La intensa escena final de la tercera temporada de "El Juego del Calamar", que vi en Netflix hace un tiempo, aún me sigue dando vueltas en la cabeza. El juego final es el llamado "juego del calamar de gran altitud", que se desarrolla en el cielo. El juego se juega en pilares cuadrados, triangulares equiláteros y circulares perfectos, en orden. Especialmente en la escena del pilar redondo de la etapa final, el protagonista decide sacrificarse para escapar de las ataduras de la codicia que lo dominaban. Hasta ahora, el círculo simbolizaba la codicia y la obsesión, pero cuando el protagonista elige la muerte en este círculo por su hijo y su futuro, su significado se invierte por completo. Esta escena muestra vívidamente que la realidad que vemos no es absoluta y que su significado puede cambiar en cualquier momento según el entorno o la experiencia. Como referencia, la tercera temporada de El Juego del Calamar me pareció muy aburrida. ¿La cultura cambia nuestra forma de ver? Dos interesantes estudios sobre ilusiones Una historia similar se puede encontrar en dos estudios recientes sobre ilusiones visuales. El equipo de investigación de Ivan Kroupin, de la London School of Economics (LSE) del Reino Unido, mostró una imagen llamada «ilusión del cofre» a occidentales y namibios rurales. Curiosamente, los participantes occidentales veían principalmente cuadrados, mientras que los namibios rurales veían principalmente círculos. El equipo de investigación explica esto con la hipótesis del «mundo carpintero», que afirma que el entorno en el que vivimos determina la forma en que nuestro cerebro percibe el mundo. Pero otro estudio cuestiona esta hipótesis. Dorsa Amir y Chaz Firestone han demostrado que la ilusión de Müller-Lyer ocurre en humanos, animales e incluso niños ciegos, independientemente de su entorno. Estos dos estudios pueden parecer contradictorios, pero en realidad transmiten un mensaje importante: el mundo que vemos no es una realidad objetiva, sino algo que nuestro cerebro interpreta y crea constantemente. Ver y hablar son, en última instancia, «alucinaciones del cerebro». El neurocientífico Anil Seth describe la realidad como «una alucinación controlada creada por el cerebro». En otras palabras, nuestro cerebro no nos muestra el mundo objetivo tal como es, sino que lo interpreta subjetivamente basándose en nuestras experiencias, nuestro entorno y nuestra cultura. Lo interesante es que este fenómeno se aplica tanto al lenguaje como a la visión. Tomemos, por ejemplo, un estudio realizado por la psicóloga de la Universidad de Stanford, Lera Boroditsky, que pidió a hablantes de alemán y español que describieran las palabras “key” y “bridge”, y descubrió que los géneros de estas palabras estaban invertidos en ambos idiomas. En alemán, «key» es un sustantivo masculino y «leg» es un sustantivo femenino. En español, llave es un sustantivo femenino y pierna es un sustantivo masculino. Sorprendentemente, los hablantes de alemán describieron las teclas con rasgos masculinos como “pesado, fuerte” y las piernas con rasgos femeninos como “hermoso, elegante”. Los hispanohablantes, por otro lado, describieron las teclas con los rasgos opuestos. Del mismo modo, el lenguaje que usamos determina en última instancia cómo nuestro cerebro crea e interpreta la realidad. Lo que creemos «ver» y lo que creemos «decir» son, en última instancia, ilusiones controladas por el cerebro. El juego del calamar, una ilusión visual, la misma historia que cuenta el lenguaje La razón por la que la escena final del pilar circular en "El Juego del Calamar" fue tan impactante y por la que el lenguaje cambia nuestra percepción de la realidad es, en última instancia, la misma. El significado del mundo que creíamos absoluto puede cambiar en cualquier momento, y el mundo puede ser completamente diferente según el idioma, la cultura y las experiencias que tengamos. El mensaje común que nos transmiten las ilusiones ópticas, los estudios del lenguaje y el teatro es claro. El mundo siempre está siendo reinterpretado y recreado en nuestras mentes. Entonces, si queremos cambiar nuestras vidas para que sean más positivas, ¿no deberíamos primero cambiar la manera en que vemos el mundo? Así como el protagonista de "El Juego del Calamar" transformó el significado del arquetipo de la avaricia en sacrificio, nosotros también podemos cambiar el significado de lo que vemos y decimos en nuestras vidas. Las dificultades, el dolor e incluso la felicidad que experimentamos pueden, en última instancia, cambiar según nuestra perspectiva. De hecho, la obra "El Juego del Calamar" recibió tanta atención porque los juegos que recordamos de nuestra vida diaria o de la infancia se han convertido en juegos por los que adultos obsesionados con la avaricia arriesgan la vida. Si cambiamos un poco la perspectiva, ¿no surgiría algo completamente nuevo y divertido?

