🎭 Crea un avatar profesional con HeyGen (mi enlace de afiliado): [https://www.heygen.com/?sid=rewardful&via=javi]
🎙️ Ponle una voz pro con ElevenLabs (mi enlace de afiliado): [https://try.elevenlabs.io/iabro]

Dario Amodei, CEO de Anthropic, explica en esta charla por qué cree que la IA está entrando en una fase explosiva en la que, en pocos años, los modelos superarán las capacidades cognitivas de la mayoría de humanos en la mayoría de tareas, lo que él describe como “un país de genios dentro de un datacenter”. Habla del enorme potencial positivo de esta tecnología para curar enfermedades, mejorar la salud y sacar a miles de millones de personas de la pobreza, especialmente en el Sur Global, pero también alerta sobre riesgos serios: comportamiento autónomo de los modelos, mal uso por actores individuales y gobiernos, y disrupción económica y laboral.

En este contexto, sitúa a India como actor “absolutamente central” tanto para capturar las oportunidades como para gestionar los riesgos de la IA, y anuncia la apertura de la oficina de Anthropic en Bengaluru, el nombramiento de Irina Ghose como directora para India y nuevas alianzas con grandes empresas como Infosys. Además, detalla colaboraciones con fundaciones y organizaciones locales para aplicar Claude en educación, agricultura, salud e idiomas regionales, y su participación en los New Delhi Frontier AI Impact Commitments para estudiar de forma rigurosa el impacto de la IA en empleo y economía junto al gobierno indio

🎭 Crea un avatar profesional con HeyGen (mi enlace de afiliado): [https://www.heygen.com/?sid=rewardful…]
🎙️ Ponle una voz pro con ElevenLabs (mi enlace de afiliado): [https://try.elevenlabs.io/iabro]

Sam Altman repasa cómo en solo un año hemos pasado de sistemas que fallaban en matemáticas de instituto a modelos capaces de hacer matemáticas de investigación y obtener resultados nuevos en física teórica. Destaca el avance de India en soberan AI: más de 100 millones de personas usan ChatGPT cada semana (un tercio estudiantes) y es ya el mercado que más rápido crece para sus herramientas de código.

Plantea que, en la trayectoria actual, podríamos estar a solo un par de años de las primeras versiones de “verdadera superinteligencia” y que hacia 2028 más capacidad intelectual podría estar dentro de los data centers que fuera de ellos. Una superinteligencia, dice, podría dirigir mejor una gran empresa que cualquier CEO humano y hacer mejor ciencia que nuestros mejores investigadores.

A partir de ahí formula tres ideas guía: la democratización de la IA como único camino justo y seguro frente a una concentración en un solo país o empresa que podría “llevar a la ruina”; la necesidad de pensar en resiliencia social, no solo en alineamiento técnico, ante riesgos como modelos bio abiertos capaces de ayudar a crear patógenos; y la importancia de implicar a mucha gente en decidir cómo se gobierna esta tecnología porque el futuro no se ajustará a ninguna predicción concreta.

Defiende un futuro democrático en el que la IA aumente la agencia individual y rechaza el “totalitarismo efectivo a cambio de curar el cáncer”, plantea desplegar los modelos de forma iterativa para que la sociedad se adapte por fases y avisa de una gran disrupción económica: muchos bienes y servicios serán mucho más baratos y productivos, pero muchos trabajos se verán alterados. Concluye que hará falta un organismo internacional tipo OIEA para coordinar la gobernanza global de la IA y que los próximos años pondrán a prueba a la sociedad, que tendrá que elegir entre empoderar a las personas o concentrar el poder.

En marzo de 2028, OpenAI planea alcanzar algo que hasta hace poco sonaba imposible: crear un investigador de inteligencia artificial completamente autónomo, capaz de generar conocimiento nuevo sin intervención humana. No se trata de una predicción al azar. La fecha está respaldada por 1,4 billones de dólares ya comprometidos en infraestructura, chips y energía: el equivalente a cinco programas Apolo ajustados a la inflación.

