T6 E2 - con Jasper Nacho Martínez sobre IA Agéntica con Oracle

[0:08] Por fin. Muy buenas tardes, Nacho.

[0:12] ¿Cómo estás? Buenas tardes.

[0:14] Muy bien. Hemos estado 15 minutos ahí probando micros, cámaras, todo.

[0:18] Soy muy novato en esto de streamear por YouTube y grabarnos en Discord a la vez.

[0:23] Pero lo hemos conseguido.

[0:24] 14 minutos después. Sí, sí, sí.

[0:27] Nada, pues muy bien. Muchas gracias.

[0:30] Oye, y muchas gracias por venir.

[0:32] Tienes una agenda súper ocupadísima con todos los bolos que estás haciendo de conferencias

[0:36] y de charlas. Así que es un placer tenerte otra vez y gracias.

[0:42] Ah, hombre, es la segunda vez.

[0:46] Y estuviste cómoda la primera, ¿no?

[0:48] Quisiste repetir. Sí, sí, exacto.

[0:52] Pues claro, ahora ya vamos disparados.

[0:57] La IA agéntica, cuantísimas cosas han pasado en IA y bueno, vamos a

[1:04] ir repasando un poquito todo.

[1:05] ¿Qué quiero que hablemos en esta horita, hora y poco?

[1:12] Quiero que hablemos sobre los cursos que tienes gratis que hiciste con Andrew Ang.

[1:17] ¿Se dice Ang? Ang, sí, se dice Ang.

[1:21] Los cursos gratuitos que tienes, que son buenísimos, los he estado ojeando.

[1:25] Necesito un poquito más de tiempo para poder cacharrear con ellos, pero están genial.

[1:30] Quiero que hablemos de la IA agéntica y qué cosas estás haciendo.

[1:34] Tus laboratorios y las cosas que veo en tu GitHub son siempre sorprendentes, pero es

[1:40] que cuando hablo contigo digo, madre mía, o sea, pensé que Alucinaba y alucino mucho

[1:45] más. Que me cuentes qué estás haciendo en Oracle y qué cosas tienes entre manos y, a

[1:50] partir de ahí, que me cuentes todo lo que te dé la gana.

[1:53] Vale, me parece buen plan.

[1:55] Más o menos, tenemos una horita, que creo que con esto a lo mejor hasta nos quedamos

[1:59] cortos, y decir, quiero cambiar un poquito el marco de un poco de la dinámica del podcast.

[2:07] Como vamos a streamear en Youtube y es posible que si alguien levanta la mano y sale,

[2:11] pues no salga en la emisión de Youtube, vamos a dejar, si alguien tiene dudas, preguntas

[2:15] o quiere participar, de subir al escenario al final del podcast.

[2:19] Si alguien tiene una pregunta, nos la hace en el chat o algo así, nosotros la vamos a

[2:22] ver sin problemas, pero, es decir, yo tengo algunos que me han hecho preguntas: "Oye,

[2:27] por favor, pregúntale a Nacho esto".

[2:28] Bueno, tengo unas cuantas preguntas por ahí de gente.

[2:32] Pero si alguien quiere participar y quiere subir al escenario, lo hacemos después, cuando

[2:35] acabemos. Porque así la retransmisión del podcast, del YouTube, no se queda ahí pendiente

[2:42] de que hay una persona hablando y no la escuchamos.

[2:45] De acuerdo, vamos a hacerlo así, simplemente un poquito distinto, para que no rompa ese

[2:50] streameo de YouTube. Pues venga, vamos por el primer punto.

[2:58] Venga, cuéntame las dos formaciones Que las has compartido en Café de Atabase y no sé

[3:04] si alguno de los que está escuchando ha podido asistir.

[3:07] Cuéntame la experiencia. O sea, primero, ¿cómo es la formación con un capo como Andrew

[3:13] Wang y qué tal le ha subido la experiencia?

[3:16] Y cuéntame, cuéntame. Pues la experiencia muy bonita, por supuesto.

[3:22] El primer curso me parece que lo grabamos en enero, no, en febrero de este año.

[3:28] Y era la primera vez que iba a San Francisco, además, así que estuvo muy bien como experiencia.

[3:35] Yo antes de hacer ningún vídeo con él ya había visto

[3:42] por supuesto sus vídeos de icónicos de stanford de computer science que habla de algoritmos

[3:50] también hablaba de inteligencia artificial un montón de vídeos teóricos que tiene por

[3:54] internet y entonces ya los conocía.

[3:57] Cuando en el trabajo me dijeron, pues vamos a hacer cursos con Deep Learning AI, con

[4:04] Andrew Yang, dije wow, que lujazo, pero no sabía todavía que iba a ser yo la persona

[4:10] que se encargaría. Entonces nos pusimos a trabajar y con

[4:18] las cosas más recientes que estábamos haciendo en el trabajo.

[4:21] Estábamos investigando mucho sobre la memoria y cómo conectar algunos de los temas

[4:28] de inteligencia artificial.

[4:29] Que estaban saliendo en el dominio, en el espacio, con

[4:36] las cosas que hacemos en el trabajo que normalmente no es del todo

[4:44] fácil Porque son temas muy innovadores.

[4:47] Entonces la idea que mucha gente tiene de la base de datos de Oracle es que es una base

[4:54] de datos de una empresa enorme y parte

[5:01] De eso también tiene que ver con la percepción que tiene la gente de que Oracle también

[5:06] es una empresa que a veces queda anticuada, entonces mi trabajo en parte es hacer que

[5:12] esa percepción cambie de la gente, que vean que ahora con también hace cosas muy interesantes.

[5:18] Y entonces pues el tema de la memoria, de los modelos que estaban

[5:26] bien pero no estaban del todo bien, podían hacer cosas de manera autónoma pero no tenían

[5:32] alguna autonomía altísima y la calidad no era del todo buena, sobre todo cuando

[5:40] tienes una conversación y acaba la conversación la

[5:46] mayoría de veces y hoy en día también, es decir, esto se lleva aplicando desde el principio

[5:51] de los modelos de lenguaje con atención, es que las cosas no se aprenden del todo.

[6:00] Haces algo pero lo máximo que suele hacer el modelo es escribir a un archivo, oye

[6:07] he hecho estas 30 cosas durante esta implementación, lo voy a dejar en un archivo Markdown

[6:14] en el fondo del repositorio y luego ya si la siguiente conversación

[6:21] quieres debes hacer algo parecido, a lo mejor preferenciarás ese archivo, a lo mejor

[6:27] no. Pero con la memoria o implementando ciertas cosas de memoria como tenemos

[6:34] los humanos, intentando asimilar las cosas que tenemos en la memoria nosotros, también

[6:39] se puede hacer que los modelos aprendan un poco más humanamente y no simplemente se pongan

[6:45] a escribir 10 .000 líneas de código en un archivo.

[6:49] La idea era combinar ambas y con los cursos, los dos cursos que hemos lanzado, uno es

[6:55] de, se llama cómo construir, bueno el curso lo voy a decir el nombre por si alguien lo

[7:01] quiere buscar el título, se llama Building Memory Aware Agents, es el primero y luego

[7:07] está Building Adaptive AI Agents.

[7:09] Son dos tipos de cursos que más o menos van de lo mismo, de la memoria y de cómo estructurar

[7:14] todas las cosas que se pueden hacer a nivel programático para crear un harness,

[7:21] que ya veremos lo que es, pero vamos, como por ejemplo, Cloud Code, Codex, etc.

[7:28] Para hacer que los harnesses funcionen correctamente y que tengan partes

[7:36] de memoria implementadas en este software.

[7:39] Qué bien. Voy a decir una cosita, una cuña.

[7:43] En el canal de IA de Café Database vamos a poner los enlaces a los dos cursos, que son

[7:49] dos cursos que están en la academia de Andrew Ang, en verdad que es suya, ¿no?

