El año que viene OpenAI entrará en la era de los sistemas de IA

Después de GPT-4, ¿qué gran movimiento planea OpenAI para el próximo año? ¿Dónde está el foso de OpenAI? ¿Cuál es el valor del Agente AI? Ahora que muchos empleados antiguos “se van”, ¿OpenAI elegirá a jóvenes con más fe y energía?

El 4 de noviembre, el director ejecutivo de OpenAI, Sam Altman (en lo sucesivo, "Altman") respondió estas preguntas en el podcast "The Twenty Minute VC". Dejó en claro que mejorar las capacidades de razonamiento siempre ha sido la estrategia central de OpenAI.

Cuando el presentador de podcasts y fundador de 21VC, Harry Stebbings (en lo sucesivo, "Stebbings") preguntó qué oportunidades puede ofrecer OpenAI a los emprendedores de IA, Altman creyó que si el emprendimiento de IA todavía está obsesionado con resolver el problema de los modelos insuficientes, entonces este modelo de negocio Ya no será competitivo a medida que se actualice el modelo OpenAI. Los emprendedores deberían construir un negocio que pueda beneficiarse a medida que el modelo se fortalezca. Esta será una gran oportunidad.

En opinión de Altman, la forma en que la gente habla de IA ahora está un poco desactualizada en comparación con los modelos, los sistemas son una dirección de desarrollo que merece más atención, y el próximo año será un año crítico para que OpenAI avance hacia los sistemas de IA.

A continuación se muestran extractos de la conversación de Stebbings con Altman:

OpenAI planea crear herramientas sin código

Stebbings: Comencé la entrevista de hoy directamente con una pregunta de la audiencia. ¿La dirección futura de OpenAI es lanzar más modelos como GPT-3.5 o entrenar modelos más grandes y más potentes?

Altman: Optimizaremos integralmente el modelo y mejorar las capacidades de razonamiento es el núcleo de la estrategia actual.

Creo que poderosas capacidades de razonamiento desbloquearán una serie de funciones que esperamos, incluida permitir que la inteligencia artificial haga contribuciones sustanciales en el campo de la investigación científica, escribir códigos extremadamente complejos, etc., lo que promoverá en gran medida el desarrollo y el progreso de la sociedad.

Puede esperar la iteración y optimización continua y rápida de los modelos de la serie GPT, que serán el foco y la prioridad de nuestro trabajo futuro.

Sam Altman en una entrevista en podcast con el fundador de 21VC, Harry Stebbings

Stebbings: En el futuro, ¿OpenAI desarrollará herramientas sin código para personas sin conocimientos técnicos para que puedan crear y escalar fácilmente aplicaciones de IA?

Altman: No hay duda de que estamos logrando avances constantes hacia ese objetivo.

Nuestro plan inicial es mejorar significativamente la productividad de los programadores, pero a largo plazo, nuestro objetivo es crear la mejor herramienta sin código. Aunque ya existen algunas soluciones sin código en el mercado, actualmente no satisfacen completamente las necesidades de crear una startup completa sin código.

Stebbings: ¿En qué áreas del ecosistema tecnológico se expandirá OpenAI en el futuro? Dado que es probable que OpenAI domine a nivel de aplicaciones, ¿es un desperdicio de recursos que las nuevas empresas dediquen recursos significativos a optimizar los sistemas existentes? ¿Cómo deberían pensar los fundadores sobre esto?

Altman: Nuestro objetivo es mejorar continuamente nuestros modelos. Si su negocio sólo está diseñado para resolver algunas deficiencias menores del modelo existente, su modelo de negocio puede dejar de ser competitivo una vez que nuestro modelo se vuelva lo suficientemente poderoso como para que estas deficiencias ya no existan.

Sin embargo, si puede construir un negocio que pueda beneficiarse a medida que el modelo continúa avanzando, entonces esta es una gran oportunidad.

