2.1. ¿Por qué la IA está despegando ahora?

Preguntas de Repaso Cortas:

• ¿Cuáles son los tres factores convergentes que explican por qué la IA ha alcanzado un punto de inflexión histórico ahora?

• ¿Cómo ha influido el desarrollo de las GPUs, y en particular NVIDIA, en el entrenamiento de modelos de IA complejos?

• ¿Qué es la arquitectura Transformer y por qué se considera que revolucionó el Procesamiento del Lenguaje Natural?

• Explica la importancia de la disponibilidad masiva de datos para el entrenamiento de los sistemas de IA modernos.

• ¿Qué papel juega el acceso a datasets abiertos en la democratización del desarrollo de modelos de IA?

• Menciona un ejemplo de cómo los datos en tiempo real potencian las aplicaciones de IA.

• ¿Qué son los TOPS (Tera Operations Per Second) y por qué la evolución del rendimiento de los chips NVIDIA (como el paso de FP32 a Int8) es relevante para la inferencia de IA?

• Describe brevemente la estrategia de Estados Unidos para limitar el acceso de China a chips avanzados de IA.

• ¿Cómo ha respondido China a las restricciones de EE.UU. en cuanto a chips de IA?

• ¿Cuáles son algunos de los desafíos éticos clave relacionados con el uso de grandes volúmenes de datos en IA?

Preguntas en Formato de Ensayo:

• Analiza la convergencia de los tres factores clave (procesamiento, modelos, datos) como un fenómeno histórico único que explica el punto de inflexión actual de la IA. ¿Cómo la interacción entre estos factores ha creado un ecosistema propicio para la IA generativa?

• Evalúa el impacto estratégico y geopolítico del dominio de NVIDIA en el mercado de hardware para IA. ¿Cómo la competencia entre potencias globales por el control de esta infraestructura, ejemplificada por la disputa China-EE.UU. sobre los chips, moldea el futuro de la tecnología global?

• Explica cómo la arquitectura Transformer no solo mejoró el rendimiento en tareas de PLN, sino que también sentó las bases para la era de la IA generativa. Compara sus capacidades con modelos anteriores de procesamiento de lenguaje natural y discute las nuevas posibilidades que abrió.

• Discute la dualidad de la disponibilidad masiva de datos: por un lado, es un motor esencial para el avance de la IA, y por otro, plantea significativos desafíos éticos y de regulación. ¿Cómo se puede equilibrar la necesidad de datos para el entrenamiento con la protección de la privacidad y la mitigación de sesgos?

• Considerando los impulsores técnicos, económicos y geopolíticos del crecimiento de la IA, ¿cuáles son las implicaciones más importantes para un sector específico (por ejemplo, la educación o la salud)? ¿Cómo deberían prepararse las instituciones y los profesionales para aprovechar las oportunidades y mitigar los riesgos de esta transformación?