Anthrope afirma que la IA no se está estancando, es un punto de referencia que

Los modelos de lenguaje grandes (LLMs) y otras tecnologías de IA generativa están logrando avances significativos en la autocorrección, lo que está allanando el camino para nuevas aplicaciones, incluyendo lo que se conoce como "IA agentiva", según Michael Gerstenhaber, Vicepresidente de Anthropic, un desarrollador líder de modelos de IA.
"Se está volviendo muy bueno en la autocorrección, el autorrazonamiento", compartió Gerstenhaber, quien lidera las tecnologías de API en Anthropic, durante una entrevista en Nueva York con Anurag Rana de Bloomberg Intelligence. Anthropic, creadores de la familia de LLMs Claude, son competidores directos de los modelos GPT de OpenAI. "Cada par de meses, lanzamos un nuevo modelo que expande las capacidades de los LLMs", añadió, enfatizando la naturaleza dinámica de la industria donde cada revisión del modelo desbloquea nuevos usos potenciales.
Nuevas Capacidades en Modelos de IA
Los últimos modelos de Anthropic han introducido capacidades como la planificación de tareas, permitiéndoles realizar tareas en una computadora de manera similar a un humano, como pedir una pizza en línea. "Planificar pasos intermedios, algo que no era factible ayer, ahora está al alcance", señaló Gerstenhaber sobre esta ejecución de tareas paso a paso.
La discusión, que también contó con Vijay Karunamurthy, Tecnólogo Jefe en la startup de IA Scale AI, fue parte de una conferencia de un día organizada por Bloomberg Intelligence titulada "Gen AI: ¿Puede cumplir con la promesa de productividad?"
Desafiando el Escepticismo sobre la IA
Las perspectivas de Gerstenhaber desafían las opiniones de los escépticos de la IA que argumentan que la IA generativa y el campo de la IA en general están "chocando contra una pared", sugiriendo rendimientos decrecientes con cada nueva iteración del modelo. El académico de IA Gary Marcus, por ejemplo, ha sido vocal sobre sus preocupaciones desde 2022, advirtiendo que simplemente aumentar el tamaño de los modelos de IA (más parámetros) no mejorará proporcionalmente su rendimiento.
Sin embargo, Gerstenhaber afirma que Anthropic está empujando los límites más allá de lo que las pruebas de referencia actuales de IA pueden medir. "Incluso si parece que el progreso se está ralentizando en algunas áreas, es porque estamos desbloqueando funcionalidades completamente nuevas, pero hemos saturado las pruebas de referencia y la capacidad para realizar tareas más antiguas", explicó. Esto hace que sea cada vez más difícil evaluar la magnitud total de lo que los modelos de IA generativa actuales pueden lograr.
Escalado y Aprendizaje
Tanto Gerstenhaber como Karunamurthy enfatizaron la importancia de escalar los modelos de IA generativa para mejorar sus capacidades de autocorrección. "Definitivamente estamos viendo un aumento en la escalabilidad de la inteligencia", comentó Gerstenhaber. Karunamurthy añadió, "Una razón por la que creemos que no estamos chocando contra una pared con la planificación y el razonamiento es que todavía estamos aprendiendo cómo estructurar estas tareas para que los modelos puedan adaptarse a entornos nuevos y variados."
Gerstenhaber estuvo de acuerdo, afirmando, "Estamos en las primeras etapas, aprendiendo de los desarrolladores de aplicaciones sobre sus necesidades y dónde fallan los modelos, lo que luego podemos integrar de nuevo en el modelo de lenguaje."
Aprendizaje y Adaptación en Tiempo Real
Gran parte de este progreso, según Gerstenhaber, está impulsado por el rápido ritmo de la investigación fundamental en Anthropic, así como por el aprendizaje en tiempo real a partir de la retroalimentación de la industria. "Nos estamos adaptando a lo que la industria nos dice que necesita, aprendiendo en tiempo real", dijo.
Los clientes a menudo comienzan con modelos más grandes y luego los reducen a modelos más simples para adaptarse a propósitos específicos. "Inicialmente, evalúan si un modelo es lo suficientemente inteligente para realizar una tarea bien, luego si es lo suficientemente rápido para satisfacer las necesidades de su aplicación y, finalmente, si puede ser lo más rentable posible", explicó Gerstenhaber.
