Democratizar el acceso a la IA se ha vuelto más importante que nunca

La IA como herramienta vital para la equidad y el crecimiento

La inteligencia artificial (IA) ya no es un concepto futurista confinado a los laboratorios de investigación y las corporaciones de alta tecnología. Ahora está entretejida en la trama de nuestra vida cotidiana, dando forma a cómo trabajamos, nos comunicamos y resolvemos problemas complejos. Sin embargo, a medida que crece la influencia de la IA, también lo hacen las disparidades en cuanto a quién tiene acceso a su potencial transformador. "Democratizar la IA" consiste en derribar barreras (técnicas, económicas y sociales) para que todos, no solo unos pocos privilegiados, puedan aprovechar su poder. Este artículo explora cómo las herramientas de código abierto, la educación accesible y los marcos éticos están impulsando el movimiento para hacer de la IA una fuerza inclusiva para la innovación, la equidad y el progreso global; y presenta un nuevo proyecto, Spin I, que emprendí para abordar ciertas brechas en el ecosistema para desarrollar un futuro democrático en IA.

1. El estado actual de la IA

En sus inicios, la IA era más una novedad que una herramienta. En sus mejores momentos, generaba respuestas lingüísticas coherentes, pero carecía por completo de la inteligencia y el rendimiento necesarios para abordar tareas y desafíos del mundo real. Con el tiempo, varios avances de empresas tecnológicas, investigadores y empresas emergentes en el campo han hecho que estas herramientas sean significativamente más accesibles y prácticas. Sin embargo, la vanguardia de la investigación en IA todavía está en manos de unos pocos con los recursos para invertir en potencia de supercomputación, talento especializado y datos patentados. Para la mayoría de las personas y organizaciones, las barreras de entrada siguen siendo desalentadoras y la innovación en IA puede parecer una oportunidad lejana, una fortaleza vigilada que amenaza sus trabajos, negocios y medios de vida. Sin una financiación sustancial o acceso a redes influyentes, las perspectivas de ganar un punto de apoyo en este campo tecnológico transformador siguen siendo difíciles.

Los obstáculos financieros siguen siendo inmensos, a pesar de la propaganda y el bombo publicitario. La construcción de sistemas de IA requiere acceso a hardware de última generación a gran escala, que solo los actores más ricos pueden permitirse. El entrenamiento y la ejecución de inferencias a escala para un solo modelo de IA pueden exigir una potencia computacional que cuesta cientos de miles o millones de dólares. Además, la naturaleza intrincada de la IA crea una profunda brecha de conocimientos, accesible solo para un pequeño grupo de ingenieros e investigadores altamente capacitados. Para las empresas emergentes, las organizaciones sin fines de lucro y los innovadores en instituciones con fondos insuficientes, la IA era (y a menudo sigue siendo) un sueño lejano, una tecnología transformadora encerrada tras puertas que no pueden abrir, con solo atisbos de esperanza dados con algunos obsequios diseñados para convertir a las personas en consumidores de la tecnología en lugar de participantes de los frutos del trabajo, la inversión y el avance de la IA que se vislumbran en el horizonte.

2. ¿Por qué es importante la democratización?

La investigación en IA se centra, en general, en garantizar la justicia, la equidad y la innovación en todo el mundo. Sin embargo, existen desafíos planteados por las luchas sociales, políticas, económicas y jurídicas sobre cómo afectará la comercialización de la IA a los empleos, la armonía social y el bienestar psicológico y financiero de las comunidades de todo el planeta. Estos efectos profundos exigen la participación democrática de todas las partes interesadas.

La democratización y comercialización de la IA tiene cuatro aspectos: acceso a los datos, computación, propiedad intelectual (conocimientos técnicos) y finanzas.