Este vídeo desentraña las piezas ocultas de ese plan: desde la contratación de 30 gigavatios de potencia —15 centrales nucleares dedicadas solo a “pensar”— hasta la creación de modelos de razonamiento como o1, el primero que puede dedicar horas o días a resolver un problema antes de responder.

Aquí explicamos por qué “la explosión de inteligencia” no es un eslogan de marketing, sino una consecuencia matemática del aprendizaje recursivo: un sistema que mejora a su sucesor una y otra vez, acelerando su progreso hasta que la curva se dispara. Es el mismo principio que podría transformar la investigación científica en algo tan rápido y eficiente que los descubrimientos que hoy llevarían décadas podrían resolverse en semanas.

También veremos cómo OpenAI, Anthropic y DeepMind están convergiendo en el mismo objetivo: usar la IA para mejorar la IA. Modelos que ya generan, evalúan y corrigen sus propios datos de entrenamiento, reduciendo el papel humano al mínimo. Es un bucle de refinamiento continuo, el paso previo a lo que los expertos llaman *explosión de inteligencia*.

Pero esta historia tiene dos caras. Porque detrás del optimismo técnico hay una apuesta monumental: que la fuerza bruta —gigavatios y chips— pueda sustituir a la genialidad humana. Y si esa hipótesis falla, todo el castillo se derrumba.

En este análisis profundizamos en los hechos, las cifras y la lógica detrás de la fecha más audaz en la historia de la inteligencia artificial. Marzo de 2028 no es solo un hito tecnológico: podría ser el inicio de una nueva era científica… o la mayor ilusión del siglo XXI.

Este vídeo recoge las ideas centrales de la conversación entre Dwarkesh Patel y Satya Nadella sobre el estado real de la inteligencia artificial y el rumbo de Microsoft en esta transición tecnológica. La entrevista analiza cómo el salto actual no se parece a ninguna revolución previa y cómo los grandes proveedores de infraestructura están invirtiendo cifras sin precedentes para sostener la próxima generación de modelos.

Nadella explica por qué la IA está obligando a replantear todo el ciclo de trabajo digital. Expone que las herramientas actuales son solo la primera capa y que los modelos avanzados acabarán ejecutando tareas completas de manera autónoma durante horas o días, transformando la economía del software y el papel de las empresas que hoy dominan la infraestructura. Señala que los modelos tenderán a parecer materias primas replicables, mientras que el valor real se desplazará hacia la capa que organiza datos, contexto y flujos de trabajo.

El diálogo aborda el futuro del trabajo con agentes autónomos. Nadella describe dos escenarios: uno donde los humanos siguen al mando con herramientas como Copilot, y otro donde agentes completos operan ordenadores virtuales, utilizan Excel, Power BI o sistemas de gestión sin intervención humana y requieren identidad, seguridad y observabilidad igual que cualquier empleado. Este cambio redirige a Microsoft hacia un modelo donde no solo ofrece software, sino una capa de infraestructura destinada a agentes que aprenden en uso continuo.

La entrevista profundiza en la estrategia de modelos. Nadella confirma que Microsoft seguirá usando la familia GPT en todos sus productos, mientras desarrolla su propio proyecto MAI para construir modelos especializados, combinarlos con técnicas de refuerzo y entrenamiento intermedio y avanzar hacia arquitecturas que integren texto, imagen y voz en un único sistema. También explica por qué la compañía necesita una infraestructura capaz de ejecutar modelos distintos, propios y ajenos, y por qué depender de un único modelo es un error estratégico.

El intercambio con Dwarkesh incluye puntos clave sobre competencia, costes, leyes de escala, liquidez de datos, efectos de red y el riesgo de que los avances de arquitectura invaliden inversiones enteras si la infraestructura no es flexible. Nadella sostiene que no habrá un único modelo dominante para todos los países y sectores, y que la diversidad de casos de uso mantendrá abierto el espacio de diseño.