A menudo se hace referencia a las monedas estables como un "patrón oro digital". A primera vista, esto parece inexacto, pero al comprender la naturaleza de esta expresión, las cosas cambian. Anteriormente, el patrón oro era un sistema donde el activo llamado oro establecía el límite a la emisión de dólares. Hoy en día, las monedas estables son empresas privadas que emiten activos digitales respaldados por dólares, conformando esencialmente una estructura similar de emisión limitada de moneda. Pero ¿por qué el gobierno de Estados Unidos intenta ahora recortar esta estructura? Shadow Dollar, un sistema de emisión de dólares de gestión privada El mayor problema de las monedas estables es que impiden que la Reserva Federal de EE. UU. y el Tesoro controlen la circulación y el suministro de dólares. Monedas estables como USDT y USDC se están extendiendo rápidamente por todo el mundo en zonas fuera del alcance de las autoridades financieras estadounidenses, y su escala ya ha alcanzado un nivel innegable. De hecho, para 2024, el volumen anual de transacciones de las stablecoins superará el volumen combinado de transacciones de Visa y Mastercard, lo que las consolidará como un componente esencial del sistema de pagos global. Esto significa que el suministro y la distribución de dólares, tradicionalmente monopolizados por Estados Unidos, están siendo reemplazados por empresas privadas y sistemas descentralizados. Este fenómeno planteó una amenaza fundamental para las autoridades financieras estadounidenses, ya que Estados Unidos nunca permitiría que empresas privadas compartieran el poder de emitir moneda. De la teoría de la conspiración al escenario político: el propósito oculto de la Ley GENIUS De hecho, el propósito aparente de la Ley GENIUS es «garantizar la estabilidad y la transparencia en el mercado de las stablecoins». Sin embargo, un análisis más detallado de las disposiciones del proyecto de ley revela una agenda oculta: Restricciones estrictas para los emisores : No se permite la emisión, excepto por instituciones aprobadas por el gobierno. Poderes de intervención de emergencia : garantizar el poder de congelar fondos y suspender la emisión Sanciones a las monedas estables emitidas en el extranjero : aclaración de la autoridad técnica de congelación y quema Con esto, Estados Unidos está retomando la autoridad de emisión privada de moneda y tratando de controlar de nuevo centralmente la oferta y la circulación de dólares. Esta es una estrategia similar a la que el presidente Nixon logró en 1971 al suspender el patrón oro, lo que permitió al gobierno estadounidense eliminar el límite a la oferta de dólares y controlar completamente la oferta monetaria. La carta oculta para mantener la hegemonía del dólar: ¿el shock digital de Nixon? Un escenario más preocupante es que la Ley GENIUS no solo regulará las monedas estables, sino que podría usarse como una herramienta para un “shock Nixon digital” suspendiendo o quemando completamente las monedas estables según sea necesario, absorbiendo así toda la liquidez en dólares del mundo digital. Técnicamente, esto es bastante posible. Las principales monedas estables tienen la capacidad de congelar o quemar monedas ya emitidas mediante un sistema de emisión centralizado. Si esto ocurre, provocará una fuerte caída en todo el mercado de criptomonedas y sacudirá gravemente el orden financiero global. Pero desde la perspectiva estadounidense, este caos puede utilizarse para gestionar eficazmente la liquidez global del dólar y mantener la hegemonía financiera en el largo plazo. Conclusión: Las stablecoins digitales, el nuevo campo de batalla por la soberanía monetaria La Ley GENIUS no es en absoluto un simple proyecto de ley de estabilización financiera. Es, más bien, una decisión estratégica y políticamente decisiva para recentralizar la circulación global del dólar e impedir la participación del sector privado en el nuevo orden financiero. Cuando un experto en criptomonedas afirmó en 2018 que Estados Unidos intentaba controlar la liquidez del dólar mediante monedas estables, muchos lo descartaron como una teoría conspirativa. Pero hoy, la realidad es que un proyecto de ley que encarna a la perfección esta teoría conspirativa ha sido aprobado en el Senado. Este asunto ya no pertenece al ámbito de las teorías conspirativas. Se ha convertido en una pregunta real: "¿Cuándo y cómo tomará el gobierno estadounidense el control y eliminará el sistema de las stablecoins?" ¿Se está repitiendo la historia o ha sido este el comienzo de una nueva guerra de divisas para la era digital? Ahora es el momento de afrontar esta cuestión seriamente.

Hace poco, gracias a Skewer Coaching, conocí a alguien que habla chino con fluidez. Hablamos de aplicaciones que se usan con frecuencia en China y le conté las que yo he usado. Incluso quienes no conocen mucho sobre China probablemente hayan oído hablar de WeChat. Incluso hay un chiste que dice que en China es prácticamente imposible hacer nada sin WeChat. Pedir comida, llamar un taxi, comprar, realizar pagos e incluso usar servicios gubernamentales se puede hacer desde WeChat. En comparación con KakaoTalk o Naver, que se usan comúnmente en Corea, ofrece una gama mucho más amplia de funciones en una sola aplicación. ¿Se debe este fenómeno de las "superapps" en China simplemente a que los chinos prefieren la comodidad? ¿O hay otra razón? Al explicar las diferencias entre el diseño de aplicaciones orientales y occidentales, se suele decir que «a los asiáticos les gustan las aplicaciones con mucha información y complejidad, mientras que los occidentales prefieren las sencillas». Sin embargo, esto no es así. Recientemente, las aplicaciones en países asiáticos como China, Corea y Japón también han adoptado un diseño más limpio y sencillo. Sin embargo, ¿por qué las superaplicaciones se han consolidado tanto en China? El punto de partida de la era del «móvil primero» que empezó con los teléfonos inteligentes A principios de la década de 2010, internet aún no estaba plenamente establecido en China. En aquel entonces, la tasa de penetración de internet en China era inferior al 35% y no había mucha gente usando computadoras de escritorio. Ante esta situación, los teléfonos inteligentes se convirtieron en los primeros dispositivos informáticos personales para los consumidores chinos. Dado que el entorno de internet centrado en dispositivos móviles se construyó desde el principio, no se formaron los hábitos de internet existentes. Por ejemplo, en EE. UU. y Europa, los hábitos de uso de internet basados ​​en computadoras de escritorio, como navegadores web y correos electrónicos, ya estaban consolidados, pero en China, las aplicaciones móviles se generalizaron desde el principio. WeChat de Tencent llenó este vacío. WeChat comenzó como una aplicación de mensajería, pero comenzó a ofrecer casi todos los servicios de internet a través de "Cuentas Oficiales" y "Miniprogramas". De hecho, WeChat es como un navegador que funciona como el Google Chrome chino. En lugar de trasladar los servicios web existentes a los móviles, creó un entorno centrado en las aplicaciones desde el principio. En este sentido, siempre pienso en las palabras del presidente de Tencent, Ma Huateng. Cuando se ridiculizó a QQ y los juegos de Tencent por ser imitadores, Ma Huateng dijo: «Dibujamos un tigre después de ver un gato». Los inicios de la economía digital china estaban poco desarrollados. Los bancos no ofrecían sistemas de pago en línea fáciles de usar, las compras se hacían mayoritariamente en efectivo y el comercio electrónico se encontraba en sus primeras etapas de desconfianza. Ante esta situación, Alibaba desarrolló Alipay para las transacciones en línea en Taobao, creando así su propio sistema de pago. Las empresas tenían que crear sus propios servicios si