Explorando Flint, el modelo de IA de código abierto
En los últimos días, he tenido la oportunidad de probar un modelo de programación de inteligencia artificial (IA) de código abierto conocido como Flint. Este desarrollo sugiere que la automejora recursiva (RSI), un enfoque fascinante y controvertido que permite a la IA crear otras IA, se encuentra cada vez más cerca de convertirse en una realidad.
Flint es la primera propuesta de Recursive, una empresa que busca utilizar la RSI para no solo avanzar en la IA, sino también en diversas disciplinas científicas que dependen de ella. Richard Socher, CEO y cofundador de Recursive, me explicó que «casi todos los aspectos del proceso completo de desarrollo del modelo fueron realizados y mejorados por la IA».
Automatización del desarrollo de modelos de IA
Socher destacó que su empresa ha empleado un sistema de IA recursiva llamado «Eureka Machine» para automatizar gran parte del desarrollo del modelo. Gracias a esta innovadora herramienta, una empresa con un reducido equipo de investigadores ha logrado crear un modelo de clase mundial en cuestión de meses.
La Eureka Machine ha propuesto una serie de innovaciones, que incluyen métodos novedosos para entrenar el modelo base, arquitecturas de modelos nuevas y código optimizado para chips de silicio específicos. Recursive ha presentado resultados de pruebas comparativas que indican que Flint supera a otros modelos de tamaño y arquitectura similares en diversas tareas de programación.
La IA está siendo ampliamente utilizada para ayudar en la creación, prueba y mejora de sí misma, gracias a sus sorprendentes capacidades de programación. Esto puede acelerar el proceso de perfeccionamiento de un modelo y la experimentación con nuevas ideas, reduciendo así la necesidad de intervención humana.
El potencial y los riesgos de la automejora recursiva
Una de las perspectivas más interesantes es la posibilidad de crear un ciclo en el que la IA determine qué mejoras implementar e inicie otra ronda de optimización. Aunque en la actualidad esta técnica presenta limitaciones, si la IA pudiera contribuir a todos los aspectos del desarrollo de modelos, el proceso podría perpetuarse indefinidamente.
Sin embargo, este enfoque suscita preocupaciones entre algunos expertos, quienes advierten que permitir que la IA se automejore de esta manera podría derivar en un desastre. Estos especialistas señalan que una IA capaz de mejorar indefinidamente podría escapar al control humano y considerar a los seres humanos como un obstáculo para sus objetivos.
Estos temores se intensificaron tras la renuncia de un investigador de Anthropic, quien advirtió que los avances en IA, incluida la automejora recursiva, podrían amenazar la existencia de la humanidad en un futuro cercano, una inquietud que ha sido respaldada por numerosos expertos. La polémica en torno a la RSI ha llevado a la propuesta de varios proyectos de ley en el Congreso de EE. UU. que buscan prohibirla.
La respuesta de Recursive a las preocupaciones sobre la IA
Desde Recursive, se considera que estos temores pertenecen más al ámbito de la ciencia ficción que a la realidad y que la legislación en contra de la RSI representa un obstáculo innecesario para el progreso.
La combinación de avances tecnológicos rápidos, la automejora recursiva y la interacción de múltiples agentes está generando inquietud entre quienes trabajan en los grandes laboratorios. Socher subrayó que «Flint se construyó usando un sistema incapaz de escapar del control humano». La intención es que la Eureka Machine alcance un nivel pleno de automejora recursiva, aunque siempre bajo la supervisión de humanos que puedan detener el proceso si fuera necesario. “Esperamos que esto demuestre a la gente que contamos con todas las medidas necesarias para construir un sistema de este tipo”, añadió.
El respaldo financiero y la experiencia del equipo
Recursive ha conseguido recaudar 650 millones de dólares, alcanzando una valoración de 4,650 millones de dólares, con el apoyo de Google Ventures, Greycroft, Nvidia y AMD Ventures. Socher, quien anteriormente ocupó el cargo de científico jefe en Salesforce, cuenta entre sus cofundadores con Jeff Clune, profesor en la Universidad de Columbia Británica, que investiga métodos para desarrollar sistemas de IA capaces de aprender de manera indefinida.
En mi experiencia con Flint, debo señalar que me ha impresionado. Lo probé en una Mac con 48 GB de RAM, una cantidad considerable, aunque solo suficiente para ejecutar un modelo de IA de tamaño modesto como Flint, que cuenta con 40,000 millones de parámetros. Los modelos más grandes en circulación poseen varios billones de parámetros y requieren ser ejecutados en racks de servidores industriales.