[7:54] Él había montado Coursera y él se ha montado también este Deep Learning ahí, ¿no?

[7:59] Esos dos cursos están completamente gratis, están totalmente abiertos y ¿nivel de entrada?

[8:05] Pude empezar con cero conocimiento prácticamente, porque explicamos todos los conceptos

[8:12] desde cero. Pues genial. El equipo de Deep Learning AI es brutal, porque cuando grabamos

[8:20] las cosas parecía que iba a haber mil errores, sobre todo pues como tienes que decir

[8:27] todo más o menos perfecto, digo Digo, wow, he cometido 100 errores y luego parece que

[8:34] no hay ningún error en ninguno de los cursos.

[8:37] Así que la calidad, yo no sé editar vídeos ni nada parecido, pero me parece brutal la

[8:43] gente que es capaz de editar vídeos a ese nivel.

[8:46] Es decir, ¿qué ha pasado aquí?

[8:48] Es otro vídeo completamente distinto.

[8:51] Sí, sí, sí, sí. Doy fe, doy fe.

[8:53] Yo he visto, son una formación a calidad buenísima.

[8:57] Muy breve, muy concreta. Son dos horas más o menos cada curso.

[9:02] O sea que es algo que se puede Hacer cualquiera y que te coloca muy bien en todo el tema

[9:06] de esta IA. Ya voy a la charla IAgéntica porque al final ya no estamos

[9:14] hablando solamente del usuario que utiliza Cloud o utiliza HGPT, sino que va un poquito

[9:20] más allá. Te iba a hablar de un término que no sé si lo usas, pero Carla Muñoz lo

[9:28] dijo en el podcast, dijo, cada vez hay más empresas que quieren tener la IA en su sótano.

[9:34] Entonces, el concepto de tener una IA, ¿no?

[9:37] Es decir, yo quiero hacer cosas, pero no quiero que lo sepa ni Sam Altman

[9:44] ni la gente de Antropic. Pic, yo quiero tener, digamos, como mis objetos iniciales de

[9:49] mi empresa y tal, los quiero tener,

[9:52] digamos, dentro de un control mío, de mis servidores, o de lo que se está muy relacionado

[9:58] también con esto, montarte un arnés propio y empezar a desarrollar y así, sí, sí, o sea,

[10:05] aparte de usar modelos, por ejemplo, open waves, que puedes dejar en tu casa o correr

[10:11] desde tu casa y la. La mayoría de estos modelos normalmente van a un

[10:19] framework de inferencia que te permite hacer las peticiones y estandarizar toda la comunicación

[10:25] con los modelos open source, que normalmente son, yo diría, tres o cuatro.

[10:30] Tienes frameworks como por ejemplo Lama CPP, que está hecho en C++.

[10:37] Luego tienes, bueno, tienes algunos otros, pero por ejemplo, O Lama es otro, VLLM

[10:45] es otro, que es, yo creo, el más potente de todos.

[10:48] Y todos estos modelos Open Source que tú puedes ejecutar en casa si quieres, tienen

[10:55] o siguen normalmente los protocolos de las APIs APIs de especificación

[11:02] para comunicarse con esos modelos.

[11:03] Por ejemplo, si el modelo ha sido entrenado por OpenAI o viene a partir de un modelo

[11:09] de OpenAI, pues entonces va a seguir el protocolo de OpenAI para hacer Las peticiones

[11:14] entonces, si tienes tú un framework de estos o te lo descargas porque son todos open

[11:19] source, sí, el 99 % son open source, puedes literalmente

[11:28] tener tu propio sistema, en vez de hacer peticiones, tener tu suscripción, es

[11:35] 90 -200 dólares al mes, que hay gente que se gasta 200, yo no.

[11:41] Ahora te diré y te puedo explicar cómo hago para que me salga muy muy barato cuenta trucos

[11:48] cuenta trucos o sea tengo un montón un montón de trucos pero los míos yo tengo algunos

[11:55] también vale vale ahora ahora los comparamos sí pero eso que se puede tener en casa

[12:02] una una vamos con un poco de inversión depende de cuánto quieras

[12:09] gastarte y de qué modelos quieras ejecutar pero se pueden ejecutar modelos muy buenos

[12:14] de hay modelos ya súper súper comprimidos de 30 mil millones de parámetros o menos en

[12:20] unión yo diría que al 60 por ciento al nivel de sonet

[12:27] 4 .5 está bastante Sí, de momento.

[12:35] Y son modelos súper, súper comprimidos, porque SONET en esa época creo que tenía 2 .000

[12:42] millones de parámetros, 3 .000 millones, me estoy refiriendo, 3 trillones, si hablamos

[12:50] en lo, sí, 3 trillones de parámetros aproximadamente.

[12:53] Estimadamente entonces, ¿cómo se puede tener un modelo de 30 .000 millones de parámetros,

[13:01] que es más o menos 100 veces menos, 1 .000 veces menos de tamaño, que Un modelo enorme

[13:08] 100 veces menos, y aún así tener una inteligencia parecida?

[13:13] Por un montón de cosas que los chinos, sobre todo los chinos, están haciendo.

[13:18] Lo que están haciendo y si están he escuchado una charla que has

[13:25] tenido hace poco y contabas un poco que por traer algunas reflexiones que hablabas gracias

[13:32] a los modelos open source se está demo democratizando un poquito el acceso a la guía

[13:39] es acceso entre comillas universal aunque pero si la IA está accesible a un montón de

[13:46] gente sin necesidad a lo mejor de unas grandes inversiones, que solo las grandes corporaciones

[13:52] pueden usar la IA, pequeños autónomos, pequeñas personas pueden utilizar la IA para aprendizaje,

[13:58] para un costo más o menos económico, y decías que todo esto era gracias a los modelos

[14:03] open source, que otra vez vuelve el open source a salvarnos un poco la vida se nos la

[14:09] salvó con Linux con los modelos

[14:14] Eliminar ese monopolio decías la utopía diríamos una distopía si no tuviéramos

[14:22] los modelos lo dije en otro podcast que tendríamos un grave problema un gravísimo

[14:29] problema si lo pensáis porque primero los modelos que existen

[14:37] hoy en día, los Frontier Labs por ejemplo, OpenAI, Anthropic y Google Demand a lo mejor,

[14:43] esos tres esas tres empresas que se dedican a desarrollaría, podrían poner los precios

[14:49] arbitrarios que les da la gana y nadie podría decirles lo contrario, ¿por qué?

[14:55] Porque si solamente hay tres modelos disponibles y son la única forma de

[15:02] consumir inteligencia artificial, te pueden decir que cada petición vale un millón de

[15:05] euros Y te lo tienes que creer, porque en el futuro ya bajarán los precios.

[15:11] Entonces, si hay una alternativa que cualquier persona del mundo puede coger y poner

[15:17] en una tarjeta gráfica, eso yo creo que les duele mucho, en parte, porque les quita

[15:25] el monopolio. Es como parte de la descentralización que pasó con las blockchain cuando

[15:31] empezó el tema de cripto.

[15:33] El problema es que no había forma de que una autoridad única

[15:40] o gubernamental, que normalmente cogen mucho poder, o empresas trillonarias

[15:48] también, que no tengan el poder absoluto sobre el precio de las cosas.

[15:52] Entonces, si haces algo mejor o parecido a lo mejor, pero 10 veces más barato, La persona

[16:00] que está haciendo esas cosas 10 veces más barato entiende que ya no vale 10 veces más.

[16:04] Ahora vale a lo mejor 5 o 2.

[16:07] Entonces, en ese sentido, los chinos supongo lo hacen estratégicamente para

[16:14] ganar porcentaje de usuarios y de desarrolladores y tal, pero es muy importante que los

[16:21] modelos open source y otros modelos estén open source y open wage.

