucho eso, termino pensando en algo mucho menos emocionante:
¿De dónde viene toda la data?
Cada modelo de IA útil depende de información. No solo grandes cantidades, sino de datos de alta calidad que realmente puedan ayudar a un modelo a aprender, mejorar y tomar mejores decisiones.
Esa es la parte de la conversación sobre IA que a menudo se pasa por alto.
La gente se enfoca en la salida.
El verdadero desafío es la entrada.
Sin datos confiables, incluso los modelos más avanzados se vuelven menos útiles con el tiempo.
Esa es una razón por la cual OpenGradient ha estado en mi radar.
El proyecto se sitúa en una parte de la pila de IA que no siempre recibe atención, pero se siente cada vez más importante a medida que más aplicaciones de IA salen al aire.
A medida que los sistemas de IA se integran más en productos y servicios cotidianos, la demanda de datos de calidad no va a desaparecer.
Si acaso, es probable que crezca.
Y eso plantea algunas preguntas interesantes.
¿Cómo se obtiene la data?
¿Cómo se comparte?
¿Cómo se benefician los contribuyentes del valor que ayudan a crear?
No creo que el futuro de la IA se defina solo por los modelos en sí.
Todo el mundo habla de lo que la IA puede hacer.
Menos gente habla de lo que la IA necesita para funcionar bien en primer lugar. Los datos, la coordinación y las redes de contribución no son los temas más emocionantes, pero son fundamentales para todo lo que viene después.
Puede que no generen los mismos titulares que un nuevo modelo de IA, pero están ayudando a sostener el ecosistema del cual dependen esos modelos.
Y esa es una conversación que creo que merece más atención.
@OpenGradient #opg $OPG
Quizás tengan razón.
Pero cada vez que escucho eso, termino pensando en algo mucho menos emocionante:
¿De dónde viene toda la data?
Cada modelo de IA útil depende de información. No solo grandes cantidades, sino de datos de alta calidad que realmente puedan ayudar a un modelo a aprender, mejorar y tomar mejores decisiones.
Esa es la parte de la conversación sobre IA que a menudo se pasa por alto.
La gente se enfoca en la salida.
El verdadero desafío es la entrada.
Sin datos confiables, incluso los modelos más avanzados se vuelven menos útiles con el tiempo.
Esa es una razón por la cual OpenGradient ha estado en mi radar.
El proyecto se sitúa en una parte de la pila de IA que no siempre recibe atención, pero se siente cada vez más importante a medida que más aplicaciones de IA salen al aire.
A medida que los sistemas de IA se integran más en productos y servicios cotidianos, la demanda de datos de calidad no va a desaparecer.
Si acaso, es probable que crezca.
Y eso plantea algunas preguntas interesantes.
¿Cómo se obtiene la data?
¿Cómo se comparte?
¿Cómo se benefician los contribuyentes del valor que ayudan a crear?
No creo que el futuro de la IA se defina solo por los modelos en sí.
Todo el mundo habla de lo que la IA puede hacer.
Menos gente habla de lo que la IA necesita para funcionar bien en primer lugar. Los datos, la coordinación y las redes de contribución no son los temas más emocionantes, pero son fundamentales para todo lo que viene después.
Puede que no generen los mismos titulares que un nuevo modelo de IA, pero están ayudando a sostener el ecosistema del cual dependen esos modelos.
Y esa es una conversación que creo que merece más atención.
@OpenGradient #opg $OPG