En 2014, Google anunció su , una startup de investigación de IA con sede en Londres como parte de los esfuerzos en curso para invertir en el entonces incipiente mercado de Machine Learning, alimentado por la creciente disponibilidad de computación poderosa como dictado por la Ley de Moore. Finalmente, Amazon, después de varios largos años de evitar la llamada carrera de IA entre las diferentes potencias tecnológicas, decidió con la compañía de desarrollo de IA y el laboratorio de investigación de ética de IA Anthropic a través de una asociación de inversión y computación de 4 mil millones de dólares. 500 millones de dólares para la adquisición de DeepMind Encuentro con Microsoft en 2019 Formación de una alianza estratégica 500 millones de dólares para la adquisición de DeepMind Encuentro con Microsoft en 2019 Formación de una alianza estratégica Durante los primeros años de la coexistencia de los laboratorios en el mercado tecnológico, sus esfuerzos en competencia se limitaron a la escasa publicación de artículos de investigación y un intento limitado de comercializar productos de IA. Este período de investigación casual, en el que las empresas de IA todavía se consideraban inversiones a largo plazo que producían investigación junto a las universidades y avanzaban lentamente en el campo del aprendizaje automático, fue rápidamente y decisivamente interrumpido por el rápido crecimiento de la popularidad de OpenAI gracias a la propagación viral de ChatGPT a través de Internet a finales de 2019. Lo que siguió fue un período complicado de transferencias de poder, cambios de prioridades, solidificación de lealtades y, sobre todo, una carrera para seguir construyendo el modelo de IA más potente posible. Con los avances cada vez más rápidos, estamos en Establecer el escenario Para comenzar mi análisis, me gustaría reconocer que hay mucho más de tres compañías de IA: ya sea que se trate de otros programas de desarrollo de IA como xAI o startups que aplican IA a un campo específico, hay un número infinito de jugadores exitosos pero comparativamente pequeños en la industria de IA. Para entender por qué los descuento, considere la definición de "ganar" la carrera de IA -crear AGI antes de otras compañías para que pueda reproducirse a una tasa suficientemente mayor que los esfuerzos de los competidores para avanzar su tecnología. He elegido incluir a las tres compañías de IA más grandes y mejor equipadas -Google Deepmind, Anthropic y OpenAI- porque creo que tienen la mayor posibilidad de permanecer en la parte superior de la IA de última generación en un futuro cercano debido a sus recursos y De hecho, durante un año o dos, OpenAI dominó la industria de la IA, lanzando nuevas iteraciones de ChatGPT back-to-back, cada una prometiendo mayores capacidades tanto para los laicos como para los profesionales, dando a OpenAI una gran ventaja ya que acumuló una gran base de consumidores, así como más inversión para su rama lucrativa. Interesantemente, Google, una compañía tecnológica con un sistema de computación en nube muy estable y enormes cantidades de recursos financieros y de capital humano, no introdujo un chatbot para desafiar ChatGPT hasta 2023, casi un año después de la popularidad de la plataforma. Mientras, como se mencionó anteriormente, muchas empresas de IA priorizaron la investigación, y las dos divisiones de investigación de IA de Google (Google Brain y Google DeepMind) trabajaron claramente en muchos proyectos que No es una exageración, por lo tanto, decir que aunque las divisiones de Google produjeron investigación revolucionaria (Google Brain fue responsable del desarrollo de la arquitectura de Transformer AI, la columna vertebral de los LLM como ChatGPT; Google DeepMind finalmente ganó un premio Nobel por su investigación en el uso de Reinforcement Learning para desarrollar predicciones de