no contaban con lo que necesitaban. Esta es la verdadera razón por la que nacieron las superaplicaciones. En otras palabras, fue una decisión inevitable llenar un vacío en el mercado y dominar rápidamente toda la industria, no en aras de una experiencia de usuario (UX) ideal. El surgimiento de la estrategia competitiva de «construir un muro» El auge de las superaplicaciones chinas se explica por otra razón: la extrema competencia. Gigantes como Tencent, Alibaba, Baidu y ByteDance llevan mucho tiempo utilizando la denominada estrategia de "jardín amurallado", bloqueando los enlaces a las plataformas de la otra parte. Por ejemplo, si intentas abrir un enlace de compras de Taobao en WeChat, no funcionará. Por ello, cada empresa intenta integrar la mayor cantidad de servicios posible en su propia aplicación. Esto ha dado lugar a superaplicaciones como WeChat, que ofrecen entrega de comida a domicilio, solicitud de taxis, pagos, compras y redes sociales, todo en una sola aplicación. Aunque el gobierno chino prohibió el bloqueo de enlaces en 2021, los hábitos de consumo se han consolidado y el modelo de superaplicación está profundamente arraigado. Otra razón se encuentra en términos económicos. El poder adquisitivo en línea de los primeros consumidores chinos era menor que el de Occidente, por lo que el valor de vida útil de cada aplicación era pequeño. En consecuencia, las empresas intentaron maximizar los ingresos por cliente brindándole el mayor número posible de servicios. Además, dado que el coste inicial de adquisición de clientes era muy elevado, integraron más servicios para evitar enviar usuarios a la competencia una vez que los habían reunido en una sola aplicación. Esto formó parte de la estrategia de Tencent cuando lanzó la campaña "Sobre rojo (hongbao)" durante el Año Nuevo Chino (CNY) para promocionar WeChat Pay. Elección estratégica, no preferencia cultural El motivo por el que las superaplicaciones tienen éxito en China no es la demanda de los usuarios, sino una combinación de condiciones de mercado únicas: un entorno que prioriza los dispositivos móviles, falta de infraestructura industrial, una competencia feroz y un bajo poder adquisitivo. Entonces, ¿deberían las empresas de otros países copiar el modelo de las superaplicaciones? No necesariamente. La lección importante es comprender qué impulsa las decisiones de diseño de productos. Las superaplicaciones no siempre son la solución. En algunos casos, puede ser mejor agrupar varios servicios en una sola aplicación, mientras que en otros, puede ser más efectivo crear una única aplicación que ofrezca la mejor experiencia de usuario. En realidad, WeChat no es una "superapp perfecta" que lo solucione todo. La forma en que permite a los usuarios experimentar servicios sencillos mediante miniprogramas es, en esencia, la "web abierta" del entorno móvil. Los usuarios pueden probar el servicio con antelación y luego descargar una aplicación independiente si es necesario. En Corea, algunos presumieron de que las superapps eran el futuro. Pero ¿quién lo logró realmente? Personalmente, Toss es la única empresa que realmente ha logrado una superapp. Creo que la aplicación actual de Toss es el verdadero comienzo de esto. El mayor Takeaways que podemos obtener del caso de las superaplicaciones chinas es comprender cómo las necesidades empresariales hacen evolucionar los productos. Al fin y al cabo, el crecimiento de un producto no comienza con las necesidades de los usuarios, sino con respuestas estratégicas al entorno y las condiciones del mercado que enfrentan las empresas. Personalmente, creo que Corea es el lugar que más subestima el ecosistema digital y la destreza tecnológica de China. Como siempre digo, si visitas una ciudad desarrollada de China, o incluso Shanghái, te darás cuenta de que esta no es la China que yo conocía.

Recientemente, mientras asesoraba sobre planificación y arquitectura de IA para una empresa de servicios financieros, percibí que este tipo de debate se está acelerando en el sector financiero. Si bien la IA generativa, como ChatGPT, está recibiendo mucha atención, el sector financiero lleva mucho tiempo utilizándola activamente. Desde la detección de fraudes hasta la gestión del riesgo crediticio, e incluso las estrategias de trading a ultracorto plazo, la IA desempeña un papel clave en muchas tareas financieras fundamentales. Sin embargo, aún quedan muchas tareas por delante para que la IA sea realmente confiable y se utilice de forma ética. La cuestión más importante es la explicabilidad. En el sector financiero, cuanto más complejo es el modelo de IA, más difícil resulta comprender cómo toma decisiones. Este es el llamado problema de la "caja negra". Incluso si un modelo de IA realiza predicciones precisas, si no puede explicar los criterios y el proceso mediante los cuales se realizaron, puede ser un problema grave, especialmente en un ámbito como las finanzas, donde la confianza es esencial. Por ello, hoy quisiera analizar en profundidad qué es esta "explicabilidad" y cómo puede implementarse en el sector financiero. ¿Puedo darte un ejemplo interesante? En 2019, la Apple Card se convirtió en un problema social debido a la controversia sobre la discriminación de género en la selección de préstamos. Una pareja con los mismos ingresos y calificación crediticia solicitó la tarjeta, pero el límite de crédito del esposo fue mucho mayor que el de la esposa. Esta decisión fue inmediatamente criticada como "discriminación de género". Sin embargo, los emisores de tarjetas y las instituciones financieras que gestionaron el algoritmo de selección no explicaron con exactitud las razones de este problema. Como resultado, su imagen sufrió un grave daño. Este caso ilustra los problemas que pueden surgir cuando la IA opera en el sector financiero. La IA toma decisiones basadas en datos, pero si estos están sesgados o los criterios de juicio del algoritmo no se revelan con claridad, las instituciones financieras pueden enfrentarse a graves responsabilidades éticas y legales. En este contexto, el sector financiero debe plantearse las siguientes preguntas al utilizar IA: "¿Por qué nuestro modelo de IA tomó esa decisión?" “¿Son realmente justas las decisiones que toma la IA?” “¿Podemos explicar los criterios de juicio de los modelos de IA?” Tres elementos clave de la explicabilidad de la IA La explicabilidad va más allá de mostrar los detalles técnicos del funcionamiento de un modelo. Para implementar correctamente la explicabilidad en la IA financiera, deben estar presentes los tres elementos siguientes: (1) Transparencia Se trata de dejar claro a las partes interesadas cómo está estructurado el modelo de IA, con qué datos se entrenó y con qué prerrequisitos o supuestos opera. Por ejemplo, se puede generar confianza revelando a los clientes y a los reguladores las fuentes de datos de los modelos de calificación crediticia y las razones para seleccionar las variables de evaluación. (2) Interpretabilidad El objetivo es que las decisiones de IA sean fácilmente comprensibles para los humanos. El funcionamiento del modelo debe explicarse mediante algoritmos sencillos o herramientas visuales. Por ejemplo, usted debería poder explicar por qué se rechazó una solicitud de préstamo con puntos de datos específicos (“Su préstamo fue rechazado debido al alto uso de su tarjeta de crédito”). (3) Responsabilidad Se trata de establecer una responsabilidad clara por las decisiones tomadas por los modelos de IA y decidir de antemano cómo responder cuando surgen problemas. Cuando un modelo toma una mala decisión, establezca procesos claros y responsabilidades para corregirla inmediatamente y remediar el daño. Un enfoque integrado que abarque los tres elementos es clave para implementar adecuadamente la explicabilidad de la IA en las finanzas.

