monchi_enxebre

Bildu doblaría en escaños al PNV el 29N, que perdería su grupo en el Congreso [134]

1. #102 monchi_enxebre

   #13 no soy vasco pero vivo en Euskadi, y tengo muy claro que, estando ideológicamente en las antípodas y sabiendo que nunca les voy a votar, lo mejor de la política vasca es la existencia del PNV. Que haya algo decente y profesional a la derecha es imprescindible.

   1 K 16

Lo que no cuenta el S1 de Anthropic [90]

1. #85 monchi_enxebre

   #83 Yo veo dos escenarios realistas, y otro muy especulativo:
   
   1) Asumimos que la "inteligencia" de los modelos no se va a seguir escalando a este ritmo. Entonces sí veo factible poder bajar muchísimo los costes por token. Problema para Anthropic/OAI: Los chinos les llevan muchísima ventaja en este aspecto, no tienen nada que ofrecer aparte de soporte empresarial. Las expectativas de la IPO se hunden.
   2) El esquema RLVR se hace extensivo a otros dominios, y es viable seguir mejorando los modelos al ritmo actual. Los costes seguirán subiendo de forma exponencial (o superexponencial a menos que se introduzcan nuevos métodos que todavía no existen). Realmente no puedo imaginarme de dónde saldrá la pasta para mantener esto a largo plazo.
   
   3) Alguna de las empresas alcanza AGI/RSI/como le quieran llamar y no publica el modelo ni lo hace accesible a nadie. Empieza a desarrollar tecnología que hace obsoletas a todas las demás empresas del mundo, y se queda con todo el pastel. Me imagino que esto es a lo que están realmente apostando, pero personalmente sigo siendo bastante escéptico de que nada de esto ocurra.

   0 K 6

1. #82 monchi_enxebre

   #55 x.com/fchollet/status/2108310747080208781
   
   Otro comentario de Chollet (no es público):
   
   "the main takeaway from the Anthropic S-1 is that the company is unprofitable on an operational basis yet desperately trying to argue that it is. They hide their compute expenses by paying for compute via convertible notes redeemable at IPO (Google, Amazon, Broadcom), so as to obfuscate their actual cash burn. Radioactive level red flag."
   
   En general, los planes de suscripción de las empresas son una ruina (para ellas). El otro día leí (no puedo confirmar el dato al 100%, pero sí que está alineado con lo que se puede medir) que las suscripciones de 200$ realmente te permiten gastar hasta 5000$ en cómputo.

   1 K 18

La capacidad de la IA para resolver adivinanzas: un método casero para medir los avances en inteligencia artificial [111]

1. #37 monchi_enxebre

   #4 Para mí la mejor forma sigue siendo hacer variaciones pequeñas de acertijos clásicos, en los que la respuesta ya no es "sorprendente", sino obvia si lees y entiendes la pregunta. Por ejemplo:
   
   - "El padre de Juan tiene 5 hijos: Primavera, Verano, Otoño, y ¿cuál es el último nombre?"
   
   Todos los modelos que he probado han fallado siempre y respondido "Juan" (el acertijo clásico dice que el número de hijos es 4).

   0 K 6

Los haters del coche eléctrico hoy tienen menos argumentos: el MIT ha desmontado uno de los más recurrentes [267]

1. #130 monchi_enxebre

   #41 Yo no dudo en absoluto que a día de hoy comprar un eléctrico compense en casi todas las situaciones, pero lo que no veo nada claro es que esa ventaja se mantenga conforme la mayoría optemos por el eléctrico:
   
   1. Parece evidente que el coste/km de los eléctricos va a subir sustancialmente. Si el 50% del coste de los hidrocarburos son impuestos, esa recaudación se va a trasladar directamente a algún tipo de impuesto por km a los vehículos eléctricos. No es muy prudente hacer cuentas asumiendo que las diferencias a día de hoy se van a mantener durante muchos años, y menos si la electrificación avanza rápidamente. Esto ya lo hemos visto con el tema de las placas, donde los periodos de amortización esperados y reales han cambiado radicalmente en pocos años.
   
   2. El tema de los cargadores, y en especial para viajes largos y por autovía, se enfrenta a un cuello de botella difícil de solucionar. Por ejemplo, en un área de servicio pegada a la A8 la semana pasada: ~50 coches aparcados, 8 cargadores eléctricos. En todas las discusiones sobre paradas/recargas en viajes largos, se asume que aprovechas todas las paradas para recargar, cuando es evidente que no todos los vehículos que están en un momento determinado en un área de servicio van a poder estar enchufados. Tampoco parece viable aumentar muchísimo el número de cargadores en las estaciones grandes, ya que te encontrarías con instalaciones de ~15MW para los que la red no está preparada.

