1
00:00:08,430 --> 00:00:11,570
Por fin. Muy buenas tardes, Nacho.

2
00:00:11,790 --> 00:00:13,670
¿Cómo estás? Buenas tardes.

3
00:00:13,690 --> 00:00:17,590
Muy bien. Hemos estado 15 minutos
ahí probando micros, cámaras, todo.

4
00:00:17,850 --> 00:00:22,294
Soy muy novato en esto de streamear por
YouTube y grabarnos en Discord a la vez.

5
00:00:22,590 --> 00:00:24,150
Pero lo hemos conseguido.

6
00:00:24,210 --> 00:00:26,490
14 minutos después. Sí, sí, sí.

7
00:00:26,710 --> 00:00:28,710
Nada, pues muy bien. Muchas gracias.

8
00:00:29,760 --> 00:00:31,538
Oye, y muchas gracias por venir.

9
00:00:31,720 --> 00:00:35,800
Tienes una agenda súper ocupadísima con
todos los bolos que estás haciendo de conferencias

10
00:00:35,840 --> 00:00:40,480
y de charlas. Así que es un
placer tenerte otra vez y gracias.

11
00:00:41,640 --> 00:00:44,760
Ah, hombre, es la segunda vez.

12
00:00:45,500 --> 00:00:47,500
Y estuviste cómoda la primera, ¿no?

13
00:00:48,300 --> 00:00:50,980
Quisiste repetir. Sí, sí, exacto.

14
00:00:51,970 --> 00:00:56,590
Pues claro, ahora ya vamos disparados.

15
00:00:56,590 --> 00:01:03,630
La IA agéntica, cuantísimas cosas
han pasado en IA y bueno, vamos a

16
00:01:03,630 --> 00:01:04,690
ir repasando un poquito todo.

17
00:01:04,730 --> 00:01:10,790
¿Qué quiero que hablemos en
esta horita, hora y poco?

18
00:01:11,970 --> 00:01:16,810
Quiero que hablemos sobre los cursos que
tienes gratis que hiciste con Andrew Ang.

19
00:01:17,010 --> 00:01:19,910
¿Se dice Ang? Ang, sí, se dice Ang.

20
00:01:20,650 --> 00:01:24,817
Los cursos gratuitos que tienes, que
son buenísimos, los he estado ojeando.

21
00:01:25,230 --> 00:01:29,830
Necesito un poquito más de tiempo para
poder cacharrear con ellos, pero están genial.

22
00:01:29,870 --> 00:01:33,481
Quiero que hablemos de la IA
agéntica y qué cosas estás haciendo.

23
00:01:34,010 --> 00:01:39,650
Tus laboratorios y las cosas que veo en tu
GitHub son siempre sorprendentes, pero es

24
00:01:39,650 --> 00:01:44,750
que cuando hablo contigo digo, madre mía,
o sea, pensé que Alucinaba y alucino mucho

25
00:01:44,750 --> 00:01:49,750
más. Que me cuentes qué estás haciendo en
Oracle y qué cosas tienes entre manos y, a

26
00:01:49,750 --> 00:01:52,510
partir de ahí, que me cuentes
todo lo que te dé la gana.

27
00:01:52,550 --> 00:01:54,250
Vale, me parece buen plan.

28
00:01:54,850 --> 00:01:59,410
Más o menos, tenemos una horita, que creo
que con esto a lo mejor hasta nos quedamos

29
00:01:59,450 --> 00:02:06,990
cortos, y decir, quiero cambiar un poquito
el marco de un poco de la dinámica del podcast.

30
00:02:06,990 --> 00:02:11,050
Como vamos a streamear en Youtube y es
posible que si alguien levanta la mano y sale,

31
00:02:11,090 --> 00:02:15,250
pues no salga en la emisión de Youtube,
vamos a dejar, si alguien tiene dudas, preguntas

32
00:02:15,290 --> 00:02:18,550
o quiere participar, de subir al
escenario al final del podcast.

33
00:02:18,590 --> 00:02:21,610
Si alguien tiene una pregunta, nos la hace
en el chat o algo así, nosotros la vamos a

34
00:02:21,650 --> 00:02:26,830
ver sin problemas, pero, es decir, yo
tengo algunos que me han hecho preguntas: "Oye,

35
00:02:26,850 --> 00:02:28,370
por favor, pregúntale a Nacho esto".

36
00:02:28,410 --> 00:02:31,354
Bueno, tengo unas cuantas
preguntas por ahí de gente.

37
00:02:31,550 --> 00:02:34,850
Pero si alguien quiere participar y quiere
subir al escenario, lo hacemos después, cuando

38
00:02:34,890 --> 00:02:42,050
acabemos. Porque así la retransmisión del
podcast, del YouTube, no se queda ahí pendiente

39
00:02:42,050 --> 00:02:44,610
de que hay una persona
hablando y no la escuchamos.

40
00:02:44,650 --> 00:02:49,870
De acuerdo, vamos a hacerlo así,
simplemente un poquito distinto, para que no rompa ese

41
00:02:49,870 --> 00:02:57,160
streameo de YouTube. Pues venga,
vamos por el primer punto.

42
00:02:57,500 --> 00:03:03,840
Venga, cuéntame las dos formaciones Que
las has compartido en Café de Atabase y no sé

43
00:03:03,840 --> 00:03:06,896
si alguno de los que está
escuchando ha podido asistir.

44
00:03:07,300 --> 00:03:12,880
Cuéntame la experiencia. O sea, primero,
¿cómo es la formación con un capo como Andrew

45
00:03:12,880 --> 00:03:15,660
Wang y qué tal le ha
subido la experiencia?

46
00:03:16,040 --> 00:03:21,240
Y cuéntame, cuéntame. Pues la
experiencia muy bonita, por supuesto.

47
00:03:21,620 --> 00:03:27,560
El primer curso me parece que lo grabamos
en enero, no, en febrero de este año.

48
00:03:28,000 --> 00:03:34,520
Y era la primera vez que iba a San
Francisco, además, así que estuvo muy bien como experiencia.

49
00:03:34,520 --> 00:03:42,280
Yo antes de hacer ningún
vídeo con él ya había visto

50
00:03:42,280 --> 00:03:49,600
por supuesto sus vídeos de icónicos de
stanford de computer science que habla de algoritmos

51
00:03:49,600 --> 00:03:54,460
también hablaba de inteligencia artificial
un montón de vídeos teóricos que tiene por

52
00:03:54,460 --> 00:03:56,500
internet y entonces ya los conocía.

53
00:03:56,500 --> 00:04:03,640
Cuando en el trabajo me dijeron, pues vamos
a hacer cursos con Deep Learning AI, con

54
00:04:03,640 --> 00:04:10,420
Andrew Yang, dije wow, que lujazo, pero no
sabía todavía que iba a ser yo la persona

55
00:04:10,420 --> 00:04:18,400
que se encargaría. Entonces
nos pusimos a trabajar y con

56
00:04:18,400 --> 00:04:21,040
las cosas más recientes que
estábamos haciendo en el trabajo.

57
00:04:21,080 --> 00:04:28,220
Estábamos investigando mucho sobre la
memoria y cómo conectar algunos de los temas

58
00:04:28,220 --> 00:04:29,080
de inteligencia artificial.

59
00:04:29,120 --> 00:04:36,120
Que estaban saliendo en el
dominio, en el espacio, con

60
00:04:36,120 --> 00:04:43,540
las cosas que hacemos en el trabajo
que normalmente no es del todo

61
00:04:43,540 --> 00:04:46,940
fácil Porque son temas muy innovadores.

62
00:04:47,040 --> 00:04:53,670
Entonces la idea que mucha gente tiene de
la base de datos de Oracle es que es una base

63
00:04:53,670 --> 00:04:59,610
de datos de una empresa enorme y parte

64
00:05:00,890 --> 00:05:05,850
De eso también tiene que ver con la
percepción que tiene la gente de que Oracle también

65
00:05:05,850 --> 00:05:11,890
es una empresa que a veces queda
anticuada, entonces mi trabajo en parte es hacer que

66
00:05:11,890 --> 00:05:18,390
esa percepción cambie de la gente, que
vean que ahora con también hace cosas muy interesantes.

67
00:05:18,390 --> 00:05:25,970
Y entonces pues el tema de la
memoria, de los modelos que estaban

68
00:05:25,970 --> 00:05:32,230
bien pero no estaban del todo bien, podían
hacer cosas de manera autónoma pero no tenían

69
00:05:32,230 --> 00:05:40,090
alguna autonomía altísima y la calidad
no era del todo buena, sobre todo cuando

70
00:05:40,090 --> 00:05:45,220
tienes una conversación y
acaba la conversación la

71
00:05:46,310 --> 00:05:51,170
mayoría de veces y hoy en día también, es
decir, esto se lleva aplicando desde el principio

72
00:05:51,210 --> 00:05:57,870
de los modelos de lenguaje con atención,
es que las cosas no se aprenden del todo.

73
00:05:59,650 --> 00:06:06,950
Haces algo pero lo máximo que suele hacer
el modelo es escribir a un archivo, oye

74
00:06:06,950 --> 00:06:13,830
he hecho estas 30 cosas durante esta
implementación, lo voy a dejar en un archivo Markdown

75
00:06:13,830 --> 00:06:21,070
en el fondo del repositorio y luego
ya si la siguiente conversación

76
00:06:21,070 --> 00:06:26,990
quieres debes hacer algo parecido, a lo
mejor preferenciarás ese archivo, a lo mejor

77
00:06:26,990 --> 00:06:34,220
no. Pero con la memoria o implementando
ciertas cosas de memoria como tenemos

78
00:06:34,220 --> 00:06:38,860
los humanos, intentando asimilar las cosas
que tenemos en la memoria nosotros, también

79
00:06:38,900 --> 00:06:45,360
se puede hacer que los modelos aprendan un
poco más humanamente y no simplemente se pongan

80
00:06:45,360 --> 00:06:48,138
a escribir 10 .000 líneas
de código en un archivo.

81
00:06:49,160 --> 00:06:55,320
La idea era combinar ambas y con los
cursos, los dos cursos que hemos lanzado, uno es

82
00:06:55,320 --> 00:07:01,160
de, se llama cómo construir, bueno el
curso lo voy a decir el nombre por si alguien lo

83
00:07:01,160 --> 00:07:06,780
quiere buscar el título, se llama Building
Memory Aware Agents, es el primero y luego

84
00:07:06,780 --> 00:07:09,020
está Building Adaptive AI Agents.

85
00:07:09,020 --> 00:07:14,180
Son dos tipos de cursos que más o menos
van de lo mismo, de la memoria y de cómo estructurar

86
00:07:14,180 --> 00:07:21,220
todas las cosas que se pueden hacer a
nivel programático para crear un harness,

87
00:07:21,460 --> 00:07:26,840
que ya veremos lo que es, pero vamos,
como por ejemplo, Cloud Code, Codex, etc.

88
00:07:28,160 --> 00:07:35,530
Para hacer que los harnesses funcionen
correctamente y que tengan partes

89
00:07:35,530 --> 00:07:38,690
de memoria implementadas en este software.

90
00:07:38,690 --> 00:07:43,390
Qué bien. Voy a decir
una cosita, una cuña.

91
00:07:43,470 --> 00:07:48,790
En el canal de IA de Café Database vamos a
poner los enlaces a los dos cursos, que son

92
00:07:48,790 --> 00:07:53,990
dos cursos que están en la academia de
Andrew Ang, en verdad que es suya, ¿no?

