#Tecnología La #IA se queda cada vez más sin fuentes de información para su entrenamiento, reflejando su tremenda ineficiencia -en su forma actual- cuando se la compara con aquello que supuestamente intenta imitar, los niños humanos por ejemplo son famosamente capaces de aprender lenguaje a partir de muy poca información incompleta. Y eso sin hablar de la eficiencia energética de su entrenamiento.

"En los 18 meses transcurridos desde que OpenAI lanzó Chat-GPT, la IA generativa se ha disparado. La última iteración, Chat-GPT-4o, se lanzó en mayo de este año y, mientras tanto, los demás grandes actores tecnológicos han lanzado sus propios contendientes. A medida que estas empresas compiten por desarrollar y ofrecer mejores versiones de sus algoritmos, están superando los límites de lo posible, pero también los límites de lo disponible: se están quedando sin datos.

Para entrenar a las próximas generaciones necesitan nuevos y mayores conjuntos de datos del lenguaje y el conocimiento humanos, y ni siquiera los miles de millones de palabras de la literatura e Internet bastan ya para satisfacer su impaciente apetito. Una solución que están explorando muchas empresas es que su progenie polifágica se alimente a sí misma: los modelos de las máquinas pueden generar conjuntos de datos para entrenar a otras máquinas, un "motor infinito de generación de datos", como dijo recientemente el director ejecutivo de una empresa tecnológica."

https://www.chemistryworld.com/features/why-are-computational-chemists-making-up-their-data/4019491.article

#Tecnología La #IA acaba de cerrar el bucle de la generación artificial de escasez a través de #PropiedadIntelectual. Las empresas necesitan acceder al #TrabajoSocial gratuitamente para cobrar por los sistemas desarrollados a partir de él y obtener beneficios.

https://www.xataka.com/privacidad/adobe-photoshop-pide-acceso-a-todo-contenido-que-se-cree-herramienta-incluso-sea-confidencial

#Tecnología. En 10 años la #ComputaciónFotónica podría hacer a las redes neuronales de la #IA 1000 veces más eficientes en términos de consumo de #electricidad

«Pero McMahon dijo que vale la pena perseguir la gran visión: una red neuronal óptica que pueda superar a los sistemas electrónicos para uso general. El año pasado, su grupo realizó simulaciones que mostraban que, dentro de una década, un sistema óptico suficientemente grande podría hacer que algunos modelos de IA sean más de 1.000 veces más eficientes que los futuros sistemas electrónicos. “Muchas empresas se están esforzando ahora por obtener una eficiencia 1,5 veces mayor. Una eficiencia mil veces mayor, sería increíble”, afirmó. "Este es quizás un proyecto de 10 años, si tiene éxito".»

https://www.quantamagazine.org/ai-needs-enormous-computing-power-could-light-based-chips-help-20240520/