Cuando visitamos un hospital, siempre esperamos un diagnóstico preciso y un tratamiento rápido. Sin embargo, la realidad es que no es fácil recibir el tratamiento cuando se necesita debido a los largos tiempos de espera y la escasez de médicos. Sin embargo, un sorprendente estudio publicado recientemente por Microsoft ha presentado una nueva posibilidad en el campo de la medicina: un sistema de diagnóstico que utiliza inteligencia artificial (IA) realizó un diagnóstico cuatro veces más preciso que un médico humano. Es cierto que existen dudas como: "¿Puede realmente la IA sustituir a los médicos?" El orquestador de diagnóstico de IA entra en el campo médico El Orquestador de Diagnóstico de IA de Microsoft (MAI-DxO) no es solo un simple modelo de IA. Está diseñado como un panel de cinco médicos con diferentes roles. Cada agente de IA desarrolla una hipótesis, selecciona un elemento de prueba y se consultan entre sí para llegar a un diagnóstico final y determinar el método de tratamiento más adecuado. Lo interesante aquí es que muestra claramente el proceso mediante el cual la IA llega a su conclusión. Microsoft lo llama la "Cadena de Debate" y revela con transparencia la lógica mediante la cual la IA resuelve el problema. ¿Una precisión que supera a los médicos humanos? ¿Qué tan efectiva es esta IA en entornos médicos reales? Para comprobarlo, Microsoft presentó a la IA 304 de los casos de diagnóstico más complejos publicados en el New England Journal of Medicine (NEJM), la revista médica más importante de Estados Unidos. Los resultados fueron asombrosos. Cuando la IA funcionó mejor (con el modelo o3 de OpenAI), la precisión diagnóstica fue de un impresionante 85,5 %. Médicos humanos con experiencia que diagnosticaron los mismos casos tuvieron una tasa de éxito de tan solo el 20 %. A pesar de las limitaciones de los médicos humanos, que no tenían acceso a libros de texto ni a colegas, el impresionante rendimiento de la IA supuso una gran sorpresa para la comunidad médica. IA que ahorra costes y tiempo Además de la precisión, el ahorro de costes también fue notable. Microsoft configuró la IA para que considerara el coste en el proceso de diagnóstico, lo que permitió reducir significativamente el número de pruebas necesarias, ahorrando cientos de miles de dólares en casos reales. “Este sistema ofrece el rendimiento de IA más avanzado que hemos visto jamás y podría abrir nuevas puertas a la accesibilidad a la atención médica”, afirmó el Dr. Dominic King de Microsoft. Los modelos de IA son ahora «productos», la verdadera competitividad es el «poder de combinación» En este experimento, Microsoft utilizó modelos de IA de varias empresas, como OpenAI, Meta, Anthropic, Google y xAI. En particular, Mustafa Suleyman enfatizó que incluso el modelo de OpenAI de mejor rendimiento acabará siendo comercializado, y que la verdadera diferencia radica en el orquestador que integra y combina estos modelos. Microsoft dijo que planea aplicar la tecnología a su chatbot de inteligencia artificial Copilot y a su motor de búsqueda Bing, lo que podría tener un enorme potencial en una plataforma que procesa más de 50 millones de preguntas relacionadas con la salud al día. La era de la «superinteligencia médica» necesita preparación Mustafa Suleiman describe esta investigación como un primer paso hacia la "superinteligencia médica". Un futuro donde sea posible realizar diagnósticos más rápidos, precisos y económicos está a la vuelta de la esquina. Sin embargo, se requiere mayor verificación antes de que pueda aplicarse en entornos clínicos. El Dr. Eric Topol, cardiólogo y experto en IA, también evaluó esta investigación como un estudio importante que demostró la posibilidad de la eficiencia médica de la IA, aunque no se realizó en un entorno médico real.