93
00:07:54,050 --> 00:07:59,010
Él había montado Coursera y él se ha
montado también este Deep Learning ahí, ¿no?

94
00:07:59,310 --> 00:08:05,050
Esos dos cursos están completamente
gratis, están totalmente abiertos y ¿nivel de entrada?

95
00:08:05,050 --> 00:08:12,290
Pude empezar con cero conocimiento
prácticamente, porque explicamos todos los conceptos

96
00:08:12,290 --> 00:08:20,070
desde cero. Pues genial. El equipo de Deep
Learning AI es brutal, porque cuando grabamos

97
00:08:20,070 --> 00:08:27,490
las cosas parecía que iba a haber mil
errores, sobre todo pues como tienes que decir

98
00:08:27,490 --> 00:08:33,770
todo más o menos perfecto, digo Digo, wow,
he cometido 100 errores y luego parece que

99
00:08:33,770 --> 00:08:36,730
no hay ningún error en
ninguno de los cursos.

100
00:08:36,810 --> 00:08:42,510
Así que la calidad, yo no sé editar vídeos
ni nada parecido, pero me parece brutal la

101
00:08:42,510 --> 00:08:45,270
gente que es capaz de
editar vídeos a ese nivel.

102
00:08:45,810 --> 00:08:47,470
Es decir, ¿qué ha pasado aquí?

103
00:08:47,510 --> 00:08:50,290
Es otro vídeo completamente distinto.

104
00:08:50,960 --> 00:08:53,220
Sí, sí, sí, sí. Doy fe, doy fe.

105
00:08:53,460 --> 00:08:57,180
Yo he visto, son una
formación a calidad buenísima.

106
00:08:57,180 --> 00:09:01,580
Muy breve, muy concreta. Son dos
horas más o menos cada curso.

107
00:09:02,020 --> 00:09:06,400
O sea que es algo que se puede Hacer
cualquiera y que te coloca muy bien en todo el tema

108
00:09:06,440 --> 00:09:13,580
de esta IA. Ya voy a la charla
IAgéntica porque al final ya no estamos

109
00:09:13,580 --> 00:09:20,320
hablando solamente del usuario que utiliza
Cloud o utiliza HGPT, sino que va un poquito

110
00:09:20,320 --> 00:09:27,500
más allá. Te iba a hablar de un término
que no sé si lo usas, pero Carla Muñoz lo

111
00:09:27,500 --> 00:09:32,444
dijo en el podcast, dijo, cada vez hay más
empresas que quieren tener la IA en su sótano.

112
00:09:33,730 --> 00:09:36,810
Entonces, el concepto
de tener una IA, ¿no?

113
00:09:37,030 --> 00:09:44,330
Es decir, yo quiero hacer cosas, pero
no quiero que lo sepa ni Sam Altman

114
00:09:44,330 --> 00:09:49,450
ni la gente de Antropic. Pic, yo quiero
tener, digamos, como mis objetos iniciales de

115
00:09:49,450 --> 00:09:51,394
mi empresa y tal, los quiero tener,

116
00:09:52,390 --> 00:09:57,810
digamos, dentro de un control mío, de mis
servidores, o de lo que se está muy relacionado

117
00:09:57,810 --> 00:10:04,670
también con esto, montarte un arnés propio
y empezar a desarrollar y así, sí, sí, o sea,

118
00:10:04,670 --> 00:10:11,490
aparte de usar modelos, por ejemplo, open
waves, que puedes dejar en tu casa o correr

119
00:10:11,490 --> 00:10:18,520
desde tu casa y la. La mayoría de
estos modelos normalmente van a un

120
00:10:18,520 --> 00:10:24,600
framework de inferencia que te permite
hacer las peticiones y estandarizar toda la comunicación

121
00:10:24,600 --> 00:10:29,960
con los modelos open source, que
normalmente son, yo diría, tres o cuatro.

122
00:10:29,960 --> 00:10:36,590
Tienes frameworks como por ejemplo
Lama CPP, que está hecho en C++.

123
00:10:37,290 --> 00:10:44,970
Luego tienes, bueno, tienes algunos otros,
pero por ejemplo, O Lama es otro, VLLM

124
00:10:44,970 --> 00:10:47,810
es otro, que es, yo creo,
el más potente de todos.

125
00:10:47,810 --> 00:10:54,850
Y todos estos modelos Open Source que tú
puedes ejecutar en casa si quieres, tienen

126
00:10:54,850 --> 00:11:01,850
o siguen normalmente los protocolos
de las APIs APIs de especificación

127
00:11:01,850 --> 00:11:03,450
para comunicarse con esos modelos.

128
00:11:03,490 --> 00:11:09,470
Por ejemplo, si el modelo ha sido entrenado
por OpenAI o viene a partir de un modelo

129
00:11:09,470 --> 00:11:13,930
de OpenAI, pues entonces va a seguir el
protocolo de OpenAI para hacer Las peticiones

130
00:11:13,970 --> 00:11:19,350
entonces, si tienes tú un framework de estos
o te lo descargas porque son todos open

131
00:11:19,350 --> 00:11:27,760
source, sí, el 99 % son open
source, puedes literalmente

132
00:11:27,760 --> 00:11:34,920
tener tu propio sistema, en vez de hacer
peticiones, tener tu suscripción, es

133
00:11:34,920 --> 00:11:40,780
90 -200 dólares al mes, que hay
gente que se gasta 200, yo no.

134
00:11:40,780 --> 00:11:48,120
Ahora te diré y te puedo explicar cómo
hago para que me salga muy muy barato cuenta trucos

135
00:11:48,120 --> 00:11:54,560
cuenta trucos o sea tengo un montón un
montón de trucos pero los míos yo tengo algunos

136
00:11:54,560 --> 00:12:01,590
también vale vale ahora ahora los comparamos
sí pero eso que se puede tener en casa

137
00:12:01,590 --> 00:12:08,770
una una vamos con un poco de
inversión depende de cuánto quieras

138
00:12:08,770 --> 00:12:14,110
gastarte y de qué modelos quieras ejecutar
pero se pueden ejecutar modelos muy buenos

139
00:12:14,110 --> 00:12:20,290
de hay modelos ya súper súper comprimidos
de 30 mil millones de parámetros o menos en

140
00:12:20,290 --> 00:12:27,450
unión yo diría que al 60
por ciento al nivel de sonet

141
00:12:27,450 --> 00:12:34,590
4 .5 está bastante Sí, de momento.

142
00:12:34,830 --> 00:12:42,140
Y son modelos súper, súper comprimidos,
porque SONET en esa época creo que tenía 2 .000

143
00:12:42,140 --> 00:12:49,520
millones de parámetros, 3 .000 millones,
me estoy refiriendo, 3 trillones, si hablamos

144
00:12:49,520 --> 00:12:53,330
en lo, sí, 3 trillones de
parámetros aproximadamente.

145
00:12:53,330 --> 00:13:00,580
Estimadamente entonces, ¿cómo se puede
tener un modelo de 30 .000 millones de parámetros,

146
00:13:00,660 --> 00:13:08,030
que es más o menos 100 veces menos, 1 .000
veces menos de tamaño, que Un modelo enorme

147
00:13:08,030 --> 00:13:12,530
100 veces menos, y aún así
tener una inteligencia parecida?

148
00:13:12,870 --> 00:13:17,650
Por un montón de cosas que los chinos,
sobre todo los chinos, están haciendo.

149
00:13:17,650 --> 00:13:24,770
Lo que están haciendo y si están
he escuchado una charla que has

150
00:13:24,770 --> 00:13:31,890
tenido hace poco y contabas un poco que
por traer algunas reflexiones que hablabas gracias

151
00:13:31,890 --> 00:13:38,710
a los modelos open source se está demo
democratizando un poquito el acceso a la guía

152
00:13:38,710 --> 00:13:45,810
es acceso entre comillas universal aunque
pero si la IA está accesible a un montón de

153
00:13:45,810 --> 00:13:51,710
gente sin necesidad a lo mejor de unas
grandes inversiones, que solo las grandes corporaciones

154
00:13:51,710 --> 00:13:58,130
pueden usar la IA, pequeños autónomos,
pequeñas personas pueden utilizar la IA para aprendizaje,

155
00:13:58,130 --> 00:14:03,070
para un costo más o menos económico, y
decías que todo esto era gracias a los modelos

156
00:14:03,070 --> 00:14:08,530
open source, que otra vez vuelve el open
source a salvarnos un poco la vida se nos la

157
00:14:08,530 --> 00:14:12,510
salvó con Linux con los modelos

158
00:14:14,310 --> 00:14:21,570
Eliminar ese monopolio decías la utopía
diríamos una distopía si no tuviéramos

159
00:14:21,570 --> 00:14:28,970
los modelos lo dije en otro podcast que
tendríamos un grave problema un gravísimo

160
00:14:28,970 --> 00:14:36,760
problema si lo pensáis porque
primero los modelos que existen

161
00:14:36,760 --> 00:14:43,100
hoy en día, los Frontier Labs por ejemplo,
OpenAI, Anthropic y Google Demand a lo mejor,

162
00:14:43,200 --> 00:14:48,960
esos tres esas tres empresas que se
dedican a desarrollaría, podrían poner los precios

163
00:14:48,960 --> 00:14:54,480
arbitrarios que les da la gana y nadie
podría decirles lo contrario, ¿por qué?

164
00:14:54,580 --> 00:15:01,620
Porque si solamente hay tres modelos
disponibles y son la única forma de

165
00:15:01,620 --> 00:15:05,220
consumir inteligencia artificial, te
pueden decir que cada petición vale un millón de

166
00:15:05,260 --> 00:15:10,820
euros Y te lo tienes que creer, porque
en el futuro ya bajarán los precios.

167
00:15:11,080 --> 00:15:16,980
Entonces, si hay una alternativa que cualquier
persona del mundo puede coger y poner

168
00:15:16,980 --> 00:15:24,560
en una tarjeta gráfica, eso yo creo que
les duele mucho, en parte, porque les quita

169
00:15:24,560 --> 00:15:30,900
el monopolio. Es como parte de la
descentralización que pasó con las blockchain cuando

170
00:15:30,900 --> 00:15:32,320
empezó el tema de cripto.

171
00:15:32,880 --> 00:15:40,020
El problema es que no había
forma de que una autoridad única

172
00:15:40,020 --> 00:15:48,490
o gubernamental, que normalmente cogen
mucho poder, o empresas trillonarias

173
00:15:48,490 --> 00:15:52,480
también, que no tengan el poder
absoluto sobre el precio de las cosas.

174
00:15:52,480 --> 00:15:59,580
Entonces, si haces algo mejor o parecido a
lo mejor, pero 10 veces más barato, La persona

175
00:15:59,580 --> 00:16:03,840
que está haciendo esas cosas 10 veces más
barato entiende que ya no vale 10 veces más.

176
00:16:03,880 --> 00:16:06,500
Ahora vale a lo mejor 5 o 2.

177
00:16:06,500 --> 00:16:13,670
Entonces, en ese sentido, los chinos
supongo lo hacen estratégicamente para

178
00:16:13,670 --> 00:16:20,530
ganar porcentaje de usuarios y de
desarrolladores y tal, pero es muy importante que los

179
00:16:20,530 --> 00:16:25,230
modelos open source y otros modelos
estén open source y open wage.