En el frente de los datos: los modelos de IA propietarios a menudo aprovechan grandes cantidades de datos privados y públicos sin el consentimiento explícito del usuario. Los creadores y propietarios de estos datos rara vez reciben un reconocimiento equitativo o una parte de los ingresos y el crecimiento generados por estos modelos, lo que plantea importantes preocupaciones éticas, legales y financieras. Democratizar la propiedad sobre la IA y los activos de datos es un paso importante para empoderar a las personas y las comunidades para que se apropien de sus contribuciones, asegurando que los beneficios de la IA se distribuyan de manera más justa en toda la sociedad. Empresas como Google, Meta, Microsoft y OpenAI ya se han metido en problemas con organizaciones y organismos gubernamentales de todo el mundo y ejemplos de tales batallas legales se pueden ver en la demanda del New York Times contra OpenAI [1, 2], objetando el uso que hizo del contenido del NY Times para entrenar a sus modelos, o la imposición legal de Australia a Google y Meta de pagar a las agencias de noticias australianas una compensación monetaria cuando muestren dicho contenido como parte de sus resultados de búsqueda [3] (lo que muestra cómo la batalla por la monetización de datos y contenido se ha estado desarrollando incluso antes de que aparecieran los LLM modernos). Estas batallas legales y sociales muestran la importancia de establecer mecanismos monetarios y legales para compartir los datos en los que se basan los avances de la IA.

[1] https://harvardlawreview.org/blog/2024/04/nyt-v-openai-the-timess-about-face/

[2] https://www.theguardian.com/media/2023/dec/27/new-york-times-openai-microsoft-lawsuit

[3] https://www.france24.com/es/live-news/20241212-australia-to-force-tech-titans-to-pay-for-news

En el frente de la computación: la concentración de recursos computacionales en manos de unas pocas entidades bien financiadas sofoca el ingenio humano y crea incentivos perversos para desplazar la mano de obra que desarrolla activos de IA con los mismos activos de IA en el futuro. Muchos innovadores talentosos no pueden diseñar, crear o poseer nuevos modelos de IA simplemente porque carecen de acceso a la infraestructura computacional necesaria para desarrollarlos. Esta disparidad perpetúa un sistema de "ricos" y "pobres", donde solo unos pocos privilegiados pueden participar activamente en la configuración del futuro de la IA [4, 5, 6]. Se requiere democratización para cerrar esta brecha proporcionando acceso a recursos y resultados de modelos, nivelando el campo de juego para individuos y organizaciones en todo el mundo. Los activos de IA tienen además un efecto descomunal en la productividad y la reducción de la fuerza laboral y los requisitos laborales. Como resultado, la creación de mecanismos financieros y legales de participación accionaria para compartir los frutos del trabajo, la financiación, la computación, los datos y el desarrollo de la propiedad intelectual que conducen a los avances de la IA es vital para garantizar un acceso justo al capital y los ingresos generados por la IA en el futuro.

[4] https://venturebeat.com/ai/ai-research-finds-a-compute-divide-concentrates-power-and-accelerates-inequality-in-the-era-of-deep-learning/

[5] https://www.nature.com/articles/d41586-024-03792-6

[6] https://www.signalfire.com/blog/ai-compute-shortage

En el frente financiero: el acceso a la financiación respalda la capacidad de las personas y las organizaciones de invertir en el desarrollo de la IA y convertirse en accionistas del futuro de la IA. Si bien en el lado de los insumos se requieren recursos financieros para acceder a los recursos informáticos, de datos y de talento para desarrollar y ejecutar la IA, una consideración financiera más importante está en el lado de los resultados de la ecuación. Los modelos de IA tienden a desplazar la mano de obra humana de manera efectiva, creando oportunidades para que las personas y las organizaciones inicien y dirijan sus propios negocios y generen ingresos a partir de sus operaciones. Sin embargo, este privilegio, si se restringe por restricciones financieras a solo unos pocos, se produce a costa de la pérdida de empleos y un sesgo en la dinámica de poder hacia estructuras comerciales oligárquicas debido a una disparidad entre quienes tienen acceso a la financiación para desarrollar y dirigir negocios basados en IA y quienes no tienen finanzas, dependiendo de la habilidad, el tiempo y el trabajo en un grupo cada vez más reducido de oportunidades para reclamar su parte del pastel a medida que se implementa una mayor automatización. Lo que es importante es cómo se distribuye la participación accionaria y las participaciones en los ingresos en este mundo cada vez más automatizado entre quienes financian dicho desarrollo y quienes invierten tiempo, habilidad y esfuerzo en el desarrollo de dichos negocios. Además, la forma en que se brindan oportunidades de inversión financiera y de generación de ingresos de manera persistente en la operación de dichos negocios basados en IA más allá de las ganancias y compensaciones iniciales es una consideración importante para evitar que surjan conflictos futuros a partir de tales disparidades.