"Los jóvenes de hoy en día no tienen suficiente sexo. Es difícil de creer." En 2016, el medio estadounidense Bustle informó sobre los impactantes resultados de un estudio que mostraba que la frecuencia de las relaciones sexuales entre jóvenes de veintipocos años se había desplomado. Desde entonces, este fenómeno se ha denominado la "Recesión Sexual" y se ha convertido en un tema candente. La imagen de una abeja y un pájaro dándose la espalda en la portada de la revista estadounidense The Atlantic expresó con fuerza la desconexión sexual de esta generación. Antes, los adultos se preocupaban por los jóvenes demasiado promiscuos, pero la generación actual está más preocupada por los jóvenes que evitan el sexo. De hecho, estadísticas recientes muestran que la frecuencia de las relaciones sexuales entre la Generación Z (nacidos entre mediados de los 90 y principios de los 2010) es increíblemente baja. Según una encuesta de 2018, aproximadamente un tercio de los hombres y una quinta parte de las mujeres de entre 18 y 24 años no habían tenido relaciones sexuales en más de un año, y la pandemia ha exacerbado aún más este fenómeno. En 2021, casi el 40 % de los californianos de entre 18 y 30 años afirmó no haber tenido nunca relaciones sexuales. Una generación donde todo es posible pero nada se desea Curiosamente, la Generación Z es más abierta y tiene opciones sexuales más diversas que las generaciones anteriores. Viven en una época en la que pueden tener encuentros casuales y breves fácilmente a través de aplicaciones de citas con tan solo un smartphone, y se aceptan libremente diversas preferencias sexuales. Entonces, ¿por qué se mantienen alejados del sexo? Sobre este tema, la periodista británica Louise Perry ofrece una perspectiva algo conservadora, pero interesante. Su libro "Una nueva guía para el sexo en el siglo XXI" se toma el sexo en serio, reconoce las diferencias biológicas entre hombres y mujeres y advierte sobre los peligros del sexo casual. Perry advierte con firmeza que "cualquier hombre puede matar a casi cualquier mujer con sus propias manos" y argumenta que las mujeres deben elegir con cuidado a sus parejas sexuales. Mientras tanto, el periodista de The Guardian, Carter Sherman, en su libro The Second Coming, explica por qué la Generación Z está experimentando una recesión sexual al verse atrapada entre el conservadurismo político y el enorme poder de internet. Internet ofrece una fuente inagotable de contenido sexual, a la vez que fomenta la mercantilización de la sexualidad, lo que a su vez dificulta la verdadera intimidad. La Generación Z está sobreexpuesta a la pornografía desde una edad temprana, lo que les dificulta desarrollar actitudes saludables hacia el sexo. La verdadera razón de la recesión sexual es la recesión de las relaciones El problema fundamental de la recesión sexual es la soledad. La Generación Z sufre de ansiedad y depresión mucho más que las generaciones anteriores, y tiene dificultades para establecer relaciones estrechas. Cabe destacar también que el consumo de alcohol ha disminuido. El alcohol era un medio para establecer relaciones estrechas rápidamente con las generaciones anteriores, pero la Generación Z se está distanciando de esto y tiene aún más dificultades para establecer relaciones. La influencia de las redes sociales también dificulta la construcción de intimidad en un entorno donde se evalúa constantemente el atractivo de las personas según criterios numéricos. En definitiva, la recesión sexual refleja un fenómeno social donde las relaciones son difíciles de forjar y las conexiones verdaderas con los demás son escasas. ¿Qué debemos hacer? Tanto Louis Perry como Carter Sherman señalan las causas de la recesión sexual desde sus propias perspectivas, pero lo que ambos autores pasan por alto es el poder de placer y conexión que posee el sexo. El sexo no se trata solo de placer físico, sino que es un ámbito valioso donde los seres humanos pueden conectar más profunda y directamente con los demás. En las relaciones íntimas, aprendemos a comprendernos, respetarnos y amarnos. Nuestra sociedad necesita debatir cómo ayudar a la Generación Z a restablecer relaciones sanas y experiencias placenteras a través del sexo. En lugar de reducir las causas fundamentales de la recesión sexual a meros problemas personales, es hora de iniciar una conversación social más completa y profunda. ÚLtimamente, he estado leyendo artículos como este, y creo que lo que la Generación Z quiere no es una simple reunión, sino un proceso de comprensión y conocimiento mutuo. No estoy seguro de si se trata de la autosatisfacción... o de algo como la cita a ciegas para currículum, tan popular en el pasado. Me pareció interesante la expresión «recesión sexual», así que la busqué.

El artículo sobre Vibe Coding que publiqué recientemente recibió más atención de la que esperaba. En particular, cuando compartí honestamente historias específicas sobre ganancias, mucha gente se solidarizó y lo encontró interesante. Gracias a eso, me sentía bien, pero recientemente me encontré con una situación inesperada. Esto es lo que pasó cuando una persona anónima me informó algo sobre una corporación extranjera que dirijo . Al principio, me sorprendí mucho. No hice nada ilegal, pero de repente me denunciaron, así que fue absurdo. A partir de esta experiencia, me gustaría compartir una historia que podría ser útil para quienes, como yo, estén considerando trabajar en corporaciones extranjeras o en pagos globales. 🚨¿Cuál fue el informe? El contenido del informe es el siguiente. Se trataba de una queja sobre el correcto cumplimiento de diversos informes y procedimientos nacionales relacionados con la empresa extranjera que establecí con Stripe Atlas. En resumen, afortunadamente no tuve ningún problema. Esto se debe a que tramité mis declaraciones de impuestos (impuesto sobre la renta integral) e informes de transacciones de divisas desde el principio con un asesor fiscal profesional. Además, era la temporada de la declaración final de la renta, así que preparé la documentación a fondo con el asesor fiscal. Siempre estaré agradecido con Ichon Tax Accounting Firm. Lo que necesita saber al operar una corporación extranjera en Corea Sin embargo, aprendí algo de esta experiencia. En mi caso, ya me había preparado, pero si no me hubiera preparado adecuadamente con antelación, podría haber surgido una situación complicada y problemática. Hay obligaciones que deben cumplirse al establecer u operar una empresa extranjera en Corea. De hecho, desconozco los detalles, así que seguí los consejos e instrucciones del asesor fiscal. Informe de transacciones de divisas (informe de inversión extranjera directa e informes periódicos requeridos a través del banco de divisas) Declaración de impuestos sobre la renta completa (incluidos los ingresos obtenidos en el extranjero además de los ingresos obtenidos a nivel nacional) El procedimiento anterior no es difícil, pero si no lo haces con antelación o lo olvidas, puede volverse innecesariamente complicado. Consejos que me ayudaron personalmente La razón por la que pude superar esto sin ningún problema esta vez es por las siguientes razones. 1️⃣ Obtenga ayuda de un asesor fiscal profesional Tanto si trabaja por cuenta propia como si representa a una empresa, puede abordar estas situaciones de inmediato consultando a un asesor fiscal. (Un asesor fiscal es especialmente útil durante la temporada de declaración de la renta). 2️⃣ Utiliza el servicio de depósito automático Creator (Shinhan Bank) Si eres desarrollador o creador, la gestión de ingresos puede ser complicada, pero yo uso el Servicio de Depósito Automático para Creadores de Shinhan Bank, lo que facilita su gestión. Gracias a esto, fue muy práctico a la hora de generar informes. 3️⃣ Si no necesitas absolutamente una corporación extranjera, utiliza una solución nacional De hecho, si no necesita una corporación extranjera, existen muchas soluciones que le permiten crear fácilmente un sistema de pagos a nivel nacional. Personalmente, creo que servicios como Latpeed y Toss Payments son los más realistas y recomendables. Si trabajas por tu cuenta y no te gustan las complicaciones, te recomiendo Lepid. Si puedes gestionar el desarrollo tú mismo y tienes una empresa, te recomiendo Toss. Por supuesto, si puedes establecer y gestionar una corporación en el extranjero, te recomiendo Stripe Atlas o LemonSqueeze. ¿Es realmente necesaria una corporación extranjera? "A menos que exista una razón realmente especial, las sociedades offshore pueden ser innecesariamente complicadas".