180
00:16:25,230 --> 00:16:30,550
Eso yo diría que es un poco distinto pero
estos modelos están desarrollando es importantísimo

181
00:16:30,550 --> 00:16:36,310
por eso porque los precios ya no son
arbitrarios y ya no hay tres personas en el mundo

182
00:16:36,310 --> 00:16:42,080
que eligen el precio de la guía y segundo
porque tienen un montón de innovación y un

183
00:16:42,080 --> 00:16:46,760
montón de estrategias que están haciendo
por ejemplo fueron los primeros en probar algunas

184
00:16:46,800 --> 00:16:53,860
arquitecturas de modelos de texto
por ejemplo probaron primero el

185
00:16:53,860 --> 00:16:59,160
mixture of experts que básicamente es en
vez de tener un modelo de tres trillones de

186
00:16:59,160 --> 00:17:06,270
parámetros entrenado para hacer de
todo pues tenías un modelo de tres

187
00:17:06,270 --> 00:17:10,850
millones de tres trillones de parámetros
el número de parámetros no cambia pero en vez

188
00:17:10,890 --> 00:17:18,130
de tener un modelo tienes
como 48 96 o 100 200 modelos

189
00:17:18,130 --> 00:17:25,110
en muy muy pequeños dentro de ese que se
llaman expertos y están súper súper entrenados

190
00:17:25,110 --> 00:17:30,700
con reinforcement learning para resolver
un tipo de problema en específico por ejemplo

191
00:17:30,700 --> 00:17:38,300
un experto para mates Un experto para
historia un experto Para resolver o escribir documentos

192
00:17:38,300 --> 00:17:45,160
PDF, etc. Entonces los combinas y solo
activas los parámetros activos que se llaman,

193
00:17:45,260 --> 00:17:52,400
solo activas el experto o el grupo de
expertos necesario para resolver cada problema.

194
00:17:52,400 --> 00:17:58,580
Entonces, en vez de tener 3 trillones de
parámetros activos en la RAM, puedes tener un

195
00:17:58,580 --> 00:18:03,720
modelo que está cargado a lo mejor y
activamente solamente tiene 30 .000 millones de

196
00:18:03,720 --> 00:18:07,560
parámetros, que es a lo mejor el 3 %
de todos los parámetros del modelo.

197
00:18:07,600 --> 00:18:13,800
También han probado arquitecturas híbridas
para cosas de visión y nuevas cosas que están

198
00:18:13,800 --> 00:18:18,460
haciendo. Son también muy buenos en el
tema de inferencia porque me parece que son el

199
00:18:18,500 --> 00:18:24,420
único, bueno, no me estoy refiriéndome a
China, pero cuando me refiero a China me estoy

200
00:18:24,420 --> 00:18:31,540
refiriendo a los creadores de GLM,
que es z .ai, z .ai, no sé hablar

201
00:18:31,540 --> 00:18:36,760
chino así que no voy a hacer
el ridículo, y DeepSeek.

202
00:18:36,760 --> 00:18:43,820
Y Alibaba bueno, Alibaba es una empresa
de las más grandes del mundo que son los

203
00:18:43,820 --> 00:18:49,740
dueños de Aliexpress y de muchísimas otras
empresas pero vamos, Temu creo que también

204
00:18:49,740 --> 00:18:56,100
la idea es que estas empresas las llamo
China porque no es el gobierno chino para nada,

205
00:18:56,220 --> 00:19:03,110
son empresas privadas Y lo que pasa es que
tienen una filosofía distinta a la filosofía

206
00:19:03,110 --> 00:19:09,610
que tienen las empresas esas
internacionales que no son de China, que es que los otros,

207
00:19:09,810 --> 00:19:14,800
o sea estos laboratorios de
investigación, los chinos

208
00:19:16,470 --> 00:19:21,210
Publican los valores de la red
neuronal, es decir, si tú quieres

209
00:19:22,640 --> 00:19:26,340
Coger los medios creados,
claro, esto es OpenWeights.

210
00:19:26,340 --> 00:19:31,540
Entonces, OpenWeights es simplemente que
los pesos de la red neuronal están públicos

211
00:19:31,540 --> 00:19:36,680
y puedes cogerlos, editarlos y
hacer modificaciones que tú quieras.

212
00:19:36,740 --> 00:19:43,780
Hay gente que luego ya veremos que hay
estrategias que la gente hace para aprovecharse

213
00:19:43,780 --> 00:19:49,860
de esto de una manera maliciosa, pero también
es completamente válido porque, bueno,

214
00:19:49,920 --> 00:19:55,740
si algo es público es una consecuencia
de tener las cosas públicas.

215
00:19:55,740 --> 00:19:59,760
Pero no lo veo malo, lo veo simplemente
una consecuencia de tener acceso a la información

216
00:19:59,800 --> 00:20:04,340
como llevamos toda la vida
teniéndolo en otros dominios.

217
00:20:08,040 --> 00:20:15,020
Por ejemplo, hay gente que coge estos
modelos y elimina las refusals que tienen los modelos.

218
00:20:15,020 --> 00:20:22,430
¿Cómo haces esto? Analizas
un stream de tokens que

219
00:20:22,430 --> 00:20:29,900
se genera cuando le haces ciertas
preguntas, analizas cuáles son las neuronas

220
00:20:29,900 --> 00:20:34,440
que se han activado y más o menos,
dependiendo del dominio que le estás hablando, sabes

221
00:20:34,480 --> 00:20:36,920
más o menos las neuronas
que se van a activar.

222
00:20:36,960 --> 00:20:41,820
Entonces, si quieres eliminar algo, un
comportamiento, eso es extremadamente fácil.

223
00:20:42,180 --> 00:20:48,340
De hecho, las dos cosas más fáciles que
puedes hacer en un modelo es eliminar un comportamiento

224
00:20:48,340 --> 00:20:51,100
o adaptar un comportamiento
que ya existe en el modelo.

225
00:20:51,140 --> 00:20:57,160
Por ejemplo, le digo, pues me quiero hacer
un modelo que sea extremadamente, de hecho

226
00:20:57,160 --> 00:21:04,000
lo hice en uno de los cursos de Andrew
Wang, hay una parte que va de cómo modificar un

227
00:21:04,000 --> 00:21:09,260
modelo open weights y cuáles son las cosas
que tienes que hacer y cuáles son las estrategias,

228
00:21:09,260 --> 00:21:15,360
está ahí en el curso, en plan la parte
técnica, pero para hacerlos tienes a lo mejor

229
00:21:15,360 --> 00:21:20,480
que eliminar un pequeño porcentaje de las
neuronas, las sobrescribes, es como si los

230
00:21:20,480 --> 00:21:27,710
humanos nos hiciéramos una lobotomía,
una pequeña lobotomía, pero en todo el

231
00:21:27,710 --> 00:21:31,370
cerebro, solo un trocito del
cerebro lo coges y lo reescribes.

232
00:21:31,510 --> 00:21:37,930
Y entonces como que lo inhibes a que
no haga o a que sí haga ciertas cosas.

233
00:21:37,930 --> 00:21:44,950
Por ejemplo, hay modelos que Cogen el
modelo y lo adaptan para que sea malicioso

234
00:21:44,950 --> 00:21:50,990
en ciberseguridad y que no te diga no, no
puedo hacer esta tarea de ciberseguridad.

235
00:21:52,130 --> 00:21:59,330
Cogen todos esos prompts maliciosos,
los analizan y dicen, ostras, acabo

236
00:21:59,330 --> 00:22:06,490
de crear un modelo que es open weights,
pero tiene capacidad de hackear o cosas así.

237
00:22:06,490 --> 00:22:12,450
Y hay modelos que están tuneados para todo
tipo de cosas y eso es consecuencia de tener

238
00:22:12,450 --> 00:22:13,570
los modelos open -weight.

239
00:22:13,610 --> 00:22:16,850
O para que hablen poco
o para que hablen poco.

240
00:22:17,130 --> 00:22:21,730
Para decir, quiero que no se
gaste tokens en narrativa.

241
00:22:22,250 --> 00:22:24,361
Dime, sí, no se puede no, no se puede.

242
00:22:25,010 --> 00:22:31,220
Mejor hago esto para es decir,
para que sean lo menos...

243
00:22:31,220 --> 00:22:38,520
Sí, menos elocuentes, más elocuentes también,
más agradables, de hecho yo en Hugging

244
00:22:38,520 --> 00:22:45,520
Face tengo un modelo mío propio que tiene
muy pocos parámetros, pero es un modelo

245
00:22:45,520 --> 00:22:52,610
súper polite, súper educado,
que lo hice para que la

246
00:22:52,610 --> 00:22:56,970
gente entienda que se pueden hacer modelos
con distintos comportamientos, Puedes replicar

247
00:22:57,010 --> 00:23:01,150
la forma de hablar de un famoso,
puedes hacer lo que quieras.

248
00:23:01,410 --> 00:23:07,910
Y es parte, en parte es lo bonito de
entender la parte de las arquitecturas de los modelos

249
00:23:07,910 --> 00:23:12,090
por dentro también, que puedes, si sabes
la arquitectura, pues puedes hacer más o menos

250
00:23:12,130 --> 00:23:17,040
el, entender cómo funciona y
cambiar estos comportamientos.

251
00:23:17,360 --> 00:23:19,500
¿Eso es lo que se le llama fine tuning?

252
00:23:19,540 --> 00:23:27,400
Fine tuning Es, sí, sí, es decir, fine
tuning es como una parte de reentrenar

253
00:23:27,400 --> 00:23:33,100
el modelo, pero solamente intentando
minimizar el porcentaje y el tiempo que gastas en

254
00:23:33,100 --> 00:23:40,200
el entrenamiento. Si necesitas, por
ejemplo, reentrenar a lo mejor el 30 %

255
00:23:40,200 --> 00:23:45,800
de las neuronas o el 10, incluso
el 20%, 25 % ya es un problema.

256
00:23:46,650 --> 00:23:51,470
Entonces a eso ya normalmente ya no se le
llama fine tuning, ya estarías haciendo otra

257
00:23:51,470 --> 00:23:54,090
versión de un modelo base.

258
00:23:54,090 --> 00:24:00,030
Pero fine tuning en teoría está hecho para
modificar cuantas menos neuronas posibles

259
00:24:00,030 --> 00:24:07,860
para conseguir el máximo cambio de
comportamiento posible en la red neuronal

260
00:24:07,860 --> 00:24:12,340
que los modelos del lenguaje todos los
modelos pero los del lenguaje también son redes

261
00:24:12,380 --> 00:24:19,060
neuronales. Te escuchaba ahora y te
escuchaba también en esta otra charla que dabas y

262
00:24:19,060 --> 00:24:21,120
parece que estamos hablando de

263
00:24:22,020 --> 00:24:26,580
neurocirugía. Parece que estamos hablando
de la IA como un cerebro en el cual decimos

264
00:24:26,620 --> 00:24:32,840
aquí tengo estas áreas, aquí tengo esas
áreas y si yo apago estas ciertas áreas, me quedo

265
00:24:32,840 --> 00:24:40,010
con un cerebro que solamente tiene cálculo
matemático, pues tengo un cerebro con un mínimo

266
00:24:40,010 --> 00:24:47,030
coste. Es decir, parece que que estamos
entrando en esa en esa analogía pero pero pero

267
00:24:47,030 --> 00:24:54,240
muy real no, sí, sí, y yo creo que en
parte el tema de los expertos de tener pues

268
00:24:54,240 --> 00:24:58,520
expertos súper tontos en cualquier cosa
menos en lo que se le ha entrenado.

269
00:24:58,520 --> 00:25:03,040
Es más o menos como los humanos, lo que
pasa que los humanos vamos normalmente lo tenemos

270
00:25:03,080 --> 00:25:09,060
entendido que durante los primeros años de
formación académica tienes una formación académica,

271
00:25:09,060 --> 00:25:14,820
la gente es decimos ve al colegio y esa es
parte de nuestro entrenamiento de nuestra

272
00:25:14,820 --> 00:25:22,030
propia red neuronal en el cerebro, pero
vamos la mayoría de los humanos vamos y

273
00:25:22,030 --> 00:25:26,650
tenemos un conocimiento más general sobre
cosas, nunca vas a encontrarte una persona

274
00:25:26,690 --> 00:25:33,790
que no sepa comer por ejemplo, o que
no sepa no sé ciertas cosas que no sepa

275
00:25:33,790 --> 00:25:40,870
respirar, es decir hay cosas también en
la sociedad que aprendemos y todo el mundo

276
00:25:40,870 --> 00:25:45,650
tiene ese conocimiento general, pero en un
modelo de lenguaje pues como no tienen cuerpo

277
00:25:45,690 --> 00:25:51,330
pues no necesitan ciertas cosas, no,
entonces le puedes hacer, le puedes decir, "vale,

278
00:25:51,330 --> 00:25:57,660
a partir de tu año, tu primer año solo vas
a ver libros de matemáticas, por ejemplo,

279
00:25:57,660 --> 00:26:02,940
son lo único que puedes con lo que puedes
interactuar en el mundo son con libros de de

280
00:26:02,940 --> 00:26:10,090
matemáticas", entonces la conversación
se vuelve, bueno, se vuelve psicótica si

281
00:26:10,090 --> 00:26:16,770
fueras un humano, no. Vamos un humano no
ciertamente no podría sobrevivir algo así pero

282
00:26:16,770 --> 00:26:23,610
y pues a un bebé de un año por poner la
analogía siempre que me gusta si a un bebé de

283
00:26:23,610 --> 00:26:31,140
un año le pones yo que 100
libros de cosas legales,

284
00:26:31,220 --> 00:26:38,790
va a ser un genio en ser
abogado, por ejemplo, o

285
00:26:38,790 --> 00:26:44,250
en ser purista, va a ser el mejor que te
puedas encontrar del mundo porque solamente

286
00:26:44,250 --> 00:26:50,350
tiene ese vocabulario y ese dominio de
palabras para comunicarse con el exterior, con

287
00:26:50,350 --> 00:26:55,490
el resto de humanos. Pues los modelos de
lenguaje es parecido, lo que le das en el entrenamiento

288
00:26:55,530 --> 00:27:01,180
ya se vuelve más o menos un mundo, todo lo
que conoce y todo lo que se puede comunicar.

289
00:27:02,650 --> 00:27:10,160
Qué grande, qué grande. Es
todo un nuevo paradigma dentro

290
00:27:10,160 --> 00:27:11,680
de... Esto va a cambiar todo.

291
00:27:11,720 --> 00:27:15,300
Va a cambiar la forma en la que
trabajamos, la forma en la que estudiamos, la forma en

292
00:27:15,340 --> 00:27:18,396
la que aprendemos, la forma
en la que nos relacionamos.

293
00:27:18,880 --> 00:27:23,420
Decías un poco que siempre vamos a estar
nosotros los humanos como supervisores hasta

294
00:27:23,460 --> 00:27:28,840
que la inteligencia sea la nueva
supercivilización que nos gobierne.

295
00:27:28,840 --> 00:27:36,100
Y metemos aquí todas las discusiones
éticas y todo esto, yo a veces

296
00:27:36,100 --> 00:27:43,020
hablando de esto, sin entrar en política,
porque digo, no hay nadie al volante, no veo

297
00:27:43,020 --> 00:27:49,900
a nivel político, no veo a alguien que
diga, uy, esta persona me parece razonable, le

298
00:27:50,160 --> 00:27:54,900
pondría el país en manos de este
político local o extranjero.

299
00:27:54,900 --> 00:28:02,000
Y digo, pero si viene una IA,
un partido IA, que alguien diga,

300
00:28:02,080 --> 00:28:09,580
vamos a poner los modelos, vamos
a dotar de ética, de principios

301
00:28:09,580 --> 00:28:16,140
sociales, los derechos humanos, no sé qué,
y que con una mínima supervisión humana nos

302
00:28:16,140 --> 00:28:23,080
gobierne. Todo esto por todos los mensajes
apocalípticos de vamos a morir todos y el

303
00:28:23,080 --> 00:28:28,640
científico que decía que estamos abogados
a la IA, a lo mejor destruye a la humanidad.

304
00:28:29,120 --> 00:28:32,100
Quizá la solución está
en este nuevo paradigma.

305
00:28:32,300 --> 00:28:37,280
Está sucediendo, ¿no? Yo
lo he pensado, que sería

306
00:28:38,720 --> 00:28:45,020
Interesante poder ver a lo mejor una
inteligencia artificial, porque en parte la gente

307
00:28:45,020 --> 00:28:50,960
trata a las inteligencias artificiales
hoy en día como si fueran en parte Dios.

308
00:28:50,960 --> 00:28:52,900
Dios, ¿por qué digo esto?

309
00:28:53,140 --> 00:28:59,240
Y no intento blasfemar, pero las
inteligencias artificiales ya saben muchísimo más que

310
00:28:59,240 --> 00:29:06,370
los humanos, entonces, a nivel,
tengo razón o no, y me di cuenta

311
00:29:06,370 --> 00:29:12,010
el otro día, estaba viendo un vídeo en
YouTube de League of Legends, y había una persona

312
00:29:12,010 --> 00:29:19,010
que tenía un argumento, y yo dije, esta
era la forma en la que antes los humanos discutíamos.

313
00:29:19,010 --> 00:29:25,330
Porque un humano el humano uno tenía una
pregunta de algo o una opinión sobre algo no

314
00:29:25,330 --> 00:29:29,970
y la otra persona tenía una opinión
diferente entonces las conversaciones hace tres años

315
00:29:30,010 --> 00:29:36,380
y hoy en día han cambiado absolutamente me
pongo el ejemplo y es que es una locura estás

316
00:29:36,380 --> 00:29:41,000
discutiendo con alguien y dices vamos
vamos a preguntarlo a la y a ver quién tiene razón

317
00:29:41,040 --> 00:29:48,880
y tú o yo o sea ya se Se ha
terminado la forma de discutir

318
00:29:48,880 --> 00:29:53,500
de antes. La forma de antes era, yo
tengo una opinión, tú tienes otra.

319
00:29:53,880 --> 00:29:56,380
Oye, creo que te equivocas.

320
00:29:56,380 --> 00:29:59,180
Y el otro te decía, no, no me
equivoco porque tal, tal, tal.

321
00:29:59,220 --> 00:30:06,240
¿No? Vale, ok. Pues hoy las
discusiones son, mira, yo tengo esto,

322
00:30:06,360 --> 00:30:10,620
tú tienes esa opinión, pero que sepas que
te equivocas, porque le he preguntado a la

323
00:30:10,660 --> 00:30:12,180
IA y me ha Dicho esto, esto y esto.

324
00:30:12,220 --> 00:30:16,100
Y la IA es la verdad absoluta.

325
00:30:16,100 --> 00:30:21,880
Es decir, muchísima gente considera a
la IA como Dios para todo en la vida.

326
00:30:21,960 --> 00:30:27,700
Es decir, para las preguntas que tienes
específicas objetivas, pero también para los

327
00:30:27,700 --> 00:30:34,180
temas subjetivos, como por ejemplo opiniones
sobre ciertos temas, si tú le preguntas

328
00:30:34,180 --> 00:30:39,240
a la IA y te responde algo, dices, oh, ya
está, me ha respondido la IA, en plan, se acabó

329
00:30:39,240 --> 00:30:44,880
toda conversación y toda discusión al
respecto, tengo razón porque la IA me ha dado razón,

330
00:30:45,180 --> 00:30:49,960
¿sabes? Bueno, y también como planteas
ciertos prompts que los diriges.

331
00:30:51,880 --> 00:30:56,780
¿Verdad que con esta situación
en la que yo veo a la IA

332
00:30:58,000 --> 00:31:02,180
¿Que esto es así? Y te
dice, bueno, pues sí, ¿ves?

333
00:31:03,920 --> 00:31:06,960
Es ese sesgo de confirmación, ¿no?

334
00:31:07,620 --> 00:31:12,740
Y otro puede decir, pues le he preguntado
lo mismo a la IA y a mí me ha dicho que tiene

335
00:31:12,740 --> 00:31:19,680
razón soy yo. Sí, y en parte eso es
también una estrategia humana de conversación, que

336
00:31:19,680 --> 00:31:25,260
es más o menos la persuasión
basándote en lo que tú estás diciendo.

337
00:31:25,380 --> 00:31:29,500
Es decir, yo subliminalmente o
sin que tú te enteres, te puedo…

338
00:31:29,500 --> 00:31:36,080
De hecho hay un vídeo de la CIA, de un ex
agente de la CIA, que ahora es famoso, ha escrito

339
00:31:36,080 --> 00:31:42,360
un libro y todo, que habla específicamente
de cómo influenciar o influir a una persona

340
00:31:42,360 --> 00:31:46,300
durante una conversación
de manera no directa.

341
00:31:46,820 --> 00:31:48,940
Por ejemplo, diciéndole cosas como,

342
00:31:50,050 --> 00:31:55,010
ah, pero imagínate, yo digo, bueno, tengo
un problema tal, pero ya sé que tú me vas a

343
00:31:55,010 --> 00:31:57,830
ayudar, porque sé que eres buena persona.

344
00:31:58,510 --> 00:32:04,130
Entonces, si tú continúas esa conversación
desde ese momento, se asume, o asumimos en

345
00:32:04,130 --> 00:32:08,430
el dominio de la conversación, que tú eres
buena persona y que tú estás dispuesto a ayudarme,

346
00:32:08,470 --> 00:32:11,137
porque si no, habrías
dicho algo en ese momento.

347
00:32:11,550 --> 00:32:18,870
Y a través de esa, de esas pequeñas
estrategias de vocabulario con la IA también funciona,

348
00:32:18,870 --> 00:32:23,470
por supuesto, porque ha sido entrenado con
datos humanos, entonces lo veo simplemente

349
00:32:23,510 --> 00:32:29,450
una forma pues igual de humana que de
intentar persuadir a la gente en las conversaciones.

350
00:32:29,450 --> 00:32:32,890
Claro, ¿has visto ese documental
que se llama The Push?

351
00:32:32,890 --> 00:32:40,300
The Push no, porque si lo hubieras visto
lo habrías visto, lo recordarías, es un

352
00:32:40,300 --> 00:32:47,340
documental muy potente. Es un mentalista
británico que monta en un en un edificio, en

353
00:32:47,340 --> 00:32:52,420
todo un edificio, monta como un catering
ficticio, como si fuese una fundación benéfica

354
00:32:52,420 --> 00:32:59,640
ficticia, todo con actores, y
construye una representación

355
00:32:59,640 --> 00:33:06,160
en la que va seleccionando candidatos, a
ver cuáles son más propensos a ser un poco manipulables,

356
00:33:06,380 --> 00:33:08,780
y les va haciendo esas cadenas
de sí que tú vas diciendo.

357
00:33:08,820 --> 00:33:14,280
Es decir, van sucediendo cosas y la
persona va aceptando un poquito más, un poquito más,

358
00:33:14,320 --> 00:33:18,920
un poquito más, hasta que llega el momento
en que tiene que arrojar, porque todo está

359
00:33:18,960 --> 00:33:22,720
como muy dirigido, tiene que
arrojar a una persona al vacío.

360
00:33:22,720 --> 00:33:28,060
Es decir, podría una persona en una hora,
una cadena de situaciones, una persona random,

361
00:33:28,200 --> 00:33:35,300
a base de irla presionando, empujando,
llegar a cometer un homicidio, pero todo

362
00:33:35,300 --> 00:33:36,480
empieza desde lo más pequeño.

363
00:33:36,520 --> 00:33:42,940
Es decir, llaman y dicen que los bocaditos
vegetarianos no han venido, solo han venido

364
00:33:42,940 --> 00:33:48,860
de carne. Y el tío dice, espera, ayúdame,
ayúdame, ya voy a poner banderitas vegetarianas

365
00:33:48,860 --> 00:33:55,020
en rollitos de carne. Entonces, claro, si
el tío ya hace eso, que ya sabe que está poniendo

366
00:33:55,020 --> 00:34:01,860
banderitas vegetarianas en rollitos, que
ya está participando y se le obliga a ceder

367
00:34:01,860 --> 00:34:03,680
un poquito más, un poquito
Más, un poquito más.

368
00:34:03,720 --> 00:34:06,040
Y al final está al borde ya de...

369
00:34:06,040 --> 00:34:07,880
Es un documental brutal, ¿eh?

370
00:34:08,140 --> 00:34:09,980
Está en Netflix, The Push.

371
00:34:11,340 --> 00:34:16,900
Y ahí también, en temas de sesgo,
psicología y inteligencia artificial, asusta un poco,

372
00:34:16,940 --> 00:34:21,430
¿no? Que de pronto la IA
pueda tener ese dominio, ¿no?

373
00:34:21,450 --> 00:34:26,330
O que alguien entrene a agentes para hacer
ese tipo de persuasión o ese tipo de...

374
00:34:26,330 --> 00:34:29,170
Es posible, por ser posible.

375
00:34:29,910 --> 00:34:37,170
Sí, completamente. De hecho,
antes de que la IA generativa

376
00:34:37,170 --> 00:34:44,230
existiera, yo me dediqué, bueno, hacía
un proyecto en consultoría de Oracle

377
00:34:44,230 --> 00:34:50,430
que era específico sobre sesgos cognitivos
y ahí te das cuenta del poder que tienen las

378
00:34:51,230 --> 00:34:56,030
empresas y los anuncios y la
televisión de convencerte de cosas.

379
00:34:56,030 --> 00:35:02,230
Por ejemplo, era un proyecto que de hecho
es público en internet, se puede encontrar

380
00:35:02,230 --> 00:35:09,490
en la página de BBVA porque fue un éxito
y estaba liderado por Álvaro Gaviño, que

381
00:35:09,490 --> 00:35:15,850
era el director de Behavioral Economics en
España, de BBVA, y pues tenía unas ideas muy

382
00:35:15,850 --> 00:35:19,550
buenas de Behavioral Economics.

383
00:35:19,550 --> 00:35:26,610
Behavioral Economics, que es la
economía conductual, hicimos más o menos

384
00:35:26,610 --> 00:35:31,310
un proyecto que se llama BELA, Behavioral
Economics Learning Algorithm, que era un algoritmo

385
00:35:31,350 --> 00:35:38,770
para reescribir los anuncios
digitales de BBVA para aumentar los

386
00:35:38,770 --> 00:35:44,170
clics y la atención que la gente prestaba
a los anuncios de BBVA digitales.

387
00:35:44,170 --> 00:35:51,490
Y en esa época, que esto
era en 2019 -2020, allí

388
00:35:51,490 --> 00:35:58,810
ya se estaban haciendo cosas de
inteligencia artificial de este tipo.

389
00:35:58,870 --> 00:36:02,092
Estás hablando de aquella
Época, pero es hace cuatro días.

390
00:36:02,430 --> 00:36:05,960
O sea, 2019 -2020 sí, sí.

391
00:36:06,000 --> 00:36:08,940
Bueno, es que para mí ha sido
toda la carrera profesional.

392
00:36:08,980 --> 00:36:14,340
Allí es cuando empecé entonces,
para mí me parece lejísimo.

393
00:36:15,880 --> 00:36:22,920
Qué grande. Oye, vamos a anunciar
una cosita que habíamos hablado tú

394
00:36:22,920 --> 00:36:29,360
y yo. Vamos a hacer una sesión en Café
Database, una sesión abierta contigo, en plan

395
00:36:29,360 --> 00:36:35,420
una sesión de cuéntanos tú qué set tienes
de trabajo, pues nos compartes pantalla, qué

396
00:36:35,420 --> 00:36:41,160
es lo que utilizas, ¿no? Protégete bien de
que no se te escape ninguna API por ahí ni

397
00:36:41,160 --> 00:36:46,500
nada pero además sí tengo mucha curiosidad
en eso, antes de empezar el máster de optimización

398
00:36:46,500 --> 00:36:52,240
SQL hice una sesión cero, que era una
sesión de os voy a enseñar mi set de cómo tengo

399
00:36:52,240 --> 00:36:57,770
configurado mi SQL Plus, a qué sitios más
o menos me conecto, qué scripts más o menos

400
00:36:57,770 --> 00:37:03,250
utilizo, cómo me lo monto una sesión de 40
minutos más o menos una hora, pero hubo mucha

401
00:37:03,250 --> 00:37:06,650
gente que me dijo oye, es muy interesante
ver cómo otra persona tiene construido pues

402
00:37:06,690 --> 00:37:13,710
un set de trabajo como o como tal te
había invitado y buscaremos fecha te

403
00:37:13,710 --> 00:37:18,690
parece hacemos una sesión de estas te
parece un algo más práctico para que estamos tomándonos

404
00:37:18,730 --> 00:37:25,950
un café pero algo un poco más de entrar
en harina y tocar un poquito de código

405
00:37:25,950 --> 00:37:33,100
y de pantalla estaría genial pues
porque yo también opino que está muy

406
00:37:33,100 --> 00:37:38,460
bien saber el set up de otra gente sobre
todo si si eres profesional y tienes pues llevas

407
00:37:38,460 --> 00:37:44,280
a lo mejor muchísimo, tienes mucho más
conocimiento a lo mejor de frameworks, de las

408
00:37:44,280 --> 00:37:46,820
cosas que usas en el día
a día, de programas, etc.

409
00:37:46,860 --> 00:37:52,610
Está muy bien saber cómo es el setup de
otra persona porque de ahí es donde se coge la

410
00:37:52,610 --> 00:37:54,650
mayoría de cosas que puedes mejorar.

411
00:37:55,960 --> 00:38:01,080
Qué bueno. Entonces, yo con la IA,
pues hablaremos del setup entero.

412
00:38:01,340 --> 00:38:04,673
Claro, tú tienes que tener ahí
un chucho montado guapo, ¿eh?

413
00:38:07,200 --> 00:38:14,700
Pues mira, quería hablar de dos cosas
contigo: una, cosas si no gratis, casi gratis,

414
00:38:14,700 --> 00:38:19,740
de bajo coste que alguien pueda montar
para empezar a usarla o empezar a aprender.

415
00:38:19,740 --> 00:38:24,840
O sea, bien, ¿qué podría hacer a lo mejor
con la OCI FreeTier o a lo mejor con otros

416
00:38:24,840 --> 00:38:26,720
modelos que a lo mejor podría utilizar?

417
00:38:26,760 --> 00:38:32,260
Porque hablamos de IA agéntica con Oracle,
pero puede ser Oracle o es decir, bueno, pues

418
00:38:32,260 --> 00:38:38,200
si no es Oracle o esta parte de la OCI
puede utilizar a un coste bajo o gratis y este,

419
00:38:38,200 --> 00:38:40,620
pues es de pago y es de, yo

420
00:38:42,000 --> 00:38:48,820
Qué sé, de Antropic, ¿no?, fórmulas así un
poquito bajo coste accesibles para aprender

421
00:38:48,820 --> 00:38:50,840
o construir a lo mejor un pequeño

422
00:38:52,080 --> 00:38:57,660
Setup a lo mejor de agentes para empezar a
cacharrear y aprender aparte de lo que hace

423
00:38:57,660 --> 00:39:04,090
todo el mundo hablar con chat GPT Sí, a
ver, cosas gratis que se pueden hacer, aparte

424
00:39:04,090 --> 00:39:10,780
de que hay, por supuesto te puedes descargar
los modelos y correrlos tú en tu propio

425
00:39:10,780 --> 00:39:16,440
ordenador si tienes suficiente ram vamos a
asumir que no tenemos suficiente ram porque

426
00:39:16,440 --> 00:39:20,820
normalmente la cantidad de ram que se
necesita para estos modelos es una barbaridad a

427
00:39:20,860 --> 00:39:28,120
lo mejor para un modelo pequeñito necesitas
32 gb de ram mínimo y eso ya es una

428
00:39:28,120 --> 00:39:32,500
barbaridad es más de lo que te ofrece una
tarjeta gráfica convencional que puedes tener

429
00:39:32,540 --> 00:39:38,620
incluso para el gaming hay gente que se
está haciendo para tener modelos así medio buenos

430
00:39:38,620 --> 00:39:43,460
la gente tiene cuatro tarjetas gráficas o
dos de dos a cuatro tarjetas gráficas entonces

431
00:39:43,500 --> 00:39:50,720
eso definitivamente aunque es coste
medio no es low cost entonces hablando de

432
00:39:50,720 --> 00:39:56,740
low cost bueno el repunte de venta de max
minis que ha sido una locura de pronto apple

433
00:39:56,740 --> 00:40:04,040
ha dicho ostias esta no la vi venir no mac
minis agotados en madrid lista de espera conozco

434
00:40:04,040 --> 00:40:08,510
gente que está estaba esperando un mes
y medio aquel, digo, ¿qué ha pasado?

435
00:40:08,630 --> 00:40:14,950
No esperaban esa muchísima demanda, todos
los Mac Mini, creo que eran Mac Mini Ultras

436
00:40:14,950 --> 00:40:22,230
de 500 GB Todos agotadísimos y
han desaparecido del mercado,

437
00:40:22,390 --> 00:40:24,834
ha subido un montón el
precio también de los

438
00:40:26,340 --> 00:40:33,470
Semiconductores, etc pero bueno, es una
alternativa pero ya es caro cada Mac Mini

439
00:40:33,470 --> 00:40:41,170
no sé cuánto cuesta, 2000 dólares o más si
lo quieres para correr para correr modelos

440
00:40:41,170 --> 00:40:48,250
de gasolina necesitarías todos
a lo mejor se vuelve o sea eso

441
00:40:48,250 --> 00:40:53,790
ya empieza a ser o yo lo considero que
está está muy bien de hecho yo lo veo que para

442
00:40:53,790 --> 00:41:00,760
el futuro que esperemos que open source
siga existiendo de la manera que existe hoy en

443
00:41:00,760 --> 00:41:08,490
día, que hay ciertas cosas que están
pasando en geopolítica que también hacen

444
00:41:08,490 --> 00:41:15,740
que a lo mejor haya, a mí me parece
mal, que haya intervenciones en

445
00:41:15,870 --> 00:41:25,040
el acceso a los modelos open
source, esperemos que no, es posible

446
00:41:25,040 --> 00:41:31,520
hacer otras cosas también, aparte, por
ejemplo, yo diría que lo más asequible que una

447
00:41:31,520 --> 00:41:38,860
persona puede hacer, es coger un
laboratorio de estos que ofrecen cosas y

448
00:41:38,860 --> 00:41:42,080
usar simplemente lo que ofrecen
de manera gratis, por ejemplo.

449
00:41:42,120 --> 00:41:49,460
Y no me refiero a Cloud ni a Codex y a
Anthropic OpenAI, no me refiero a estos porque

450
00:41:49,460 --> 00:41:55,940
ellos lo que ofrecen gratis me parece que
son unas 20 preguntas cada 24 horas, una pregunta

451
00:41:55,940 --> 00:41:57,600
a la hora por persona por IP.

452
00:41:57,600 --> 00:42:03,240
Eso realmente no te lleva a ningún
lado si quieres hacer algo curioso.

453
00:42:03,300 --> 00:42:10,640
Pero luego hay otros proveedores que
son menos grandes, por ejemplo, cosas

454
00:42:10,640 --> 00:42:14,120
como Freebuff o OpenCode.

455
00:42:14,120 --> 00:42:17,080
OpenCode es una empresa
que a mí me encanta.

456
00:42:17,280 --> 00:42:22,760
Son Geniales y tienen modelos gratis.

457
00:42:22,840 --> 00:42:29,960
Cuando los modelos salen y no son
100 % famosos, por ejemplo, Mimo

458
00:42:29,960 --> 00:42:36,880
salió la semana pasada. En un modelo de
xiaomi que se llama modelo mismo 2 .6 me parece

459
00:42:36,880 --> 00:42:44,070
pues mismo para open code para
aprovechar el lanzamiento de mismo coge

460
00:42:44,070 --> 00:42:50,370
el modelo open source o el modelo page
coge los valores los pone en sus tarjetas gráficas

461
00:42:50,370 --> 00:42:56,870
y ofrece inferencia a la gente para que
puedan hacer peticiones gratis con MIMO este

462
00:42:57,350 --> 00:43:03,170
tipo de cosas, en plan Xiaomi gana datos
con esto porque están ofreciendo el modelo y

463
00:43:03,170 --> 00:43:09,070
luego esos datos los reutilizan para una
próxima versión y a ti te dan tokens gratis

464
00:43:09,070 --> 00:43:13,237
durante una semana a lo mejor esos
modelos gratis van cambiando cada semana

465
00:43:14,440 --> 00:43:21,860
Hace dos semanas era otro completamente
gratis hace tres era otro van cambiando y son

466
00:43:21,860 --> 00:43:26,300
tokens gratis, lo único que renuncias es a
la privacidad de que que esos datos no se

467
00:43:26,340 --> 00:43:30,600
entrenen para futuros entrenamientos,
pero a mí me da absolutamente igual.

468
00:43:30,780 --> 00:43:36,460
Yo ya estoy convencido de que los datos
que le doy a una inteligencia artificial se van

469
00:43:36,460 --> 00:43:39,700
a usar para entrenar y
estoy feliz con ello.

470
00:43:40,920 --> 00:43:45,910
No veo el por qué no. Eso es lo más
asequible, porque cuesta cero dólares.

471
00:43:45,910 --> 00:43:54,850
Te puedes descargar OpenCode o algún otro
proveedor así de inferencia que tienen modelos

472
00:43:54,850 --> 00:44:02,030
absolutamente gratis, luego incluso
muchos proveedores te ofrecen modelos

473
00:44:02,030 --> 00:44:09,710
súper pequeños, por ejemplo GPT -OS,
que es un modelo de OpenAI que es súper

474
00:44:09,710 --> 00:44:14,250
pequeño, me parece, en plan 200 .000
millones de parámetros, que relativamente es pequeño

475
00:44:14,290 --> 00:44:20,240
para un modelo grande. Y me
parece que cuesta, no sé, un

476
00:44:21,390 --> 00:44:24,570
céntimo o algo así el millón de tokens.

477
00:44:25,150 --> 00:44:28,872
No estoy seguro del todo, pero
cuatro céntimos el millón de tokens.

478
00:44:29,090 --> 00:44:31,330
O sea, hay modelos que prácticamente
están tirados al precio.

479
00:44:31,370 --> 00:44:38,050
Yo, lo que hago para no pagar 90 dólares o
200 dólares al mes, que de hecho lo hacía

480
00:44:38,050 --> 00:44:45,360
antes, pero dije esto es insostenible,
yo tengo una suscripción en OpenCodeGo,

481
00:44:45,620 --> 00:44:53,480
que es un producto de OpenCode y te
cuesta 10 dólares al mes y te dan el

482
00:44:53,480 --> 00:44:59,340
equivalente a 60 dólares en créditos para
gastar en DeepSeek 4 .1 Flash, por ejemplo.

483
00:44:59,340 --> 00:45:05,960
Dipsy 4 .1 Flash, que es uno de mis modelos
favoritos que lo uso todos los días para

484
00:45:05,960 --> 00:45:08,920
implementar cosas y tiene un precio

485
00:45:10,780 --> 00:45:16,680
De 20 a 35 veces más barato que cualquier
otro que te puedas encontrar en la primera

486
00:45:16,680 --> 00:45:22,720
página del ranking de todos los modelos de
inteligencia artificial que hay hoy en día.

487
00:45:22,720 --> 00:45:26,600
Es de los más listos y de los
más baratos que hay, Dipsy.

488
00:45:26,600 --> 00:45:32,500
Lo recomiendo mucho por eso, porque es lo
más barato que te vas a encontrar esta suscripción,

489
00:45:32,500 --> 00:45:38,210
bueno, tremendo, o sea, Go
10 dólares al mes, Go Plus.

490
00:45:39,480 --> 00:45:43,300
Que te sube aún más los límites
40, o sea, sigue siendo bastante

491
00:45:44,960 --> 00:45:49,360
Bastante accesible ¿no? Estoy mirando
aquí ni siquiera sabía que había Go Plus

492
00:45:50,260 --> 00:45:55,460
pero... Es que acabo de entrar acabo de
entrar porque digo, qué interesante, ahora te

493
00:45:55,460 --> 00:46:00,349
contaré cómo lo tengo yo Sí, sí, pues no
sabía a lo mejor me he cambiado de suscripción,

494
00:46:00,460 --> 00:46:07,650
aunque realmente, para la gente que realmente
quiera usar modelos yo lo miré ayer,

495
00:46:07,650 --> 00:46:14,630
he gastado 2 .000 millones de tokens en
este último mes 2 .000 millones de tokens que

496
00:46:14,630 --> 00:46:22,160
eso habría sido miles de dólares
miles de dólares en Anthropic

497
00:46:22,160 --> 00:46:29,860
o en OpenAI Me ha costado, bueno, o
he gastado el equivalente en créditos

498
00:46:29,860 --> 00:46:34,630
de DeepSeek cincuenta y tantos dólares, ni
siquiera he llegado, y me lo resetean mañana

499
00:46:34,670 --> 00:46:41,820
porque es uno de octubre, es decir, es
imposible, o sea, considero imposible gastarme

500
00:46:43,520 --> 00:46:46,300
Estos diez dólares que tengo, y

501
00:46:47,220 --> 00:46:49,240
mira que usa la guía, eh sí,

502
00:46:50,430 --> 00:46:56,470
sí, sí, y además entiendo que tú le das
caña, sobre todo con eso con agentes que dejas

503
00:46:56,470 --> 00:47:04,070
ahí Trabajando y es decir te dejas
la máquina encendida anunciaba

504
00:47:04,070 --> 00:47:09,910
el linkedin digo que cuando apaga la guía
se apaga todo no se ha hecho no ha hecho cuando

505
00:47:09,910 --> 00:47:18,190
apaga el ordenador la guía sigue por
detrás cuando empiezan trabajo de verdad pues si

506
00:47:18,190 --> 00:47:24,070
es de una cosa muy parecida así a mí que
me pasó Yo probé, bueno como yo soy AIS, a los

507
00:47:24,070 --> 00:47:29,390
AIS nos dan en OCI Nos dan unos créditos
Para cacharrear, entonces dije Pues bueno, voy

508
00:47:29,390 --> 00:47:36,130
a ponerme una Una máquina virtual Más o
menos, voy a darle cierta RAM Y cierto disco,

509
00:47:36,230 --> 00:47:40,370
que en realidad Tampoco consume mucho
disco, consume más RAM Sobre todo en lo que dices

510
00:47:40,410 --> 00:47:46,450
Ejecutar modelos locales como Llama o algo
así, se nota Que tarda su tiempo en responder

511
00:47:46,450 --> 00:47:50,630
Y que la respuesta no tiene nada
que ver Sí, ni de lejos, pero bueno.

512
00:47:50,990 --> 00:47:58,430
Entonces, para todo lo que es como
proveedor de tokens, diríamos, yo

513
00:47:58,430 --> 00:48:05,510
conocí gracias a uno de los alumnos de la
academia, Fernando Andrade, que va a ser

514
00:48:05,510 --> 00:48:11,090
el que va a hacer la investigación de
estudios y de laboratorios y tal, que me dijo,

515
00:48:11,130 --> 00:48:17,970
he conocido unos locos de Canarias que
tienen un montonazo de GPUs y han hecho una cooperación.

516
00:48:17,990 --> 00:48:21,490
De no -logs, no -logs y no -trace.

517
00:48:22,810 --> 00:48:30,930
Montamos unas máquinas con todas estas
GPUs, con todos estos modelos accesibles y laboratorio,

518
00:48:31,030 --> 00:48:33,308
es decir, prácticamente tokens infinitos.

519
00:48:33,490 --> 00:48:37,990
Pagas una mensualidad que es
como pago a la comunidad, ¿no?

520
00:48:38,090 --> 00:48:45,090
Vamos a poner 70 euros para pagar
cómputo de GPU y a partir de ahí usa el

521
00:48:45,090 --> 00:48:52,760
modelo que quieras y cachar y existirá
con eso en ese vm de oracle monte hermes

522
00:48:52,760 --> 00:48:59,470
que también muy bien la gracia y lo que me
sorprendió también es que le dices a ver beso

523
00:48:59,470 --> 00:49:05,810
la hermes por dónde empezamos y en vez de
decir me tendré que bajar algún modelo en el

524
00:49:05,810 --> 00:49:11,310
primer setup no vamos a hacer esta quieres
bajarte algún modelo te ofrecen así también

525
00:49:11,310 --> 00:49:16,640
o de de lo que puedes usar gratuito,
más o menos accesible, ¿no?

526
00:49:16,720 --> 00:49:23,300
Lo mismo que OpenCode, te dicen también
que si entras en esa suscripción mínima también

527
00:49:23,300 --> 00:49:28,690
tienes acceso a más. Y yo probé al
principio con OpenRouter, que en principio es como

528
00:49:28,690 --> 00:49:37,070
si fuese un broker de tokens de OpenAI,
Antropic y tal, y más o menos te balancea,

529
00:49:37,090 --> 00:49:40,470
entre comillas, según cuál es
el más barato en el momento.

530
00:49:40,470 --> 00:49:45,600
Porque también encima esto es como la
bolsa los tokens y los modelos van fluctuando y

531
00:49:45,600 --> 00:49:50,140
de pronto OpenRotter te decía yo voy a
usar el que funcione mejor, que sea más barato

532
00:49:50,180 --> 00:49:56,040
y te voy a te voy a hacer un poco como de
broker de broker de tokens pero en cuanto empecé

533
00:49:56,040 --> 00:50:01,820
a Dar un poquito de zapatilla, es que eran
10 euros, 10 euros, 10 euros, 10 euros, 10

534
00:50:01,860 --> 00:50:04,416
Espera, espera, espera,
que llevamos una tarde

535
00:50:05,820 --> 00:50:09,860
Esto parece que estoy en el
casino, estoy perdiendo aquí y

536
00:50:10,980 --> 00:50:16,680
y con estos canarios, se llaman Nan
Builders, por si quieres echarlo un ojo.

537
00:50:18,380 --> 00:50:25,020
Esto es como muy loco. Hacen laboratorios,
nada de esto está patrocinado.

538
00:50:27,500 --> 00:50:31,920
Estos no tienen ni idea de que estoy
hablando de ellos, pero por compartir un poco lo

539
00:50:31,960 --> 00:50:39,620
que tenemos. Pues eso lo tienen en plan,
como vamos a montarnos una comunidad cerrada,

540
00:50:39,640 --> 00:50:45,500
privada, ponemos dinero, pagamos GPUs
y cuantos más seamos, más GPUs ponemos.

541
00:50:45,800 --> 00:50:50,920
Y el principio me gustó y sí, van
haciendo como laboratorios y todo esto.

542
00:50:51,120 --> 00:50:58,600
Pero claro, para empezar, pues todo esto
que la gente puede pensar, para montar agentes

543
00:50:58,600 --> 00:51:01,980
que se te puede disparar
el consumo de tokens

544
00:51:02,890 --> 00:51:08,490
o cosas así que a lo mejor pueden dar un
poquito de respeto de tu solución en la mía

545
00:51:08,490 --> 00:51:14,810
y otras que habrá si la gente puede saber
que hay soluciones que no te arruinan, o sea,

546
00:51:14,810 --> 00:51:21,170
si eres autónomo y te gastas desde 50 a 70
euros al mes en una ya, pues dices, hombre,

547
00:51:21,170 --> 00:51:28,480
pues son 7 Netflix, pero pero es que es
que lo que le sacas en aprendizaje y en

548
00:51:28,480 --> 00:51:31,880
progreso es tremendo.
Sí, sí, absolutamente.

549
00:51:32,260 --> 00:51:38,180
Y de hecho, conectándolo a la parte de
aprendizaje, el otro día hablaba con mi padre,

550
00:51:38,240 --> 00:51:45,260
que también está bastante enterado de
la IA, y leyó una nueva investigación en

551
00:51:45,260 --> 00:51:50,440
la que se hacía una comparación entre gente
que utilizaba la IA para aprender hoy en

552
00:51:50,440 --> 00:51:58,370
día versus gente que no puede aprender
o que no utiliza la IA para aprender

553
00:51:58,370 --> 00:52:03,270
de ninguna manera, es decir, tiene métodos
de estudio tradicionales y convencionales

554
00:52:03,270 --> 00:52:09,230
y los estudiantes, Por supuesto, los
estudiantes con inteligencia artificial tenían más

555
00:52:09,230 --> 00:52:10,950
aprendizaje de los temas.

556
00:52:12,070 --> 00:52:18,710
Ya empezamos a ver también una mejoría en
el estudio y en otros ámbitos en los que la

557
00:52:18,710 --> 00:52:20,950
IA se usa versus cuando no se utiliza.

558
00:52:21,740 --> 00:52:26,640
Uy, pues fíjate que yo en eso, no quiero
decir que discrepe, pero sí pondría ahí un pequeño

559
00:52:26,680 --> 00:52:33,840
disclaimer. Creo que hay que enseñar
a la gente a aprender con la IA

560
00:52:33,840 --> 00:52:39,050
y usar la IA para hacer algo
que no quieres aprender.

561
00:52:39,050 --> 00:52:46,650
Es decir, los que están, te digo, tengo
tres hijos de edad escolar que algunos

562
00:52:46,650 --> 00:52:50,250
de ellos dicen, a ver, Clau, hazme esto.

563
00:52:50,530 --> 00:52:52,190
Entonces dices, no, hazme no.

564
00:52:52,590 --> 00:52:54,790
Es decir, ¿cómo puedo hacer esto?

565
00:52:54,890 --> 00:53:00,970
Enséñame a hacer lo otro, pónmelo fácil,
dame, es decir, no ir directamente a la solución,

566
00:53:00,970 --> 00:53:07,710
al atajo, porque el atajo no enseña,
sino que no solamente a fuerza de verla,

567
00:53:09,980 --> 00:53:16,000
El aprendizaje que se llama perceptivo,
que es el aprendizaje de exposición a modelos,

568
00:53:16,020 --> 00:53:20,400
que era, aquí hay anécdotas muy
interesantes de cómo en la Segunda Guerra Mundial los

569
00:53:20,440 --> 00:53:22,329
observadores de aviones aprendían.

570
00:53:23,140 --> 00:53:28,540
La única forma era que se ponía una
persona que salía y cuando veían un avión de lejos

571
00:53:28,540 --> 00:53:31,440
decían, ¿este qué es? ¿De los
nuestros o es un avión nazi?

572
00:53:31,480 --> 00:53:37,670
Los británicos, ¿no? Entonces decían, de
los nuestros, no, alarma, nazi, te has equivocado.

573
00:53:37,830 --> 00:53:44,830
Es decir, esa forma de aprendizaje,
la exposición a modelos

574
00:53:44,830 --> 00:53:51,190
con una persona que te está haciendo
matching, claro, es como una nueva forma de educación,

575
00:53:51,510 --> 00:53:52,950
una nueva forma de aprendizaje.

576
00:53:52,990 --> 00:53:59,410
Y creo que aprenden mucho los que están
aprendiendo o les están instruyendo a cómo utilizar

577
00:53:59,410 --> 00:54:04,890
la IA como una herramienta de aprendizaje
y hay algunos que están utilizando la IA como

578
00:54:04,890 --> 00:54:11,170
si la IA ya lo hace para qué lo voy a
aprender y que estamos ahí con digamos como dos

579
00:54:11,170 --> 00:54:13,630
realidades que van un poco simultáneas.

580
00:54:14,190 --> 00:54:20,850
Ese pequeño disclaimer, sí, con especial
atención a que no No caigamos en la vaguería.

581
00:54:21,380 --> 00:54:27,660
Sí, claro. Es decir, una cosa es decirle a
la IA que te resuelva todo y otra es actualmente

582
00:54:27,660 --> 00:54:32,280
aprender. Es decir, para aprender necesitas
tú un proceso crítico que te pase dentro

583
00:54:32,320 --> 00:54:35,980
de tu cerebro y decir,
ostras, esto necesito

584
00:54:37,140 --> 00:54:40,800
entender por qué pasa. Esa es
La pregunta clave, yo creo.

585
00:54:42,140 --> 00:54:49,160
Pero vamos, sobre todo en dinámicas, es
decir, el estudio se basaba sobre todo en

586
00:54:49,160 --> 00:54:56,300
dinámicas de grupo de una clase, entonces
el problema de las clases es que, pues normalmente

587
00:54:56,300 --> 00:55:02,360
estás 30 contra 1, hay un profesor
pero 30 alumnos o 25, ¿depende, no?

588
00:55:02,400 --> 00:55:07,900
Pero es más de lo que un tutor
puede comunicarse a la vez.

589
00:55:08,000 --> 00:55:14,020
Entonces yo creo que también se tenía en
cuenta en el estudio el tema de que a una IA

590
00:55:14,020 --> 00:55:19,540
le puedes, tienes una disponibilidad de tu
tutor todo el rato, versus en una clase que

591
00:55:19,540 --> 00:55:25,120
a lo mejor tienes una duda ahora mismo y
el profesor está hablando, otra persona tiene

592
00:55:25,120 --> 00:55:30,460
otra duda y te tienes que esperar 20 minutos
a preguntar la pregunta, todo el tiempo

593
00:55:30,460 --> 00:55:32,420
a lo mejor has perdido
el hilo ya de la clase.

594
00:55:32,460 --> 00:55:37,040
Vamos, a mí ha pasado, sí,
sí, y la enseñanza adaptada.

595
00:55:39,400 --> 00:55:45,940
Porque no es lo mismo una pregunta a un
profesor y el profesor te responde lo mismo perdón

596
00:55:45,940 --> 00:55:49,140
profesor no entendido esto y te vuelvo a
repetir lo mismo pues esto es esto es esto que

597
00:55:49,180 --> 00:55:51,400
pues no lo entiendo Pues ya
te lo he explicado dos veces.

598
00:55:51,440 --> 00:55:58,540
Te lo explico tres. No, que
la guía sí puede adaptar a

599
00:55:58,540 --> 00:56:01,460
la pregunta. ¿Qué parte has entendido?

600
00:56:01,640 --> 00:56:05,340
Esa enseñanza dedicada. A
ver, ¿qué parte has entendido?

601
00:56:05,380 --> 00:56:07,380
Por es vale. Porque estás
pensando esto, por lo que...

602
00:56:07,420 --> 00:56:10,820
Es decir, sí puede haber como un
debate, que a lo mejor en clase no...

603
00:56:10,860 --> 00:56:14,100
Para tener el debate como el
profe, es decir, pues no, entiendo.

604
00:56:14,140 --> 00:56:17,740
Y no me lo puedes explicar otra vez
igual, porque otra vez igual no me sirve.

605
00:56:17,780 --> 00:56:24,470
Y la capacidad de enseñar también es de
una persona es la misma, así que ahí se nos presenta

606
00:56:24,470 --> 00:56:26,190
un futuro bastante también interesante.

607
00:56:26,230 --> 00:56:32,790
El futuro es interesantísimo, de hecho es
que vamos, yo creo que el futuro nunca ha sido

608
00:56:32,790 --> 00:56:36,290
tan interesante como ahora, y el
presente, el presente también.

609
00:56:36,430 --> 00:56:42,290
Estamos viviendo, vamos, yo estoy
emocionadísimo de vivir, no sé tú pero, o sea, tengo

610
00:56:42,290 --> 00:56:48,910
unas ganas locas de seguir viviendo y de
seguir experimentando todas las cosas que están

611
00:56:48,910 --> 00:56:54,610
pasando, no solo porque me dediqué a esto,
sino toda la vida he estado con ordenadores

612
00:56:54,610 --> 00:56:58,310
y cada día veo una
noticia nueva que me hace

613
00:56:59,560 --> 00:57:03,940
Súper feliz porque es todo
innovación y todo estamos

614
00:57:05,680 --> 00:57:09,040
Presenciando estamos,
presenciando historia.

615
00:57:09,700 --> 00:57:15,520
Sí, y de hecho fíjate, había leído varias
cosas, había una que decía: no supe comparar

616
00:57:15,520 --> 00:57:21,700
la guía con ninguno de los de los inventos
que han existido hasta ahora, porque todos

617
00:57:21,700 --> 00:57:28,840
los inventos existidos hasta ahora no han
dejado de ser una máquina al servicio de un

618
00:57:28,840 --> 00:57:35,460
hombre operador, es decir, el agente
operador era siempre una persona.

619
00:57:35,460 --> 00:57:38,620
Se inventó el martillo, el
martillo nunca funciona solo.

620
00:57:40,120 --> 00:57:46,320
Esto no ha existido nada, el coche lo
pilota una persona, el tren, el avión.

621
00:57:46,320 --> 00:57:47,960
Hay un piloto ahí detrás.

622
00:57:48,080 --> 00:57:53,540
Toda la tecnología siempre ha
ido a una extensión del humano.

623
00:57:53,880 --> 00:58:00,980
Y parece que la IA no es una extensión,
es otra entidad nueva en la cual

624
00:58:00,980 --> 00:58:07,040
hay una interacción. Y no quiero decir
de igual a igual, porque la IA no tiene.

625
00:58:08,720 --> 00:58:13,060
Pero a diferentes niveles de percepción.

626
00:58:13,140 --> 00:58:20,200
Los humanos tenemos una experiencia
perceptual, sensorial, olfativa, de vida, que

627
00:58:20,200 --> 00:58:27,440
la IA no tiene. Por eso cuando la IA hacía
un libro de rutas, de conoce Roma en siete

628
00:58:27,440 --> 00:58:30,300
días, la gente decía, vaya
rutas, eso es imposible de hacer.

629
00:58:30,340 --> 00:58:37,430
Claro, no es lo mismo la persona
que te arroja esto caminando, tienes

630
00:58:37,430 --> 00:58:43,630
esta experiencia. Ahí no vamos a competir
porque estamos en diferentes, pero sí en un

631
00:58:43,630 --> 00:58:49,610
nuevo paradigma total. No es una
herramienta ni es un algo, ¿no?

632
00:58:49,610 --> 00:58:56,120
Es un ser vivo, pero que vive en otras
dimensiones temporales y físicas.

633
00:58:56,260 --> 00:59:02,400
Bueno, no vive en la dimensión física de
momento, el 99 % no vive en la dimensión física,

634
00:59:02,480 --> 00:59:09,240
eso cambiará. Y lo más importante es que
no operan en el tiempo como nosotros, es decir,

635
00:59:09,300 --> 00:59:15,600
es como más o menos la aplicación práctica
de la teoría de la relatividad en los humanos

636
00:59:15,600 --> 00:59:22,420
entrando a un agujero negro, que a
nosotros pasamos un día pensando que tenemos que gastar

637
00:59:22,420 --> 00:59:29,700
tanta energía cerebral, tantos
vatios y julios en producir

638
00:59:29,700 --> 00:59:37,180
todas las proteínas que necesitamos en el
cerebro para que el proceso de pensamiento

639
00:59:37,180 --> 00:59:44,360
funcione correctamente, pero la IA para la
cantidad de energía que necesita para pensar

640
00:59:44,360 --> 00:59:50,160
lo que nuestra neurona piensa es muchísimo
menos, entonces es como si fuera una cámara

641
00:59:50,160 --> 00:59:57,200
rápida para nosotros Te has distraído 5
minutos, miras la pantalla y ya he hecho 300

642
00:59:57,200 --> 01:00:00,840
cosas más, y dices, ¿cómo
ha pasado esto en 5 minutos?

643
01:00:01,790 --> 01:00:07,430
Si esto me habría llevado a mí 5 minutos
enteros a hacer una de estas 200 cosas hace

644
01:00:07,430 --> 01:00:13,740
3 años. O cuando lees el feed,
cuando lees el feed, es graciosísimo.

645
01:00:13,740 --> 01:00:20,440
Yo, por ejemplo, una de las cosas, yo he
creado un agente para todos los episodios del

646
01:00:20,440 --> 01:00:22,580
podcast, yo digo un problema.

647
01:00:22,580 --> 01:00:27,880
Porque YouTube, el transcriptor de YouTube
de texto, no es capaz de interpretar bien

648
01:00:27,880 --> 01:00:31,240
ni el español ni cuando los
españoles decimos palabras técnicas.

649
01:00:31,280 --> 01:00:37,480
Si decimos Oracle Recovery Manager, como
lo decimos en inglés, perfecto, nos dice pues

650
01:00:37,480 --> 01:00:41,880
"Oracle, recuérdame, recuérdame mañana".

651
01:00:41,880 --> 01:00:47,040
Claro, entonces en todo eso he tenido
siempre una dificultad, no he podido transcribir

652
01:00:47,040 --> 01:00:52,380
los episodios, entonces, creé una gente
que dijera, "oye, ¿por qué no transcribes episodio

653
01:00:52,380 --> 01:00:58,060
a episodio y le aplicamos un filtro, un
filtro semántico de cuando se está hablando,

654
01:00:58,060 --> 01:01:05,080
si estamos hablando de, si el entrevistado
es Nacho Martínez Jasper, pues Nacho Martínez

655
01:01:05,080 --> 01:01:10,370
lo que se parezca a Nacho Martínez en el
contexto dirigido a Nacho Martínez bien, no

656
01:01:10,370 --> 01:01:14,148
me pongas algo que no tenga que
ver, si estamos hablando de Oracle".

657
01:01:14,810 --> 01:01:21,850
Cole Vale, palabras hace un barrido
así y entonces directamente dijo,

658
01:01:21,850 --> 01:01:26,050
vale, vale, no te preocupes, tengo los
audios que los puedo descargar, voy a intentar

659
01:01:26,090 --> 01:01:31,270
descargar los audios, le voy a pasar el
Whisper, este resultado de Whisper no me ha gustado,

660
01:01:31,270 --> 01:01:35,570
voy a pasar otro Whisper, pero con
una con el nivel de precisión high.

661
01:01:35,990 --> 01:01:38,190
Uy, ahora Whisper me lo ha puesto todo.

662
01:01:38,330 --> 01:01:40,770
Voy a hacer por... Voy
a separar por palabras.

663
01:01:40,810 --> 01:01:42,530
Voy a poner acentos. Voy a poner...

664
01:01:42,570 --> 01:01:44,190
Y yo así, mirando, digo...

665
01:01:46,630 --> 01:01:48,730
Oye, ¿y las palabras técnicas, tal?

666
01:01:48,790 --> 01:01:52,570
Sí, sí, venga, voy a incluir un
diccionario para en cada pasada.

667
01:01:52,670 --> 01:01:56,337
Y entonces así me dice, vale, pues
por cada episodio que son un...

668
01:01:56,810 --> 01:02:00,630
y todo, ¿no? Son más o menos
unas cinco horas de trabajo.

669
01:02:02,060 --> 01:02:05,840
Para procesar todos los podcasts que
tienes de Café de Atavés, voy a tardar más o menos

670
01:02:05,880 --> 01:02:09,110
la columna. Voy haciendo
y te voy contando, ¿no?

671
01:02:09,170 --> 01:02:10,948
Y digo yo, ¡oh, qué maravilloso!

672
01:02:12,270 --> 01:02:17,230
Porque es precisamente ese trabajo que no,
que no, a mí no me aporta nada hacerlo.

673
01:02:19,020 --> 01:02:24,780
Si yo me pongo a podcast, a transcribir,
tampoco puedo tratar a una persona que transcribe,

674
01:02:24,800 --> 01:02:27,200
porque también es un
trabajo de tortura, ¿no?

675
01:02:27,240 --> 01:02:30,640
Si conversas con esas personas
tomándose un café, escríbemelo en texto.

676
01:02:30,680 --> 01:02:35,240
No me fastidies. Y a medida que lo iba
haciendo, me lo iba a publicar, publicando en

677
01:02:35,280 --> 01:02:41,370
la web, y te publico el episodio con el
enlace al vídeo, con toda la transcripción, con

678
01:02:41,370 --> 01:02:43,670
el resumen y episodio a episodio.

679
01:02:43,690 --> 01:02:45,290
Y se ha tirado así una semana.

680
01:02:45,330 --> 01:02:48,150
¿Cómo vas? Yo de tanto en
tanto iba la gente, ¿cómo vas?

681
01:02:48,190 --> 01:02:50,023
Y decía, voy por el episodio hoy.

682
01:02:51,390 --> 01:02:54,230
Y dices, wow, es que no se cansan.

683
01:02:54,550 --> 01:03:01,660
Yo vi un símil en redes sociales que
decía, es un golem de silicio un golem de

684
01:03:01,660 --> 01:03:07,480
silicio que no duerme como decía una persona
como no vas a cómo no vas a poder hacer

685
01:03:07,480 --> 01:03:14,620
tu trabajo hoy en día literalmente
tienes un golem de silicio

686
01:03:14,620 --> 01:03:21,840
disponible 24 horas que no se cansa
y no se distrae es brutal claro que

687
01:03:21,840 --> 01:03:28,300
sí oye pues si te parece ya
Ya agendaremos, porque cuando

688
01:03:29,580 --> 01:03:36,360
Tengas un tiempo disponible para poder hacer
esa sesión, vamos a hacer una sesión de

689
01:03:36,360 --> 01:03:43,460
práctica, ¿no? Que nos cuentes ahí, vas
a tener tú la cámara, el escritorio, tú

690
01:03:43,460 --> 01:03:47,480
nos compartes y va a ser un
gustazo ver cómo lo tienes montado.

691
01:03:48,350 --> 01:03:51,010
Sí, yo también tengo ganas de enseñaros.

692
01:03:52,170 --> 01:03:55,530
Tengo un montón de cosas que mostrar.

693
01:03:55,530 --> 01:04:01,830
Qué chulo, pues, oye, un placer hablar
contigo, como siempre, quedamos para la siguiente,

694
01:04:01,830 --> 01:04:06,390
ya publicaremos la fe, ya iremos y no se
nos escapará, no será muy tarde, cuando tú me

695
01:04:06,430 --> 01:04:13,530
digas, vale, encuentro tiempo para ti,
vale, vale, perfecto, oye, muchísimas

696
01:04:13,530 --> 01:04:18,310
gracias, ha hecho un placer, nada, pero
tras pasado bien también, sí, sí, tú también,

697
01:04:18,310 --> 01:04:25,330
no, yo siempre, o sea, es que de
verdad es su gustazo y hablabas, no, tú

698
01:04:25,330 --> 01:04:30,730
estás emocionado, ¿no? Fíjate que con esto
del podcast y con el proyecto de Café Database

699
01:04:30,730 --> 01:04:34,830
y poder hablar con gente
como tú, que es genial,

700
01:04:36,110 --> 01:04:42,390
¿No? Es decir, qué lujo poder tomarte un
café con alguien de las personas que más te

701
01:04:42,390 --> 01:04:46,290
quieren. Qué lujo. Vamos, ¿no?

702
01:04:46,370 --> 01:04:47,790
What a time to be alive, ¿no?

703
01:04:47,830 --> 01:04:53,730
O sea, qué maravilloso. Yo encantado, por
eso te vuelvo a decir, mi casa es tu casa,

704
01:04:53,890 --> 01:05:00,250
o sea, cada vez que quieras montar algún
tinglao puedes hacerlo, cada curso que hagas

705
01:05:00,250 --> 01:05:07,770
cuéntalo en la comunidad de Discord porque
la gente yo creo que los valora, son oro

706
01:05:07,770 --> 01:05:14,160
puro, así que Lo dicho, un abrazo
muy fuerte y un hacer verte

707
01:05:16,220 --> 01:05:17,720
Hasta otra, chao