Imagínese si alguien le revelara que GPT-4 iba a ser increíblemente poderoso, capaz de hacer cosas que actualmente parecen imposibles. Entonces podría planificar y hacer crecer su negocio desde una perspectiva a más largo plazo.

Stebbings: Estábamos hablando con el capitalista de riesgo Brad Gerstner sobre el impacto que OpenAI podría tener en ciertos segmentos del mercado. Desde la perspectiva de un fundador, ¿qué empresas probablemente se verán afectadas por OpenAI y qué empresas pueden sobrevivir? Como inversores, ¿cómo deberíamos evaluar esta cuestión?

Altman: La inteligencia artificial generará billones de dólares en valor. Dará lugar a productos y servicios completamente nuevos, haciendo factibles cosas que antes eran imposibles o poco prácticas.

En algunas áreas, esperamos que los modelos sean lo suficientemente potentes como para facilitar el logro de los objetivos; en otras áreas, esta nueva tecnología se mejorará aún más mediante la creación de productos y servicios superiores.

Al principio, ya no me sorprendía que alrededor del 95% de las startups pareciera que apostaban a que el modelo no mejoraría. Cuando se lanzó GPT-3.5 por primera vez, ya vimos el potencial de GPT-4 y sabíamos que sería muy poderoso.

Por lo tanto, si crea una herramienta únicamente para compensar las deficiencias de su modelo, esas deficiencias se volverán cada vez más irrelevantes a medida que el modelo siga mejorando.

Cuando los modelos funcionaban mal en el pasado, la gente estaba más inclinada a desarrollar productos que compensaran los defectos del modelo en lugar de crear productos revolucionarios como "profesores de IA" o "asesores médicos de IA". Sentí que el 95% de la gente en ese momento apostaba a que el modelo no mejoraría, y sólo el 5% creía que el modelo mejoraría.

Ahora la situación se ha revertido y la gente comprende el ritmo de mejora y hacia dónde vamos.

El tema es menos prominente ahora, pero en un momento estábamos muy preocupados porque previmos las dificultades que podrían enfrentar las empresas que estaban trabajando [para remediar las deficiencias del modelo].

Stebbings: Una vez dijo que "la inteligencia artificial generará billones de dólares en valor". Masayoshi Son (fundador y director ejecutivo de SoftBank Group) también predijo que "la IA creará $9 billones en valor cada año", lo que es suficiente para compensar lo que él cree que es " "Necesarios 9 billones de dólares en gastos de capital", ¿qué opinas de esto?

Altman: No puedo dar una cifra precisa. Obviamente, se creará un valor enorme con una gran cantidad de gasto de capital, porque este es el caso de todas las grandes revoluciones tecnológicas, y la inteligencia artificial es sin duda una de ellas.

El próximo año será un año crítico para nosotros, ya que entramos en la era de los sistemas de inteligencia artificial de próxima generación.

Mencionaste el desarrollo de un agente de software sin código. No estoy seguro de cuánto tiempo llevará. No es posible lograrlo en este momento, pero imagina que si podemos lograrlo, todos podrán obtener fácilmente el conjunto completo de herramientas de nivel empresarial. software que necesitamos, cuánto valor económico desbloqueará esto para el mundo.

Si puede mantener el mismo valor de producción y al mismo tiempo hacerlo más conveniente y más barato, eso puede tener un gran impacto.

Creo que veremos más ejemplos como este, incluso en la atención sanitaria y la educación, que representan mercados de billones de dólares.

Si la IA puede impulsar nuevas soluciones en estas áreas, no creo que las cifras específicas sean importantes, pero lo importante es que, de hecho, creará un valor increíble.

Los excelentes agentes de IA tienen funciones que van más allá de las capacidades humanas

Stebbings: ¿Qué papel cree que desempeñará el código abierto en el futuro desarrollo de la inteligencia artificial? Dentro de OpenAI, ¿cómo se desarrollará la discusión sobre "algunos modelos deberían ser de código abierto"?