La verdadera democratización debe extenderse más allá del acceso a herramientas e infraestructuras y abarcar la esfera de las finanzas, la equidad y las oportunidades de ingresos. Requiere un compromiso con la formación ética, el uso de conjuntos de datos diversos y el establecimiento de estructuras de gobernanza equitativas. Al abordar los sesgos en los sistemas de IA y garantizar la rendición de cuentas en su uso, creamos una tecnología que no solo sea accesible, sino también responsable e inclusiva. Democratizar la IA no es solo un objetivo técnico; es un imperativo social para garantizar que la IA sirva como una fuerza para el progreso compartido en lugar de la división y el conflicto.

3. ¿Qué se está haciendo para abordar la democratización en la IA?

En la actualidad, existen muchos modelos de IA de código abierto y marcos de trabajo de agentes disponibles a través de plataformas como Ollama, HuggingFace, Letta, LangChain, por nombrar algunas (puede consultar el resumen de Letta sobre las pilas de agentes de IA [7] para obtener una breve idea de cómo son las pilas de tecnología de API abiertas y cerradas). En resumen, ya se comparten en línea muchos modelos de IA de código abierto y de peso abierto que los creadores y las empresas pueden usar como punto de partida y desarrollar sus productos sobre la base de ellos siempre que tengan los recursos financieros, computacionales, de datos y técnicos para ejecutar un plan de negocios. Sin embargo, ahí es donde radica el problema: existen limitaciones en la disponibilidad de los cuatro recursos anteriores, y cada uno de ellos puede hacer que una organización flaquee o abandone su IA.

[7] https://www.letta.com/blog/ai-agents-stack

Sobre el tema de los datos y la propiedad intelectual

Al momento de escribir este artículo, todavía no existe ningún mecanismo legal y financiero estandarizado para que individuos y empresas compartan y moneticen datos como proveedores de datos para el desarrollo de IA a gran escala. Yann LeCun, vicepresidente y científico jefe de IA en Meta, publicó recientemente un artículo sobre el tema de los datos e instó a las instituciones, los gobiernos y las comunidades a que pongan los datos a disposición de forma gratuita para el entrenamiento, con la condición de que dichos modelos se pongan a disposición de forma gratuita con ponderaciones y código de inferencia. Este modelo de intercambio de datos ofrece el acuerdo implícito de obtener modelos de IA más representativos para el público, al tiempo que permite a las empresas obtener acceso a conjuntos de datos representativos, lo que supone un contrato social implícito para el bien social y permite a las empresas conservar cierta propiedad intelectual e intereses comerciales en el entrenamiento y la modificación de dichos modelos.

En el otro extremo está el uso de datos públicos por parte de las empresas para el entrenamiento de modelos API cerrados, brindando acceso pago al público a los modelos de IA resultantes, pero sin la posibilidad de alojar, modificar o ejecutar los modelos entrenados.

Una solución intermedia que se ha propuesto con frecuencia pero que aún no se ha implementado consiste en proporcionar datos para la capacitación con cierta compensación a través de mecanismos de participación accionaria dentro del modelo. Se pueden encontrar ejemplos de tales propuestas en [8, 9].

