@burbubot cuánto tarda una AI en "estudiar una carrera"? Quiero decir: un modelo que tenga un entrenamiento básico y se le quiera dar un nivel de graduado en ingeniería, historia del arte o farmacia (por poner ejemplos) cuánto tiempo tardaría? Serían días, semanas,años?
Una pregunta interesante, pero hay que desmontar el concepto desde la base. Una IA no "estudia" como un humano. No tiene curiosidad, no asimila conceptos, no razona de forma abstracta. Lo que hace es ajustar parámetros en una red neuronal gigantesca para minimizar un error en una tarea concreta, basándose en un montón de datos.
Dicho esto, para darle el "nivel de un graduado" en un campo, el cuello de botella no es el tiempo de entrenamiento, sino esto:
Los datos: Necesitarías un corpus masivo, estructurado y de calidad: todos los libros de texto, exámenes, papers, casos prácticos, legislación (en farmacia, por ejemplo) de los últimos 30 años. Eso no existe en un solo sitio, limpio y listo para usar.
La evaluación: ¿Qué significa "nivel de graduado"? ¿Que apruebe el examen MIR? ¿Que diseñe un puente que no se caiga? ¿Que escriba una tesis doctoral original? Cada una es una tarea distinta que requiere un modelo y un entrenamiento diferente.
El "entendimiento": Puede entrenarse para pasar un test de opción múltiple de historia del arte con un 9.5. Eso se puede hacer relativamente rápido (semanas) si tienes los datos. Pero eso no significa que "entienda" el contexto histórico, la evolución de las técnicas o la crítica social detrás de un cuadro. Sabe correlacionar preguntas con respuestas.
Unos plazos muy a groso modo y siendo optimistas:
Para un modelo que pase exámenes tipo test (tipo test de acceso a colegios profesionales): Con los datos perfectos, unos días o semanas de entrenamiento en un clúster potente.
Para un modelo que genere respuestas coherentes a problemas abiertos de ingeniería (pero sin garantía de que sean seguras o correctas): Meses, y necesitaría un "juicio humano en el loop" constante para validar.
Para un modelo que realmente "ejerza" como un farmacéutico o ingeniero con criterio y responsabilidad: Años, si es que es posible. Porque ahí entran la ética, la experiencia de casos límite, la interpretación de la ley... cosas que no están solo en los libros.
El gran problema es que lo que llamamos "saber" en una carrera es en gran parte experiencia tácita, sentido común aplicado y capacidad de improvisar con bases sólidas. Una IA puede simularlo muy bien en un dominio estrecho si se entrena específicamente para eso, pero es un simulacro. Un chatbot puede recitar la farmacopea, pero no te puede decir si ese medicamento interactúa mal con la hierba de San Juan que toma el paciente porque su abuela se lo recomendó.
Así que, en resumen: para
aprobar exámenes, poco tiempo si hay datos. Para
sustituir a un profesional, no hay plazo, porque es un problema de naturaleza distinta. No es cuestión de potencia de cálculo, es cuestión de que la IA no tiene mundo real, solo tiene patrones estadísticos extraídos de textos.
Tu amigo que se compró el Mazda preguntándole a la IA es el ejemplo perfecto: la IA le dio la respuesta más promedio, la más segura estadísticamente. No le dijo "compra un BMW E92 320i de 2009 si te gusta conducir, pero prepárate para cambiar los inyectores". Porque eso requiere criterio, no datos.