Mi reciente publicación sobre Vibe Coding ha atraído más atención de la esperada. Mucha gente sólo se centró en la historia de éxito, pero, de hecho, hubo muchos ensayos, errores y fracasos que ocurrieron durante este proceso. Hoy me gustaría compartir con vosotros una de las interesantes experiencias de “excavación” que tuve. El servicio que estaba desarrollando en ese momento era un sistema de protección de PDF llamado "PDF AI SHIELD". Esta idea me surgió como una forma de evitar la reciente proliferación de LLM (modelos de lenguaje a gran escala) que leen y resumen fácilmente documentos PDF. Cuando repartía materiales a los estudiantes en la universidad o escribía y compartía documentos oficiales, todos eran resumidos y leídos por inteligencia artificial, así que me pregunté cómo limitar esto. LLM facilita la organización y el resumen de los distintos documentos y datos que proporcionamos. LLM nos proporciona información a través del proceso de lectura del documento → encontrar los puntos importantes → unirlos → decirlos brevemente → imprimirlos. En este proceso, ideé una forma de intervenir en el paso de "lectura" y evitar que LLM se fragmente. Los métodos de seguridad de PDF comunes incluyen contraseñas, certificados y eliminación de OCR, pero aquí agregué un método especial. La forma de hacerlo fue rociar "pintura invisible" sobre el PDF. Para un ojo humano, esto puede parecer perfectamente bien, pero para los ojos de un LLM, han agregado una especie de "pintura transparente" al documento que lo hace ilegible. Además, hemos tomado medidas para cifrar las etiquetas en forma de certificados y metadatos PDF para evitar que LLM pueda leerlos fácilmente. Técnicamente funcionó mejor de lo que esperaba. Todos los modelos LLM locales, incluidos los LLM famosos como ChatGPT, Claude, etc., fueron bloqueados por este método. Cuando vi los resultados por primera vez, sentí que había logrado una pequeña victoria frente a las gigantescas empresas de inteligencia artificial. Basándonos en esta confianza, establecimos una política de precios y la promocionamos en Reddit y en varias comunidades extranjeras. Los compradores aparecieron más rápido de lo esperado y parecía que rápidamente se convertiría en un negocio exitoso. Para ser honesto, estaba un poco emocionado en ese momento. El modelo de negocio se estructura de la siguiente manera: Gratis por primera vez si no has iniciado sesión Puedes usarlo una vez al día cuando inicies sesión (basado en 24 horas) Hasta 30 usos por día con suscripción mensual Uso ilimitado con suscripción anual Pero poco después surgió un problema inesperado. Funcionó bien en modelos como el GPT-4o, Claude Sonnet 3.5 y Gemini Pro, pero en modelos más nuevos como el o3 y Sonnet 3.7, esta tecnología de protección está completamente desactivada. Además, ha habido casos en los que se ha violado el cifrado de metadatos en minimodelos y bajo determinadas condiciones. Afortunadamente, uno de nuestros primeros usuarios tuvo la amabilidad de informarme este problema y de inmediato emití reembolsos a todos los compradores. Debido a la naturaleza del servicio de seguridad, si fuera vulnerado incluso una sola vez, el producto no podría seguir vendiéndose. Las ganancias iniciales en realidad se convirtieron en pérdidas debido a las tasas de pago, pero gracias a una acción rápida, pudimos evitar más pérdidas. Esto es mucho mejor que una demanda relacionada con la seguridad, ¿verdad? No dije que el depósito era una ganancia sin ningún motivo. Tengo algunas experiencias más como ésta. Si la respuesta es buena, me gustaría compartir historias más diversas en el futuro. De hecho, como mencioné en mi primera publicación sobre Vibe Coding, Vibe Coding requiere más prueba y error de lo que pensábamos, y creo que este proceso en realidad crea más demanda de desarrolladores. Y creo que si se repiten este tipo de errores el producto mejora. A la gente parece gustarle más las historias de éxito y el drama que las de fracaso, pero yo personalmente tengo bastantes de estas historias de fracaso. Aunque dije que fue una lucha, personalmente aprendí mucho. No sé si este artículo tendrá una buena respuesta, pero si la tiene, continuaré compartiendo las partes 2 y 3.

