Esta mañana estuve navegando por noticias de IA y noté algo. Cada titular parecía hablar sobre un nuevo lanzamiento de modelo, un resultado de referencia o una actualización de características. Esas cosas son interesantes, pero después de un tiempo, todas empiezan a sonar similares. Me hizo preguntarme si estamos prestando suficiente atención a las capas debajo de los propios modelos.

Cuanto más aprendo sobre IA, más pienso que los datos y la coordinación son tan importantes como el rendimiento del modelo. Un modelo solo puede trabajar con la información disponible, y mantener esa información útil a lo largo del tiempo es un desafío por sí mismo. Esa no es la parte más emocionante de la IA, que probablemente sea la razón por la que no se discute tan a menudo.

Esa es una razón por la que @OpenGradient ha estado en mi radar. El proyecto se centra en partes de la pila de IA que la gente a menudo pasa por alto hasta que se convierten en un problema. A medida que la IA continúa expandiéndose en más áreas de la tecnología, creo que la conversación se irá desplazando gradualmente de "¿Qué modelo es el mejor?" a "¿Cómo se están construyendo, manteniendo y mejorando estos sistemas?" Los proyectos que trabajan en esos fundamentos podrían terminar siendo más importantes de lo que muchos esperan.
$OPG #OPG #opg