Artículo relacionado
La startup sueca de inteligencia artificial Lovable Eyes alcanza una valoración de 13.200 millones de dólares tras una importante ronda de financiación
Mientras las herramientas de codificación impulsadas por inteligencia artificial ganan terreno, la startup sueca Lovable ha asegurado una importante ronda de financiación. La empresa tiene como objetivo recaudar 3 000 millones de dólares, lo que podr
Google prueba el agente Remy AI para Gemini a medida que el enfoque se desplaza hacia el control del usuario
Según Business Insider, Google está probando Remy, un nuevo agente personal de IA para Gemini. Esta herramienta tiene como objetivo ejecutar tareas en nombre de los usuarios, optimizando tanto los flujos de trabajo profesionales como las rutinas diar
Cómo corregir las Core Web Vitals para mejorar el posicionamiento SEO
Simplificar los comentarios de las tarjetas de calificación con herramientas de IAIntroducciónHerramientas de IA para generar comentarios de tarjetas de calificaciónMagic SchoolAlmanac AIChat GPTUso de Magic School para generar comentarios de t
Recomendaciones de temas especiales relacionados
comentario (8)
0/500
This self-correction stuff is wild! 😮 It's like AI is learning to double-check its own homework. Wonder how far this 'agentic AI' will go—could it outsmart us at our own jobs soon?
It's wild to think AI can now self-correct! 😮 Makes me wonder how soon we'll see these 'agentic AI' systems running our lives—hope they don’t outsmart us too much!
This article really opened my eyes to how fast AI is evolving! Self-correcting LLMs sound like a game-changer for agentic AI. Can’t wait to see what new apps come out of this! 😄
La perspectiva de Anthropic sobre que la IA no se estanca sino que supera los benchmarks es bastante genial. Es como si la IA estuviera jugando ajedrez mientras nosotros aún estamos tratando de entender las damas. Lo de la autocorrección suena prometedor, pero aún estoy un poco escéptico. 🤔
Anthropic의 AI가 정체되지 않고 벤치마크를 뛰어넘는다는 생각이 멋지네요. AI는 체스를 하고 있는데, 우리는 아직 체커를 이해하는 단계예요. 자기 교정 이야기는 유망하지만, 아직 조금 회의적이에요. 🤔

Los modelos de lenguaje grandes (LLMs) y otras tecnologías de IA generativa están logrando avances significativos en la autocorrección, lo que está allanando el camino para nuevas aplicaciones, incluyendo lo que se conoce como "IA agentiva", según Michael Gerstenhaber, Vicepresidente de Anthropic, un desarrollador líder de modelos de IA.
"Se está volviendo muy bueno en la autocorrección, el autorrazonamiento", compartió Gerstenhaber, quien lidera las tecnologías de API en Anthropic, durante una entrevista en Nueva York con Anurag Rana de Bloomberg Intelligence. Anthropic, creadores de la familia de LLMs Claude, son competidores directos de los modelos GPT de OpenAI. "Cada par de meses, lanzamos un nuevo modelo que expande las capacidades de los LLMs", añadió, enfatizando la naturaleza dinámica de la industria donde cada revisión del modelo desbloquea nuevos usos potenciales.
Nuevas Capacidades en Modelos de IA
Los últimos modelos de Anthropic han introducido capacidades como la planificación de tareas, permitiéndoles realizar tareas en una computadora de manera similar a un humano, como pedir una pizza en línea. "Planificar pasos intermedios, algo que no era factible ayer, ahora está al alcance", señaló Gerstenhaber sobre esta ejecución de tareas paso a paso.
La discusión, que también contó con Vijay Karunamurthy, Tecnólogo Jefe en la startup de IA Scale AI, fue parte de una conferencia de un día organizada por Bloomberg Intelligence titulada "Gen AI: ¿Puede cumplir con la promesa de productividad?"
Desafiando el Escepticismo sobre la IA
Las perspectivas de Gerstenhaber desafían las opiniones de los escépticos de la IA que argumentan que la IA generativa y el campo de la IA en general están "chocando contra una pared", sugiriendo rendimientos decrecientes con cada nueva iteración del modelo. El académico de IA Gary Marcus, por ejemplo, ha sido vocal sobre sus preocupaciones desde 2022, advirtiendo que simplemente aumentar el tamaño de los modelos de IA (más parámetros) no mejorará proporcionalmente su rendimiento.
