Por Antonin Bergeaud y Robin Rivaton, Project Syndicate.
PARÍS- ¿El auge de la IA comenzó en aquel momento simplemente como resultado de avances científicos? A primera vista, así parecería. La arquitectura Transformer, la base de los grandes modelos de lenguaje actuales, se presentó en 2017. En 2020, los investigadores ya habían establecido la lógica básica de la escalabilidad: más potencia de cálculo y más datos producen, como era de esperar, mejores modelos. Posteriormente, a finales de 2022, el lanzamiento público de ChatGPT puso de manifiesto el atractivo de estas tecnologías para el mercado masivo, lo que desencadenó una carrera mundial por el liderazgo en IA.
Sin embargo, los avances científicos por sí solos no desencadenan auges de inversión. Más bien, la IA provocó una sacudida en todo el mercado del ecosistema de los semiconductores y la informática. El transformador abrió una vía tecnológica prometedora; ChatGPT creó el mercado masivo que justificó la inversión a gran escala; y sistemas como Codex ampliaron la demanda a aplicaciones como el desarrollo de software.
Lo que siguió fue una ola de inversión sin precedentes, impulsada por una combinación de innovación algorítmica, avances en hardware y la aparición de un mercado masivo para la inteligencia artificial. A pesar de todo el revuelo que rodea a los modelos de vanguardia, el futuro de la IA depende de los procesadores, los equipos de red, los sistemas de refrigeración, la electricidad, las plataformas en la nube y la capacidad organizativa para coordinarlo todo.
Los economistas reconocen desde hace tiempo que el tamaño del mercado determina la trayectoria de la innovación. En un influyente artículo de 2004, el economista y premio Nobel Daron Acemoglu y Joshua Linn demostraron que los mercados potenciales más amplios, impulsados por el cambio demográfico, estimulaban la innovación farmacéutica.
La misma lógica se aplica a la IA, aunque con una salvedad importante. En el sector farmacéutico, el impacto en la demanda provino de fuera de la industria, a medida que las poblaciones envejecían. Con la IA, por el contrario, los sucesivos avances han creado una demanda de una potencia de cálculo aún mayor. ChatGPT creó el mercado que ahora financia el hardware en el que se entrenarán sus sucesores, y la perspectiva de un vasto mercado para la inteligencia artificial ha hecho que la innovación resulte mucho más rentable. Esto es cierto no solo para los semiconductores, el software, las redes y la infraestructura de centros de datos, sino también en sectores como la energía y la construcción, que llevan mucho tiempo luchando por aumentar su productividad.
Sin embargo, las tecnologías no mejoran al mismo ritmo de forma indefinida. A medida que maduran, se enfrentan a rendimientos decrecientes, lo que hace que los avances posteriores sean cada vez más difíciles. Esto ayuda a explicar por qué el progreso tecnológico a menudo se ralentiza tras un estallido inicial de rápida aceleración. De vez en cuando, sin embargo, surge un nuevo paradigma tecnológico que reinicia el «reloj de la innovación», un mecanismo descrito en un trabajo reciente del economista y premio Nobel Philippe Aghion y sus coautores.
La IA supone uno de esos reinicios, pero con un matiz distintivo. En lugar de limitarse a inaugurar un nuevo paradigma tecnológico, ha reiniciado el ciclo de innovación de los semiconductores al crear una demanda nueva y aparentemente insaciable de potencia de cálculo.
LOS LÍMITES DE LA LEY MOORE
Por lo tanto, el auge de la IA se entiende mejor no como un acontecimiento tecnológico aislado, sino como el último capítulo de un ciclo de innovación e inversión que se prolonga desde hace décadas. Desde la invención del transistor en los Laboratorios Bell en 1947, la industria tecnológica se ha visto transformada por sucesivas oleadas de cambio: los ordenadores centrales, los ordenadores personales, Internet, los dispositivos móviles, la computación en la nube y, ahora, la IA.