La conversación termina con la reflexión sobre la inversión masiva en cómputo. Nadella explica que una parte debe considerarse “cómputo de investigación”, equivalente moderno a la I+D, mientras que el resto debe ajustarse a la demanda real para evitar riesgos financieros. Aun así, confirma que la escala de inversión ya no tiene precedentes en la historia del sector.

Esta descripción resume de forma fiel y directa los temas tratados en la entrevista del pódcast de @DwarkeshPatel.

Este vídeo resume y explica la entrevista publicada ayer por Ron Baron, donde Elon Musk detalla sus planes reales en robótica, IA, fabricación y chips.

La entrevista arranca con la idea central: producir robots Optimus a gran escala. Musk explica cifras concretas: un millón de unidades al año para bajar costes a 20.000–30.000 dólares, alrededor de cien actuadores solo en la mano y el antebrazo, y la necesidad de esa complejidad para tareas finas como usar herramientas o realizar trabajo de precisión.

A partir de ahí, la conversación entra en la noción de “abundancia sostenible”: robots capaces de construir viviendas, operar como cirujanos de altísima precisión o integrarse con Neuralink para devolver movilidad a personas con parálisis mediante el control directo del cuerpo robótico.

Ron Baron introduce el bloque de xAI. Musk explica por qué fundó OpenAI, por qué se marchó, y por qué ahora xAI se basa en tres factores: talento, capacidad de cómputo y datos en tiempo real procedentes de X. También detalla que el centro de datos Colossus se construyó más rápido que cualquier otro, según Jensen Huang.

Musk afirma que Grok 4 Heavy funciona con varios agentes en paralelo, describe el inicio del entrenamiento de Grok 5, da cifras (seis billones de parámetros) y admite que, por primera vez, ve una probabilidad pequeña —alrededor del 10% según sus palabras— de que alcance inteligencia general. También menciona mejoras en visión, vídeo en tiempo real, multimodalidad y “partes” que no puede detallar públicamente. Añade un proyecto llamado Grok-pedia, que más adelante será Encyclopedia Galactica, inspirado en Asimov y Douglas Adams.

La entrevista entra después en el problema de los chips. Musk explica que TSMC y Samsung necesitan cinco años para escalarlos a producción completa y que ese plazo no sirve para Tesla. Cita explícitamente cuatro fábricas que ya utilizan (Taiwán, Corea, Arizona y Texas) y admite que, aun así, la capacidad será insuficiente. Por eso plantea que quizá tengan que construir su propia megafábrica. Aquí aparece el chip AI5, que describe como decisivo para coches autónomos y Optimus, con un objetivo de rendimiento por vatio muy superior y un coste muy inferior al de Nvidia.

Sobre conducción autónoma, Musk aporta datos operativos: unos 10.000 millones de kilómetros recorridos, FSD como sistema cuatro veces más seguro que un humano y un enfoque centrado en que el coche “entienda” la escena igual que un conductor, no mediante reglas específicas.

La entrevista también repasa su papel en Twitter/X, su defensa explícita de la libertad de expresión y por qué creía que la plataforma se había vuelto ideológicamente desequilibrada antes de su compra. Se explica también la relación con Larry Page, la discusión sobre los riesgos de la IA y la decisión de crear un contrapeso real a Google.

El cierre vuelve a Tesla: el concepto de la “máquina que construye la máquina”, la posibilidad de reducir el tiempo de producción de un coche a unos segundos y el análisis de eficiencia física dentro de la fábrica, comparado por él mismo con la densidad de un chip.

Ilya Sutskever, pionero de la inteligencia artificial y ex científico jefe de OpenAI, compartió un inspirador discurso sobre el presente y el futuro de la IA. Reflexionó sobre el impacto imparable de la inteligencia artificial, los desafíos y oportunidades que representó para la humanidad, y la necesidad de adaptarnos a una era tecnológica sin precedentes. Sutskever ofreció consejos sobre cómo afrontar el cambio y destacó el papel de la investigación universitaria en el desarrollo de tecnologías que transformaron nuestras vidas. Aquí puedes ver el discurso completo en español.