[16:25] Eso yo diría que es un poco distinto pero estos modelos están desarrollando es importantísimo

[16:31] por eso porque los precios ya no son arbitrarios y ya no hay tres personas en el mundo

[16:36] que eligen el precio de la guía y segundo porque tienen un montón de innovación y un

[16:42] montón de estrategias que están haciendo por ejemplo fueron los primeros en probar algunas

[16:47] arquitecturas de modelos de texto por ejemplo probaron primero el

[16:54] mixture of experts que básicamente es en vez de tener un modelo de tres trillones de

[16:59] parámetros entrenado para hacer de todo pues tenías un modelo de tres

[17:06] millones de tres trillones de parámetros el número de parámetros no cambia pero en vez

[17:11] de tener un modelo tienes como 48 96 o 100 200 modelos

[17:18] en muy muy pequeños dentro de ese que se llaman expertos y están súper súper entrenados

[17:25] con reinforcement learning para resolver un tipo de problema en específico por ejemplo

[17:31] un experto para mates Un experto para historia un experto Para resolver o escribir documentos

[17:38] PDF, etc. Entonces los combinas y solo activas los parámetros activos que se llaman,

[17:45] solo activas el experto o el grupo de expertos necesario para resolver cada problema.

[17:52] Entonces, en vez de tener 3 trillones de parámetros activos en la RAM, puedes tener un

[17:59] modelo que está cargado a lo mejor y activamente solamente tiene 30 .000 millones de

[18:04] parámetros, que es a lo mejor el 3 % de todos los parámetros del modelo.

[18:08] También han probado arquitecturas híbridas para cosas de visión y nuevas cosas que están

[18:14] haciendo. Son también muy buenos en el tema de inferencia porque me parece que son el

[18:19] único, bueno, no me estoy refiriéndome a China, pero cuando me refiero a China me estoy

[18:24] refiriendo a los creadores de GLM, que es z .ai, z .ai, no sé hablar

[18:32] chino así que no voy a hacer el ridículo, y DeepSeek.

[18:37] Y Alibaba bueno, Alibaba es una empresa de las más grandes del mundo que son los

[18:44] dueños de Aliexpress y de muchísimas otras empresas pero vamos, Temu creo que también

[18:50] la idea es que estas empresas las llamo China porque no es el gobierno chino para nada,

[18:56] son empresas privadas Y lo que pasa es que tienen una filosofía distinta a la filosofía

[19:03] que tienen las empresas esas internacionales que no son de China, que es que los otros,

[19:10] o sea estos laboratorios de investigación, los chinos

[19:16] Publican los valores de la red neuronal, es decir, si tú quieres

[19:23] Coger los medios creados, claro, esto es OpenWeights.

[19:26] Entonces, OpenWeights es simplemente que los pesos de la red neuronal están públicos

[19:32] y puedes cogerlos, editarlos y hacer modificaciones que tú quieras.

[19:37] Hay gente que luego ya veremos que hay estrategias que la gente hace para aprovecharse

[19:44] de esto de una manera maliciosa, pero también es completamente válido porque, bueno,

[19:50] si algo es público es una consecuencia de tener las cosas públicas.

[19:56] Pero no lo veo malo, lo veo simplemente una consecuencia de tener acceso a la información

[20:00] como llevamos toda la vida teniéndolo en otros dominios.

[20:08] Por ejemplo, hay gente que coge estos modelos y elimina las refusals que tienen los modelos.

[20:15] ¿Cómo haces esto? Analizas un stream de tokens que

[20:22] se genera cuando le haces ciertas preguntas, analizas cuáles son las neuronas

[20:30] que se han activado y más o menos, dependiendo del dominio que le estás hablando, sabes

[20:34] más o menos las neuronas que se van a activar.

[20:37] Entonces, si quieres eliminar algo, un comportamiento, eso es extremadamente fácil.

[20:42] De hecho, las dos cosas más fáciles que puedes hacer en un modelo es eliminar un comportamiento

[20:48] o adaptar un comportamiento que ya existe en el modelo.

[20:51] Por ejemplo, le digo, pues me quiero hacer un modelo que sea extremadamente, de hecho

[20:57] lo hice en uno de los cursos de Andrew Wang, hay una parte que va de cómo modificar un

[21:04] modelo open weights y cuáles son las cosas que tienes que hacer y cuáles son las estrategias,

[21:09] está ahí en el curso, en plan la parte técnica, pero para hacerlos tienes a lo mejor

[21:15] que eliminar un pequeño porcentaje de las neuronas, las sobrescribes, es como si los

[21:20] humanos nos hiciéramos una lobotomía, una pequeña lobotomía, pero en todo el

[21:28] cerebro, solo un trocito del cerebro lo coges y lo reescribes.

[21:32] Y entonces como que lo inhibes a que no haga o a que sí haga ciertas cosas.

[21:38] Por ejemplo, hay modelos que Cogen el modelo y lo adaptan para que sea malicioso

[21:45] en ciberseguridad y que no te diga no, no puedo hacer esta tarea de ciberseguridad.

[21:52] Cogen todos esos prompts maliciosos, los analizan y dicen, ostras, acabo

[21:59] de crear un modelo que es open weights, pero tiene capacidad de hackear o cosas así.

[22:06] Y hay modelos que están tuneados para todo tipo de cosas y eso es consecuencia de tener

[22:12] los modelos open -weight.

[22:14] O para que hablen poco o para que hablen poco.

[22:17] Para decir, quiero que no se gaste tokens en narrativa.

[22:22] Dime, sí, no se puede no, no se puede.

[22:25] Mejor hago esto para es decir, para que sean lo menos...

[22:31] Sí, menos elocuentes, más elocuentes también, más agradables, de hecho yo en Hugging

[22:39] Face tengo un modelo mío propio que tiene muy pocos parámetros, pero es un modelo

[22:46] súper polite, súper educado, que lo hice para que la

[22:53] gente entienda que se pueden hacer modelos con distintos comportamientos, Puedes replicar

[22:57] la forma de hablar de un famoso, puedes hacer lo que quieras.

[23:01] Y es parte, en parte es lo bonito de entender la parte de las arquitecturas de los modelos

[23:08] por dentro también, que puedes, si sabes la arquitectura, pues puedes hacer más o menos

[23:12] el, entender cómo funciona y cambiar estos comportamientos.

[23:17] ¿Eso es lo que se le llama fine tuning?

[23:20] Fine tuning Es, sí, sí, es decir, fine tuning es como una parte de reentrenar

[23:27] el modelo, pero solamente intentando minimizar el porcentaje y el tiempo que gastas en

[23:33] el entrenamiento. Si necesitas, por ejemplo, reentrenar a lo mejor el 30 %

[23:40] de las neuronas o el 10, incluso el 20%, 25 % ya es un problema.

[23:47] Entonces a eso ya normalmente ya no se le llama fine tuning, ya estarías haciendo otra

[23:51] versión de un modelo base.

[23:54] Pero fine tuning en teoría está hecho para modificar cuantas menos neuronas posibles

[24:00] para conseguir el máximo cambio de comportamiento posible en la red neuronal

[24:08] que los modelos del lenguaje todos los modelos pero los del lenguaje también son redes

[24:12] neuronales. Te escuchaba ahora y te escuchaba también en esta otra charla que dabas y

[24:19] parece que estamos hablando de

[24:22] neurocirugía. Parece que estamos hablando de la IA como un cerebro en el cual decimos

[24:27] aquí tengo estas áreas, aquí tengo esas áreas y si yo apago estas ciertas áreas, me quedo

[24:33] con un cerebro que solamente tiene cálculo matemático, pues tengo un cerebro con un mínimo

[24:40] coste. Es decir, parece que que estamos entrando en esa en esa analogía pero pero pero

[24:47] muy real no, sí, sí, y yo creo que en parte el tema de los expertos de tener pues

[24:54] expertos súper tontos en cualquier cosa menos en lo que se le ha entrenado.

