Bloomberg Línea — Jensen Huang eligió su debut en la red social X para defender el papel de los modelos de inteligencia artificial de pesos abiertos como uno de los pilares del liderazgo tecnológico de Estados Unidos, mediante una carta en la que vincula este enfoque con la innovación, la competencia, la seguridad y la soberanía tecnológica del país.
Ver más: ¿Y si el petróleo vuelve a US$120? Escenarios y riesgos para los mercados y América Latina
El documento sitúa el debate sobre la inteligencia artificial en un contexto histórico al comparar la situación actual con el desarrollo del software de código abierto durante la década de 1980.
Huang sostiene que aquel movimiento impulsó un ecosistema transparente, que permitió a desarrolladores de todo el mundo estudiar, modificar y mejorar el software, hasta el punto de convertirse en la base de buena parte de internet y de sistemas utilizados por grandes empresas tecnológicas, las Fuerzas Armadas estadounidenses y agencias federales.
Sobre esa experiencia, argumenta que “el liderazgo de Estados Unidos en inteligencia artificial no será juzgado por un único modelo de IA de frontera, sino por si Estados Unidos construye un ecosistema sólido y abierto que se difunda en todos los sectores”, una premisa que presenta como necesaria para ampliar las oportunidades de innovación y prosperidad en el país.
Los modelos de IA de pesos abiertos permiten descargar, modificar y ejecutar el modelo en infraestructura propia. En cambio, los modelos de IA de pesos cerrados permanecen bajo el control de su desarrollador, que limita su acceso y uso a través de sus propias plataformas o servicios.
El acceso y la competencia como pilares
La carta identifica los modelos de pesos abiertos como una pieza esencial para ampliar el acceso a la inteligencia artificial.
Huang defiende que este tipo de modelos permite que empresas emergentes, compañías consolidadas, universidades e instituciones públicas desarrollen aplicaciones avanzadas sin asumir el costo de entrenar un modelo desde cero ni depender de modelos de frontera para cada tarea.
Así se han comportado las acciones de Nvidia
En ese sentido, afirma que “los modelos de pesos abiertos permiten que cada organización adapte el modelo adecuado al trabajo adecuado con el costo adecuado, reservando la capacidad de escala de frontera para problemas realmente de frontera y ejecutando modelos eficientes y especializados en todas las demás tareas”.
Según expone, esa disciplina permitirá que la inteligencia artificial resulte económicamente sostenible a medida que su utilización se extienda a miles de millones de tareas cotidianas.
La difusión de la inteligencia artificial en fábricas, hospitales, explotaciones agrícolas, centros educativos y pequeños negocios constituye, a su juicio, la vía para que Estados Unidos consolide su liderazgo en esta nueva etapa tecnológica.
→ Suscríbete al newsletter Línea de Mercado, una selección de Bloomberg Línea con las noticias bursátiles más destacadas del día.
Huang también sitúa la competencia como uno de los principales beneficios de los modelos abiertos al considerar que “la competencia es lo que mantiene las ganancias de la inteligencia artificial ampliamente compartidas en lugar de concentradas en unas pocas manos”.
A partir de esa premisa, sostiene que la posibilidad de que múltiples organizaciones desarrollen, adapten y desplieguen modelos avanzados impulsa la innovación, reduce costos y distribuye los beneficios de esta tecnología entre un mayor número de actores económicos.
Control de los usuarios y gestión de los riesgos
Otro de los argumentos centrales de la carta gira en torno al control que las organizaciones pueden mantener sobre sus propios sistemas de inteligencia artificial. Huang asegura que muchas empresas buscan evitar depender de un único proveedor y conservar el conocimiento que generan con el paso del tiempo.
Por ello, defiende que “los modelos de pesos abiertos ayudan a proporcionar esa garantía al permitir que las organizaciones controlen sus propios datos, evalúen y adapten los modelos a sus propias necesidades y los desplieguen allí donde sus requisitos empresariales lo exijan”.
Añade además que este enfoque permite que las organizaciones conserven el valor creado mediante modelos auto evolutivos, capacidades especializadas y conocimiento acumulado.
La carta reconoce, no obstante, que los modelos abiertos presentan riesgos específicos. Huang admite que, una vez publicados, los pesos quedan fuera del control de su desarrollador original y que las versiones modificadas resultan difíciles de rastrear o revertir.
Ver más: Acciones de Tesla y Alphabet se desploman: cinco claves detrás del castigo bursátil
Sin embargo, rechaza que la respuesta deba consistir en restringir este tipo de modelos y sostiene que “en un mundo en el que los atacantes de ciberseguridad utilizan inteligencia artificial avanzada, los defensores necesitan acceso a modelos con capacidades comparables para poder detectar, simular y responder a amenazas emergentes”.
La apertura como estrategia para el liderazgo estadounidense
En el tramo final del documento, Huang plantea que la apertura puede convertirse en uno de los principales caminos para reforzar la seguridad de la inteligencia artificial.
A su juicio, “los modelos cerrados no son intrínsecamente seguros: pueden ser vulnerados, utilizados de forma indebida o fallar de maneras que los externos no pueden detectar”, mientras que concentrar las capacidades avanzadas en un número reducido de sistemas incrementa los puntos únicos de fallo y debilita la competencia.
Frente a ello, sostiene que los modelos de pesos abiertos permiten que una comunidad amplia de investigadores y desarrolladores examine su funcionamiento, identifique vulnerabilidades, desarrolle salvaguardas y mejore los sistemas con el tiempo.
En esa línea, afirma que “la seguridad de la inteligencia artificial puede depender de dar a más personas la capacidad de probar y fortalecer los modelos de los que depende la sociedad”.
Como conclusión, Huang traslada parte de la responsabilidad a los responsables políticos y propone ampliar el acceso a capacidad de computación para empresas emergentes e investigadores, invertir en activos compartidos para el entrenamiento de modelos y evitar restricciones prematuras sobre los modelos abiertos que, a su juicio, puedan frenar la competencia o trasladar la innovación fuera de Estados Unidos.