plegamiento de proteínas utilizando el marco AlphaZero RL), el principal grupo de investigación de Google no implementó acciones que permitirían a Google (y al público) beneficiarse de estos descubrimientos. camino No hubo Aparentemente alarmado por el éxito rápido de OpenAI (y probablemente el hecho de que Microsoft está detrás de la startup emergente de IA), Google hizo varios cambios para simplificar los procesos de producción. en una división unificada bajo el nombre DeepMind en marzo de 2023, lo que También es importante saber que estas acciones no fueron en su totalidad debido al nuevo deseo de Google de competir con OpenAI en el mercado de chatbots, sino también como resultado de un aumento general en la prevalencia de la idea de un robot. Mientras que los modelos anteriores (como BERT o Stable Diffusion) eran bastante especializados (NLP y generación de imagen específicamente), el aumento de la multimodalidad, así como la introducción del paradigma MoE (Mixture of Experts) probablemente ayudaron a convencer a Google a renunciar a la idea de cinco modelos separados que podrían hacer cinco cosas en favor de la idea de un modelo poderoso que todavía podría hacer esas cinco cosas. Google Brain y DeepMind se fusionan Las reformas profundas Uso general Google Brain y DeepMind se fusionan Las reformas profundas A diferencia de Google, OpenAI siempre había mantenido públicamente su visión de construir el primer modelo AGI del mundo. Como dice el dicho, “con gran poder viene gran responsabilidad”.La creación de AGI se han transformado lentamente de un objetivo elevado a una tormenta de preocupaciones de alineación y seguridad. La idea era simple: ya que los humanos no tendrían prácticamente ninguna oportunidad de descifrar el laberinto del funcionamiento de la IA sobrehumana, sólo otro, menos potente, sería capaz de observar su homólogo más avanzado. La única iniciativa del equipo de Superalignment era desarrollar sistemas que aseguraran el alineamiento de la seguridad de la IA, pero el programa no duró. Los años anteriores habían resultado en algún grado de erosión en la confianza compartida entre los investigadores de OpenAI y el bronce superior de la organización muy lucrativa, lo que llevó a varios grados de breakoff dentro de la compañía. Después del infame golpe por el CEO de OpenAI de larga data Sam Altman y los conflictos internos volátiles en cuanto a la utilización de recursos, el equipo de Superalignment En marzo de 2024 sobre desacuerdos sobre el ritmo con el que OpenAI estaba produciendo modelos. Equipo de Investigación de Superalignment disuelto Equipo de Investigación de Superalignment disuelto Aunque el acúmulo de desacuerdos resultantes de las discusiones sobre alineamiento ocurrió cerca de la resignación masiva de alto perfil del equipo de Superalignment en 2024, muchas de las ideas básicas sobre la dilatación cuidadosa y comercialización de modelos avanzados de IA ya comenzaron a ocupar la compañía. En 2021, en un momento en que OpenAI repentinamente aceleró la comercialización de ChatGPT-3 a través de una serie de lanzamientos rápidos, varios investigadores líderes (incluido Daniel Amodei, ex vicepresidente de Investigación en OpenAI) se dejaron en protesta, Originalmente concebido como un laboratorio de investigación que enfatiza la importancia de las medidas de seguridad de la IA, particularmente la alineación, en el desarrollo de la IA de última generación, Anthropic ha vivido notablemente a este objetivo, ahora generalmente considerado como un campeón de larga data para la ética de la IA en medio de una serie de lanzamientos de IA apresurados. Formación del laboratorio de inteligencia artificial antropo Formación del laboratorio de inteligencia artificial antropo Inicio Especialización El comienzo de finales de mayo ha visto una agitación de acción entre lo que yo llamo los Tres