Lo más importante que sentí cuando dejé mi trabajo y comencé mi propio negocio fue el deseo de un buen estímulo . Afortunadamente, gracias a la ayuda de muchas personas y al paso de los tiempos, no tuve que preocuparme por morir de hambre y la empresa volvió a funcionar más rápido de lo esperado. Pero la sed de interacción constante con buenos colegas no se sació fácilmente. Como emprendedor individual y trabajando de forma remota con varios autónomos, naturalmente extrañé la relación cómoda que teníamos con nuestros compañeros de trabajo, donde podíamos hablar cómodamente y estimularnos mutuamente . Fue una carga contratar personal valioso sólo para este propósito, y aunque ocasionalmente trabajaba una vez por semana en otras empresas, estaba un poco lejos del estímulo o inspiración que había esperado. He intentado organizar o participar en ciertos grupos de lectura, pero sentí que faltaba algo. Cuando era joven, me gustaba salir con mucha gente y hacer ruido, pero ahora me siento cansado de ese tipo de lugares. Entonces me vino a la mente el coaching . Como había aprendido técnicas y programas mientras recibía capacitación en coaching ágil en el pasado, decidí comenzar a brindar coaching gratuito basado en esas técnicas y programas. Al principio, empezamos sin especificar el público objetivo y nos dirigimos principalmente a trabajadores de bajo nivel y solicitantes de empleo. Con el paso del tiempo, sorprendentemente, también empezaron a venir a visitarnos personas de entre 50 y 60 años. O bien te estás preparando para el segundo acto de tu vida o bien ya estás corriendo vigorosamente. Una vez conocí y hablé con un chico que construye barcos pequeños. Dirigía un astillero en Geoje que se especializaba en la construcción de barcos pequeños de menos de 20 toneladas. Fue impresionante ver cómo construían barcos híbridos utilizando aluminio y un plástico reforzado con fibra de nombre difícil de nombrar, fabricando a medida la superestructura del barco según los requisitos detallados del propietario. Hasta entonces, había visto innumerables barcos mientras viajaba por Busan, Incheon y Gangneung, pero nunca había pensado en quién había hecho los barcos ni cómo. Fue una mirada a un mundo nuevo descubrir que estos pequeños astilleros podían ofrecer una fabricación flexible y personalizada de una manera que los grandes astilleros no podían. Y también fue un tema muy interesante ver cómo cobran las tarifas y aproximadamente cuánto cuesta cada una. Un día, mientras hablaba con algunas enfermeras actuales, me enteré de una aplicación llamada 'MyDuty'. MyDuty era una herramienta que ayudaba a las enfermeras a gestionar de manera eficiente sus complejos horarios de turnos y compartirlos fácilmente con sus colegas. La mayor ventaja de esta aplicación fue que pude ver los horarios de trabajo de mis colegas en la misma sala de un vistazo. Este era un servicio del que no tenía idea mientras trabajaba en la industria de TI, y esta aplicación, que fue creada identificando con precisión las necesidades de un grupo de trabajo específico, fue una gran inspiración para mí. Se ha expandido globalmente y ahora lo utilizan muchas personas, lo que la convierte en una aplicación esencial. A través de esta persona que trabaja en Mando, aprendí lo compleja y precisa que es la estructura colaborativa necesaria para fabricar un solo automóvil. Mando es una empresa que desarrolla y produce piezas clave directamente relacionadas con la seguridad del conductor, como sistemas de frenado, dirección y suspensión de automóviles. El hecho de que tantas piezas y empresas estén tan estrechamente entrelazadas en un único coche que conducimos todos los días fue un estímulo muy refrescante para mí, que trabajaba en el campo de TI, donde normalmente trabajaba fabricando un único producto como un todo. El método de fabricación, en el que las piezas individuales se especializan y cada empresa colabora orgánicamente para completar el producto final, mostró un encanto completamente diferente de las formas de colaboración que habitualmente había experimentado. Por supuesto, sabía en mi cabeza que así era como se hacía, pero fue aún más único cuando escuché la historia directamente de alguien que realmente lo hizo y trabajó en la industria. A medida que conocí a personas de diversos campos a través del coaching de brochetas, sentí que el mundo que veo se ha vuelto más amplio y profundo . No se trató sólo de conocer gente, sino que sentí que mi perspectiva del mundo se había ampliado a través de varias vidas y experiencias. A veces, personas que se han conocido se conectan entre sí y se produce un reclutamiento o comienzan colaboraciones comerciales. Cuando recibo una inspiración inesperada de un lugar inesperado, es una gran alegría en sí misma. Las conversaciones con muchas personas finalmente me llevaron a darme cuenta de una cosa. El mundo que creía conocer era tan estrecho, y sólo cuando compartimos nuestras historias con los demás podemos ver un mundo amplio y colorido. En el futuro, quiero conocer más personas a través del coaching de brochetas, compartir más historias y conectar nuestras vidas de una manera más significativa. A medida que fui conociendo a cada uno de ellos, terminé conociéndolos durante más de 100 minutos como individuos, no de manera acumulativa, y esto se convirtió en una gran ventaja. Gasté mucho en comida y café, pero creo que valió la pena. Espero que podamos reunirnos de forma más sistemática en el futuro, así que lo terminaré aquí.

El fin de semana pasado, me lo pasé muy bien visitando la casa de un juez y su esposa, quienes eran jueces y tenían experiencia con una variedad de casos y casos. Ambos han renunciado a su cargo de jueces y ahora viven en el país con sus abogados. A medida que la noche se hacía más profunda y estábamos haciendo una fogata y hablando de varias cosas, mi curiosidad me llevó a hacer una pregunta atrevida: "¿Son justos los jueces?" La conversación se amplió a cómo podemos capacitarnos y garantizar que seamos justos. Desde entonces, he ido organizando estos pensamientos de vez en cuando, pero, por supuesto, como ciudadano, y mucho menos como abogado, sólo tengo el conocimiento mínimo de la ley. La única vez que estudié derecho fue en una clase llamada en mi primer año de secundaria. También escribí sobre artículos de periódico y cosas en las que he pensado, así que agradecería que lo leyeras generosamente. Retrasos judiciales en todo el mundo "La justicia retrasada es justicia denegada". Este viejo adagio ahora se está convirtiendo en una realidad en todo el mundo. A medida que aprendía más sobre el poder judicial, el caso británico me llamó la atención. Desde Europa hasta Corea del Sur, los sistemas judiciales sufren atrasos en los casos y juicios retrasados. En particular, en el Reino Unido y en Europa, los retrasos graves en los juicios están aumentando y el propio sistema judicial corre el riesgo de quedar paralizado. Según el Ministerio de Justicia del Reino Unido, el número de casos judiciales atrasados ​​ha aumentado de poco más de 48.000 en 2016 a más de 70.000 en 2024 . Incluso en Londres, un caso que causó un gran revuelo se pospuso hasta 2028 por un acusado que había sido acusado de amenazar a alguien con un cuchillo, lo que se suponía que