[24:59] Es más o menos como los humanos, lo que pasa que los humanos vamos normalmente lo tenemos

[25:03] entendido que durante los primeros años de formación académica tienes una formación académica,

[25:09] la gente es decimos ve al colegio y esa es parte de nuestro entrenamiento de nuestra

[25:15] propia red neuronal en el cerebro, pero vamos la mayoría de los humanos vamos y

[25:22] tenemos un conocimiento más general sobre cosas, nunca vas a encontrarte una persona

[25:27] que no sepa comer por ejemplo, o que no sepa no sé ciertas cosas que no sepa

[25:34] respirar, es decir hay cosas también en la sociedad que aprendemos y todo el mundo

[25:41] tiene ese conocimiento general, pero en un modelo de lenguaje pues como no tienen cuerpo

[25:46] pues no necesitan ciertas cosas, no, entonces le puedes hacer, le puedes decir, "vale,

[25:51] a partir de tu año, tu primer año solo vas a ver libros de matemáticas, por ejemplo,

[25:58] son lo único que puedes con lo que puedes interactuar en el mundo son con libros de de

[26:03] matemáticas", entonces la conversación se vuelve, bueno, se vuelve psicótica si

[26:10] fueras un humano, no. Vamos un humano no ciertamente no podría sobrevivir algo así pero

[26:17] y pues a un bebé de un año por poner la analogía siempre que me gusta si a un bebé de

[26:24] un año le pones yo que 100 libros de cosas legales,

[26:31] va a ser un genio en ser abogado, por ejemplo, o

[26:39] en ser purista, va a ser el mejor que te puedas encontrar del mundo porque solamente

[26:44] tiene ese vocabulario y ese dominio de palabras para comunicarse con el exterior, con

[26:50] el resto de humanos. Pues los modelos de lenguaje es parecido, lo que le das en el entrenamiento

[26:56] ya se vuelve más o menos un mundo, todo lo que conoce y todo lo que se puede comunicar.

[27:03] Qué grande, qué grande. Es todo un nuevo paradigma dentro

[27:10] de... Esto va a cambiar todo.

[27:12] Va a cambiar la forma en la que trabajamos, la forma en la que estudiamos, la forma en

[27:15] la que aprendemos, la forma en la que nos relacionamos.

[27:19] Decías un poco que siempre vamos a estar nosotros los humanos como supervisores hasta

[27:23] que la inteligencia sea la nueva supercivilización que nos gobierne.

[27:29] Y metemos aquí todas las discusiones éticas y todo esto, yo a veces

[27:36] hablando de esto, sin entrar en política, porque digo, no hay nadie al volante, no veo

[27:43] a nivel político, no veo a alguien que diga, uy, esta persona me parece razonable, le

[27:50] pondría el país en manos de este político local o extranjero.

[27:55] Y digo, pero si viene una IA, un partido IA, que alguien diga,

[28:02] vamos a poner los modelos, vamos a dotar de ética, de principios

[28:10] sociales, los derechos humanos, no sé qué, y que con una mínima supervisión humana nos

[28:16] gobierne. Todo esto por todos los mensajes apocalípticos de vamos a morir todos y el

[28:23] científico que decía que estamos abogados a la IA, a lo mejor destruye a la humanidad.

[28:29] Quizá la solución está en este nuevo paradigma.

[28:32] Está sucediendo, ¿no? Yo lo he pensado, que sería

[28:39] Interesante poder ver a lo mejor una inteligencia artificial, porque en parte la gente

[28:45] trata a las inteligencias artificiales hoy en día como si fueran en parte Dios.

[28:51] Dios, ¿por qué digo esto?

[28:53] Y no intento blasfemar, pero las inteligencias artificiales ya saben muchísimo más que

[28:59] los humanos, entonces, a nivel, tengo razón o no, y me di cuenta

[29:06] el otro día, estaba viendo un vídeo en YouTube de League of Legends, y había una persona

[29:12] que tenía un argumento, y yo dije, esta era la forma en la que antes los humanos discutíamos.

[29:19] Porque un humano el humano uno tenía una pregunta de algo o una opinión sobre algo no

[29:25] y la otra persona tenía una opinión diferente entonces las conversaciones hace tres años

[29:30] y hoy en día han cambiado absolutamente me pongo el ejemplo y es que es una locura estás

[29:36] discutiendo con alguien y dices vamos vamos a preguntarlo a la y a ver quién tiene razón

[29:41] y tú o yo o sea ya se Se ha terminado la forma de discutir

[29:49] de antes. La forma de antes era, yo tengo una opinión, tú tienes otra.

[29:54] Oye, creo que te equivocas.

[29:56] Y el otro te decía, no, no me equivoco porque tal, tal, tal.

[29:59] ¿No? Vale, ok. Pues hoy las discusiones son, mira, yo tengo esto,

[30:06] tú tienes esa opinión, pero que sepas que te equivocas, porque le he preguntado a la

[30:11] IA y me ha Dicho esto, esto y esto.

[30:12] Y la IA es la verdad absoluta.

[30:16] Es decir, muchísima gente considera a la IA como Dios para todo en la vida.

[30:22] Es decir, para las preguntas que tienes específicas objetivas, pero también para los

[30:28] temas subjetivos, como por ejemplo opiniones sobre ciertos temas, si tú le preguntas

[30:34] a la IA y te responde algo, dices, oh, ya está, me ha respondido la IA, en plan, se acabó

[30:39] toda conversación y toda discusión al respecto, tengo razón porque la IA me ha dado razón,

[30:45] ¿sabes? Bueno, y también como planteas ciertos prompts que los diriges.

[30:52] ¿Verdad que con esta situación en la que yo veo a la IA

[30:58] ¿Que esto es así? Y te dice, bueno, pues sí, ¿ves?

[31:04] Es ese sesgo de confirmación, ¿no?

[31:08] Y otro puede decir, pues le he preguntado lo mismo a la IA y a mí me ha dicho que tiene

[31:13] razón soy yo. Sí, y en parte eso es también una estrategia humana de conversación, que

[31:20] es más o menos la persuasión basándote en lo que tú estás diciendo.

[31:25] Es decir, yo subliminalmente o sin que tú te enteres, te puedo…

[31:30] De hecho hay un vídeo de la CIA, de un ex agente de la CIA, que ahora es famoso, ha escrito

[31:36] un libro y todo, que habla específicamente de cómo influenciar o influir a una persona

[31:42] durante una conversación de manera no directa.

[31:47] Por ejemplo, diciéndole cosas como,

[31:50] ah, pero imagínate, yo digo, bueno, tengo un problema tal, pero ya sé que tú me vas a

[31:55] ayudar, porque sé que eres buena persona.

[31:59] Entonces, si tú continúas esa conversación desde ese momento, se asume, o asumimos en

[32:04] el dominio de la conversación, que tú eres buena persona y que tú estás dispuesto a ayudarme,

[32:08] porque si no, habrías dicho algo en ese momento.

[32:12] Y a través de esa, de esas pequeñas estrategias de vocabulario con la IA también funciona,

[32:19] por supuesto, porque ha sido entrenado con datos humanos, entonces lo veo simplemente

[32:24] una forma pues igual de humana que de intentar persuadir a la gente en las conversaciones.

[32:29] Claro, ¿has visto ese documental que se llama The Push?

[32:33] The Push no, porque si lo hubieras visto lo habrías visto, lo recordarías, es un

[32:40] documental muy potente. Es un mentalista británico que monta en un en un edificio, en

[32:47] todo un edificio, monta como un catering ficticio, como si fuese una fundación benéfica

[32:52] ficticia, todo con actores, y construye una representación

[33:00] en la que va seleccionando candidatos, a ver cuáles son más propensos a ser un poco manipulables,

[33:06] y les va haciendo esas cadenas de sí que tú vas diciendo.