   0 K 6

El próximo modelo de OpenAI, Astra, acaba de resolver diez problemas abiertos de matemáticas con décadas de antigüedad [270]

1. #46 monchi_enxebre

   #11 más relevante que nunca: youtu.be/DOVAwn_dp50

   2 K 25

Desafían a Claude a resolver un misterio matemático de hace décadas y revela una solución sencilla que nadie había visto [70]

1. #69 monchi_enxebre

   #65 pues sí, aunque es una simplificación excesiva, lo que has puesto es una descripción técnicamente más precisa y honesta que todo el hype que recibimos a diario sobre cómo se han desarrollado los (innegables) avances de la IA en los últimos años.
   
   ¿Por qué las empresas huyen de esta narrativa? Porque la inversión se esfumaría inmediatamente. Esta estrategia es la única que garantiza progreso a corto plazo, pero resulta carísima e imposibilita llegar a la AGI o a algo parecido. Para que te hagas una idea, las empresas americanas de IA han quemado desde 2023 el equivalente a 4 veces el coste total del programa Apolo (~350B$ en dólares de 2026): isaiprofitable.com/
   
   Si me permites el chascarrillo, imagínate decirle a un inversor que necesitas 1.5T$ para hacer un plugin de word para resúmenes y otro para el visual studio para que los programadores vayan el doble de rápido.
   
   Y desde tu perspectiva, entiendo que estés muy contento con la IA actual (yo también lo estoy), pero tienes que ser consciente de que estás teniendo a los ingenieros mejor pagados del mundo trabajando "gratis" para ti. Aprovecha, porque cuando llegue la factura...

   0 K 6

1. #67 monchi_enxebre

   #66 #64 mira por donde, además de demostrarte que los LLM ni entienden ni razonan, por el mismo precio también te he demostrado que, al menos en este tema, eres incapaz de ser objetivo y tener una discusión honesta. Para ti la perra gorda, si quieres retomamos la conversación en 10-15 años y lo vemos con perspectiva.

   0 K 6

1. #64 monchi_enxebre

   #63 Prompt: "El padre de Juan tiene 5 hijos: Primavera, Verano, Otoño, y ¿cuál es el último nombre?"
   
   Acabo de probarlo con Opus 4.8 y Gemini 3.1 pro. Los dos fallan y dicen que la respuesta es "Juan".
   
   ¿Qué me toca por conseguir algo "absolutamente imposible"?

   0 K 6

1. #62 monchi_enxebre

   #61 Obviamente, las limitaciones de una IA las van a determinar sus fallos, no sus aciertos. Un modelo puede resolver mil problemas matemáticos súper complejos, pero si falla a la hora de aplicar una regla lógica o algebraica básica, es una prueba irrefutable de que no tiene capacidad de razonar como lo hacemos nosotros.
   
   La solución de la industria ante estos fallos? Meter ejemplos específicos de los casos en los que ha fallado para que la próxima vez que se pregunte algo muy parecido dé la apariencia de que tiene nuevas habilidades. Pero no resuelven el problema de fondo, que es inherente a los LLM y en general a cualquier red neuronal.
   
   Yo nunca diré que esta tecnología no tiene recorrido, pero sí que sus limitaciones son evidentes, que no va a suponer ninguna revolución global, y que toda la evolución de los últimos años se sustenta en un modelo insostenible, engañoso y económicamente fraudulento.

   1 K 15

1. #56 monchi_enxebre

   #52 Eso es cierto, pero los humanos tenemos mecanismos que los LLM de hoy en día no consiguen explotar. Por ejemplo, el único mecanismo de generalización de cualquier red neuronal es hacer promedios. Esto requiere muchísimos datos, y solo funciona bien para interpolar.
   
   Los humanos, sin embargo, generalizamos principalmente a partir de la inducción (crear una regla a partir de un solo ejemplo), y lo hacemos constantemente. En teoría nada nos impide crear una IA que haga inducción (no, los LLM no aprenden por inducción aunque puedan simularla en el CoT), pero en la práctica nunca se ha conseguido que funcione.

   1 K 17

1. #55 monchi_enxebre

   #54 Aprender a contar (sin usar python ) www.youtube.com/watch?v=DOVAwn_dp50
   
   Ahora en serio, me imagino que el umbral será el momento en el que nadie consiga definir una prueba cognitiva en la que los humanos seamos claramente superiores a una IA (al estilo de ARC-AGI: arcprize.org/leaderboard). Probablemente, la última prueba de ese tipo la definirá una IA.