Altman: Los modelos de código abierto desempeñan un papel vital en el ecosistema de inteligencia artificial.

Ya existen algunos modelos excelentes de código abierto.

Creo que también es crucial proporcionar API y servicios de alta calidad. En mi opinión, tiene sentido ofrecer estos elementos como un portafolio para que las personas puedan elegir la solución que mejor se adapte a sus necesidades.

Stebbings: Además del código abierto, también podemos brindar servicios a los clientes a través de Agentes. ¿Cómo se define "Agente"? ¿En tu opinión qué es y qué no es?

Altman: Pienso en un Agente como un programa que puede realizar tareas a largo plazo con poca o ninguna supervisión humana.

Stebbings: ¿Crees que existen ideas erróneas sobre el Agente?

Altman: No es tanto un malentendido sino que no entendemos completamente el papel que desempeñará el Agente en el mundo futuro.

Un ejemplo que se menciona a menudo es que un agente de IA le ayude a hacer una reserva en un restaurante, como puede hacer con OpenTable, o llamar al restaurante directamente.

De hecho, esto puede ahorrar algo de tiempo, pero creo que lo que es más emocionante es que el Agente puede hacer cosas que los humanos no pueden hacer. Por ejemplo, el Agente puede contactar 300 restaurantes al mismo tiempo para encontrar los platos o restaurantes más adecuados para mí. que pueden proporcionar servicios especiales.

Esta es una tarea casi imposible para los humanos, pero si todos los agentes son IA y pueden procesar en paralelo, este problema se resolverá.

Aunque este ejemplo es simple, demuestra las capacidades de los Agentes más allá de las capacidades humanas. Lo que es más interesante es que el Agente no sólo puede ayudarle a reservar un restaurante, sino que también puede trabajar con usted para completar un proyecto como un colega senior muy inteligente o puede completar de forma independiente una tarea que nos lleve dos días o incluso dos semanas; Se comunicará con usted solo cuando haya un problema y, en última instancia, le brindará un resultado excelente.

Stebbings: ¿Este modelo de agente tendrá un impacto en los precios de SaaS (software como servicio)? Tradicionalmente, SaaS se cobra según los puestos de usuario, pero ahora los agentes están reemplazando a los humanos. ¿Cómo cree que cambiarán los modelos de precios en el futuro, especialmente a medida que los agentes de IA se conviertan en una parte fundamental de la fuerza laboral empresarial?

Altman: Sólo puedo especular porque realmente no lo sabemos con seguridad.

Puedo imaginar un escenario en el que los modelos de precios futuros se basen en los recursos informáticos que utilice, por ejemplo, si necesita 1 GPU, 10 GPU o 100 GPU para solucionar un problema.

En este caso, el precio ya no se basa en la cantidad de puestos o incluso de agentes, sino en la cantidad real de computación consumida.

Stebbings: ¿Necesitamos construir un modelo especial para el Agente?

Altman: Requiere mucha infraestructura para respaldar la operación de los agentes, pero creo que GPT-3.5 ha señalado la dirección, es decir, un modelo general que puede realizar tareas complejas de los agentes.

El modelo es un activo que se deprecia, pero la experiencia de formación vale más que el coste.

Stebbings: Mucha gente cree que los modelos están depreciando los activos a medida que se vuelven cada vez más mercantilizados. ¿Qué opinas de esta perspectiva? Actualmente, los modelos de formación requieren cada vez más capital. ¿Significa esto que sólo unas pocas empresas pueden afrontar esos costes?

Altman: Es cierto que los modelos pueden considerarse activos que se deprecian, pero es completamente erróneo pensar que valen menos que sus costes de formación.

De hecho, en el proceso de entrenamiento del modelo, podemos obtener un efecto de interés compuesto positivo, es decir, el conocimiento y la experiencia que obtenemos del entrenamiento nos ayudarán a entrenar el modelo de próxima generación de manera más eficiente.

