"Hemos agotado el conocimiento humano": Elon Musk alerta sobre los límites de la IA La inteligencia artificial enfrenta un límite inesperado: la falta de datos para seguir aprendiendo.

Elon Musk, magnate tecnológico y fundador de empresas como Tesla, SpaceX y xAI, advirtió que la inteligencia artificial (IA) ha alcanzado un límite crítico: el agotamiento del conocimiento humano acumulado. Según Musk, este fenómeno ocurrió el año pasado, y ahora la industria enfrenta el desafío de encontrar nuevas formas de avanzar.

Durante una conversación en X, la red social de su propiedad, Musk habló con Mark Penn, presidente de Stagwell, sobre el impacto de esta realidad en el desarrollo de la IA. "La única forma de complementar los datos del mundo real es con datos sintéticos, donde la IA crea", explicó.

La IA enfrenta desafíos por la escasez de datos

Hasta ahora, los sistemas de IA han dependido principalmente de los datos disponibles en internet para su entrenamiento. Sin embargo, la cantidad de información nueva y relevante se ha reducido, lo que representa un problema importante, especialmente para startups y empresas que necesitan mejorar constantemente sus modelos.

Elon Musk propuso que el autoaprendizaje basado en datos sintéticos podría ser la solución para superar esta barrera. "Con los datos sintéticos, la IA se calificará a sí misma y pasará por un proceso de autoaprendizaje", señaló.

Relacionado: La nueva apuesta de Meta: publicaciones personalizadas creadas con inteligencia artificial

Riesgos del uso de datos sintéticos

El uso de datos sintéticos no está exento de riesgos. Diversos expertos han expresado su preocupación por un fenómeno conocido como "colapso del modelo", en el que un sistema de IA pierde su capacidad para aprender información realmente nueva al entrenarse con datos artificiales o de baja calidad.

Este proceso podría comprometer la capacidad de los modelos para generar contenido coherente y preciso.

Los modelos de lenguaje a gran escala (LLM, por sus siglas en inglés), como ChatGPT de OpenAI, dependen en gran medida de datos disponibles en línea para mantener su rendimiento. Sin embargo, las restricciones de acceso y la escasez de datos originales están obligando a estas tecnologías a entrenarse con contenido generado por otras IA, lo que puede tener consecuencias negativas.

Un estudio publicado en la revista Nature advierte que esta práctica podría provocar una degradación progresiva en la capacidad de los modelos para producir respuestas relevantes y exactas.

¿Qué sigue para la IA?

La dependencia de datos sintéticos plantea interrogantes sobre el futuro de la inteligencia artificial. Mientras Elon Musk y otros líderes tecnológicos buscan soluciones, el debate sobre los límites y riesgos del autoaprendizaje sigue abierto, con implicaciones que podrían redefinir el desarrollo de esta tecnología en los próximos años.