Grandes (Anthropic, Google y DeepMind) indicando la En el clima del desarrollo de la IA. Como se mencionó anteriormente, una tendencia comúnmente aceptada fue crear un LLM de uso general que pudiera realizar muchas tareas a la vez. A medida que aumentaron las capacidades de tal LLM, el razonamiento fue, se acercaría teóricamente a la singularidad AGI que muchos soñaban con lograr. Mi contraargumento: se llama una singularidad por una razón. Tal logro como la creación literal de la Inteligencia General Artificial probablemente no vendrá como resultado de la evolución de las arquitecturas actuales basadas en Transformers, que carecen de muchos de los “blocos de construcción” de la inteligencia humana (pensemos: kinestesis, memoria latente y aparente). En cambio, creo que esta singularidad puede surgir de la investigación humana acelerada por herramientas de inteligencia artificial de agentes como El aumento de la especialización A medida que se desempeñó este status quo de larga data del desarrollo de la IA, sin embargo, se hizo evidente que hay una carrera de IA completa para mantener el #1 en los rankings de LLM está empezando a volverse insostenible para nadie más que Google, el miembro de los Big Three con el mayor grupo de talentos, la red de centros de computación más sofisticada y la mayor cantidad de datos. el gigante de la tecnología, que ha crecido durante mucho tiempo después de sus días de Google Bard, ahora se enorgullece de los estándares de última generación en LLM multimodales en general con Gemini-2.5, una iteración destinada a ser lanzada en la conferencia de I/O de 2025 de Google junto con una serie de modelos impresionantes, incluyendo el nuevo generador de vídeo SoTA de pocos tiros (veo3) y herramientas De hecho, poco después de que el ensayo de pruebas de usuarios de Gemini-2.5 comenzara, OpenAI anunció un Se ha debatido si este movimiento significa la inversión estratégica de OpenAI en lo que ellos ven como un mercado potencial o un cambio total de estatus desde su enfoque en el desarrollo de LLM a la luz de la nueva supremacía de Google en el campo. me gustaría argumentar que es más de un retroceso, en caso de que la carrera de la IA se vuelva insostenible para OpenAI a corto plazo; en este caso, probablemente podrían asociarse con la compañía de IA dominante en el momento para capitalizar en un marco ya estable para el hardware de IA, ya sean dispositivos inteligentes o robots autónomos. TallerCall 6.500 millones de dólares de acuerdo TallerCall 6.500 millones de dólares de acuerdo En contraste con estos dos, Anthropic se ha establecido con la optimización de Claude, su LLM, para la codificación, recientemente lanzando la nueva SoTA con Claude Opus 4, aunque su liderazgo en la prueba de referencia es modesto. Además, Anthropic es notablemente la organización de investigación de la ética de la IA más grande del mundo, manteniendo divisiones que estudian la seguridad de la IA así como los impactos sociales de las nuevas tecnologías. De acuerdo con esta caracterización, retrata su misión como “Ganando la carrera de la IA sin perder [sus] almas”, una etiqueta algo audaz que antagoniza a Google y OpenAI por inclinarse a una multitud de presuntas violaciones de la privacidad de datos y derechos laborales, dos enormes cuevas para el desarrollo de la IA que, hasta ahora, En cierto sentido, estas especializaciones en los objetivos de desarrollo de IA significarían que en un futuro cercano, las principales compañías de IA dejarán de ser competidoras directas entre sí a medida que comienzan a aparecer los efectos naturales de la diferenciación del producto.Se podría argumentar que si Anthropic se centra en los modelos de codificación de agentes y Google, los chatbots, la búsqueda de AGI podría teóricamente ser acelerada a medida que el uso redundante de los recursos se elimina. 
 