Creo que los ingresos reales que obtenemos del modelo justifican estas inversiones. Por supuesto, no todas las empresas pueden conseguir este efecto.

Actualmente puede haber muchas empresas entrenando modelos muy similares, pero si estás un poco atrasado o no tienes un producto que siga atrayendo usuarios y aportando valor, puede ser más complicado conseguir un retorno de la inversión.

Tenemos la suerte de contar con ChatGPT, que utilizan cientos de millones de usuarios, por lo que incluso si los costos son altos, podemos distribuirlos entre nuestra gran base de usuarios.

Stebbings: ¿Cómo se mantendrán diferenciados los modelos de OpenAI en el futuro? ¿Dónde le gustaría más ver una mayor diferenciación?

Altman: Las capacidades de razonamiento son actualmente el área que más valoramos y creo que esta será la clave para desbloquear la siguiente etapa de creación de valor a gran escala.

Además, también trabajaremos en el desarrollo de modelos multimodales e introduciremos nuevas funciones que creemos que son importantes para los usuarios.

Stebbings: ¿Cómo se expandirán las capacidades visuales bajo el nuevo paradigma de tiempo de inferencia GPT-3.5?

Altman: Sin desvelar nada, espero que los modelos de imágenes evolucionen rápidamente.

Stebbings: ¿Qué opinas del modelo de Anthropic, que a veces se considera superior en tareas de programación? ¿Crees que esta valoración es justa? ¿Cómo deberían los desarrolladores elegir entre OpenAI y otros proveedores?

Altman: Anthropic realmente tiene un modelo que sobresale en programación y su trabajo es realmente impresionante.

Creo que los desarrolladores suelen utilizar varios modelos al mismo tiempo y no estoy seguro de cómo cambiará eso a medida que evolucione el campo. Pero creo que la inteligencia artificial estará en todas partes en el futuro.

La forma en que actualmente hablamos de IA puede estar un poco desactualizada, y predigo que pasaremos de hablar de “modelos” a hablar de “sistemas”, pero esto llevará tiempo.

Stebbings: Con respecto a la cuestión del escalado del modelo, ¿cuánto tiempo cree que puede continuar la ley del escalado del modelo? En el pasado se pensaba que no duraría, pero parece que es más duradero de lo que la gente pensaba.

Altman: Sin entrar en detalles, la pregunta central es: ¿Continuará la trayectoria de mejora de las capacidades del modelo como lo hace actualmente? Creo que así será y durará mucho tiempo.

Stebbings: ¿Alguna vez tuviste alguna duda al respecto?

Altman: Encontramos algunos patrones de comportamiento que no pudimos entender, experimentamos algunos procesos de entrenamiento fallidos y probamos varios paradigmas nuevos.

Cuando nos acercamos a los límites de un paradigma, debemos encontrar el siguiente punto de avance.

Stebbings: ¿Cuál fue el desafío más difícil de afrontar durante este proceso?

Altman: Cuando comenzamos a desarrollar GPT-4, nos encontramos con algunos problemas extremadamente difíciles que nos hicieron sentir impotentes y no sabíamos cómo resolverlos.

Al final, logramos superar estas dificultades. Pero definitivamente hubo un momento en el que estábamos confundidos acerca de cómo hacer avanzar el modelo.

Además, la transformación de GPT-3.5 y el concepto de modelo de inferencia son objetivos con los que hemos soñado durante mucho tiempo, pero el camino de la investigación para lograr este objetivo está lleno de desafíos y giros y vueltas.

Stebbings: ¿Cómo se mantiene la moral del equipo durante este largo y sinuoso proceso? ¿Cómo se mantiene la moral cuando el proceso de formación puede fallar?

Altman: A los miembros de nuestro equipo les apasiona desarrollar inteligencia artificial general (AGI), lo cual es un objetivo muy motivador.