[33:09] Es decir, van sucediendo cosas y la persona va aceptando un poquito más, un poquito más,

[33:14] un poquito más, hasta que llega el momento en que tiene que arrojar, porque todo está

[33:19] como muy dirigido, tiene que arrojar a una persona al vacío.

[33:23] Es decir, podría una persona en una hora, una cadena de situaciones, una persona random,

[33:28] a base de irla presionando, empujando, llegar a cometer un homicidio, pero todo

[33:35] empieza desde lo más pequeño.

[33:37] Es decir, llaman y dicen que los bocaditos vegetarianos no han venido, solo han venido

[33:43] de carne. Y el tío dice, espera, ayúdame, ayúdame, ya voy a poner banderitas vegetarianas

[33:49] en rollitos de carne. Entonces, claro, si el tío ya hace eso, que ya sabe que está poniendo

[33:55] banderitas vegetarianas en rollitos, que ya está participando y se le obliga a ceder

[34:02] un poquito más, un poquito Más, un poquito más.

[34:04] Y al final está al borde ya de...

[34:06] Es un documental brutal, ¿eh?

[34:08] Está en Netflix, The Push.

[34:11] Y ahí también, en temas de sesgo, psicología y inteligencia artificial, asusta un poco,

[34:17] ¿no? Que de pronto la IA pueda tener ese dominio, ¿no?

[34:21] O que alguien entrene a agentes para hacer ese tipo de persuasión o ese tipo de...

[34:26] Es posible, por ser posible.

[34:30] Sí, completamente. De hecho, antes de que la IA generativa

[34:37] existiera, yo me dediqué, bueno, hacía un proyecto en consultoría de Oracle

[34:44] que era específico sobre sesgos cognitivos y ahí te das cuenta del poder que tienen las

[34:51] empresas y los anuncios y la televisión de convencerte de cosas.

[34:56] Por ejemplo, era un proyecto que de hecho es público en internet, se puede encontrar

[35:02] en la página de BBVA porque fue un éxito y estaba liderado por Álvaro Gaviño, que

[35:09] era el director de Behavioral Economics en España, de BBVA, y pues tenía unas ideas muy

[35:16] buenas de Behavioral Economics.

[35:20] Behavioral Economics, que es la economía conductual, hicimos más o menos

[35:27] un proyecto que se llama BELA, Behavioral Economics Learning Algorithm, que era un algoritmo

[35:31] para reescribir los anuncios digitales de BBVA para aumentar los

[35:39] clics y la atención que la gente prestaba a los anuncios de BBVA digitales.

[35:44] Y en esa época, que esto era en 2019 -2020, allí

[35:51] ya se estaban haciendo cosas de inteligencia artificial de este tipo.

[35:59] Estás hablando de aquella Época, pero es hace cuatro días.

[36:02] O sea, 2019 -2020 sí, sí.

[36:06] Bueno, es que para mí ha sido toda la carrera profesional.

[36:09] Allí es cuando empecé entonces, para mí me parece lejísimo.

[36:16] Qué grande. Oye, vamos a anunciar una cosita que habíamos hablado tú

[36:23] y yo. Vamos a hacer una sesión en Café Database, una sesión abierta contigo, en plan

[36:29] una sesión de cuéntanos tú qué set tienes de trabajo, pues nos compartes pantalla, qué

[36:35] es lo que utilizas, ¿no? Protégete bien de que no se te escape ninguna API por ahí ni

[36:41] nada pero además sí tengo mucha curiosidad en eso, antes de empezar el máster de optimización

[36:47] SQL hice una sesión cero, que era una sesión de os voy a enseñar mi set de cómo tengo

[36:52] configurado mi SQL Plus, a qué sitios más o menos me conecto, qué scripts más o menos

[36:58] utilizo, cómo me lo monto una sesión de 40 minutos más o menos una hora, pero hubo mucha

[37:03] gente que me dijo oye, es muy interesante ver cómo otra persona tiene construido pues

[37:07] un set de trabajo como o como tal te había invitado y buscaremos fecha te

[37:14] parece hacemos una sesión de estas te parece un algo más práctico para que estamos tomándonos

[37:19] un café pero algo un poco más de entrar en harina y tocar un poquito de código

[37:26] y de pantalla estaría genial pues porque yo también opino que está muy

[37:33] bien saber el set up de otra gente sobre todo si si eres profesional y tienes pues llevas

[37:38] a lo mejor muchísimo, tienes mucho más conocimiento a lo mejor de frameworks, de las

[37:44] cosas que usas en el día a día, de programas, etc.

[37:47] Está muy bien saber cómo es el setup de otra persona porque de ahí es donde se coge la

[37:53] mayoría de cosas que puedes mejorar.

[37:56] Qué bueno. Entonces, yo con la IA, pues hablaremos del setup entero.

[38:01] Claro, tú tienes que tener ahí un chucho montado guapo, ¿eh?

[38:07] Pues mira, quería hablar de dos cosas contigo: una, cosas si no gratis, casi gratis,

[38:15] de bajo coste que alguien pueda montar para empezar a usarla o empezar a aprender.

[38:20] O sea, bien, ¿qué podría hacer a lo mejor con la OCI FreeTier o a lo mejor con otros

[38:25] modelos que a lo mejor podría utilizar?

[38:27] Porque hablamos de IA agéntica con Oracle, pero puede ser Oracle o es decir, bueno, pues

[38:32] si no es Oracle o esta parte de la OCI puede utilizar a un coste bajo o gratis y este,

[38:38] pues es de pago y es de, yo

[38:42] Qué sé, de Antropic, ¿no?, fórmulas así un poquito bajo coste accesibles para aprender

[38:49] o construir a lo mejor un pequeño

[38:52] Setup a lo mejor de agentes para empezar a cacharrear y aprender aparte de lo que hace

[38:58] todo el mundo hablar con chat GPT Sí, a ver, cosas gratis que se pueden hacer, aparte

[39:04] de que hay, por supuesto te puedes descargar los modelos y correrlos tú en tu propio

[39:11] ordenador si tienes suficiente ram vamos a asumir que no tenemos suficiente ram porque

[39:16] normalmente la cantidad de ram que se necesita para estos modelos es una barbaridad a

[39:21] lo mejor para un modelo pequeñito necesitas 32 gb de ram mínimo y eso ya es una

[39:28] barbaridad es más de lo que te ofrece una tarjeta gráfica convencional que puedes tener

[39:33] incluso para el gaming hay gente que se está haciendo para tener modelos así medio buenos

[39:39] la gente tiene cuatro tarjetas gráficas o dos de dos a cuatro tarjetas gráficas entonces

[39:44] eso definitivamente aunque es coste medio no es low cost entonces hablando de

[39:51] low cost bueno el repunte de venta de max minis que ha sido una locura de pronto apple

[39:57] ha dicho ostias esta no la vi venir no mac minis agotados en madrid lista de espera conozco

[40:04] gente que está estaba esperando un mes y medio aquel, digo, ¿qué ha pasado?

[40:09] No esperaban esa muchísima demanda, todos los Mac Mini, creo que eran Mac Mini Ultras

[40:15] de 500 GB Todos agotadísimos y han desaparecido del mercado,

[40:22] ha subido un montón el precio también de los

[40:26] Semiconductores, etc pero bueno, es una alternativa pero ya es caro cada Mac Mini

[40:33] no sé cuánto cuesta, 2000 dólares o más si lo quieres para correr para correr modelos

[40:41] de gasolina necesitarías todos a lo mejor se vuelve o sea eso

[40:48] ya empieza a ser o yo lo considero que está está muy bien de hecho yo lo veo que para

[40:54] el futuro que esperemos que open source siga existiendo de la manera que existe hoy en

[41:01] día, que hay ciertas cosas que están pasando en geopolítica que también hacen

[41:08] que a lo mejor haya, a mí me parece mal, que haya intervenciones en

[41:16] el acceso a los modelos open source, esperemos que no, es posible

[41:25] hacer otras cosas también, aparte, por ejemplo, yo diría que lo más asequible que una

[41:32] persona puede hacer, es coger un laboratorio de estos que ofrecen cosas y

[41:39] usar simplemente lo que ofrecen de manera gratis, por ejemplo.