 
 
 
 
 Competition breeds innovation. Even though additional resources are not being consumed by a single company in development, the lack of impetus to innovate would hinder advancements despite this fact. If Google already held an extremely stable monopoly, it would not have incentive to spend billions on additional R&D to upgrade a product already in high demand. 
 
 Companies do not share all discoveries. Assuming that all companies actually do invest into further development despite the emergence of specialization as mentioned above, AI companies have been historically reluctant to share the specifics of a model (even lobbying against proposed government legislation for 3rd party review of proprietary model information), which would practically negate any potential benefit from the “you do this, I do that” model of AI development. True open-source AI is still an ideal right now. 
 
 
 There is a heavy overlap across specialized models. For example, as video generation models get more and more convoluted, they require more complicated transformer models trained using extensive data, including the breakdown of textual prompts and inherent reasoning like that found in traditional LLMs (for example, a well-trained video-generator would inherently assume that a “wood board boat” would refer to a boat made out of wooden boards instead of a personified log boarding a ship). 
 
 This article is brought to you by Our AI, a student-founded and student-led AI Ethics organization seeking to diversify perspectives in AI beyond what is typically discussed in modern media. If you enjoyed this article, please check out our monthly publications and exclusive articles at  ! https://www.our-ai.org/ai-nexus/read Este artículo es traído a usted por Nuestra IA, una organización de ética de IA fundada por estudiantes y liderada por estudiantes que busca diversificar perspectivas en IA más allá de lo que se discute típicamente en los medios modernos. ! https://www.our-ai.org/ai-nexus/read • Consecuencias Volver a la pregunta: La respuesta, en mi opinión, es porque este momento tiene el potencial de cambiar el paisaje del desarrollo de la IA decidiendo directamente lo que harán en un futuro cercano.Involucra escenarios sobre los que sólo puedo especular, debido a mi falta de conexiones en el Valle del Silicio, pero tienen todo que ver con la teoría del juego estándar.Asumamos, hipotéticamente, que Google y Anthropic ambos salen de la carrera de la IA abandonando el desarrollo de sus respectivos modelos de IA, Gemini y Anthropic.Aunque los competidores Si se levantan para ocupar su lugar, es poco probable que sean capaces de derrotar a OpenAI, que casi seguramente se convertiría en un monopolio masivo de la noche a la noche, absorbiendo el talento de las otras dos compañías casi de inmediato. Sin embargo, cuando se aplica este escenario a una compañía de IA de menor escala (por ejemplo, Mistral o Meta), se puede concluir que es mucho menos probable que esta empresa se convierta en una superpotencia de IA, ya que sería más susceptible a las perturbaciones del mercado. ¿Por qué el surgimiento de la especialización en productos de IA es un momento clave para el desarrollo de IA? may Si dos caen, la otra compañía se convertirá en dominante por sí sola. Como se mencionó anteriormente, la búsqueda de AGI difiere de otras evoluciones en el desarrollo de productos ya que esta es la primera instancia (de la que sé) en la que un producto prototipo puede ayudar directamente en el desarrollo de una última versión. Este hecho sin duda se volverá más prevalente en el futuro junto con el surgimiento de la IA de agentes, pero podemos recibir un ejemplo destacado del modelo AlphaEvolve de Google, un modelo de razonamiento y codificación que ha logrado aumentar la capacidad de DeepMind para producir y entrenar IA por medio de un mejor marco de distribución de carga para los centros de computación de Google, aumentando el rendimiento general en aproximadamente el 1% (esto puede no ser mucho, pero esto importa cuando se considera que cada uno de los centros de computación de Google maneja datos por los billones de bytes). Asumiendo que esta tendencia continúa (es decir, las principales empresas de IA continúan haciendo IA capaz de ayudar a agilizar el desarrollo adicional), las empresas de IA con la tecnología más avanzada acabarán con un patrón de crecimiento exponencial en el que los modelos de IA de primera línea ayudan a construir más innovación, a su vez estimulando el desarrollo de IA más rápido y más rápido a medida que este proceso se repite. Diseño Diseño Teniendo en cuenta todos estos factores, es poco probable que alguno de los triunviratos del desarrollo de la IA se detenga en sus pasos en cualquier momento pronto: los tres se han sumergido profundamente en capas y capas de capital de riesgo, publicidad de marca y, lo más importante, expectativas sociales.

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Read My Stories

Este audio es producido en el idioma original de la historia!

Estamos en el camino para el desarrollo de la IA

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

Las capas invisibles: por qué las entrevistas con los usuarios son un activo irremplazable

De los foros a los feeds: cómo los algoritmos de las redes sociales influyen en la interacción digital

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Liberando el poder de la IA. Una revisión sistemática de técnicas de vanguardia: resumen e introducción

Las capas invisibles: por qué las entrevistas con los usuarios son un activo irremplazable

De los foros a los feeds: cómo los algoritmos de las redes sociales influyen en la interacción digital

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Liberando el poder de la IA. Una revisión sistemática de técnicas de vanguardia: resumen e introducción

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps