WEBVTT

00:00:08.430 --> 00:00:11.570
Por fin. Muy buenas tardes, Nacho.

00:00:11.790 --> 00:00:13.670
¿Cómo estás? Buenas tardes.

00:00:13.690 --> 00:00:17.590
Muy bien. Hemos estado 15 minutos
ahí probando micros, cámaras, todo.

00:00:17.850 --> 00:00:22.294
Soy muy novato en esto de streamear por
YouTube y grabarnos en Discord a la vez.

00:00:22.590 --> 00:00:24.150
Pero lo hemos conseguido.

00:00:24.210 --> 00:00:26.490
14 minutos después. Sí, sí, sí.

00:00:26.710 --> 00:00:28.710
Nada, pues muy bien. Muchas gracias.

00:00:29.760 --> 00:00:31.538
Oye, y muchas gracias por venir.

00:00:31.720 --> 00:00:35.800
Tienes una agenda súper ocupadísima con
todos los bolos que estás haciendo de conferencias

00:00:35.840 --> 00:00:40.480
y de charlas. Así que es un
placer tenerte otra vez y gracias.

00:00:41.640 --> 00:00:44.760
Ah, hombre, es la segunda vez.

00:00:45.500 --> 00:00:47.500
Y estuviste cómoda la primera, ¿no?

00:00:48.300 --> 00:00:50.980
Quisiste repetir. Sí, sí, exacto.

00:00:51.970 --> 00:00:56.590
Pues claro, ahora ya vamos disparados.

00:00:56.590 --> 00:01:03.630
La IA agéntica, cuantísimas cosas
han pasado en IA y bueno, vamos a

00:01:03.630 --> 00:01:04.690
ir repasando un poquito todo.

00:01:04.730 --> 00:01:10.790
¿Qué quiero que hablemos en
esta horita, hora y poco?

00:01:11.970 --> 00:01:16.810
Quiero que hablemos sobre los cursos que
tienes gratis que hiciste con Andrew Ang.

00:01:17.010 --> 00:01:19.910
¿Se dice Ang? Ang, sí, se dice Ang.

00:01:20.650 --> 00:01:24.817
Los cursos gratuitos que tienes, que
son buenísimos, los he estado ojeando.

00:01:25.230 --> 00:01:29.830
Necesito un poquito más de tiempo para
poder cacharrear con ellos, pero están genial.

00:01:29.870 --> 00:01:33.481
Quiero que hablemos de la IA
agéntica y qué cosas estás haciendo.

00:01:34.010 --> 00:01:39.650
Tus laboratorios y las cosas que veo en tu
GitHub son siempre sorprendentes, pero es

00:01:39.650 --> 00:01:44.750
que cuando hablo contigo digo, madre mía,
o sea, pensé que Alucinaba y alucino mucho

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

00:01:49.750 --> 00:01:52.510
partir de ahí, que me cuentes
todo lo que te dé la gana.

00:01:52.550 --> 00:01:54.250
Vale, me parece buen plan.

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

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.

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,

00:02:11.090 --> 00:02:15.250
pues no salga en la emisión de Youtube,
vamos a dejar, si alguien tiene dudas, preguntas

00:02:15.290 --> 00:02:18.550
o quiere participar, de subir al
escenario al final del podcast.

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

00:02:21.650 --> 00:02:26.830
ver sin problemas, pero, es decir, yo
tengo algunos que me han hecho preguntas: "Oye,

00:02:26.850 --> 00:02:28.370
por favor, pregúntale a Nacho esto".

00:02:28.410 --> 00:02:31.354
Bueno, tengo unas cuantas
preguntas por ahí de gente.

00:02:31.550 --> 00:02:34.850
Pero si alguien quiere participar y quiere
subir al escenario, lo hacemos después, cuando

00:02:34.890 --> 00:02:42.050
acabemos. Porque así la retransmisión del
podcast, del YouTube, no se queda ahí pendiente

00:02:42.050 --> 00:02:44.610
de que hay una persona
hablando y no la escuchamos.

00:02:44.650 --> 00:02:49.870
De acuerdo, vamos a hacerlo así,
simplemente un poquito distinto, para que no rompa ese

00:02:49.870 --> 00:02:57.160
streameo de YouTube. Pues venga,
vamos por el primer punto.

00:02:57.500 --> 00:03:03.840
Venga, cuéntame las dos formaciones Que
las has compartido en Café de Atabase y no sé

00:03:03.840 --> 00:03:06.896
si alguno de los que está
escuchando ha podido asistir.

00:03:07.300 --> 00:03:12.880
Cuéntame la experiencia. O sea, primero,
¿cómo es la formación con un capo como Andrew

00:03:12.880 --> 00:03:15.660
Wang y qué tal le ha
subido la experiencia?

00:03:16.040 --> 00:03:21.240
Y cuéntame, cuéntame. Pues la
experiencia muy bonita, por supuesto.

00:03:21.620 --> 00:03:27.560
El primer curso me parece que lo grabamos
en enero, no, en febrero de este año.

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.

00:03:34.520 --> 00:03:42.280
Yo antes de hacer ningún
vídeo con él ya había visto

00:03:42.280 --> 00:03:49.600
por supuesto sus vídeos de icónicos de
stanford de computer science que habla de algoritmos

00:03:49.600 --> 00:03:54.460
también hablaba de inteligencia artificial
un montón de vídeos teóricos que tiene por

00:03:54.460 --> 00:03:56.500
internet y entonces ya los conocía.

00:03:56.500 --> 00:04:03.640
Cuando en el trabajo me dijeron, pues vamos
a hacer cursos con Deep Learning AI, con

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

00:04:10.420 --> 00:04:18.400
que se encargaría. Entonces
nos pusimos a trabajar y con

00:04:18.400 --> 00:04:21.040
las cosas más recientes que
estábamos haciendo en el trabajo.

00:04:21.080 --> 00:04:28.220
Estábamos investigando mucho sobre la
memoria y cómo conectar algunos de los temas

00:04:28.220 --> 00:04:29.080
de inteligencia artificial.

00:04:29.120 --> 00:04:36.120
Que estaban saliendo en el
dominio, en el espacio, con

00:04:36.120 --> 00:04:43.540
las cosas que hacemos en el trabajo
que normalmente no es del todo

00:04:43.540 --> 00:04:46.940
fácil Porque son temas muy innovadores.

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

00:04:53.670 --> 00:04:59.610
de datos de una empresa enorme y parte

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

00:05:05.850 --> 00:05:11.890
es una empresa que a veces queda
anticuada, entonces mi trabajo en parte es hacer que

00:05:11.890 --> 00:05:18.390
esa percepción cambie de la gente, que
vean que ahora con también hace cosas muy interesantes.

00:05:18.390 --> 00:05:25.970
Y entonces pues el tema de la
memoria, de los modelos que estaban

00:05:25.970 --> 00:05:32.230
bien pero no estaban del todo bien, podían
hacer cosas de manera autónoma pero no tenían

00:05:32.230 --> 00:05:40.090
alguna autonomía altísima y la calidad
no era del todo buena, sobre todo cuando

00:05:40.090 --> 00:05:45.220
tienes una conversación y
acaba la conversación la

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

00:05:51.210 --> 00:05:57.870
de los modelos de lenguaje con atención,
es que las cosas no se aprenden del todo.

00:05:59.650 --> 00:06:06.950
Haces algo pero lo máximo que suele hacer
el modelo es escribir a un archivo, oye

00:06:06.950 --> 00:06:13.830
he hecho estas 30 cosas durante esta
implementación, lo voy a dejar en un archivo Markdown

00:06:13.830 --> 00:06:21.070
en el fondo del repositorio y luego
ya si la siguiente conversación

00:06:21.070 --> 00:06:26.990
quieres debes hacer algo parecido, a lo
mejor preferenciarás ese archivo, a lo mejor

00:06:26.990 --> 00:06:34.220
no. Pero con la memoria o implementando
ciertas cosas de memoria como tenemos

00:06:34.220 --> 00:06:38.860
los humanos, intentando asimilar las cosas
que tenemos en la memoria nosotros, también

00:06:38.900 --> 00:06:45.360
se puede hacer que los modelos aprendan un
poco más humanamente y no simplemente se pongan

00:06:45.360 --> 00:06:48.138
a escribir 10 .000 líneas
de código en un archivo.

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

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

00:07:01.160 --> 00:07:06.780
quiere buscar el título, se llama Building
Memory Aware Agents, es el primero y luego

00:07:06.780 --> 00:07:09.020
está Building Adaptive AI Agents.

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

00:07:14.180 --> 00:07:21.220
todas las cosas que se pueden hacer a
nivel programático para crear un harness,

00:07:21.460 --> 00:07:26.840
que ya veremos lo que es, pero vamos,
como por ejemplo, Cloud Code, Codex, etc.

00:07:28.160 --> 00:07:35.530
Para hacer que los harnesses funcionen
correctamente y que tengan partes

00:07:35.530 --> 00:07:38.690
de memoria implementadas en este software.

00:07:38.690 --> 00:07:43.390
Qué bien. Voy a decir
una cosita, una cuña.

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

00:07:48.790 --> 00:07:53.990
dos cursos que están en la academia de
Andrew Ang, en verdad que es suya, ¿no?

00:07:54.050 --> 00:07:59.010
Él había montado Coursera y él se ha
montado también este Deep Learning ahí, ¿no?

00:07:59.310 --> 00:08:05.050
Esos dos cursos están completamente
gratis, están totalmente abiertos y ¿nivel de entrada?

00:08:05.050 --> 00:08:12.290
Pude empezar con cero conocimiento
prácticamente, porque explicamos todos los conceptos

00:08:12.290 --> 00:08:20.070
desde cero. Pues genial. El equipo de Deep
Learning AI es brutal, porque cuando grabamos

00:08:20.070 --> 00:08:27.490
las cosas parecía que iba a haber mil
errores, sobre todo pues como tienes que decir

00:08:27.490 --> 00:08:33.770
todo más o menos perfecto, digo Digo, wow,
he cometido 100 errores y luego parece que

00:08:33.770 --> 00:08:36.730
no hay ningún error en
ninguno de los cursos.

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

00:08:42.510 --> 00:08:45.270
gente que es capaz de
editar vídeos a ese nivel.

00:08:45.810 --> 00:08:47.470
Es decir, ¿qué ha pasado aquí?

00:08:47.510 --> 00:08:50.290
Es otro vídeo completamente distinto.

00:08:50.960 --> 00:08:53.220
Sí, sí, sí, sí. Doy fe, doy fe.

00:08:53.460 --> 00:08:57.180
Yo he visto, son una
formación a calidad buenísima.

00:08:57.180 --> 00:09:01.580
Muy breve, muy concreta. Son dos
horas más o menos cada curso.

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

00:09:06.440 --> 00:09:13.580
de esta IA. Ya voy a la charla
IAgéntica porque al final ya no estamos

00:09:13.580 --> 00:09:20.320
hablando solamente del usuario que utiliza
Cloud o utiliza HGPT, sino que va un poquito

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

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.

00:09:33.730 --> 00:09:36.810
Entonces, el concepto
de tener una IA, ¿no?

00:09:37.030 --> 00:09:44.330
Es decir, yo quiero hacer cosas, pero
no quiero que lo sepa ni Sam Altman

00:09:44.330 --> 00:09:49.450
ni la gente de Antropic. Pic, yo quiero
tener, digamos, como mis objetos iniciales de

00:09:49.450 --> 00:09:51.394
mi empresa y tal, los quiero tener,

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

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,

00:10:04.670 --> 00:10:11.490
aparte de usar modelos, por ejemplo, open
waves, que puedes dejar en tu casa o correr

00:10:11.490 --> 00:10:18.520
desde tu casa y la. La mayoría de
estos modelos normalmente van a un

00:10:18.520 --> 00:10:24.600
framework de inferencia que te permite
hacer las peticiones y estandarizar toda la comunicación

00:10:24.600 --> 00:10:29.960
con los modelos open source, que
normalmente son, yo diría, tres o cuatro.

00:10:29.960 --> 00:10:36.590
Tienes frameworks como por ejemplo
Lama CPP, que está hecho en C++.

00:10:37.290 --> 00:10:44.970
Luego tienes, bueno, tienes algunos otros,
pero por ejemplo, O Lama es otro, VLLM

00:10:44.970 --> 00:10:47.810
es otro, que es, yo creo,
el más potente de todos.

00:10:47.810 --> 00:10:54.850
Y todos estos modelos Open Source que tú
puedes ejecutar en casa si quieres, tienen

00:10:54.850 --> 00:11:01.850
o siguen normalmente los protocolos
de las APIs APIs de especificación

00:11:01.850 --> 00:11:03.450
para comunicarse con esos modelos.

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

00:11:09.470 --> 00:11:13.930
de OpenAI, pues entonces va a seguir el
protocolo de OpenAI para hacer Las peticiones

00:11:13.970 --> 00:11:19.350
entonces, si tienes tú un framework de estos
o te lo descargas porque son todos open

00:11:19.350 --> 00:11:27.760
source, sí, el 99 % son open
source, puedes literalmente

00:11:27.760 --> 00:11:34.920
tener tu propio sistema, en vez de hacer
peticiones, tener tu suscripción, es

00:11:34.920 --> 00:11:40.780
90 -200 dólares al mes, que hay
gente que se gasta 200, yo no.

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

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

00:11:54.560 --> 00:12:01.590
también vale vale ahora ahora los comparamos
sí pero eso que se puede tener en casa

00:12:01.590 --> 00:12:08.770
una una vamos con un poco de
inversión depende de cuánto quieras

00:12:08.770 --> 00:12:14.110
gastarte y de qué modelos quieras ejecutar
pero se pueden ejecutar modelos muy buenos

00:12:14.110 --> 00:12:20.290
de hay modelos ya súper súper comprimidos
de 30 mil millones de parámetros o menos en

00:12:20.290 --> 00:12:27.450
unión yo diría que al 60
por ciento al nivel de sonet

00:12:27.450 --> 00:12:34.590
4 .5 está bastante Sí, de momento.

00:12:34.830 --> 00:12:42.140
Y son modelos súper, súper comprimidos,
porque SONET en esa época creo que tenía 2 .000

00:12:42.140 --> 00:12:49.520
millones de parámetros, 3 .000 millones,
me estoy refiriendo, 3 trillones, si hablamos

00:12:49.520 --> 00:12:53.330
en lo, sí, 3 trillones de
parámetros aproximadamente.

00:12:53.330 --> 00:13:00.580
Estimadamente entonces, ¿cómo se puede
tener un modelo de 30 .000 millones de parámetros,

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

00:13:08.030 --> 00:13:12.530
100 veces menos, y aún así
tener una inteligencia parecida?

00:13:12.870 --> 00:13:17.650
Por un montón de cosas que los chinos,
sobre todo los chinos, están haciendo.

00:13:17.650 --> 00:13:24.770
Lo que están haciendo y si están
he escuchado una charla que has

00:13:24.770 --> 00:13:31.890
tenido hace poco y contabas un poco que
por traer algunas reflexiones que hablabas gracias

00:13:31.890 --> 00:13:38.710
a los modelos open source se está demo
democratizando un poquito el acceso a la guía

00:13:38.710 --> 00:13:45.810
es acceso entre comillas universal aunque
pero si la IA está accesible a un montón de

00:13:45.810 --> 00:13:51.710
gente sin necesidad a lo mejor de unas
grandes inversiones, que solo las grandes corporaciones

00:13:51.710 --> 00:13:58.130
pueden usar la IA, pequeños autónomos,
pequeñas personas pueden utilizar la IA para aprendizaje,

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

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

00:14:08.530 --> 00:14:12.510
salvó con Linux con los modelos

00:14:14.310 --> 00:14:21.570
Eliminar ese monopolio decías la utopía
diríamos una distopía si no tuviéramos

00:14:21.570 --> 00:14:28.970
los modelos lo dije en otro podcast que
tendríamos un grave problema un gravísimo

00:14:28.970 --> 00:14:36.760
problema si lo pensáis porque
primero los modelos que existen

00:14:36.760 --> 00:14:43.100
hoy en día, los Frontier Labs por ejemplo,
OpenAI, Anthropic y Google Demand a lo mejor,

00:14:43.200 --> 00:14:48.960
esos tres esas tres empresas que se
dedican a desarrollaría, podrían poner los precios

00:14:48.960 --> 00:14:54.480
arbitrarios que les da la gana y nadie
podría decirles lo contrario, ¿por qué?

00:14:54.580 --> 00:15:01.620
Porque si solamente hay tres modelos
disponibles y son la única forma de

00:15:01.620 --> 00:15:05.220
consumir inteligencia artificial, te
pueden decir que cada petición vale un millón de

00:15:05.260 --> 00:15:10.820
euros Y te lo tienes que creer, porque
en el futuro ya bajarán los precios.

00:15:11.080 --> 00:15:16.980
Entonces, si hay una alternativa que cualquier
persona del mundo puede coger y poner

00:15:16.980 --> 00:15:24.560
en una tarjeta gráfica, eso yo creo que
les duele mucho, en parte, porque les quita

00:15:24.560 --> 00:15:30.900
el monopolio. Es como parte de la
descentralización que pasó con las blockchain cuando

00:15:30.900 --> 00:15:32.320
empezó el tema de cripto.

00:15:32.880 --> 00:15:40.020
El problema es que no había
forma de que una autoridad única

00:15:40.020 --> 00:15:48.490
o gubernamental, que normalmente cogen
mucho poder, o empresas trillonarias

00:15:48.490 --> 00:15:52.480
también, que no tengan el poder
absoluto sobre el precio de las cosas.

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

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.

00:16:03.880 --> 00:16:06.500
Ahora vale a lo mejor 5 o 2.

00:16:06.500 --> 00:16:13.670
Entonces, en ese sentido, los chinos
supongo lo hacen estratégicamente para

00:16:13.670 --> 00:16:20.530
ganar porcentaje de usuarios y de
desarrolladores y tal, pero es muy importante que los

00:16:20.530 --> 00:16:25.230
modelos open source y otros modelos
estén open source y open wage.

00:16:25.230 --> 00:16:30.550
Eso yo diría que es un poco distinto pero
estos modelos están desarrollando es importantísimo

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

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

00:16:42.080 --> 00:16:46.760
montón de estrategias que están haciendo
por ejemplo fueron los primeros en probar algunas

00:16:46.800 --> 00:16:53.860
arquitecturas de modelos de texto
por ejemplo probaron primero el

00:16:53.860 --> 00:16:59.160
mixture of experts que básicamente es en
vez de tener un modelo de tres trillones de

00:16:59.160 --> 00:17:06.270
parámetros entrenado para hacer de
todo pues tenías un modelo de tres

00:17:06.270 --> 00:17:10.850
millones de tres trillones de parámetros
el número de parámetros no cambia pero en vez

00:17:10.890 --> 00:17:18.130
de tener un modelo tienes
como 48 96 o 100 200 modelos

00:17:18.130 --> 00:17:25.110
en muy muy pequeños dentro de ese que se
llaman expertos y están súper súper entrenados

00:17:25.110 --> 00:17:30.700
con reinforcement learning para resolver
un tipo de problema en específico por ejemplo

00:17:30.700 --> 00:17:38.300
un experto para mates Un experto para
historia un experto Para resolver o escribir documentos

00:17:38.300 --> 00:17:45.160
PDF, etc. Entonces los combinas y solo
activas los parámetros activos que se llaman,

00:17:45.260 --> 00:17:52.400
solo activas el experto o el grupo de
expertos necesario para resolver cada problema.

00:17:52.400 --> 00:17:58.580
Entonces, en vez de tener 3 trillones de
parámetros activos en la RAM, puedes tener un

00:17:58.580 --> 00:18:03.720
modelo que está cargado a lo mejor y
activamente solamente tiene 30 .000 millones de

00:18:03.720 --> 00:18:07.560
parámetros, que es a lo mejor el 3 %
de todos los parámetros del modelo.

00:18:07.600 --> 00:18:13.800
También han probado arquitecturas híbridas
para cosas de visión y nuevas cosas que están

00:18:13.800 --> 00:18:18.460
haciendo. Son también muy buenos en el
tema de inferencia porque me parece que son el

00:18:18.500 --> 00:18:24.420
único, bueno, no me estoy refiriéndome a
China, pero cuando me refiero a China me estoy

00:18:24.420 --> 00:18:31.540
refiriendo a los creadores de GLM,
que es z .ai, z .ai, no sé hablar

00:18:31.540 --> 00:18:36.760
chino así que no voy a hacer
el ridículo, y DeepSeek.

00:18:36.760 --> 00:18:43.820
Y Alibaba bueno, Alibaba es una empresa
de las más grandes del mundo que son los

00:18:43.820 --> 00:18:49.740
dueños de Aliexpress y de muchísimas otras
empresas pero vamos, Temu creo que también

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,

00:18:56.220 --> 00:19:03.110
son empresas privadas Y lo que pasa es que
tienen una filosofía distinta a la filosofía

00:19:03.110 --> 00:19:09.610
que tienen las empresas esas
internacionales que no son de China, que es que los otros,

00:19:09.810 --> 00:19:14.800
o sea estos laboratorios de
investigación, los chinos

00:19:16.470 --> 00:19:21.210
Publican los valores de la red
neuronal, es decir, si tú quieres

00:19:22.640 --> 00:19:26.340
Coger los medios creados,
claro, esto es OpenWeights.

00:19:26.340 --> 00:19:31.540
Entonces, OpenWeights es simplemente que
los pesos de la red neuronal están públicos

00:19:31.540 --> 00:19:36.680
y puedes cogerlos, editarlos y
hacer modificaciones que tú quieras.

00:19:36.740 --> 00:19:43.780
Hay gente que luego ya veremos que hay
estrategias que la gente hace para aprovecharse

00:19:43.780 --> 00:19:49.860
de esto de una manera maliciosa, pero también
es completamente válido porque, bueno,

00:19:49.920 --> 00:19:55.740
si algo es público es una consecuencia
de tener las cosas públicas.

00:19:55.740 --> 00:19:59.760
Pero no lo veo malo, lo veo simplemente
una consecuencia de tener acceso a la información

00:19:59.800 --> 00:20:04.340
como llevamos toda la vida
teniéndolo en otros dominios.

00:20:08.040 --> 00:20:15.020
Por ejemplo, hay gente que coge estos
modelos y elimina las refusals que tienen los modelos.

00:20:15.020 --> 00:20:22.430
¿Cómo haces esto? Analizas
un stream de tokens que

00:20:22.430 --> 00:20:29.900
se genera cuando le haces ciertas
preguntas, analizas cuáles son las neuronas

00:20:29.900 --> 00:20:34.440
que se han activado y más o menos,
dependiendo del dominio que le estás hablando, sabes

00:20:34.480 --> 00:20:36.920
más o menos las neuronas
que se van a activar.

00:20:36.960 --> 00:20:41.820
Entonces, si quieres eliminar algo, un
comportamiento, eso es extremadamente fácil.

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

00:20:48.340 --> 00:20:51.100
o adaptar un comportamiento
que ya existe en el modelo.

00:20:51.140 --> 00:20:57.160
Por ejemplo, le digo, pues me quiero hacer
un modelo que sea extremadamente, de hecho

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

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,

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

00:21:15.360 --> 00:21:20.480
que eliminar un pequeño porcentaje de las
neuronas, las sobrescribes, es como si los

00:21:20.480 --> 00:21:27.710
humanos nos hiciéramos una lobotomía,
una pequeña lobotomía, pero en todo el

00:21:27.710 --> 00:21:31.370
cerebro, solo un trocito del
cerebro lo coges y lo reescribes.

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.

00:21:37.930 --> 00:21:44.950
Por ejemplo, hay modelos que Cogen el
modelo y lo adaptan para que sea malicioso

00:21:44.950 --> 00:21:50.990
en ciberseguridad y que no te diga no, no
puedo hacer esta tarea de ciberseguridad.

00:21:52.130 --> 00:21:59.330
Cogen todos esos prompts maliciosos,
los analizan y dicen, ostras, acabo

00:21:59.330 --> 00:22:06.490
de crear un modelo que es open weights,
pero tiene capacidad de hackear o cosas así.

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

00:22:12.450 --> 00:22:13.570
los modelos open -weight.

00:22:13.610 --> 00:22:16.850
O para que hablen poco
o para que hablen poco.

00:22:17.130 --> 00:22:21.730
Para decir, quiero que no se
gaste tokens en narrativa.

00:22:22.250 --> 00:22:24.361
Dime, sí, no se puede no, no se puede.

00:22:25.010 --> 00:22:31.220
Mejor hago esto para es decir,
para que sean lo menos...

00:22:31.220 --> 00:22:38.520
Sí, menos elocuentes, más elocuentes también,
más agradables, de hecho yo en Hugging

00:22:38.520 --> 00:22:45.520
Face tengo un modelo mío propio que tiene
muy pocos parámetros, pero es un modelo

00:22:45.520 --> 00:22:52.610
súper polite, súper educado,
que lo hice para que la

00:22:52.610 --> 00:22:56.970
gente entienda que se pueden hacer modelos
con distintos comportamientos, Puedes replicar

00:22:57.010 --> 00:23:01.150
la forma de hablar de un famoso,
puedes hacer lo que quieras.

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

00:23:07.910 --> 00:23:12.090
por dentro también, que puedes, si sabes
la arquitectura, pues puedes hacer más o menos

00:23:12.130 --> 00:23:17.040
el, entender cómo funciona y
cambiar estos comportamientos.

00:23:17.360 --> 00:23:19.500
¿Eso es lo que se le llama fine tuning?

00:23:19.540 --> 00:23:27.400
Fine tuning Es, sí, sí, es decir, fine
tuning es como una parte de reentrenar

00:23:27.400 --> 00:23:33.100
el modelo, pero solamente intentando
minimizar el porcentaje y el tiempo que gastas en

00:23:33.100 --> 00:23:40.200
el entrenamiento. Si necesitas, por
ejemplo, reentrenar a lo mejor el 30 %

00:23:40.200 --> 00:23:45.800
de las neuronas o el 10, incluso
el 20%, 25 % ya es un problema.

00:23:46.650 --> 00:23:51.470
Entonces a eso ya normalmente ya no se le
llama fine tuning, ya estarías haciendo otra

00:23:51.470 --> 00:23:54.090
versión de un modelo base.

00:23:54.090 --> 00:24:00.030
Pero fine tuning en teoría está hecho para
modificar cuantas menos neuronas posibles

00:24:00.030 --> 00:24:07.860
para conseguir el máximo cambio de
comportamiento posible en la red neuronal

00:24:07.860 --> 00:24:12.340
que los modelos del lenguaje todos los
modelos pero los del lenguaje también son redes

00:24:12.380 --> 00:24:19.060
neuronales. Te escuchaba ahora y te
escuchaba también en esta otra charla que dabas y

00:24:19.060 --> 00:24:21.120
parece que estamos hablando de

00:24:22.020 --> 00:24:26.580
neurocirugía. Parece que estamos hablando
de la IA como un cerebro en el cual decimos

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

00:24:32.840 --> 00:24:40.010
con un cerebro que solamente tiene cálculo
matemático, pues tengo un cerebro con un mínimo

00:24:40.010 --> 00:24:47.030
coste. Es decir, parece que que estamos
entrando en esa en esa analogía pero pero pero

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

00:24:54.240 --> 00:24:58.520
expertos súper tontos en cualquier cosa
menos en lo que se le ha entrenado.

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

00:25:03.080 --> 00:25:09.060
entendido que durante los primeros años de
formación académica tienes una formación académica,

00:25:09.060 --> 00:25:14.820
la gente es decimos ve al colegio y esa es
parte de nuestro entrenamiento de nuestra

00:25:14.820 --> 00:25:22.030
propia red neuronal en el cerebro, pero
vamos la mayoría de los humanos vamos y

00:25:22.030 --> 00:25:26.650
tenemos un conocimiento más general sobre
cosas, nunca vas a encontrarte una persona

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

00:25:33.790 --> 00:25:40.870
respirar, es decir hay cosas también en
la sociedad que aprendemos y todo el mundo

00:25:40.870 --> 00:25:45.650
tiene ese conocimiento general, pero en un
modelo de lenguaje pues como no tienen cuerpo

00:25:45.690 --> 00:25:51.330
pues no necesitan ciertas cosas, no,
entonces le puedes hacer, le puedes decir, "vale,

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,

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

00:26:02.940 --> 00:26:10.090
matemáticas", entonces la conversación
se vuelve, bueno, se vuelve psicótica si

00:26:10.090 --> 00:26:16.770
fueras un humano, no. Vamos un humano no
ciertamente no podría sobrevivir algo así pero

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

00:26:23.610 --> 00:26:31.140
un año le pones yo que 100
libros de cosas legales,

00:26:31.220 --> 00:26:38.790
va a ser un genio en ser
abogado, por ejemplo, o

00:26:38.790 --> 00:26:44.250
en ser purista, va a ser el mejor que te
puedas encontrar del mundo porque solamente

00:26:44.250 --> 00:26:50.350
tiene ese vocabulario y ese dominio de
palabras para comunicarse con el exterior, con

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

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.

00:27:02.650 --> 00:27:10.160
Qué grande, qué grande. Es
todo un nuevo paradigma dentro

00:27:10.160 --> 00:27:11.680
de... Esto va a cambiar todo.

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

00:27:15.340 --> 00:27:18.396
la que aprendemos, la forma
en la que nos relacionamos.

00:27:18.880 --> 00:27:23.420
Decías un poco que siempre vamos a estar
nosotros los humanos como supervisores hasta

00:27:23.460 --> 00:27:28.840
que la inteligencia sea la nueva
supercivilización que nos gobierne.

00:27:28.840 --> 00:27:36.100
Y metemos aquí todas las discusiones
éticas y todo esto, yo a veces

00:27:36.100 --> 00:27:43.020
hablando de esto, sin entrar en política,
porque digo, no hay nadie al volante, no veo

00:27:43.020 --> 00:27:49.900
a nivel político, no veo a alguien que
diga, uy, esta persona me parece razonable, le

00:27:50.160 --> 00:27:54.900
pondría el país en manos de este
político local o extranjero.

00:27:54.900 --> 00:28:02.000
Y digo, pero si viene una IA,
un partido IA, que alguien diga,

00:28:02.080 --> 00:28:09.580
vamos a poner los modelos, vamos
a dotar de ética, de principios

00:28:09.580 --> 00:28:16.140
sociales, los derechos humanos, no sé qué,
y que con una mínima supervisión humana nos

00:28:16.140 --> 00:28:23.080
gobierne. Todo esto por todos los mensajes
apocalípticos de vamos a morir todos y el

00:28:23.080 --> 00:28:28.640
científico que decía que estamos abogados
a la IA, a lo mejor destruye a la humanidad.

00:28:29.120 --> 00:28:32.100
Quizá la solución está
en este nuevo paradigma.

00:28:32.300 --> 00:28:37.280
Está sucediendo, ¿no? Yo
lo he pensado, que sería

00:28:38.720 --> 00:28:45.020
Interesante poder ver a lo mejor una
inteligencia artificial, porque en parte la gente

00:28:45.020 --> 00:28:50.960
trata a las inteligencias artificiales
hoy en día como si fueran en parte Dios.

00:28:50.960 --> 00:28:52.900
Dios, ¿por qué digo esto?

00:28:53.140 --> 00:28:59.240
Y no intento blasfemar, pero las
inteligencias artificiales ya saben muchísimo más que

00:28:59.240 --> 00:29:06.370
los humanos, entonces, a nivel,
tengo razón o no, y me di cuenta

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

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.

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

00:29:25.330 --> 00:29:29.970
y la otra persona tenía una opinión
diferente entonces las conversaciones hace tres años

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

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

00:29:41.040 --> 00:29:48.880
y tú o yo o sea ya se Se ha
terminado la forma de discutir

00:29:48.880 --> 00:29:53.500
de antes. La forma de antes era, yo
tengo una opinión, tú tienes otra.

00:29:53.880 --> 00:29:56.380
Oye, creo que te equivocas.

00:29:56.380 --> 00:29:59.180
Y el otro te decía, no, no me
equivoco porque tal, tal, tal.

00:29:59.220 --> 00:30:06.240
¿No? Vale, ok. Pues hoy las
discusiones son, mira, yo tengo esto,

00:30:06.360 --> 00:30:10.620
tú tienes esa opinión, pero que sepas que
te equivocas, porque le he preguntado a la

00:30:10.660 --> 00:30:12.180
IA y me ha Dicho esto, esto y esto.

00:30:12.220 --> 00:30:16.100
Y la IA es la verdad absoluta.

00:30:16.100 --> 00:30:21.880
Es decir, muchísima gente considera a
la IA como Dios para todo en la vida.

00:30:21.960 --> 00:30:27.700
Es decir, para las preguntas que tienes
específicas objetivas, pero también para los

00:30:27.700 --> 00:30:34.180
temas subjetivos, como por ejemplo opiniones
sobre ciertos temas, si tú le preguntas

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

00:30:39.240 --> 00:30:44.880
toda conversación y toda discusión al
respecto, tengo razón porque la IA me ha dado razón,

00:30:45.180 --> 00:30:49.960
¿sabes? Bueno, y también como planteas
ciertos prompts que los diriges.

00:30:51.880 --> 00:30:56.780
¿Verdad que con esta situación
en la que yo veo a la IA

00:30:58.000 --> 00:31:02.180
¿Que esto es así? Y te
dice, bueno, pues sí, ¿ves?

00:31:03.920 --> 00:31:06.960
Es ese sesgo de confirmación, ¿no?

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

00:31:12.740 --> 00:31:19.680
razón soy yo. Sí, y en parte eso es
también una estrategia humana de conversación, que

00:31:19.680 --> 00:31:25.260
es más o menos la persuasión
basándote en lo que tú estás diciendo.

00:31:25.380 --> 00:31:29.500
Es decir, yo subliminalmente o
sin que tú te enteres, te puedo…

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

00:31:36.080 --> 00:31:42.360
un libro y todo, que habla específicamente
de cómo influenciar o influir a una persona

00:31:42.360 --> 00:31:46.300
durante una conversación
de manera no directa.

00:31:46.820 --> 00:31:48.940
Por ejemplo, diciéndole cosas como,

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

00:31:55.010 --> 00:31:57.830
ayudar, porque sé que eres buena persona.

00:31:58.510 --> 00:32:04.130
Entonces, si tú continúas esa conversación
desde ese momento, se asume, o asumimos en

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,

00:32:08.470 --> 00:32:11.137
porque si no, habrías
dicho algo en ese momento.

00:32:11.550 --> 00:32:18.870
Y a través de esa, de esas pequeñas
estrategias de vocabulario con la IA también funciona,

00:32:18.870 --> 00:32:23.470
por supuesto, porque ha sido entrenado con
datos humanos, entonces lo veo simplemente

00:32:23.510 --> 00:32:29.450
una forma pues igual de humana que de
intentar persuadir a la gente en las conversaciones.

00:32:29.450 --> 00:32:32.890
Claro, ¿has visto ese documental
que se llama The Push?

00:32:32.890 --> 00:32:40.300
The Push no, porque si lo hubieras visto
lo habrías visto, lo recordarías, es un

00:32:40.300 --> 00:32:47.340
documental muy potente. Es un mentalista
británico que monta en un en un edificio, en

00:32:47.340 --> 00:32:52.420
todo un edificio, monta como un catering
ficticio, como si fuese una fundación benéfica

00:32:52.420 --> 00:32:59.640
ficticia, todo con actores, y
construye una representación

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,

00:33:06.380 --> 00:33:08.780
y les va haciendo esas cadenas
de sí que tú vas diciendo.

00:33:08.820 --> 00:33:14.280
Es decir, van sucediendo cosas y la
persona va aceptando un poquito más, un poquito más,

00:33:14.320 --> 00:33:18.920
un poquito más, hasta que llega el momento
en que tiene que arrojar, porque todo está

00:33:18.960 --> 00:33:22.720
como muy dirigido, tiene que
arrojar a una persona al vacío.

00:33:22.720 --> 00:33:28.060
Es decir, podría una persona en una hora,
una cadena de situaciones, una persona random,

00:33:28.200 --> 00:33:35.300
a base de irla presionando, empujando,
llegar a cometer un homicidio, pero todo

00:33:35.300 --> 00:33:36.480
empieza desde lo más pequeño.

00:33:36.520 --> 00:33:42.940
Es decir, llaman y dicen que los bocaditos
vegetarianos no han venido, solo han venido

00:33:42.940 --> 00:33:48.860
de carne. Y el tío dice, espera, ayúdame,
ayúdame, ya voy a poner banderitas vegetarianas

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

00:33:55.020 --> 00:34:01.860
banderitas vegetarianas en rollitos, que
ya está participando y se le obliga a ceder

00:34:01.860 --> 00:34:03.680
un poquito más, un poquito
Más, un poquito más.

00:34:03.720 --> 00:34:06.040
Y al final está al borde ya de...

00:34:06.040 --> 00:34:07.880
Es un documental brutal, ¿eh?

00:34:08.140 --> 00:34:09.980
Está en Netflix, The Push.

00:34:11.340 --> 00:34:16.900
Y ahí también, en temas de sesgo,
psicología y inteligencia artificial, asusta un poco,

00:34:16.940 --> 00:34:21.430
¿no? Que de pronto la IA
pueda tener ese dominio, ¿no?

00:34:21.450 --> 00:34:26.330
O que alguien entrene a agentes para hacer
ese tipo de persuasión o ese tipo de...

00:34:26.330 --> 00:34:29.170
Es posible, por ser posible.

00:34:29.910 --> 00:34:37.170
Sí, completamente. De hecho,
antes de que la IA generativa

00:34:37.170 --> 00:34:44.230
existiera, yo me dediqué, bueno, hacía
un proyecto en consultoría de Oracle

00:34:44.230 --> 00:34:50.430
que era específico sobre sesgos cognitivos
y ahí te das cuenta del poder que tienen las

00:34:51.230 --> 00:34:56.030
empresas y los anuncios y la
televisión de convencerte de cosas.

00:34:56.030 --> 00:35:02.230
Por ejemplo, era un proyecto que de hecho
es público en internet, se puede encontrar

00:35:02.230 --> 00:35:09.490
en la página de BBVA porque fue un éxito
y estaba liderado por Álvaro Gaviño, que

00:35:09.490 --> 00:35:15.850
era el director de Behavioral Economics en
España, de BBVA, y pues tenía unas ideas muy

00:35:15.850 --> 00:35:19.550
buenas de Behavioral Economics.

00:35:19.550 --> 00:35:26.610
Behavioral Economics, que es la
economía conductual, hicimos más o menos

00:35:26.610 --> 00:35:31.310
un proyecto que se llama BELA, Behavioral
Economics Learning Algorithm, que era un algoritmo

00:35:31.350 --> 00:35:38.770
para reescribir los anuncios
digitales de BBVA para aumentar los

00:35:38.770 --> 00:35:44.170
clics y la atención que la gente prestaba
a los anuncios de BBVA digitales.

00:35:44.170 --> 00:35:51.490
Y en esa época, que esto
era en 2019 -2020, allí

00:35:51.490 --> 00:35:58.810
ya se estaban haciendo cosas de
inteligencia artificial de este tipo.

00:35:58.870 --> 00:36:02.092
Estás hablando de aquella
Época, pero es hace cuatro días.

00:36:02.430 --> 00:36:05.960
O sea, 2019 -2020 sí, sí.

00:36:06.000 --> 00:36:08.940
Bueno, es que para mí ha sido
toda la carrera profesional.

00:36:08.980 --> 00:36:14.340
Allí es cuando empecé entonces,
para mí me parece lejísimo.

00:36:15.880 --> 00:36:22.920
Qué grande. Oye, vamos a anunciar
una cosita que habíamos hablado tú

00:36:22.920 --> 00:36:29.360
y yo. Vamos a hacer una sesión en Café
Database, una sesión abierta contigo, en plan

00:36:29.360 --> 00:36:35.420
una sesión de cuéntanos tú qué set tienes
de trabajo, pues nos compartes pantalla, qué

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

00:36:41.160 --> 00:36:46.500
nada pero además sí tengo mucha curiosidad
en eso, antes de empezar el máster de optimización

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

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

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

00:37:03.250 --> 00:37:06.650
gente que me dijo oye, es muy interesante
ver cómo otra persona tiene construido pues

00:37:06.690 --> 00:37:13.710
un set de trabajo como o como tal te
había invitado y buscaremos fecha te

00:37:13.710 --> 00:37:18.690
parece hacemos una sesión de estas te
parece un algo más práctico para que estamos tomándonos

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

00:37:25.950 --> 00:37:33.100
y de pantalla estaría genial pues
porque yo también opino que está muy

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

00:37:38.460 --> 00:37:44.280
a lo mejor muchísimo, tienes mucho más
conocimiento a lo mejor de frameworks, de las

00:37:44.280 --> 00:37:46.820
cosas que usas en el día
a día, de programas, etc.

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

00:37:52.610 --> 00:37:54.650
mayoría de cosas que puedes mejorar.

00:37:55.960 --> 00:38:01.080
Qué bueno. Entonces, yo con la IA,
pues hablaremos del setup entero.

00:38:01.340 --> 00:38:04.673
Claro, tú tienes que tener ahí
un chucho montado guapo, ¿eh?

00:38:07.200 --> 00:38:14.700
Pues mira, quería hablar de dos cosas
contigo: una, cosas si no gratis, casi gratis,

00:38:14.700 --> 00:38:19.740
de bajo coste que alguien pueda montar
para empezar a usarla o empezar a aprender.

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

00:38:24.840 --> 00:38:26.720
modelos que a lo mejor podría utilizar?

00:38:26.760 --> 00:38:32.260
Porque hablamos de IA agéntica con Oracle,
pero puede ser Oracle o es decir, bueno, pues

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,

00:38:38.200 --> 00:38:40.620
pues es de pago y es de, yo

00:38:42.000 --> 00:38:48.820
Qué sé, de Antropic, ¿no?, fórmulas así un
poquito bajo coste accesibles para aprender

00:38:48.820 --> 00:38:50.840
o construir a lo mejor un pequeño

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

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

00:39:04.090 --> 00:39:10.780
de que hay, por supuesto te puedes descargar
los modelos y correrlos tú en tu propio

00:39:10.780 --> 00:39:16.440
ordenador si tienes suficiente ram vamos a
asumir que no tenemos suficiente ram porque

00:39:16.440 --> 00:39:20.820
normalmente la cantidad de ram que se
necesita para estos modelos es una barbaridad a

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

00:39:28.120 --> 00:39:32.500
barbaridad es más de lo que te ofrece una
tarjeta gráfica convencional que puedes tener

00:39:32.540 --> 00:39:38.620
incluso para el gaming hay gente que se
está haciendo para tener modelos así medio buenos

00:39:38.620 --> 00:39:43.460
la gente tiene cuatro tarjetas gráficas o
dos de dos a cuatro tarjetas gráficas entonces

00:39:43.500 --> 00:39:50.720
eso definitivamente aunque es coste
medio no es low cost entonces hablando de

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

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

00:40:04.040 --> 00:40:08.510
gente que está estaba esperando un mes
y medio aquel, digo, ¿qué ha pasado?

00:40:08.630 --> 00:40:14.950
No esperaban esa muchísima demanda, todos
los Mac Mini, creo que eran Mac Mini Ultras

00:40:14.950 --> 00:40:22.230
de 500 GB Todos agotadísimos y
han desaparecido del mercado,

00:40:22.390 --> 00:40:24.834
ha subido un montón el
precio también de los

00:40:26.340 --> 00:40:33.470
Semiconductores, etc pero bueno, es una
alternativa pero ya es caro cada Mac Mini

00:40:33.470 --> 00:40:41.170
no sé cuánto cuesta, 2000 dólares o más si
lo quieres para correr para correr modelos

00:40:41.170 --> 00:40:48.250
de gasolina necesitarías todos
a lo mejor se vuelve o sea eso

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

00:40:53.790 --> 00:41:00.760
el futuro que esperemos que open source
siga existiendo de la manera que existe hoy en

00:41:00.760 --> 00:41:08.490
día, que hay ciertas cosas que están
pasando en geopolítica que también hacen

00:41:08.490 --> 00:41:15.740
que a lo mejor haya, a mí me parece
mal, que haya intervenciones en

00:41:15.870 --> 00:41:25.040
el acceso a los modelos open
source, esperemos que no, es posible

00:41:25.040 --> 00:41:31.520
hacer otras cosas también, aparte, por
ejemplo, yo diría que lo más asequible que una

00:41:31.520 --> 00:41:38.860
persona puede hacer, es coger un
laboratorio de estos que ofrecen cosas y

00:41:38.860 --> 00:41:42.080
usar simplemente lo que ofrecen
de manera gratis, por ejemplo.

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

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

00:41:55.940 --> 00:41:57.600
a la hora por persona por IP.

00:41:57.600 --> 00:42:03.240
Eso realmente no te lleva a ningún
lado si quieres hacer algo curioso.

00:42:03.300 --> 00:42:10.640
Pero luego hay otros proveedores que
son menos grandes, por ejemplo, cosas

00:42:10.640 --> 00:42:14.120
como Freebuff o OpenCode.

00:42:14.120 --> 00:42:17.080
OpenCode es una empresa
que a mí me encanta.

00:42:17.280 --> 00:42:22.760
Son Geniales y tienen modelos gratis.

00:42:22.840 --> 00:42:29.960
Cuando los modelos salen y no son
100 % famosos, por ejemplo, Mimo

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

00:42:36.880 --> 00:42:44.070
pues mismo para open code para
aprovechar el lanzamiento de mismo coge

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

00:42:50.370 --> 00:42:56.870
y ofrece inferencia a la gente para que
puedan hacer peticiones gratis con MIMO este

00:42:57.350 --> 00:43:03.170
tipo de cosas, en plan Xiaomi gana datos
con esto porque están ofreciendo el modelo y

00:43:03.170 --> 00:43:09.070
luego esos datos los reutilizan para una
próxima versión y a ti te dan tokens gratis

00:43:09.070 --> 00:43:13.237
durante una semana a lo mejor esos
modelos gratis van cambiando cada semana

00:43:14.440 --> 00:43:21.860
Hace dos semanas era otro completamente
gratis hace tres era otro van cambiando y son

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

00:43:26.340 --> 00:43:30.600
entrenen para futuros entrenamientos,
pero a mí me da absolutamente igual.

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

00:43:36.460 --> 00:43:39.700
a usar para entrenar y
estoy feliz con ello.

00:43:40.920 --> 00:43:45.910
No veo el por qué no. Eso es lo más
asequible, porque cuesta cero dólares.

00:43:45.910 --> 00:43:54.850
Te puedes descargar OpenCode o algún otro
proveedor así de inferencia que tienen modelos

00:43:54.850 --> 00:44:02.030
absolutamente gratis, luego incluso
muchos proveedores te ofrecen modelos

00:44:02.030 --> 00:44:09.710
súper pequeños, por ejemplo GPT -OS,
que es un modelo de OpenAI que es súper

00:44:09.710 --> 00:44:14.250
pequeño, me parece, en plan 200 .000
millones de parámetros, que relativamente es pequeño

00:44:14.290 --> 00:44:20.240
para un modelo grande. Y me
parece que cuesta, no sé, un

00:44:21.390 --> 00:44:24.570
céntimo o algo así el millón de tokens.

00:44:25.150 --> 00:44:28.872
No estoy seguro del todo, pero
cuatro céntimos el millón de tokens.

00:44:29.090 --> 00:44:31.330
O sea, hay modelos que prácticamente
están tirados al precio.

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

00:44:38.050 --> 00:44:45.360
antes, pero dije esto es insostenible,
yo tengo una suscripción en OpenCodeGo,

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

00:44:53.480 --> 00:44:59.340
equivalente a 60 dólares en créditos para
gastar en DeepSeek 4 .1 Flash, por ejemplo.

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

00:45:05.960 --> 00:45:08.920
implementar cosas y tiene un precio

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

00:45:16.680 --> 00:45:22.720
página del ranking de todos los modelos de
inteligencia artificial que hay hoy en día.

00:45:22.720 --> 00:45:26.600
Es de los más listos y de los
más baratos que hay, Dipsy.

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,

00:45:32.500 --> 00:45:38.210
bueno, tremendo, o sea, Go
10 dólares al mes, Go Plus.

00:45:39.480 --> 00:45:43.300
Que te sube aún más los límites
40, o sea, sigue siendo bastante

00:45:44.960 --> 00:45:49.360
Bastante accesible ¿no? Estoy mirando
aquí ni siquiera sabía que había Go Plus

00:45:50.260 --> 00:45:55.460
pero... Es que acabo de entrar acabo de
entrar porque digo, qué interesante, ahora te

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,

00:46:00.460 --> 00:46:07.650
aunque realmente, para la gente que realmente
quiera usar modelos yo lo miré ayer,

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

00:46:14.630 --> 00:46:22.160
eso habría sido miles de dólares
miles de dólares en Anthropic

00:46:22.160 --> 00:46:29.860
o en OpenAI Me ha costado, bueno, o
he gastado el equivalente en créditos

00:46:29.860 --> 00:46:34.630
de DeepSeek cincuenta y tantos dólares, ni
siquiera he llegado, y me lo resetean mañana

00:46:34.670 --> 00:46:41.820
porque es uno de octubre, es decir, es
imposible, o sea, considero imposible gastarme

00:46:43.520 --> 00:46:46.300
Estos diez dólares que tengo, y

00:46:47.220 --> 00:46:49.240
mira que usa la guía, eh sí,

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

00:46:56.470 --> 00:47:04.070
ahí Trabajando y es decir te dejas
la máquina encendida anunciaba

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

00:47:09.910 --> 00:47:18.190
apaga el ordenador la guía sigue por
detrás cuando empiezan trabajo de verdad pues si

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

00:47:24.070 --> 00:47:29.390
AIS nos dan en OCI Nos dan unos créditos
Para cacharrear, entonces dije Pues bueno, voy

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,

00:47:36.230 --> 00:47:40.370
que en realidad Tampoco consume mucho
disco, consume más RAM Sobre todo en lo que dices

00:47:40.410 --> 00:47:46.450
Ejecutar modelos locales como Llama o algo
así, se nota Que tarda su tiempo en responder

00:47:46.450 --> 00:47:50.630
Y que la respuesta no tiene nada
que ver Sí, ni de lejos, pero bueno.

00:47:50.990 --> 00:47:58.430
Entonces, para todo lo que es como
proveedor de tokens, diríamos, yo

00:47:58.430 --> 00:48:05.510
conocí gracias a uno de los alumnos de la
academia, Fernando Andrade, que va a ser

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,

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.

00:48:17.990 --> 00:48:21.490
De no -logs, no -logs y no -trace.

00:48:22.810 --> 00:48:30.930
Montamos unas máquinas con todas estas
GPUs, con todos estos modelos accesibles y laboratorio,

00:48:31.030 --> 00:48:33.308
es decir, prácticamente tokens infinitos.

00:48:33.490 --> 00:48:37.990
Pagas una mensualidad que es
como pago a la comunidad, ¿no?

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

00:48:45.090 --> 00:48:52.760
modelo que quieras y cachar y existirá
con eso en ese vm de oracle monte hermes

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

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

00:49:05.810 --> 00:49:11.310
primer setup no vamos a hacer esta quieres
bajarte algún modelo te ofrecen así también

00:49:11.310 --> 00:49:16.640
o de de lo que puedes usar gratuito,
más o menos accesible, ¿no?

00:49:16.720 --> 00:49:23.300
Lo mismo que OpenCode, te dicen también
que si entras en esa suscripción mínima también

00:49:23.300 --> 00:49:28.690
tienes acceso a más. Y yo probé al
principio con OpenRouter, que en principio es como

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,

00:49:37.090 --> 00:49:40.470
entre comillas, según cuál es
el más barato en el momento.

00:49:40.470 --> 00:49:45.600
Porque también encima esto es como la
bolsa los tokens y los modelos van fluctuando y

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

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

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

00:50:01.860 --> 00:50:04.416
Espera, espera, espera,
que llevamos una tarde

00:50:05.820 --> 00:50:09.860
Esto parece que estoy en el
casino, estoy perdiendo aquí y

00:50:10.980 --> 00:50:16.680
y con estos canarios, se llaman Nan
Builders, por si quieres echarlo un ojo.

00:50:18.380 --> 00:50:25.020
Esto es como muy loco. Hacen laboratorios,
nada de esto está patrocinado.

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

00:50:31.960 --> 00:50:39.620
que tenemos. Pues eso lo tienen en plan,
como vamos a montarnos una comunidad cerrada,

00:50:39.640 --> 00:50:45.500
privada, ponemos dinero, pagamos GPUs
y cuantos más seamos, más GPUs ponemos.

00:50:45.800 --> 00:50:50.920
Y el principio me gustó y sí, van
haciendo como laboratorios y todo esto.

00:50:51.120 --> 00:50:58.600
Pero claro, para empezar, pues todo esto
que la gente puede pensar, para montar agentes

00:50:58.600 --> 00:51:01.980
que se te puede disparar
el consumo de tokens

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

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,

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,

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

00:51:28.480 --> 00:51:31.880
progreso es tremendo.
Sí, sí, absolutamente.

00:51:32.260 --> 00:51:38.180
Y de hecho, conectándolo a la parte de
aprendizaje, el otro día hablaba con mi padre,

00:51:38.240 --> 00:51:45.260
que también está bastante enterado de
la IA, y leyó una nueva investigación en

00:51:45.260 --> 00:51:50.440
la que se hacía una comparación entre gente
que utilizaba la IA para aprender hoy en

00:51:50.440 --> 00:51:58.370
día versus gente que no puede aprender
o que no utiliza la IA para aprender

00:51:58.370 --> 00:52:03.270
de ninguna manera, es decir, tiene métodos
de estudio tradicionales y convencionales

00:52:03.270 --> 00:52:09.230
y los estudiantes, Por supuesto, los
estudiantes con inteligencia artificial tenían más

00:52:09.230 --> 00:52:10.950
aprendizaje de los temas.

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

00:52:18.710 --> 00:52:20.950
IA se usa versus cuando no se utiliza.

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

00:52:26.680 --> 00:52:33.840
disclaimer. Creo que hay que enseñar
a la gente a aprender con la IA

00:52:33.840 --> 00:52:39.050
y usar la IA para hacer algo
que no quieres aprender.

00:52:39.050 --> 00:52:46.650
Es decir, los que están, te digo, tengo
tres hijos de edad escolar que algunos

00:52:46.650 --> 00:52:50.250
de ellos dicen, a ver, Clau, hazme esto.

00:52:50.530 --> 00:52:52.190
Entonces dices, no, hazme no.

00:52:52.590 --> 00:52:54.790
Es decir, ¿cómo puedo hacer esto?

00:52:54.890 --> 00:53:00.970
Enséñame a hacer lo otro, pónmelo fácil,
dame, es decir, no ir directamente a la solución,

00:53:00.970 --> 00:53:07.710
al atajo, porque el atajo no enseña,
sino que no solamente a fuerza de verla,

00:53:09.980 --> 00:53:16.000
El aprendizaje que se llama perceptivo,
que es el aprendizaje de exposición a modelos,

00:53:16.020 --> 00:53:20.400
que era, aquí hay anécdotas muy
interesantes de cómo en la Segunda Guerra Mundial los

00:53:20.440 --> 00:53:22.329
observadores de aviones aprendían.

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

00:53:28.540 --> 00:53:31.440
decían, ¿este qué es? ¿De los
nuestros o es un avión nazi?

00:53:31.480 --> 00:53:37.670
Los británicos, ¿no? Entonces decían, de
los nuestros, no, alarma, nazi, te has equivocado.

00:53:37.830 --> 00:53:44.830
Es decir, esa forma de aprendizaje,
la exposición a modelos

00:53:44.830 --> 00:53:51.190
con una persona que te está haciendo
matching, claro, es como una nueva forma de educación,

00:53:51.510 --> 00:53:52.950
una nueva forma de aprendizaje.

00:53:52.990 --> 00:53:59.410
Y creo que aprenden mucho los que están
aprendiendo o les están instruyendo a cómo utilizar

00:53:59.410 --> 00:54:04.890
la IA como una herramienta de aprendizaje
y hay algunos que están utilizando la IA como

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

00:54:11.170 --> 00:54:13.630
realidades que van un poco simultáneas.

00:54:14.190 --> 00:54:20.850
Ese pequeño disclaimer, sí, con especial
atención a que no No caigamos en la vaguería.

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

00:54:27.660 --> 00:54:32.280
aprender. Es decir, para aprender necesitas
tú un proceso crítico que te pase dentro

00:54:32.320 --> 00:54:35.980
de tu cerebro y decir,
ostras, esto necesito

00:54:37.140 --> 00:54:40.800
entender por qué pasa. Esa es
La pregunta clave, yo creo.

00:54:42.140 --> 00:54:49.160
Pero vamos, sobre todo en dinámicas, es
decir, el estudio se basaba sobre todo en

00:54:49.160 --> 00:54:56.300
dinámicas de grupo de una clase, entonces
el problema de las clases es que, pues normalmente

00:54:56.300 --> 00:55:02.360
estás 30 contra 1, hay un profesor
pero 30 alumnos o 25, ¿depende, no?

00:55:02.400 --> 00:55:07.900
Pero es más de lo que un tutor
puede comunicarse a la vez.

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

00:55:14.020 --> 00:55:19.540
le puedes, tienes una disponibilidad de tu
tutor todo el rato, versus en una clase que

00:55:19.540 --> 00:55:25.120
a lo mejor tienes una duda ahora mismo y
el profesor está hablando, otra persona tiene

00:55:25.120 --> 00:55:30.460
otra duda y te tienes que esperar 20 minutos
a preguntar la pregunta, todo el tiempo

00:55:30.460 --> 00:55:32.420
a lo mejor has perdido
el hilo ya de la clase.

00:55:32.460 --> 00:55:37.040
Vamos, a mí ha pasado, sí,
sí, y la enseñanza adaptada.

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

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

00:55:49.180 --> 00:55:51.400
pues no lo entiendo Pues ya
te lo he explicado dos veces.

00:55:51.440 --> 00:55:58.540
Te lo explico tres. No, que
la guía sí puede adaptar a

00:55:58.540 --> 00:56:01.460
la pregunta. ¿Qué parte has entendido?

00:56:01.640 --> 00:56:05.340
Esa enseñanza dedicada. A
ver, ¿qué parte has entendido?

00:56:05.380 --> 00:56:07.380
Por es vale. Porque estás
pensando esto, por lo que...

00:56:07.420 --> 00:56:10.820
Es decir, sí puede haber como un
debate, que a lo mejor en clase no...

00:56:10.860 --> 00:56:14.100
Para tener el debate como el
profe, es decir, pues no, entiendo.

00:56:14.140 --> 00:56:17.740
Y no me lo puedes explicar otra vez
igual, porque otra vez igual no me sirve.

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

00:56:24.470 --> 00:56:26.190
un futuro bastante también interesante.

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

00:56:32.790 --> 00:56:36.290
tan interesante como ahora, y el
presente, el presente también.

00:56:36.430 --> 00:56:42.290
Estamos viviendo, vamos, yo estoy
emocionadísimo de vivir, no sé tú pero, o sea, tengo

00:56:42.290 --> 00:56:48.910
unas ganas locas de seguir viviendo y de
seguir experimentando todas las cosas que están

00:56:48.910 --> 00:56:54.610
pasando, no solo porque me dediqué a esto,
sino toda la vida he estado con ordenadores

00:56:54.610 --> 00:56:58.310
y cada día veo una
noticia nueva que me hace

00:56:59.560 --> 00:57:03.940
Súper feliz porque es todo
innovación y todo estamos

00:57:05.680 --> 00:57:09.040
Presenciando estamos,
presenciando historia.

00:57:09.700 --> 00:57:15.520
Sí, y de hecho fíjate, había leído varias
cosas, había una que decía: no supe comparar

00:57:15.520 --> 00:57:21.700
la guía con ninguno de los de los inventos
que han existido hasta ahora, porque todos

00:57:21.700 --> 00:57:28.840
los inventos existidos hasta ahora no han
dejado de ser una máquina al servicio de un

00:57:28.840 --> 00:57:35.460
hombre operador, es decir, el agente
operador era siempre una persona.

00:57:35.460 --> 00:57:38.620
Se inventó el martillo, el
martillo nunca funciona solo.

00:57:40.120 --> 00:57:46.320
Esto no ha existido nada, el coche lo
pilota una persona, el tren, el avión.

00:57:46.320 --> 00:57:47.960
Hay un piloto ahí detrás.

00:57:48.080 --> 00:57:53.540
Toda la tecnología siempre ha
ido a una extensión del humano.

00:57:53.880 --> 00:58:00.980
Y parece que la IA no es una extensión,
es otra entidad nueva en la cual

00:58:00.980 --> 00:58:07.040
hay una interacción. Y no quiero decir
de igual a igual, porque la IA no tiene.

00:58:08.720 --> 00:58:13.060
Pero a diferentes niveles de percepción.

00:58:13.140 --> 00:58:20.200
Los humanos tenemos una experiencia
perceptual, sensorial, olfativa, de vida, que

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

00:58:27.440 --> 00:58:30.300
días, la gente decía, vaya
rutas, eso es imposible de hacer.

00:58:30.340 --> 00:58:37.430
Claro, no es lo mismo la persona
que te arroja esto caminando, tienes

00:58:37.430 --> 00:58:43.630
esta experiencia. Ahí no vamos a competir
porque estamos en diferentes, pero sí en un

00:58:43.630 --> 00:58:49.610
nuevo paradigma total. No es una
herramienta ni es un algo, ¿no?

00:58:49.610 --> 00:58:56.120
Es un ser vivo, pero que vive en otras
dimensiones temporales y físicas.

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,

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,

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

00:59:15.600 --> 00:59:22.420
entrando a un agujero negro, que a
nosotros pasamos un día pensando que tenemos que gastar

00:59:22.420 --> 00:59:29.700
tanta energía cerebral, tantos
vatios y julios en producir

00:59:29.700 --> 00:59:37.180
todas las proteínas que necesitamos en el
cerebro para que el proceso de pensamiento

00:59:37.180 --> 00:59:44.360
funcione correctamente, pero la IA para la
cantidad de energía que necesita para pensar

00:59:44.360 --> 00:59:50.160
lo que nuestra neurona piensa es muchísimo
menos, entonces es como si fuera una cámara

00:59:50.160 --> 00:59:57.200
rápida para nosotros Te has distraído 5
minutos, miras la pantalla y ya he hecho 300

00:59:57.200 --> 01:00:00.840
cosas más, y dices, ¿cómo
ha pasado esto en 5 minutos?

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

01:00:07.430 --> 01:00:13.740
3 años. O cuando lees el feed,
cuando lees el feed, es graciosísimo.

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

01:00:20.440 --> 01:00:22.580
podcast, yo digo un problema.

01:00:22.580 --> 01:00:27.880
Porque YouTube, el transcriptor de YouTube
de texto, no es capaz de interpretar bien

01:00:27.880 --> 01:00:31.240
ni el español ni cuando los
españoles decimos palabras técnicas.

01:00:31.280 --> 01:00:37.480
Si decimos Oracle Recovery Manager, como
lo decimos en inglés, perfecto, nos dice pues

01:00:37.480 --> 01:00:41.880
"Oracle, recuérdame, recuérdame mañana".

01:00:41.880 --> 01:00:47.040
Claro, entonces en todo eso he tenido
siempre una dificultad, no he podido transcribir

01:00:47.040 --> 01:00:52.380
los episodios, entonces, creé una gente
que dijera, "oye, ¿por qué no transcribes episodio

01:00:52.380 --> 01:00:58.060
a episodio y le aplicamos un filtro, un
filtro semántico de cuando se está hablando,

01:00:58.060 --> 01:01:05.080
si estamos hablando de, si el entrevistado
es Nacho Martínez Jasper, pues Nacho Martínez

01:01:05.080 --> 01:01:10.370
lo que se parezca a Nacho Martínez en el
contexto dirigido a Nacho Martínez bien, no

01:01:10.370 --> 01:01:14.148
me pongas algo que no tenga que
ver, si estamos hablando de Oracle".

01:01:14.810 --> 01:01:21.850
Cole Vale, palabras hace un barrido
así y entonces directamente dijo,

01:01:21.850 --> 01:01:26.050
vale, vale, no te preocupes, tengo los
audios que los puedo descargar, voy a intentar

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,

01:01:31.270 --> 01:01:35.570
voy a pasar otro Whisper, pero con
una con el nivel de precisión high.

01:01:35.990 --> 01:01:38.190
Uy, ahora Whisper me lo ha puesto todo.

01:01:38.330 --> 01:01:40.770
Voy a hacer por... Voy
a separar por palabras.

01:01:40.810 --> 01:01:42.530
Voy a poner acentos. Voy a poner...

01:01:42.570 --> 01:01:44.190
Y yo así, mirando, digo...

01:01:46.630 --> 01:01:48.730
Oye, ¿y las palabras técnicas, tal?

01:01:48.790 --> 01:01:52.570
Sí, sí, venga, voy a incluir un
diccionario para en cada pasada.

01:01:52.670 --> 01:01:56.337
Y entonces así me dice, vale, pues
por cada episodio que son un...

01:01:56.810 --> 01:02:00.630
y todo, ¿no? Son más o menos
unas cinco horas de trabajo.

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

01:02:05.880 --> 01:02:09.110
la columna. Voy haciendo
y te voy contando, ¿no?

01:02:09.170 --> 01:02:10.948
Y digo yo, ¡oh, qué maravilloso!

01:02:12.270 --> 01:02:17.230
Porque es precisamente ese trabajo que no,
que no, a mí no me aporta nada hacerlo.

01:02:19.020 --> 01:02:24.780
Si yo me pongo a podcast, a transcribir,
tampoco puedo tratar a una persona que transcribe,

01:02:24.800 --> 01:02:27.200
porque también es un
trabajo de tortura, ¿no?

01:02:27.240 --> 01:02:30.640
Si conversas con esas personas
tomándose un café, escríbemelo en texto.

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

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

01:02:41.370 --> 01:02:43.670
el resumen y episodio a episodio.

01:02:43.690 --> 01:02:45.290
Y se ha tirado así una semana.

01:02:45.330 --> 01:02:48.150
¿Cómo vas? Yo de tanto en
tanto iba la gente, ¿cómo vas?

01:02:48.190 --> 01:02:50.023
Y decía, voy por el episodio hoy.

01:02:51.390 --> 01:02:54.230
Y dices, wow, es que no se cansan.

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

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

01:03:07.480 --> 01:03:14.620
tu trabajo hoy en día literalmente
tienes un golem de silicio

01:03:14.620 --> 01:03:21.840
disponible 24 horas que no se cansa
y no se distrae es brutal claro que

01:03:21.840 --> 01:03:28.300
sí oye pues si te parece ya
Ya agendaremos, porque cuando

01:03:29.580 --> 01:03:36.360
Tengas un tiempo disponible para poder hacer
esa sesión, vamos a hacer una sesión de

01:03:36.360 --> 01:03:43.460
práctica, ¿no? Que nos cuentes ahí, vas
a tener tú la cámara, el escritorio, tú

01:03:43.460 --> 01:03:47.480
nos compartes y va a ser un
gustazo ver cómo lo tienes montado.

01:03:48.350 --> 01:03:51.010
Sí, yo también tengo ganas de enseñaros.

01:03:52.170 --> 01:03:55.530
Tengo un montón de cosas que mostrar.

01:03:55.530 --> 01:04:01.830
Qué chulo, pues, oye, un placer hablar
contigo, como siempre, quedamos para la siguiente,

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

01:04:06.430 --> 01:04:13.530
digas, vale, encuentro tiempo para ti,
vale, vale, perfecto, oye, muchísimas

01:04:13.530 --> 01:04:18.310
gracias, ha hecho un placer, nada, pero
tras pasado bien también, sí, sí, tú también,

01:04:18.310 --> 01:04:25.330
no, yo siempre, o sea, es que de
verdad es su gustazo y hablabas, no, tú

01:04:25.330 --> 01:04:30.730
estás emocionado, ¿no? Fíjate que con esto
del podcast y con el proyecto de Café Database

01:04:30.730 --> 01:04:34.830
y poder hablar con gente
como tú, que es genial,

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

01:04:42.390 --> 01:04:46.290
quieren. Qué lujo. Vamos, ¿no?

01:04:46.370 --> 01:04:47.790
What a time to be alive, ¿no?

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,

01:04:53.890 --> 01:05:00.250
o sea, cada vez que quieras montar algún
tinglao puedes hacerlo, cada curso que hagas

01:05:00.250 --> 01:05:07.770
cuéntalo en la comunidad de Discord porque
la gente yo creo que los valora, son oro

01:05:07.770 --> 01:05:14.160
puro, así que Lo dicho, un abrazo
muy fuerte y un hacer verte

01:05:16.220 --> 01:05:17.720
Hasta otra, chao