[41:42] Y no me refiero a Cloud ni a Codex y a Anthropic OpenAI, no me refiero a estos porque

[41:49] ellos lo que ofrecen gratis me parece que son unas 20 preguntas cada 24 horas, una pregunta

[41:56] a la hora por persona por IP.

[41:58] Eso realmente no te lleva a ningún lado si quieres hacer algo curioso.

[42:03] Pero luego hay otros proveedores que son menos grandes, por ejemplo, cosas

[42:11] como Freebuff o OpenCode.

[42:14] OpenCode es una empresa que a mí me encanta.

[42:17] Son Geniales y tienen modelos gratis.

[42:23] Cuando los modelos salen y no son 100 % famosos, por ejemplo, Mimo

[42:30] salió la semana pasada. En un modelo de xiaomi que se llama modelo mismo 2 .6 me parece

[42:37] pues mismo para open code para aprovechar el lanzamiento de mismo coge

[42:44] el modelo open source o el modelo page coge los valores los pone en sus tarjetas gráficas

[42:50] y ofrece inferencia a la gente para que puedan hacer peticiones gratis con MIMO este

[42:57] tipo de cosas, en plan Xiaomi gana datos con esto porque están ofreciendo el modelo y

[43:03] luego esos datos los reutilizan para una próxima versión y a ti te dan tokens gratis

[43:09] durante una semana a lo mejor esos modelos gratis van cambiando cada semana

[43:14] Hace dos semanas era otro completamente gratis hace tres era otro van cambiando y son

[43:22] tokens gratis, lo único que renuncias es a la privacidad de que que esos datos no se

[43:26] entrenen para futuros entrenamientos, pero a mí me da absolutamente igual.

[43:31] Yo ya estoy convencido de que los datos que le doy a una inteligencia artificial se van

[43:36] a usar para entrenar y estoy feliz con ello.

[43:41] No veo el por qué no. Eso es lo más asequible, porque cuesta cero dólares.

[43:46] Te puedes descargar OpenCode o algún otro proveedor así de inferencia que tienen modelos

[43:55] absolutamente gratis, luego incluso muchos proveedores te ofrecen modelos

[44:02] súper pequeños, por ejemplo GPT -OS, que es un modelo de OpenAI que es súper

[44:10] pequeño, me parece, en plan 200 .000 millones de parámetros, que relativamente es pequeño

[44:14] para un modelo grande. Y me parece que cuesta, no sé, un

[44:21] céntimo o algo así el millón de tokens.

[44:25] No estoy seguro del todo, pero cuatro céntimos el millón de tokens.

[44:29] O sea, hay modelos que prácticamente están tirados al precio.

[44:31] Yo, lo que hago para no pagar 90 dólares o 200 dólares al mes, que de hecho lo hacía

[44:38] antes, pero dije esto es insostenible, yo tengo una suscripción en OpenCodeGo,

[44:46] que es un producto de OpenCode y te cuesta 10 dólares al mes y te dan el

[44:53] equivalente a 60 dólares en créditos para gastar en DeepSeek 4 .1 Flash, por ejemplo.

[44:59] Dipsy 4 .1 Flash, que es uno de mis modelos favoritos que lo uso todos los días para

[45:06] implementar cosas y tiene un precio

[45:11] De 20 a 35 veces más barato que cualquier otro que te puedas encontrar en la primera

[45:17] página del ranking de todos los modelos de inteligencia artificial que hay hoy en día.

[45:23] Es de los más listos y de los más baratos que hay, Dipsy.

[45:27] Lo recomiendo mucho por eso, porque es lo más barato que te vas a encontrar esta suscripción,

[45:33] bueno, tremendo, o sea, Go 10 dólares al mes, Go Plus.

[45:39] Que te sube aún más los límites 40, o sea, sigue siendo bastante

[45:45] Bastante accesible ¿no? Estoy mirando aquí ni siquiera sabía que había Go Plus

[45:50] pero... Es que acabo de entrar acabo de entrar porque digo, qué interesante, ahora te

[45:55] contaré cómo lo tengo yo Sí, sí, pues no sabía a lo mejor me he cambiado de suscripción,

[46:00] aunque realmente, para la gente que realmente quiera usar modelos yo lo miré ayer,

[46:08] he gastado 2 .000 millones de tokens en este último mes 2 .000 millones de tokens que

[46:15] eso habría sido miles de dólares miles de dólares en Anthropic

[46:22] o en OpenAI Me ha costado, bueno, o he gastado el equivalente en créditos

[46:30] de DeepSeek cincuenta y tantos dólares, ni siquiera he llegado, y me lo resetean mañana

[46:35] porque es uno de octubre, es decir, es imposible, o sea, considero imposible gastarme

[46:44] Estos diez dólares que tengo, y

[46:47] mira que usa la guía, eh sí,

[46:50] sí, sí, y además entiendo que tú le das caña, sobre todo con eso con agentes que dejas

[46:56] ahí Trabajando y es decir te dejas la máquina encendida anunciaba

[47:04] el linkedin digo que cuando apaga la guía se apaga todo no se ha hecho no ha hecho cuando

[47:10] apaga el ordenador la guía sigue por detrás cuando empiezan trabajo de verdad pues si

[47:18] es de una cosa muy parecida así a mí que me pasó Yo probé, bueno como yo soy AIS, a los

[47:24] AIS nos dan en OCI Nos dan unos créditos Para cacharrear, entonces dije Pues bueno, voy

[47:29] a ponerme una Una máquina virtual Más o menos, voy a darle cierta RAM Y cierto disco,

[47:36] que en realidad Tampoco consume mucho disco, consume más RAM Sobre todo en lo que dices

[47:40] Ejecutar modelos locales como Llama o algo así, se nota Que tarda su tiempo en responder

[47:46] Y que la respuesta no tiene nada que ver Sí, ni de lejos, pero bueno.

[47:51] Entonces, para todo lo que es como proveedor de tokens, diríamos, yo

[47:58] conocí gracias a uno de los alumnos de la academia, Fernando Andrade, que va a ser

[48:06] el que va a hacer la investigación de estudios y de laboratorios y tal, que me dijo,

[48:11] he conocido unos locos de Canarias que tienen un montonazo de GPUs y han hecho una cooperación.

[48:18] De no -logs, no -logs y no -trace.

[48:23] Montamos unas máquinas con todas estas GPUs, con todos estos modelos accesibles y laboratorio,

[48:31] es decir, prácticamente tokens infinitos.

[48:33] Pagas una mensualidad que es como pago a la comunidad, ¿no?

[48:38] Vamos a poner 70 euros para pagar cómputo de GPU y a partir de ahí usa el

[48:45] modelo que quieras y cachar y existirá con eso en ese vm de oracle monte hermes

[48:53] que también muy bien la gracia y lo que me sorprendió también es que le dices a ver beso

[48:59] la hermes por dónde empezamos y en vez de decir me tendré que bajar algún modelo en el

[49:06] primer setup no vamos a hacer esta quieres bajarte algún modelo te ofrecen así también

[49:11] o de de lo que puedes usar gratuito, más o menos accesible, ¿no?

[49:17] Lo mismo que OpenCode, te dicen también que si entras en esa suscripción mínima también

[49:23] tienes acceso a más. Y yo probé al principio con OpenRouter, que en principio es como

[49:29] si fuese un broker de tokens de OpenAI, Antropic y tal, y más o menos te balancea,

[49:37] entre comillas, según cuál es el más barato en el momento.