Sin embargo, Gerstenhaber afirma que Anthropic está empujando los límites más allá de lo que las pruebas de referencia actuales de IA pueden medir. "Incluso si parece que el progreso se está ralentizando en algunas áreas, es porque estamos desbloqueando funcionalidades completamente nuevas, pero hemos saturado las pruebas de referencia y la capacidad para realizar tareas más antiguas", explicó. Esto hace que sea cada vez más difícil evaluar la magnitud total de lo que los modelos de IA generativa actuales pueden lograr.
Escalado y Aprendizaje
Tanto Gerstenhaber como Karunamurthy enfatizaron la importancia de escalar los modelos de IA generativa para mejorar sus capacidades de autocorrección. "Definitivamente estamos viendo un aumento en la escalabilidad de la inteligencia", comentó Gerstenhaber. Karunamurthy añadió, "Una razón por la que creemos que no estamos chocando contra una pared con la planificación y el razonamiento es que todavía estamos aprendiendo cómo estructurar estas tareas para que los modelos puedan adaptarse a entornos nuevos y variados."
Gerstenhaber estuvo de acuerdo, afirmando, "Estamos en las primeras etapas, aprendiendo de los desarrolladores de aplicaciones sobre sus necesidades y dónde fallan los modelos, lo que luego podemos integrar de nuevo en el modelo de lenguaje."
Aprendizaje y Adaptación en Tiempo Real
Gran parte de este progreso, según Gerstenhaber, está impulsado por el rápido ritmo de la investigación fundamental en Anthropic, así como por el aprendizaje en tiempo real a partir de la retroalimentación de la industria. "Nos estamos adaptando a lo que la industria nos dice que necesita, aprendiendo en tiempo real", dijo.
Los clientes a menudo comienzan con modelos más grandes y luego los reducen a modelos más simples para adaptarse a propósitos específicos. "Inicialmente, evalúan si un modelo es lo suficientemente inteligente para realizar una tarea bien, luego si es lo suficientemente rápido para satisfacer las necesidades de su aplicación y, finalmente, si puede ser lo más rentable posible", explicó Gerstenhaber.
La startup sueca de inteligencia artificial Lovable Eyes alcanza una valoración de 13.200 millones de dólares tras una importante ronda de financiación
Mientras las herramientas de codificación impulsadas por inteligencia artificial ganan terreno, la startup sueca Lovable ha asegurado una importante ronda de financiación. La empresa tiene como objetivo recaudar 3 000 millones de dólares, lo que podr
Cómo corregir las Core Web Vitals para mejorar el posicionamiento SEO
Simplificar los comentarios de las tarjetas de calificación con herramientas de IAIntroducciónHerramientas de IA para generar comentarios de tarjetas de calificaciónMagic SchoolAlmanac AIChat GPTUso de Magic School para generar comentarios de t
This self-correction stuff is wild! 😮 It's like AI is learning to double-check its own homework. Wonder how far this 'agentic AI' will go—could it outsmart us at our own jobs soon?
It's wild to think AI can now self-correct! 😮 Makes me wonder how soon we'll see these 'agentic AI' systems running our lives—hope they don’t outsmart us too much!
This article really opened my eyes to how fast AI is evolving! Self-correcting LLMs sound like a game-changer for agentic AI. Can’t wait to see what new apps come out of this! 😄
La perspectiva de Anthropic sobre que la IA no se estanca sino que supera los benchmarks es bastante genial. Es como si la IA estuviera jugando ajedrez mientras nosotros aún estamos tratando de entender las damas. Lo de la autocorrección suena prometedor, pero aún estoy un poco escéptico. 🤔
Anthropic의 AI가 정체되지 않고 벤치마크를 뛰어넘는다는 생각이 멋지네요. AI는 체스를 하고 있는데, 우리는 아직 체커를 이해하는 단계예요. 자기 교정 이야기는 유망하지만, 아직 조금 회의적이에요. 🤔





Hogar