   0 K 6

1. #49 monchi_enxebre

   #42 es overfitting, ya que están reentrenando el modelo con ejemplos del conjunto de test. Metodológicamente eso es una chapuza, y es la solución evidente y cortoplacista cuando necesitas seguir tirando con el mismo modelo y mínimos cambios. Es el equivalente a meter un nuevo "if" para corregir un bug.
   
   Que eso produce mejoras? Sí, pero son 1) incrementales, 2) carísimas y 3) no escalables. Siguiendo con el ejemplo de JAX, si mañana aparece un nuevo lenguaje no podemos esperar que le demos al LLM la especificación y produzca código de calidad. Tenemos que asumir que hasta que programadores humanos generen miles de ejemplos y tests, no lo harán bien. Es evidente que esto no es sostenible, pero es lo mejor que la industria puede ofrecer hoy en día.
   
   En resumen, mi argumento es que los LLM no van a dar lugar a ninguna revolución, y que los avances de estos años son un espejismo construido con métodos bastante engañosos y sobre una inversión económica ingente y no sostenible.

   0 K 6

1. #47 monchi_enxebre

   #46 claro, por eso Meta tiene a entre el 30% y el 50% de los ingenieros escribiendo tests para aplicar RLVR, porque el feedback humano es una pantalla pasada, ¿no? ????
   
   Y precisamente lo que mencionas de dominios verificables es una prueba de las limitaciones, y el motivo por el cual la industria haya pivotado desde las hipótesis de AGI/superinteligencia a enfocarse en programación y matemáticas.
   
   Yo nunca voy a negar que los LLM son herramientas muy útiles, pero se limitan a ser calculadoras del lenguaje con muy buena memoria (lo que no es poco). Los humanos les meamos en la cara en abstracción, generalización y adaptación, y esto va a ser así hasta que aparezca un nuevo paradigma de IA.

   0 K 6

1. #40 monchi_enxebre

   #35 las limitaciones vienen del hecho de que las mejoras en los LLM están totalmente determinadas por el input que reciben de los humanos, ya sea como feedback o como conjunto de entrenamiento. Y eso es carísimo, no escala y se queda anticuado muy rápidamente.
   
   El espejismo es que nos intentan transmitir que los LLM mejoran mucho, muy rápido y de forma casi autónoma, lo cual es totalmente falso. Detrás de todas las mejoras hay una inversión ingente e insostenible económicamente. Están todos con el agua al cuello, y eso es más que evidente.
   
   Te pongo un ejemplo concreto: hace poco más de un año, el código en JAX que te producía cualquier LLM era malísimo, con errores absurdos y totalmente inservible. Hoy en día en general es excelente, pero el motivo es que han puesto a decenas de programadores a construir datasets en JAX. Para mí, esa estrategia en el fondo es un engaño, una forma de hacer "overfitting" y trasmitir un progreso que no es tal. No es tan diferente a lo de los coches autónomos con conductores remotos que toman el control ante fallos del sistema.

   0 K 6

1. #32 monchi_enxebre

   #17 Los LLM todavía tienen limitaciones enormes a la hora de generalizar, y básicamente se limitan a interpolar los ejemplos con los que han sido entrenados.
   
   Las mejoras supuestamente exponenciales que hemos visto en los últimos ~3.5 años se deben casi exclusivamente a los 25000 profesionales (top mundiales en lo suyo) que se han dedicado a revisar a mano y resolver consultas para mejorar los fallos más catastróficos, y en concreto avanzar en dominios formalmente verificables como programación o matemáticas. Es todo un espejismo, y sin una inversión constante e ingente en supervisión humana los LLM se quedan estancados y dejan de ser útiles en cuestión de meses.
   
   Por ejemplo, ¿qué está haciendo Meta para intentar competir con Claude y Gemini en generación de código? Trackear **toda la actividad** de sus programadores, y poner a una gran parte de ellos a resolver a mano consultas fallidas a los LLM: newsletter.pragmaticengineer.com/p/why-is-meta-destroying-its-engineer. Si esta es la estrategia de Meta, es bastante evidente que es la misma que siguen Anthropic o Google. Un callejón sin salida, carísimo y destinado únicamente a dar un pelotazo en bolsa y secuestrar a empresas y usuarios.
   
   Yo personalmente he llegado a ser bastante optimista con los LLM en dominios específicos (programación, matemáticas, planificación, análisis legal), pero cada vez tengo más claro que su desarrollo solo es viable con modelos open-source y de propósito específico. También creo que si la ingente cantidad de pasta que se ha quemado en el desarrollo de los LLM se hubiera invertido desde el principio en mejorar las herramientas de programación, se hubiera llegado mucho más lejos.

