Principales conclusiones de @echen (fundador de Surge AI): 1. Pronto veremos empresas con ingresos de 100 millones de dólares por empleado, gracias a la IA que hace que todo sea más eficiente. Surge alcanzó los 1000 millones de dólares en ingresos con menos de 100 personas, completamente autofinanciada, en tan solo 4 años. Esto romperá con el manual tradicional de estrategias de capital riesgo de Silicon Valley. 2. Es probable que la IA general esté a una década o más de distancia. Pasar del 80 % de una tarea al 90 % es muy diferente a alcanzar el 99,9 %: cada salto lleva mucho más tiempo que el anterior. Las preguntas objetivas de los exámenes son más fáciles de optimizar que las de los problemas del mundo real. 3. La industria está optimizando la IA para "dopamina en lugar de verdad", lo que retrasa la IA general. A Edwin le preocupa que estemos desarrollando una IA que busca la interacción en lugar de promover la humanidad. Marcadores populares como LMArena priorizan las respuestas llamativas con emojis y formato en lugar de la precisión, lo que obliga a los laboratorios a optimizar métricas superficiales que empeoran el rendimiento de sus modelos en tareas reales. 4. Crear datos de alta calidad para entrenar a la IA requiere buen gusto. Cualquiera puede verificar que un poema tiene ocho versos y menciona la luna. Lo difícil es identificar poesía que sorprenda, conmueva y enseñe algo nuevo sobre el lenguaje. Esta definición subjetiva y matizada de calidad es lo que distingue a la IA promedio de la IA excepcional. 5. Entrenar a la IA es más como criar a un niño que etiquetar fotos. No solo estás aportando información; estás enseñando valores, creatividad e innumerables matices sobre lo que hace que algo sea bello o verdadero. La pregunta correcta no es "¿Qué prueba queremos que supere la IA?", sino "¿Qué tipo de entidad queremos criar?". La elección de qué optimizar (métricas de interacción o desarrollo humano genuino) define todo el proceso posterior. 6. Las clasificaciones de referencia de IA suelen ser manipuladas y no reflejan el valor real. Edwin no confía en las referencias por dos razones: suelen contener respuestas incorrectas y evalúan problemas bien definidos, a diferencia del complicado mundo real. Esto explica por qué los modelos pueden ganar medallas de oro en las Olimpiadas Internacionales de Matemáticas, pero tienen dificultades para analizar archivos PDF. Los laboratorios optimizan estas referencias con fines de relaciones públicas, incluso cuando esto empeora el rendimiento de sus modelos en tareas reales. 7. La próxima frontera en el entrenamiento de IA son los entornos de aprendizaje automático (RL), donde los modelos aprenden haciendo. Se trata de simulaciones detalladas de escenarios reales, como una startup con Gmail, Slack, repositorios de código y bases de datos donde AWS se cae repentinamente. Los modelos aprenden al intentar realizar tareas en estos entornos y reciben recompensas según su enfoque completo, no solo las respuestas finales. Esto refleja cómo los humanos aprenden mediante ensayo y error en situaciones realistas. 8. La asistencia con IA tiene un coste oculto: un trabajo perfecto que no importa. Pasar 30 minutos con una IA perfeccionando un correo electrónico mediante infinitas iteraciones cuando el original ya funcionaba bien es una trampa. La pregunta más importante es si la IA debería maximizar el tiempo que le dedicas o ayudarte a completar las tareas y seguir adelante. Las mejores herramientas de IA sabrían cuándo decir: "Esto es suficiente, simplemente envíalo". 9. Construir una empresa exitosa no implica cambiar tu identidad. Edwin nunca pensó que fundaría una empresa, porque asumió que tendría que convertirse en un empresario que se pasa el día analizando finanzas. En cambio, construyó Surge como un laboratorio de investigación, trabajando directamente con datos y análisis. Su consejo: «No necesitas convertirte en alguien que no eres. Puedes construir una empresa exitosa simplemente creando algo tan bueno que destaque entre la multitud». 10. El manual de estrategias de Silicon Valley —cambiar constantemente, escalar rápidamente, perseguir la moda— no es el único camino al éxito. La alternativa: encontrar una gran idea en la que creas, rechazar todo lo demás y seguir construyendo incluso cuando sea difícil. Seguir las tendencias (criptomonedas, luego NFT, luego IA) crea empresas sin consistencia ni misión. Construye algo que no existiría sin tu combinación única de experiencias, intereses y conocimientos.
Cargando el detalle del hilo
Obteniendo los tweets originales de X para ofrecer una lectura limpia.
Esto suele tardar solo unos segundos.