Todos sabemos que este no es un camino fácil y que el éxito no será fácil. Hay un dicho famoso: "Nunca le pido a Dios que esté de mi lado, pero rezo para estar del lado de Dios".

Estar involucrado en el campo del aprendizaje profundo es como estar involucrado en una causa justa. Aunque hay retrocesos inevitables en el camino, al final siempre parecemos progresar. Esta firme convicción nos ha sido de gran ayuda.

Stebbings: En cuanto a la cuestión de la cadena de suministro de semiconductores, ¿qué tan preocupado está por la cadena de suministro de semiconductores y las tensiones internacionales?

Altman: No puedo cuantificar el alcance de esa preocupación, pero no hay duda de que estoy preocupado.

Si bien puede que no sea mi mayor preocupación, definitivamente está en el 10% de todas las cosas que me importan.

Stebbings: ¿Puedo preguntar cuál es su mayor preocupación?

Altman: En general, mi mayor preocupación es la complejidad de todo lo que intentamos hacer en todo el campo.

Si bien estoy seguro de que todo saldrá bien eventualmente, este es un sistema increíblemente complejo.

Esta complejidad existe en todos los niveles, tanto dentro de OpenAI como dentro de cada equipo. Tomando como ejemplo los semiconductores, debemos equilibrar el suministro de energía, tomar las decisiones correctas en materia de redes, asegurarnos de tener suficientes chips, pero también considerar los riesgos potenciales y si el progreso de la investigación puede estar a la altura de estos desafíos, para no quedar completamente desprevenidos. o Desperdicio de recursos.

Puede parecer que toda la cadena de suministro es un proceso directo, pero la complejidad del ecosistema en cada nivel va más allá de lo que he visto en cualquier otra industria. En cierto modo, esta es mi mayor preocupación.

Stebbings: Usted mencionó una complejidad sin precedentes, y muchas personas están comparando la ola actual de IA con la era de las puntocom, especialmente cuando se trata de emoción y entusiasmo. Creo que la diferencia es la escala de financiación. Larry Ellison (cofundador de Oracle) ha dicho que el coste de entrar en la carrera del modelo base es de 100 mil millones de dólares. ¿Estás de acuerdo con esta opinión?

Altman: No, no creo que el costo sea tan alto. Pero he aquí un fenómeno interesante: a la gente le gusta utilizar las revoluciones tecnológicas pasadas como analogías con las nuevas revoluciones para que parezcan más familiares.

Creo que en general no es una buena práctica, pero entiendo por qué la gente lo hace. También creo que la analogía de la IA que la gente ha elegido es particularmente inapropiada, ya que la Web es obviamente muy diferente de la IA.

Usted mencionó un ejemplo de costo, ya sea que realmente necesite gastar 10 mil millones o 100 mil millones para ser competitivo, una de las características definitorias de la revolución de Internet es "es fácil comenzar".

Otra característica similar a la de una red es que, para muchas empresas, la IA es solo una extensión de la red; otras personas construirán estos modelos de IA y usted podrá utilizarlos para desarrollar todo tipo de excelentes productos.

Se trata de considerar la IA como una nueva forma de desarrollar tecnología. Pero si quieres construir IA, es una historia completamente diferente.

Otra analogía común es la electricidad, pero no creo que se aplique de muchas maneras.

Si bien no creo que la gente deba confiar demasiado en las analogías, mi analogía favorita es el transistor, un nuevo descubrimiento en física que fue increíblemente escalable y rápidamente impregnó todos los campos. Toda la industria tecnológica surgió del transistor. Es cierto que los productos y servicios que utilizamos contienen muchos transistores, pero no se podría pensar en las empresas que crean estos productos y servicios como "empresas de transistores".

Este (transistor) es un proceso industrial muy complejo y costoso, con una enorme cadena de suministro formada a su alrededor.

Este simple descubrimiento físico condujo a un crecimiento económico a largo plazo, aunque la mayoría de las veces la gente no se daba cuenta de que existía y simplemente pensaba "esto puede ayudarme a procesar información".

Mantener altos estándares de talento en lugar de favorecer a un determinado grupo de edad.

Stebbings: ¿Cómo crees que se desperdicia el talento humano?

Altman: Hay muchas personas muy talentosas en el mundo que no pueden alcanzar su máximo potencial porque trabajan para las empresas equivocadas, o viven en países que no apoyan a las grandes empresas, o por una variedad de otras razones.

Una de las cosas que más me entusiasma de la IA es su potencial para ayudarnos a aprovechar mejor el potencial de cada persona, algo que actualmente no hacemos lo suficiente. Creo que hay muchos investigadores de IA potencialmente excelentes en el mundo, pero sus trayectorias de vida son diferentes.

Stebbings: Ha experimentado un crecimiento increíble durante el año pasado. Si mira hacia atrás en los últimos diez años, ¿cuál cree que es el mayor cambio en su liderazgo?

Altman: Para mí, lo más inusual de estos últimos años es la velocidad del cambio.

Por lo general, a una empresa normal le lleva mucho tiempo crecer de cero a 100 millones de dólares en ingresos, luego de 100 millones de dólares a 1.000 millones de dólares y, finalmente, de 1.000 millones de dólares a 10.000 millones de dólares, pero tenemos que hacerlo en un proceso de sólo dos años.

Pasamos de ser un puro laboratorio de investigación a una empresa que en realidad atiende a una gran cantidad de clientes, y esa rápida transición me costó tiempo para aprender.

Stebbings: ¿A qué te gustaría dedicar más tiempo a estudiar?

Altman: Cómo guiar a una empresa para que se centre en lograr un crecimiento 10 veces mayor en lugar de solo un 10%.

Pasar de ser una empresa con miles de millones de ingresos a una empresa con decenas de miles de millones de ingresos requiere un cambio profundo, no sólo una repetición del trabajo de la semana pasada.

Pero el desafío del crecimiento rápido es que no tenemos suficiente tiempo para sentar una base sólida.

Subestimé el esfuerzo que haría falta para ponerme al día y seguir avanzando en este entorno de hipercrecimiento.

La comunicación interna, el intercambio de información, la gestión estructurada y cómo equilibrar las necesidades a corto plazo y el desarrollo a largo plazo en la planificación son todos cruciales.

Por ejemplo, para garantizar las capacidades de ejecución de la empresa en los próximos uno o dos años, debemos preparar los recursos informáticos, el espacio de oficina, etc. con anticipación. En este entorno de rápido crecimiento, la planificación eficaz es un gran desafío.

Stebbings: Keith Rabois (un capitalista de riesgo) dijo una vez que una cosa que aprendió de Peter Thiel (cofundador de PayPal) fue contratar jóvenes menores de 30 años porque ese es el secreto para construir una gran empresa. ¿Qué opina de la sugerencia de que construir una empresa contratando a jóvenes muy dinámicos y ambiciosos es la única manera de hacerlo?

Altman: Tenía unos 30 años cuando fundé OpenAI, no era demasiado joven, pero todavía parecía apropiado (risas).

Entonces, este es de hecho un camino a intentar.

Stebbings: ¿Sin embargo, los jóvenes, aunque llenos de energía y ambición, pueden carecer de experiencia o elegir a aquellos que tienen experiencia y han demostrado su valía?

Altman: La respuesta obvia es que contratar ambos tipos de talento puede tener éxito, como lo hacemos en OpenAI.

Justo antes de la entrevista de hoy, estaba hablando de un joven que acababa de unirse a nuestro equipo, quizás tenga poco más de veinte años, pero que estaba haciendo un trabajo increíble.

Me pregunto si podremos encontrar más talentos como él, jóvenes que aporten una nueva perspectiva y energía.