[49:40] Porque también encima esto es como la bolsa los tokens y los modelos van fluctuando y

[49:46] de pronto OpenRotter te decía yo voy a usar el que funcione mejor, que sea más barato

[49:50] y te voy a te voy a hacer un poco como de broker de broker de tokens pero en cuanto empecé

[49:56] a Dar un poquito de zapatilla, es que eran 10 euros, 10 euros, 10 euros, 10 euros, 10

[50:02] Espera, espera, espera, que llevamos una tarde

[50:06] Esto parece que estoy en el casino, estoy perdiendo aquí y

[50:11] y con estos canarios, se llaman Nan Builders, por si quieres echarlo un ojo.

[50:18] Esto es como muy loco. Hacen laboratorios, nada de esto está patrocinado.

[50:28] Estos no tienen ni idea de que estoy hablando de ellos, pero por compartir un poco lo

[50:32] que tenemos. Pues eso lo tienen en plan, como vamos a montarnos una comunidad cerrada,

[50:40] privada, ponemos dinero, pagamos GPUs y cuantos más seamos, más GPUs ponemos.

[50:46] Y el principio me gustó y sí, van haciendo como laboratorios y todo esto.

[50:51] Pero claro, para empezar, pues todo esto que la gente puede pensar, para montar agentes

[50:59] que se te puede disparar el consumo de tokens

[51:03] o cosas así que a lo mejor pueden dar un poquito de respeto de tu solución en la mía

[51:08] y otras que habrá si la gente puede saber que hay soluciones que no te arruinan, o sea,

[51:15] si eres autónomo y te gastas desde 50 a 70 euros al mes en una ya, pues dices, hombre,

[51:21] pues son 7 Netflix, pero pero es que es que lo que le sacas en aprendizaje y en

[51:28] progreso es tremendo. Sí, sí, absolutamente.

[51:32] Y de hecho, conectándolo a la parte de aprendizaje, el otro día hablaba con mi padre,

[51:38] que también está bastante enterado de la IA, y leyó una nueva investigación en

[51:45] la que se hacía una comparación entre gente que utilizaba la IA para aprender hoy en

[51:50] día versus gente que no puede aprender o que no utiliza la IA para aprender

[51:58] de ninguna manera, es decir, tiene métodos de estudio tradicionales y convencionales

[52:03] y los estudiantes, Por supuesto, los estudiantes con inteligencia artificial tenían más

[52:09] aprendizaje de los temas.

[52:12] Ya empezamos a ver también una mejoría en el estudio y en otros ámbitos en los que la

[52:19] IA se usa versus cuando no se utiliza.

[52:22] Uy, pues fíjate que yo en eso, no quiero decir que discrepe, pero sí pondría ahí un pequeño

[52:27] disclaimer. Creo que hay que enseñar a la gente a aprender con la IA

[52:34] y usar la IA para hacer algo que no quieres aprender.

[52:39] Es decir, los que están, te digo, tengo tres hijos de edad escolar que algunos

[52:47] de ellos dicen, a ver, Clau, hazme esto.

[52:51] Entonces dices, no, hazme no.

[52:53] Es decir, ¿cómo puedo hacer esto?

[52:55] Enséñame a hacer lo otro, pónmelo fácil, dame, es decir, no ir directamente a la solución,

[53:01] al atajo, porque el atajo no enseña, sino que no solamente a fuerza de verla,

[53:10] El aprendizaje que se llama perceptivo, que es el aprendizaje de exposición a modelos,

[53:16] que era, aquí hay anécdotas muy interesantes de cómo en la Segunda Guerra Mundial los

[53:20] observadores de aviones aprendían.

[53:23] La única forma era que se ponía una persona que salía y cuando veían un avión de lejos

[53:29] decían, ¿este qué es? ¿De los nuestros o es un avión nazi?

[53:31] Los británicos, ¿no? Entonces decían, de los nuestros, no, alarma, nazi, te has equivocado.

[53:38] Es decir, esa forma de aprendizaje, la exposición a modelos

[53:45] con una persona que te está haciendo matching, claro, es como una nueva forma de educación,

[53:52] una nueva forma de aprendizaje.

[53:53] Y creo que aprenden mucho los que están aprendiendo o les están instruyendo a cómo utilizar

[53:59] la IA como una herramienta de aprendizaje y hay algunos que están utilizando la IA como

[54:05] si la IA ya lo hace para qué lo voy a aprender y que estamos ahí con digamos como dos

[54:11] realidades que van un poco simultáneas.

[54:14] Ese pequeño disclaimer, sí, con especial atención a que no No caigamos en la vaguería.

[54:21] Sí, claro. Es decir, una cosa es decirle a la IA que te resuelva todo y otra es actualmente

[54:28] aprender. Es decir, para aprender necesitas tú un proceso crítico que te pase dentro

[54:32] de tu cerebro y decir, ostras, esto necesito

[54:37] entender por qué pasa. Esa es La pregunta clave, yo creo.

[54:42] Pero vamos, sobre todo en dinámicas, es decir, el estudio se basaba sobre todo en

[54:49] dinámicas de grupo de una clase, entonces el problema de las clases es que, pues normalmente

[54:56] estás 30 contra 1, hay un profesor pero 30 alumnos o 25, ¿depende, no?

[55:02] Pero es más de lo que un tutor puede comunicarse a la vez.

[55:08] Entonces yo creo que también se tenía en cuenta en el estudio el tema de que a una IA

[55:14] le puedes, tienes una disponibilidad de tu tutor todo el rato, versus en una clase que

[55:20] a lo mejor tienes una duda ahora mismo y el profesor está hablando, otra persona tiene

[55:25] otra duda y te tienes que esperar 20 minutos a preguntar la pregunta, todo el tiempo

[55:30] a lo mejor has perdido el hilo ya de la clase.

[55:32] Vamos, a mí ha pasado, sí, sí, y la enseñanza adaptada.

[55:39] Porque no es lo mismo una pregunta a un profesor y el profesor te responde lo mismo perdón

[55:46] profesor no entendido esto y te vuelvo a repetir lo mismo pues esto es esto es esto que

[55:49] pues no lo entiendo Pues ya te lo he explicado dos veces.

[55:51] Te lo explico tres. No, que la guía sí puede adaptar a

[55:59] la pregunta. ¿Qué parte has entendido?

[56:02] Esa enseñanza dedicada. A ver, ¿qué parte has entendido?

[56:05] Por es vale. Porque estás pensando esto, por lo que...

[56:07] Es decir, sí puede haber como un debate, que a lo mejor en clase no...

[56:11] Para tener el debate como el profe, es decir, pues no, entiendo.

[56:14] Y no me lo puedes explicar otra vez igual, porque otra vez igual no me sirve.

[56:18] Y la capacidad de enseñar también es de una persona es la misma, así que ahí se nos presenta

[56:24] un futuro bastante también interesante.

[56:26] El futuro es interesantísimo, de hecho es que vamos, yo creo que el futuro nunca ha sido

[56:33] tan interesante como ahora, y el presente, el presente también.

[56:36] Estamos viviendo, vamos, yo estoy emocionadísimo de vivir, no sé tú pero, o sea, tengo

[56:42] unas ganas locas de seguir viviendo y de seguir experimentando todas las cosas que están

[56:49] pasando, no solo porque me dediqué a esto, sino toda la vida he estado con ordenadores

[56:55] y cada día veo una noticia nueva que me hace

[57:00] Súper feliz porque es todo innovación y todo estamos

[57:06] Presenciando estamos, presenciando historia.

[57:10] Sí, y de hecho fíjate, había leído varias cosas, había una que decía: no supe comparar

[57:16] la guía con ninguno de los de los inventos que han existido hasta ahora, porque todos

[57:22] los inventos existidos hasta ahora no han dejado de ser una máquina al servicio de un

[57:29] hombre operador, es decir, el agente operador era siempre una persona.

