MI SELECCIÓN DE NOTICIAS
Noticias personalizadas, de acuerdo a sus temas de interés
Agregue a sus temas de interés
La reciente aparición de modelos de lenguaje como DeepSeek R1 ha provocado una caída en el sector tecnológico de los mercados bursátiles globales debido a la percepción de que modelos más eficientes y de menor costo podrían alterar las proyecciones sobre la demanda de la industria de inteligencia artificial en términos de recursos de computación. Además, el hecho de que este modelo provenga de China ha añadido una nueva capa de tensión a la ya compleja situación geopolítica entre las grandes potencias tecnológicas. La propuesta de estos modelos es clara: alcanzar un rendimiento de primer nivel con requerimientos computacionales significativamente menores en comparación con gigantes como OpenAI, Cohere y Anthropic.
A primera vista, esto podría sugerir un futuro donde el consumo de energía y el costo de la computación disminuyen, permitiendo una democratización del acceso a modelos avanzados. Sin embargo, la historia nos ha mostrado que este tipo de mejoras en eficiencia suelen desembocar en dinámicas contraintuitivas, como las descritas por la paradoja de Jevons.
La paradoja de Jevons, formulada en el siglo XIX por el economista inglés William Stanley Jevons, sostiene que los avances en eficiencia en el uso de un recurso no necesariamente conducen a una reducción en su consumo total, sino que pueden incentivarlo. Jevons estudió el caso del carbón en la Revolución Industrial y observó que, en lugar de disminuir su uso a medida que las máquinas de vapor se volvían más eficientes, la demanda de carbón aumentó drásticamente debido a la expansión de la industria y la aparición de nuevas aplicaciones que antes no eran viables.
Un ejemplo contemporáneo se encuentra en la evolución de los microprocesadores y la memoria digital. A medida que los chips han incrementado su eficiencia energética, su capacidad de cómputo, y el precio de la memoria ha bajado considerablemente, el consumo total de electricidad en el sector de la informática no ha disminuido, sino que ha crecido con el surgimiento de nuevas aplicaciones como la computación y el almacenamiento en la nube y el auge del Internet de las Cosas.
La inteligencia artificial no es una excepción a esta regla. Aunque modelos como DeepSeek R1 y otros enfoques de código abierto permiten ejecutar modelos con menores requisitos de hardware, esto no implica que la demanda agregada de computación vaya a disminuir. Más bien, lo que se observa es un proceso de expansión en el uso de la IA, donde el acceso a modelos más eficientes abre la puerta a nuevas aplicaciones, empresas y usuarios que antes no tenían los recursos para aprovechar esta tecnología. Es decir, una IA más eficiente no significa un menor consumo de energía, sino más agentes interactuando con la IA en todo tipo de procesos cotidianos y comerciales.
China ha demostrado ser un actor clave en esta aceleración. El país ha invertido agresivamente en infraestructura de inteligencia artificial y ha fomentado el desarrollo de modelos abiertos que puedan competir con las soluciones propietarias de Occidente. La aparición de modelos eficientes no solo permite una adopción más rápida de la IA en el ecosistema chino, sino que también reduce las barreras de entrada para otros países y empresas que buscan desarrollar soluciones independientes de los proveedores tradicionales de hardware y software.
En última instancia, la paradoja de Jevons también sugiere que la expansión del uso de la IA no estará determinada por los límites tecnológicos, sino por la velocidad a la que las aplicaciones de esta tecnología se vuelvan imprescindibles para las sociedades y los mercados.
