Las últimas horas han sido de auténtica locura, para todos aquellos que siguen más o menos de cerca lo relacionado con la Inteligencia Artificial (IA). La irrupción en el mercado estadounidense del chabot DeepSeek R1, desarrollado según la empresa responsable tras una inversión de apenas seis millones de dólares, ha provocado un colapso bursátil que se ha llevado por delante buena parte de la capitalización de alguna de las principales empresas del sector en los Estados Unidos, como Nvidia o Broadcom. Lo que es más grave, el aparentemente buen funcionamiento del sistema chino ha generado dudas no sólo entre los inversores, sino entre muchos de los expertos en un sector que hasta ahora veía en la fuerza bruta (acumulando más y más chips y entrenando con más y más datos a los LLM) la vía más adecuada en su constante búsqueda de avances, algo que quizá debería cambiar. En cualquier caso, lo sucedido con la aparición de DeepSeek R1 ofrece una oportunidad para reflexionar acerca de diversas cuestiones relacionadas con la innovación, especialmente la militar…
Índice
- DeepSeek R1 y el fantasma de las puntocom
- De cosas importantes y cosas prioritarias
- Piedras por el camino
- DeepSeek R1 y los drones en Ucrania
- El justo medio
DeepSeek R1 y el fantasma de las puntocom
La pasada jornada fue, en muchos aspectos, la más dramática para los inversores desde el estallido de la crisis de 2008. Los accionistas de Nvidia, quizá la compañía que mejor representa el auge del sector de la IA gracias a sus chips (base de la mayor parte de sistemas de computación empleados para entrenar y hacer funcionar los complejos algoritmos que se esconden tras los LLM (Large Language Model o Grandes Modelos de Lenguaje como ChatGPT o Gemini), perdieron en conjunto alrededor de 600.000 millones de dólares en cuestión de horas. Esto significa que buena parte del valor generado por la empresa en los últimos años se ha desvanecido entre el miedo colectivo a que el negocio que la sustenta llegue a su fin de forma abrupta, al ser innecesarios sus productos.
Por supuesto, a priori resulta difícil creer que el negocio de una compañía como Nvidia vaya a desaparecer de la noche a la mañana, y menos aún por la amenaza por parte de una empresa y un modelo como es el de DeepSeek R1 respecto al que son muchas más las dudas que las certezas. Es más, la propia DeepSeek, la empresa detrás del DeepSeek R1 es profundamente dependiente de los chips de alta tecnología fabricados por Nvidia, por más que los utilice para su modelo en mucha menor cantidad de lo que necesitan hacerlo otras empresas.
De hecho, a pesar del severo ajuste bursátil de las últimas horas, que guarda para algunos ciertos ecos de lo ocurrido en su día con las puntocom -lo que implica que podría existir una cierta burbuja-, hay pocas o ninguna razón para pensar que, a futuro, el de la computación (que es a lo que se dedica Nvidia) vaya a ser un sector en crisis y no en auge. Es más, precisamente el ejemplo de la “burbuja puntocom”, que estalló en el año 2000, lo que nos indica que es muchas veces la bolsa va por su camino, recalentándose por diferentes razones cuando una gran cantidad de inversores ven una oportunidad en un sector nuevo y que la innovación y el progreso tecnológico van por otro. No hay que olvidar que, a pesar de que en aquella ocasión empresas como Cisco, Amazon o Qualcomm perdieron una gran parte de su valor, no sólo sobrevivieron al batacazo, sino que continuaron creciendo en los años posteriores, siendo elementos clave del desarrollo ulterior.
El caso de DeepSeek R1, en cualquier caso, nos es útil ya que permite -obliga, más bien- hacer una serie de reflexiones respecto al funcionamiento de la innovación, especialmente en lo que a la innovación militar atañe y a lo que podría ocurrir en algunos casos de no tomar las decisiones correctas.
De cosas importantes y cosas prioritarias
Quien escribe, en sus tiempos de bachiller, tenía un ego que como bien decían en Top Gun, extendía cheques que su bolsillo no podía pagar. Una de estas facturas impagadas llegó con la asignatura de matemáticas, con un precioso 3,5 en el examen de selectividad ante el que reaccionó diciéndole a su profesora que en la vida “hay cosas importantes y cosas prioritarias” y que matemáticas no era ni lo uno ni lo otro. Como quiera que la vida da lecciones y a golpes se aprende, tuvo tiempo de enmendar en buena medida el rumbo en el futuro. Sin embargo, la frase tenía algo de verdad y en el caso de la innovación es quizá en donde mejor se ve.