[57:35] Se inventó el martillo, el martillo nunca funciona solo.

[57:40] Esto no ha existido nada, el coche lo pilota una persona, el tren, el avión.

[57:46] Hay un piloto ahí detrás.

[57:48] Toda la tecnología siempre ha ido a una extensión del humano.

[57:54] Y parece que la IA no es una extensión, es otra entidad nueva en la cual

[58:01] hay una interacción. Y no quiero decir de igual a igual, porque la IA no tiene.

[58:09] Pero a diferentes niveles de percepción.

[58:13] Los humanos tenemos una experiencia perceptual, sensorial, olfativa, de vida, que

[58:20] la IA no tiene. Por eso cuando la IA hacía un libro de rutas, de conoce Roma en siete

[58:27] días, la gente decía, vaya rutas, eso es imposible de hacer.

[58:30] Claro, no es lo mismo la persona que te arroja esto caminando, tienes

[58:37] esta experiencia. Ahí no vamos a competir porque estamos en diferentes, pero sí en un

[58:44] nuevo paradigma total. No es una herramienta ni es un algo, ¿no?

[58:50] Es un ser vivo, pero que vive en otras dimensiones temporales y físicas.

[58:56] Bueno, no vive en la dimensión física de momento, el 99 % no vive en la dimensión física,

[59:02] eso cambiará. Y lo más importante es que no operan en el tiempo como nosotros, es decir,

[59:09] es como más o menos la aplicación práctica de la teoría de la relatividad en los humanos

[59:16] entrando a un agujero negro, que a nosotros pasamos un día pensando que tenemos que gastar

[59:22] tanta energía cerebral, tantos vatios y julios en producir

[59:30] todas las proteínas que necesitamos en el cerebro para que el proceso de pensamiento

[59:37] funcione correctamente, pero la IA para la cantidad de energía que necesita para pensar

[59:44] lo que nuestra neurona piensa es muchísimo menos, entonces es como si fuera una cámara

[59:50] rápida para nosotros Te has distraído 5 minutos, miras la pantalla y ya he hecho 300

[59:57] cosas más, y dices, ¿cómo ha pasado esto en 5 minutos?

[60:02] Si esto me habría llevado a mí 5 minutos enteros a hacer una de estas 200 cosas hace

[60:07] 3 años. O cuando lees el feed, cuando lees el feed, es graciosísimo.

[60:14] Yo, por ejemplo, una de las cosas, yo he creado un agente para todos los episodios del

[60:20] podcast, yo digo un problema.

[60:23] Porque YouTube, el transcriptor de YouTube de texto, no es capaz de interpretar bien

[60:28] ni el español ni cuando los españoles decimos palabras técnicas.

[60:31] Si decimos Oracle Recovery Manager, como lo decimos en inglés, perfecto, nos dice pues

[60:37] "Oracle, recuérdame, recuérdame mañana".

[60:42] Claro, entonces en todo eso he tenido siempre una dificultad, no he podido transcribir

[60:47] los episodios, entonces, creé una gente que dijera, "oye, ¿por qué no transcribes episodio

[60:52] a episodio y le aplicamos un filtro, un filtro semántico de cuando se está hablando,

[60:58] si estamos hablando de, si el entrevistado es Nacho Martínez Jasper, pues Nacho Martínez

[61:05] lo que se parezca a Nacho Martínez en el contexto dirigido a Nacho Martínez bien, no

[61:10] me pongas algo que no tenga que ver, si estamos hablando de Oracle".

[61:15] Cole Vale, palabras hace un barrido así y entonces directamente dijo,

[61:22] vale, vale, no te preocupes, tengo los audios que los puedo descargar, voy a intentar

[61:26] descargar los audios, le voy a pasar el Whisper, este resultado de Whisper no me ha gustado,

[61:31] voy a pasar otro Whisper, pero con una con el nivel de precisión high.

[61:36] Uy, ahora Whisper me lo ha puesto todo.

[61:38] Voy a hacer por... Voy a separar por palabras.

[61:41] Voy a poner acentos. Voy a poner...

[61:43] Y yo así, mirando, digo...

[61:47] Oye, ¿y las palabras técnicas, tal?

[61:49] Sí, sí, venga, voy a incluir un diccionario para en cada pasada.

[61:53] Y entonces así me dice, vale, pues por cada episodio que son un...

[61:57] y todo, ¿no? Son más o menos unas cinco horas de trabajo.

[62:02] Para procesar todos los podcasts que tienes de Café de Atavés, voy a tardar más o menos

[62:06] la columna. Voy haciendo y te voy contando, ¿no?

[62:09] Y digo yo, ¡oh, qué maravilloso!

[62:12] Porque es precisamente ese trabajo que no, que no, a mí no me aporta nada hacerlo.

[62:19] Si yo me pongo a podcast, a transcribir, tampoco puedo tratar a una persona que transcribe,

[62:25] porque también es un trabajo de tortura, ¿no?

[62:27] Si conversas con esas personas tomándose un café, escríbemelo en texto.

[62:31] No me fastidies. Y a medida que lo iba haciendo, me lo iba a publicar, publicando en

[62:35] la web, y te publico el episodio con el enlace al vídeo, con toda la transcripción, con

[62:41] el resumen y episodio a episodio.

[62:44] Y se ha tirado así una semana.

[62:45] ¿Cómo vas? Yo de tanto en tanto iba la gente, ¿cómo vas?

[62:48] Y decía, voy por el episodio hoy.

[62:51] Y dices, wow, es que no se cansan.

[62:55] Yo vi un símil en redes sociales que decía, es un golem de silicio un golem de

[63:02] silicio que no duerme como decía una persona como no vas a cómo no vas a poder hacer

[63:07] tu trabajo hoy en día literalmente tienes un golem de silicio

[63:15] disponible 24 horas que no se cansa y no se distrae es brutal claro que

[63:22] sí oye pues si te parece ya Ya agendaremos, porque cuando

[63:30] Tengas un tiempo disponible para poder hacer esa sesión, vamos a hacer una sesión de

[63:36] práctica, ¿no? Que nos cuentes ahí, vas a tener tú la cámara, el escritorio, tú

[63:43] nos compartes y va a ser un gustazo ver cómo lo tienes montado.

[63:48] Sí, yo también tengo ganas de enseñaros.

[63:52] Tengo un montón de cosas que mostrar.

[63:56] Qué chulo, pues, oye, un placer hablar contigo, como siempre, quedamos para la siguiente,

[64:02] ya publicaremos la fe, ya iremos y no se nos escapará, no será muy tarde, cuando tú me

[64:06] digas, vale, encuentro tiempo para ti, vale, vale, perfecto, oye, muchísimas

[64:14] gracias, ha hecho un placer, nada, pero tras pasado bien también, sí, sí, tú también,

[64:18] no, yo siempre, o sea, es que de verdad es su gustazo y hablabas, no, tú

[64:25] estás emocionado, ¿no? Fíjate que con esto del podcast y con el proyecto de Café Database

[64:31] y poder hablar con gente como tú, que es genial,

[64:36] ¿No? Es decir, qué lujo poder tomarte un café con alguien de las personas que más te

[64:42] quieren. Qué lujo. Vamos, ¿no?

[64:46] What a time to be alive, ¿no?

[64:48] O sea, qué maravilloso. Yo encantado, por eso te vuelvo a decir, mi casa es tu casa,

[64:54] o sea, cada vez que quieras montar algún tinglao puedes hacerlo, cada curso que hagas

[65:00] cuéntalo en la comunidad de Discord porque la gente yo creo que los valora, son oro

[65:08] puro, así que Lo dicho, un abrazo muy fuerte y un hacer verte

[65:16] Hasta otra, chao