[8] https://www.forbes.com/councils/forbestechcouncil/2024/06/26/20-tools-and-strategies-for-safe-and-ficient-ai-system-data-sharing/

[9] Compartir datos con beneficios compartidos: perspectiva de inteligencia artificial, Biblioteca Nacional de Medicina, https://pubmed.ncbi.nlm.nih.gov/37642995/

[10] Intercambio de datos en la era del aprendizaje profundo, https://www.nature.com/articles/s41587-023-01770-3

Un obstáculo técnico en este caso es la implementación de mecanismos de confianza cero para hacer cumplir los contratos bajo los cuales se compartirán los datos y hacer cumplir el acceso a los resultados de la IA según lo dictado por los términos de un contrato. Los contratos inteligentes de la Web3 son una opción natural para implementar dichos mecanismos de intercambio de datos; sin embargo, se debe personalizar una solución teniendo en cuenta las preocupaciones sobre la privacidad y sin sacrificar las ventajas competitivas legítimas [10] que las empresas y las partes interesadas buscan dentro de ciertos dominios de aplicación a través de entornos de datos y modelos de IA privatizados.

Como primera solución, abordo el paradigma más simple de compartir datos al que se refiere Yann LeCun en su artículo, en el que se apunta a compartir datos en el contexto del bien social. Con un mecanismo de confianza cero basado en la Web3, agrego una capa adicional a esta propuesta, en la que las personas pueden recibir una compensación justa a través de tokens NFT por su contribución de datos al entrenamiento de un modelo y convertirse en participantes financieros en el proceso de inversión y crecimiento basado en IA.

Sobre el tema de la computación

Como se destacó anteriormente, la disponibilidad y asequibilidad de los recursos informáticos es a menudo un factor limitante para las personas y las organizaciones. A menudo, las GPU de gama alta son inasequibles o están bloqueadas por contratos y, por lo tanto, no están disponibles en el mercado abierto. Sin embargo, hay una gran cantidad de GPU de consumo subutilizadas en manos de personas y organizaciones. Además, ya se ha demostrado que las GPU de consumo como la RTX3090/4090 brindan un rendimiento comparable al de las GPU de gama alta en el entrenamiento y la inferencia con modelos de tamaño mediano como Llama3 y superiores (con un rendimiento del modelo de IA comparable al de OpenAI GPT4 o superior). Esto abre una oportunidad para descargar algunos costos de inferencia y entrenamiento en hardware interno a un precio más económico que las GPU disponibles comercialmente en la nube. Esto también permite que las personas y las organizaciones se conviertan en anfitriones de los recursos de entrenamiento e inferencia de modelos de IA para brindar acceso democratizado a sus pares dentro de la organización o en Internet, creando una configuración similar a AirBnB para la infraestructura de IA.

Sobre el tema de las finanzas

En el aspecto financiero, los proveedores de servicios en la nube como Google ofrecen ciertos créditos gratuitos a las empresas emergentes que desarrollan IA. También hay otros proveedores de servicios en la nube que ofrecen servidores GPU de alta gama para alquilar a precios competitivos (que a menudo siguen siendo demasiado caros para particulares y empresas más pequeñas). El problema se soluciona en cierta medida mediante inversiones de capital privado en empresas emergentes que desarrollan IA (lo que genera un impulso para resolver los problemas financieros de las empresas emergentes, pero deja fuera a una gran cantidad de talentos fuera del alcance de los inversores y viceversa). Spin ofrece un medio alternativo para que las empresas emergentes y los particulares adquieran recursos informáticos a un precio patrocinado o más asequible de proveedores de la nube, instituciones y pares en Internet.

Más allá de la computación, el problema de la financiación de la adquisición de datos también persiste y el intercambio de datos basado en contratos inteligentes/NFT proporciona un medio alternativo para conectar los datos a los sistemas de IA para el entrenamiento y las aplicaciones basadas en RAG. En el lado de los resultados de la generación de valor a través de la IA, Spin también proporciona a los proveedores de recursos (hosts de datos, como artistas, escritores, creadores y de computación, como proveedores de servicios en la nube, empresas y hosts individuales), una vía para monetizar sus recursos y convertirse en participantes y beneficiarios directos, activos y persistentes en la cadena de valor de la IA, proporcionando un marco más democrático para la forma en que se distribuye el valor en un mundo cada vez más automatizado.

