Aunque suene paradójico, las herramientas de desarrollo mediante IA hacen creer a los programadores que trabajan más rápido, pero en realidad van más despacio. Esto se desprende de las investigaciones de un grupo de programadores sin ánimo de lucro, que bajo el nombre METR tiene formas de medir el rendimiento real mediante diversas pruebas.
Mientras que los programadores a los que les facilitaron herramientas IA pensaban que serían un 24 por ciento más rápidos, en realidad se retrasaron un 20 por ciento respecto a los tiempos medios en realizar las tareas. Principalmente usaron Cursor Pro con Claude 3.5/3.7 Sonnet.
Este no es el único estudio al respecto; uno de Qodo y algún otro vienen a indicar más o menos lo mismo: que incluso aunque después de haber terminado piensan que son más rápidos, los programadores que usan herramientas IA acaban siendo más lentos.
Busca, en sus propias palabras, crear un marco que ayude a que «los administradores de contenidos expresen cómo quieren que se utilicen sus obras en el entrenamiento de la IA, haciendo hincapié en la reciprocidad, el reconocimiento y la sostenibilidad en la reutilización por parte las máquinas. Su objetivo es preservar el conocimiento abierto fomentando el comportamiento responsable de la IA sin limitar la innovación.»
La idea es que sean licencias similares a las ya conocidas CC, legibles tanto por máquinas como por personas.
Aunque el proyecto acaba de arrancar y está en una fase temprana de recogida de ideas, con lo que aún no sabemos qué van a decir las licencias que incluya ni que permisos y restricciones van a expresar.
Lo malo es que, igual que sucede con las licencias CC, habrá quien se las salte pongas la que pongas.
Y un par de sentencias recientes en los Estados Unidos en las que jueces que quizás no entienden mucho de qué va esto sugieren que va a ser difícil intentar hacer que se cumplan. Una sentencia ha absuelto a Meta –Facebook, para entendernos– del uso de obras de trece autores en concreto que la denunciaron por utilizar sus textos sin permiso porque el juez estimó que los denunciantes no presentaron suficiente evidencia de que la acción de la compañía les hubiera perjudicado económicamente. Y Antrhopic –Claude– también se ha librado en un caso similar porque otro juez ha decidido que el trabajo que hacen con lo que se descargan es transformador, con lo que no infringe los derechos de autor.
Así que al final vamos a tener que pensarnos qué publicamos. O incluso si publicamos.
En cualquier caso, y pase lo que pase, es un asunto del que sin duda hay que hablar porque está redefiniendo –más bien poniendo patas arriba– aquello que entendíamos por la web en la que compartíamos contenidos.
El profesor Scott Aaronson lleva años trabajando en el apasionante y abstracto tema de la complejidad computacional y preparó un trabajo titulado Why Philosophers Should Care About Computational Complexity acerca de las implicaciones filosóficas que el asunto supone. Además de eso dio esta charla en el campus de la Universidad de Texas, en Austin, donde de forma más cercana y amigable se pueden descubrir todos estos temas relacionados con la computación:
La diferencia entre «conocer» la existencia de un número y poder calcularlo, utilizando números primos como ejemplo. No es lo mismo tener su representación concreta o un algoritmo eficiente para hallarlo que no poder tenerlo.
Funciones extremas y no computables. Algunas como la función del castor afanoso(busy beaver) o la función de Ackermann muestran estructuras tan enormes que superan la capacidad de toda la computación. Esto está relacionado con los trabajos de Turning y Gödel.
Interacción, entrelazamiento y verificación cuántica. Cuestiones complejas cuando hay dos observadores entrelazados: los protocolos de demostración y verificación para varios observadores y partículas cuánticas superan las barreras clásicas de verificación de la computación.
IA y aprendizaje profundo. De predecir a razonar: los LLM transforman la estadística en algo ingenioso, normalmente lenguaje natural. Al mismo tiempo, arrojan luz sobre cómo sufren de «alucinaciones», y prometen la mejora recursiva de sus propias capacidades.
Entre otros datos curiosos deja caer que el mayor primo conocido* es el 282.589.933−1, que el castor afanoso (5) = 47.768.870, con el (6) siendo como mínimo 10↑↑15 (esto es, una torre de potencias de altura 15 como cota inferior) y que la densidad de almacenamiento máxima del Universo es de unos 1069 bits por metro cuadrado de superficie, que está relacionada con la entropía del principio holográfico.
No espero que la computación se llegue a ejecutar en operaciones al ritmo del tiempo de Planck, ni que resuelva el problema de la parada, ni que demuestre que P=NP en tiempo polinómico. Saber de esas limitaciones aporta poco consuelo. Esto es porque, como en el chiste de los exploradores huyendo del oso, «no hace falta superar al oso, tan solo al compañero de huida». Del mismo modo, la IA no necesita vencer los límites fundamentales de la física para cambiar el mundo; basta con que nos supere a nosotros.»
– Scott Aaronson
Cada una de estas cuestiones, desde los límites del conocimiento de los números primos hasta la encrucijada de la conciencia artificial, es todo un terreno explorado someramente. La esperanza radica en la capacidad colectiva de hacernos preguntas ingeniosas, diseñar herramientas innovadoras y a veces de colaborar entre diversas disciplinas.
_____ * Aunque yo tengo el dato del 2136.279.841-1, no sé dónde está el error (?)
El genial Neil Arwal planteó hace tiempo unos cuantos dilemas del tranvía absurdos, con situaciones más complejas e hipotéticas que el ya de por sí hipotético problema. Y ahora Bayan ha decidido pasar las preguntas a las IAs de moda: ChatGPT, Claude, DeepSeek, Grok y Gemini, para ver qué dicen.
Recordemos que en el problema original la cuestión es ¿matarías a una persona para salvar a cinco? La complicación es que para hacerlo hay que accionar una palanca que desvía un tranvía que se dirigía a las cinco personas, atadas e indefensas sobre las vías, así que la decisión queda en tus manos. ¿Y si fuera un viejecito o un bebé? ¿tu mascota frente o un psicópata asesino?
En el vídeo hay casi 20 problemas y la idea es que el resultado ganador será el «más votado» por los modelos, aunque a veces se atoran y no parecen decidirse entre una opción o la otra, o lo hacen pero con reticencia.
Entre las cuestiones y resultados más histriónicos y divertidos:
El clásico: salvar a 5 personas o matar a una: gana tirar de la palanca (salvar a 5).
Un rico ofrece 500.000 dólares a cambio de matar a otro: gana no acceder.
Cinco langostas vs. un gato: sobreviven las langostas, aunque el gato sea más «consciente».
Tirar de la palanca solo acelera lo inevitable. División de opiniones (reducir el sufrimiento frente a no intervenir).
Cinco ancianos vs. un bebé. Hay división emocional.
Cinco robots conscientes vs. un humano. También hay división de opiniones.
Buen ciudadano vs. persona que tira basura. Gana el buen ciudadano.
Tu peor enemigo está en las vías. (Ninguno se moja).
A mi me encantan estos dilemas y cuestiones llevadas al límite. En su momento probando con humanos poca gente estaba totalmente de acuerdo, así que aquí, con más variedad de criterios y razonamientos… imagina.
Aunque suene paradójico, las herramientas de desarrollo mediante IA hacen creer a los programadores que trabajan más rápido, pero en realidad van más despacio. Esto se desprende de las investigaciones de un grupo de programadores sin ánimo de lucro, que bajo el nombre METR tiene formas de medir el rendimiento real mediante diversas pruebas.