En el tema que nos ocupa, por importante que sea ahora mismo la IA como oportunidad de negocio y por cruciales que sean sus aplicaciones para muchos campos, no hay que olvidar que ocupa un lugar subordinado en importancia a la capacidad de cómputo, de la que se aprovecha. Además, los chatbots como DeepSeek R1 son no una moda, pues seguirán con nosotros largo tiempo, pero sí apenas una parte de lo que la IA supone e implica. Decimos esto, porque tener clara la jerarquía o la taxonomía de los sectores con futuro es crucial si de lo que se trata es de poner los huevos en la cesta o cestas acertadas y, más importante, de poner el número adecuado de huevos en cada una de ellas; algo que afecta sobremanera al campo militar.
En este sentido, empresas como Nvidia, que se dedican al diseño y producción de GPUs podrán sufrir crisis puntuales (no olvidemos, además, que el mercado a corto plazo suele comportarse de manera irracional, no así en el largo), pero son sin duda el futuro y lo seguirán siendo durante varios lustros o décadas (inevitablemente terminarán siendo superadas). No sólo porque cada vez es mayor el mercado de semiconductores en general, sino porque se les presupone capacidad de adaptación y de maniobra de cara a desarrollar nuevas soluciones que permitan seguir aumentando la capacidad de cómputo general. Una capacidad que promete incrementarse en uno o varios órdenes de magnitud si se consiguen solucionar los problemas que implica la computación cuántica, como la corrección de errores cuánticos o la dificultad de operar con números crecientes de cúbits.
La computación es, en cualquier caso, sólo una de las tecnologías que prometen cambios disruptivos (una palabra que, por cierto, a base de abusar de ella va perdiendo buena parte de su significado, especialmente por lo difícil que es la cuantificación). Otras relevantes serían la propia IA, la impresión aditiva o la nanotecnología. Además, hay avances potenciales, como la fusión nuclear, que podrían tener un efecto importante sobre el resto de tecnologías al proveer un suministro de energía barato y aparentemente ilimitado, con todo lo que ello supone en un momento en el que la multiplicación y aumento en los requerimientos energéticos de los centros de datos (necesarios para sostener la “nube” o para entrenar a los LLMs) y el minado de criptomonedas se han convertido en algunos de los mayores desafíos para las redes eléctricas de varios países.
Sin embargo, la computación es y seguirá siendo la auténtica clave de bóveda de esta revolución tecnológica a la que asistimos, algo que no debe obviarse. Es así porque difícilmente se logrará alcanzar la tan ansiada fusión sin mayor capacidad de cálculo, como tampoco se podrá alumbrar una IA general (no vamos a entrar en definiciones, pero no hablamos de Skynet) o diseñar soluciones nanotecnológicas para determinadas enfermedades, gestionar el volumen creciente de datos que permiten recoger un número cada vez mayor de aparatos conectados (IoT) y transmitir redes cada vez más complejas y capaces, etc.
Piedras por el camino
DeepSeek R1 ha supuesto un importante toque de atención para las tecnológicas estadounidenses, algo que sólo puede ser positivo siempre que las lecciones que el caso ofrece son analizadas y tomadas en cuenta.
Como hemos dicho, son muchas las dudas en torno a este sistema y, muy probablemente, termine siendo algo a medio camino entre un bluff y una anécdota pasados los años. Sin embargo, la eficiencia demostrada para lograr lo mismo con muchos menos recursos, al menos en cuanto a capacidad de cómputo y parámetros con los que entrenar el modelo, sí han llamado la atención de los ingenieros de empresas como OpenIA.
Entra en juego aquí una vez más, el empecinamiento en cuanto a ciertas maneras de proceder -en este caso perseguir LLMs más perfectos sobre la base de entrenarlos con más y más datos empleando para ello más y más GPUs-, que no es nunca el camino adecuado cuando de lo que se trata es innovar. Es así porque, una vez superada la línea ascendente y llegados a la meseta de la innovación, seguir insistiendo en lo mismo sólo nos conduce a una espiral en la que uno se ve obligado a acometer mayores inversiones para obtener rendimientos cada vez más pobres. Un poco lo que podría estar pasando en los últimos tiempos a varias empresas con sus modelos de IA generativa, si bien muchas dedican también recursos en paralelo a nuevas y prometedoras líneas de trabajo, claro está. En cualquier caso, resulta difícil cuando se debe responder ante el mercado y los inversores casi en exclusiva, dejar al margen las inercias que esto provoca. O, lo que es lo mismo, es muy complicado abandonar una senda que ofrece todavía beneficios en favor de otra que sólo los promete… si es que llegan.
(Continúa…) Estimado lector, este artículo es exclusivo para usuarios de pago. Si desea acceder al texto completo, puede suscribirse a Revista Ejércitos aprovechando nuestra oferta para nuevos suscriptores a través del siguiente enlace.
Be the first to comment