Por otro lado, sin embargo, si tuvieras que diseñar uno de los sistemas informáticos más complejos y costosos de la historia de la humanidad, no le entregaría esa responsabilidad a un joven que recién comienza.

Por tanto, necesitamos una combinación de ambos tipos de talento. Creo que la clave es mantener un alto nivel de talento y no simplemente favorecer a un determinado grupo de edad.

Estoy especialmente agradecido a Y Combinator porque me enseñó que la falta de experiencia no significa falta de valor.

Hay muchos talentos de alto potencial al principio de sus carreras que pueden crear un valor enorme, y nuestra sociedad debería invertir en estos talentos. Esto es algo muy positivo.

Stebbings: Hace poco escuché una cita: las cargas más pesadas de la vida no son el hierro ni el oro, sino las decisiones que no se toman. ¿Qué decisión no tomada te causa más estrés?

Altman: La respuesta a esta pregunta cambia todos los días y ninguna decisión no tomada es particularmente significativa.

Por supuesto, nos enfrentamos a algunas decisiones importantes, como qué dirección de producto elegir o cómo diseñar la próxima generación de computadoras. Estas son decisiones importantes y arriesgadas.

Podría posponer la toma de una decisión cuando esto suceda, pero la mayoría de las veces el desafío es enfrentar el dilema del 51% frente al 49% todos los días, y la razón por la que estas decisiones se me presentan es porque son difíciles de tomar. Puede que no esté más seguro de tomar una mejor decisión que cualquier otro miembro del equipo, pero tengo que tomar la decisión.

Entonces la cuestión es sobre el número de decisiones, no sobre una decisión en particular.

Stebbings: ¿Tiene una persona constante a quien pueda consultar cuando se enfrente a una decisión del 51% frente al 49%?

Altman: No, no creo que depender de una sola persona para todo sea el enfoque correcto.

Para mí, un mejor enfoque sería encontrar 15 o 20 personas que tengan buena intuición y conocimientos previos en un área particular y consultar a los mejores expertos cuando sea necesario, en lugar de depender de un solo consultor.

Preguntas y respuestas rápidas

Stebbings: Si hoy tuvieras 23 o 24 años, ¿qué elegirías hacer dada la infraestructura existente?

Altman: Elegiré un campo vertical respaldado por IA, como la educación en IA, y desarrollaré los mejores productos educativos de IA para permitir que las personas adquieran conocimientos en cualquier campo.

Ejemplos similares también pueden ser abogados de IA, ingenieros de CAD de IA, etc.

Stebbings: Mencionaste escribir un libro, ¿cómo lo llamarías?

Altman: Aún no he pensado en un nombre. No he pensado mucho en este libro, pero creo que su existencia inspirará a mucha gente. Puede estar relacionado con el tema del "potencial humano".

Stebbings: En el campo de la IA, ¿hay alguna dirección a la que la gente no esté prestando atención pero en la que debería invertir más tiempo?

Altman: Lo que me gustaría ver es una IA que comprenda toda tu vida.

No requiere un contexto infinito, pero es de esperar que haya alguna manera de tener un agente de IA que conozca todos sus datos y pueda ayudarlo.

Stebbings: ¿Le ha sorprendido algo durante el último mes?

Altman: Es un estudio que no puedo revelar, pero es impactante.

Stebbings: ¿Quién es tu competidor más respetado? ¿Por qué?

Altman: En realidad, respeto a todos en este campo. Todo el campo está lleno de talentos sobresalientes y excelente trabajo.

No estoy tratando de evitar el problema, sólo veo gente talentosa haciendo un trabajo realmente bueno en todas partes.

Stebbings: ¿Hay alguno específico?

Altman: Nadie en particular.

Stebbings: ¿Cuál es tu API OpenAI favorita?

Altman: Las nuevas API instantáneas son geniales y ahora tenemos un enorme negocio de API con muchas cosas buenas.

Stebbings: ¿A quién respetas más en el campo de la IA hoy?

Altman: Me gustaría hacer una mención especial al equipo de Cursor. Utilizan la IA para brindar una experiencia increíble y crear mucho valor para las personas.

Muchas personas no logran reunir todos los elementos, pero lo hacen. A propósito no mencioné a nadie de OpenAI, de lo contrario la lista sería muy larga.

Stebbings: ¿Cuál es su opinión sobre el equilibrio entre latencia y precisión?

Altman: Necesita una perilla que se ajuste entre los dos. Al igual que ahora quieres que responda una pregunta rápidamente y trato de no perder unos minutos pensando en ello, es cuando la demora se vuelve importante.

Si me pidieras que hiciera un gran descubrimiento, quizás estarías dispuesto a esperar unos años. La respuesta es que esto debería ser controlable por el usuario.

Stebbings: Cuando piensa en las inseguridades en el liderazgo, ¿dónde cree que necesita más mejoras, qué es lo que más desea mejorar como líder y como director ejecutivo?

Altman: La semana pasada sentí que estaba más inseguro que antes de cuáles deberían ser los detalles de nuestra estrategia de producto.

En general, siento que el producto es mi punto débil y ahora la empresa necesita que le proporcione una visión más clara del producto.

Tenemos un propietario de producto y un equipo excelentes, pero esta es un área en la que desearía ser mejor y lo siento especialmente últimamente.

Stebbings: Contrataste a Kevin Scott (CTO de OpenAI), lo conozco desde hace muchos años y es genial. ¿Qué cualidades de Kevin lo convierten en un líder de producto de clase mundial?

Altman: "Disciplina" es la primera palabra que me viene a la mente.

Stebbings: ¿Qué significa eso exactamente?

Altman: Está muy centrado en las prioridades, sabe a qué decir que no y es capaz de ponerse en el lugar del usuario y pensar por qué debería hacer o no algo. Es muy riguroso y no tiene ideas descabelladas. .

Stebbings: Mirando a cinco y diez años en el futuro, si tuvieras una varita mágica y pudieras trazar la visión de cinco y diez años para OpenAI, ¿cómo sería?

Altman: Es fácil para mí imaginarme los próximos dos años, pero si acertamos y comenzamos a crear algunos sistemas súper poderosos, como en términos de avance científico, eso conducirá a avances tecnológicos increíbles.

Creo que en cinco años veremos avances tecnológicos a un ritmo alarmante, incluso más allá de las expectativas de todos. La sociedad puede sentir que “el momento de la AGI ha llegado y se ha ido”; descubriremos muchas cosas nuevas, no sólo en la investigación de la IA; También incluye otros campos científicos.

Por otro lado, creo que los cambios (traídos por el progreso tecnológico) a la sociedad son en realidad relativamente limitados.

Por ejemplo, si hace cinco años le preguntaras a la gente: ¿una computadora pasaría la prueba de Turing?

Probablemente dirán: No. Si les dices: Sí. Entonces pensarán que esto traerá grandes cambios a la sociedad.

Ahora verá, pasamos aproximadamente la prueba de Turing, pero los cambios en la sociedad en realidad no han sido tan drásticos.

Esto es lo que espero para el futuro, donde el progreso tecnológico siga superando todas las expectativas mientras la sociedad cambia más lentamente.

Creo que ésta es una situación buena y saludable. A largo plazo, el progreso tecnológico ciertamente provocará enormes cambios en la sociedad, pero no se reflejarán tan rápidamente en cinco o diez años.

Este artículo se reproduce en cooperación con: Shenchao.

Más cobertura
Los inversores de a16z analizan la historia de la evolución de las monedas estables: mirando el futuro de las monedas estables a partir de 250 años de historia bancaria
Después de la elección de Trump, se produjo una "primavera criptográfica". ¿Avanzarán las principales instituciones financieras estadounidenses hacia la "orientación en lugar de la aplicación de la ley"?