   2 K 17

1. #31 monchi_enxebre

   #27 #28 www.meneame.net/m/tecnología/matematico-no-sabia-contar

   0 K 6

Marc Márquez: "¿Andorra? Hay un deber cívico: quienes tienen más, deben pagar más" [129]

1. #51 monchi_enxebre

   Aplaudiendo sus palabras y suscribiéndolas al 100%, es cierto que en el caso de deportistas, youtubers, etc., hay un efecto de concentración de ingresos en muy pocos años que les perjudica a la hora de pagar impuestos.
   
   Creo que muchos de estos problemas se solucionarían si existiese algún mecanismo simple por el cual tú puedas repartir tus ingresos en múltiples anualidades y pagar impuestos en consecuencia. Por ejemplo:
   - Supongamos que en 2026 ingreso de forma excepcional 1M€. Me gustaría garantizarme un sueldo de 50k€/año durante 20 años, y pagar los impuestos equivalentes de un trabajador en esa situación.
   
   Quizás ya haya mecanismos para conseguir esto (la estrategia suena similar a los planes de pensiones, aunque en el fondo no tenga nada que ver), pero no es para nada evidente.

   1 K 9

Polémica por un informe sobre el origen de los detenidos en Bilbao [202]

1. #169 monchi_enxebre

   #2 en el caso concreto de Bilbao, hace unos meses se presentó un informe que pone negro sobre blanco la situación: www.bilbao.eus/cs/Satellite?c=BIO_Noticia_FA&cid=1279246526737&
   
   Es un documento excelente, extenso pero a la vez fácil de leer, que sirve para entender la situación con datos y sin caer en prejuicios, demagogia ni intereses partidistas. Por supuesto, ha pasado al cajón de la historia y será totalmente irrelevante en las políticas públicas

   0 K 6

Midjourney Medical presenta un scanner para cuerpo entero por ultrasonidos [eng] [65]

1. #52 monchi_enxebre

   #51 yo no he dicho que sea fácil, y de hecho probablemente a día de hoy sea más fácil encontrar expertos en IA que en análisis multiespectral de imágenes. Y otra cosa no, pero ahí había de lo mejor en procesado de imagen.
   
   Lo que me llama la atención es que el CEO se haya desmarcado tan claramente de la IA, ya que no le costaría nada asociar esto a lo que han hecho en el pasado (y es lo que asume la mayoría).

   0 K 6

1. #50 monchi_enxebre *

   #42 si hasta el CEO "reniega" de la IA en este caso, pero la gente va ciega y solo busca sesgo de confirmación. De hecho, para mí esta noticia (junto con las de Meta de estos días) es una de las señales más claras de la inminente explosión de la burbuja

   0 K 6

1. #48 monchi_enxebre

   #40 pues no, no hay nada que sugiera eso, al contrario, toda la información técnica apunta a métodos clásicos de procesado de señal, y "cero" machine learning (más que nada porque no existen datasets de este tipo, al ser una máquina totalmente nueva). La IA aquí no ha aportado nada, más allá de la inversión en la empresa, que lo ha usado sabiamente en algo que no tiene nada que ver.

   0 K 6

1. #24 monchi_enxebre

   #1 El propio CEO de Midjourney ha dicho que “We’re not even using any AI in this yet — just really cool hardware and software.” (www.bloomberg.com/news/articles/2026-06-18/ai-startup-midjourney-pivot).
   
   Vamos, que le han visto las orejas al lobo con la IA, y han aprovechado todo el talento en ingeniería que tienen para hacer algo realmente útil y novedoso, saltando del barco justo antes de que se hunda. Personalmente solo puedo aplaudirles y alegrarme de ello.

   3 K 23

La IA está mermando el pensamiento crítico en el ámbito laboral. La ventana se está cerrando. [Eng] [114]

1. #112 monchi_enxebre

   #111 Uy, ahí sí que creo que has tirado demasiado lejos . Los LLM han demostrado que es posible generar interacciones en lenguaje humano entre máquinas y humanos que de forma general son indistinguibles de las que tenemos los humanos entre nosotros. Y también han demostrado que lo consiguen sin disponer de mecanismos básicos del razonamiento (inducción, abducción) o de la inteligencia humana (inteligencia fluída), sino exclusivamente a partir del análisis estadístico de textos.
   
   A partir de ahí, inferir que estamos ante una forma superior de inteligencia me parece aventurado. Yo sinceramente no lo creo en absoluto, y cada día que pasa creo que las costuras y las limitaciones son más evidentes, pero ya se verá.

   0 K 6

1. #109 monchi_enxebre

   #103 entonces estamos totalmente de acuerdo, pero lo que han demostrado los LLM es que para "hablar" como un humano no es necesario pensar como un humano, ni muchísimo menos.

   0 K 6