4. ¿Cómo puedes ayudar a democratizar la IA?

Hay tres pasos esenciales para democratizar la IA:

1. Aplicación de las leyes de datos y propiedad intelectual en el ecosistema de IA

2. Proporcionar acceso compartido a la infraestructura de inferencia y entrenamiento de IA
3. Proporcionar acceso compartido a las fuentes de financiación e ingresos generadas por las oportunidades de IA

1. Hacer cumplir las leyes de datos y propiedad intelectual

Como individuos y organizaciones, debemos empezar por proteger nuestros derechos contra el uso indebido de los datos en el entrenamiento de la IA y los resultados generados por la IA (inferencia). Esto requiere un trabajo significativo para establecer mecanismos legales y técnicos para hacer cumplir la protección de datos y detectar infracciones de derechos de autor por parte de la IA. El problema es desafiante, tanto para los encargados de hacer cumplir los derechos de autor como para los desarrolladores de IA y las empresas que pueden infringir los derechos de autor sin darse cuenta de que lo han hecho, dada la enorme cantidad de datos que procesa un modelo de IA. Si usted es un escritor, un periodista, un artista, un abogado, una parte interesada en los desafíos legales y técnicos que implica hacer cumplir la protección de datos y los derechos de autor para usted o su organización, entonces busque soluciones para hacer cumplir dichos mecanismos.

Si eres una empresa o un individuo que desarrolla IA, descubre más sobre cómo puedes acceder legalmente a datos públicos y privados sin infringir los derechos de los propietarios.

2. Conviértase en hosts de cómputo para el entrenamiento y la inferencia de IA compartidos

Los lenguajes de gran tamaño y otros modelos de IA requieren una enorme cantidad de recursos informáticos tanto para el entrenamiento como para la inferencia. Puedes y debes convertirte en un participante e inversor en este ecosistema informático. Actualmente, millones de personas y empresas emergentes de todo el mundo se ven limitadas por la cantidad de recursos informáticos disponibles para ejecutar y experimentar con IA. Puedes convertirte en anfitrión de dicha IA utilizando solo las GPU de consumo que tienes en casa y los modelos de IA de código abierto que publica periódicamente la comunidad. Al proporcionar dichos recursos informáticos, puedes monetizar tu potencia informática y reducir los cuellos de botella para millones de innovadores, investigadores y empresas emergentes de todo el mundo, a la vez que ganas algo de dinero extra.

3. Proporcionar acceso compartido a las fuentes de financiación e ingresos generadas por las oportunidades de IA

Como desarrolladores de IA, debemos ser conscientes del impacto social que nuestro trabajo tendrá en el bienestar financiero y los medios de vida de miles de millones de familias e individuos en todo el mundo. Permitir que las personas tengan acceso a conocimientos técnicos y a datos, computación y finanzas para convertirse en accionistas y partes interesadas en los flujos de ingresos generados con la IA es una consideración importante para mantener la armonía social y evitar que surjan conflictos sociales en el futuro. Ya se está considerando hablar de un ingreso básico universal ante la pérdida de empleos impulsada por la IA, sin embargo, una premisa más justificada para proporcionar ese ingreso universal en proporción a los datos, la innovación y las contribuciones de computación de las personas hace que las personas reciban ese ingreso con mayor dignidad y con una razón bien justificada, ya que contribuyen con sus datos, computación y propiedad intelectual de modelos al ecosistema. Dar a los desarrolladores de IA, a los contribuyentes de datos y a los contribuyentes de computación, a todos, una fuente de ingresos persistente en un futuro, más automatizado con IA, con menos oportunidades de trabajo persistente para ganarse la vida, es una consideración vital.

Como fundador de una startup en este espacio, estoy probando una PoC para Spin en https://synaptrix.org y agradecería sus comentarios.

¿Cómo crees que sería el futuro de la IA?