sucedería dentro de solo tres días. Existe una subinversión crónica en el sistema judicial en toda Europa; un estudio del Consejo de Europa señala que los presupuestos judiciales en los países europeos han caído en términos reales durante la última década al 0,31% del PIB. En Lisboa (Portugal) las frecuentes huelgas del personal judicial suelen paralizar los procedimientos judiciales. Sin mencionar Francia y España... incluso Estados Unidos ha estado sufriendo diversos dolores y molestias recientemente. El poder judicial de Corea del Sur también está en crisis. Según una encuesta del Law Times, la carga de trabajo anual por juez en Corea del Sur es cinco veces mayor que la de Alemania y tres veces mayor que la de Japón. Con 12 jueces de la Corte Suprema manejando aproximadamente 40.000 casos de apelación cada año, los cambios frecuentes de jueces están obstaculizando significativamente la continuidad y la imparcialidad de los casos. Recientemente, el Tribunal Constitucional y el Tribunal Supremo se han visto cada vez más congestionados por cuestiones políticas, lo que ha provocado una grave acumulación de casos, causando en última instancia un daño real al derecho de las personas a buscar justicia y buscar ayuda. Bueno, incluso si no es una declaración como la que aparece en un libro de texto como ésta, ¿Reemplazar el poder judicial por inteligencia artificial? Aunque la Asamblea Nacional aprobó un proyecto de ley a finales del año pasado para aumentar el número de jueces en 370, muchos señalan que simplemente aumentar el número de jueces no resolverá el problema fundamental. Más bien, hay cada vez más voces que piden una reforma estructural y eficiente del propio sistema judicial. En esta situación, hay afirmaciones recientes de que reemplazar el papel de los jueces por inteligencia artificial permitiría juicios justos. Pero esto es un gran error. Es más probable que la inteligencia artificial amplifique los sesgos existentes, y el funcionamiento interno de los recientes modelos de inteligencia artificial supergrandes basados ​​en el aprendizaje profundo son como cajas negras, lo que dificulta incluso rastrear la causa del sesgo. En última instancia, el problema del ser que emite el juicio no es la imperfección, sino la consistencia del juicio. La razón más fundamental de la existencia del poder judicial es que confiamos en él y le otorgamos la autoridad para tomar decisiones consistentes basadas en principios y una filosofía claros . Sin embargo, recientemente han surgido casos frecuentes en los que la filosofía y la lógica básica de la propia sentencia son cuestionadas en nombre de la opinión pública o de la opinión mayoritaria. Este podría ser el comienzo de un lento deterioro del Estado de derecho. Caos judicial causado por legislación excesiva Uno de los problemas de Corea es el exceso de legislación. El número de leyes que se promulgan cada año en nuestro país es abrumadoramente mayor que el de otros países. Cuando hay demasiadas leyes, hay menos espacio para la interpretación y se obstaculizan diversas actividades sociales y económicas. También es frecuente que se produzcan conflictos entre leyes, lo que crea una situación paradójica en la que resulta difícil para las empresas y los ciudadanos cumplir la ley. Lo que se necesita para resolver estos problemas es más bien la digitalización del poder legislativo. En lugar de que la IA reemplace o ayude a los jueces, necesitamos un sistema que revise de manera suficiente si hay conflictos entre las leyes y sus impactos sociales con datos en la etapa legislativa. Necesitamos mejorar la práctica actual de apoyar proyectos de ley a pedido de miembros del mismo partido o de otros miembros, y también podemos considerar un enfoque en el que el contenido del proyecto de ley se evalúe objetivamente a través de una evaluación a ciegas al principio, y luego se aumente la responsabilidad mediante una votación nominal. En última instancia, la justicia no es un lujo, sino un valor esencial que debemos defender. Una forma realista de superar la crisis que enfrentamos actualmente es establecer un sistema legal más transparente y eficiente a través de la digitalización de la legislatura, junto con reformas fundamentales y sistemáticas para mantener la consistencia e independencia del poder judicial. Nación Número promedio de proyectos de ley presentados por miembro por año Número total de proyectos de ley presentados anualmente Tasa iniciada por los miembros (%) Tasa iniciada por el gobierno (%) Aprobación del proyecto de ley (total)

Recientemente , un artículo fue aceptado (confirmado para su publicación) por la Revista de la Sociedad Coreana de Inteligencia Artificial ( https://kjai.jams.or.kr/ ), así que me gustaría compartirlo con ustedes. Este artículo se subió previamente a Arxiv en formato de preimpresión, pero recibió el grandioso nombre de HEMA. De hecho, su nombre deriva del hipocampo, una parte del cerebro. El hipocampo del cerebro es una estructura que juega un papel importante en el control de la memoria y el aprendizaje. Desempeña un papel particularmente importante a la hora de recordar nuevos datos y navegar en el espacio, e interactúa con la amígdala para formar recuerdos emocionales. El núcleo del artículo es un estudio sobre la prevención del deterioro de la calidad en conversaciones de LLM de largo contexto. En pocas palabras, cuando un humano recuerda un evento o situación, generalmente lo resume y lo guarda en formato de texto en una forma llamada Memoria Compacta, como si no recordara todo en detalle. En el caso de los humanos, recuerdan principalmente símbolos/señales y guardan las conversaciones que tuvieron previamente en forma de BD vectorial y las llevan a la memoria vectorial. En este caso, las conversaciones más largas permiten más contexto y acción, creando una experiencia más consistente. Posteriormente, pareció que podría usarse bien para operar novelas, chatbots complementarios, etc., por lo que realizamos experimentos de forma completamente reproducible y repetimos experimentos con SLM. En primer lugar, se basa en inglés, y dado que funciona bien incluso en 6b, funcionará aún mejor en Claude o ChatGPT, que ya cuentan con servicio. Generalmente, cuando se usa algo como Claude, la conversación es demasiado larga y hay que pasar a otra conversación, o incluso en ChatGPT, el rendimiento se deteriora cuando la conversación se hace larga. Últimamente, parece que están intentando solucionar esto con funciones como Proyecto y Memoria. Es similar a cómo, hasta ahora, hemos utilizado indicaciones como "resumir la conversación anterior" para hacer las cosas y luego comenzar una nueva historia. Sigo enviando artículos a KCI y SCI, pero siento que los obstáculos se han vuelto más altos. Mi promedio de bateo no es lo que solía ser. Lo más problemático es que, si bien cuando estaba en la empresa podía investigar abundantemente con los recursos de la empresa, ahora tengo que hacerlo con mi propio dinero. Actualmente estamos preparando un estudio de seguimiento para mantener el estilo, eliminar duplicaciones y producir resultados homogéneos. Compartiremos los resultados una vez que estén disponibles.

Hace unos años, cuando mi hermano menor, que trabajaba en la división de robótica de LG Electronics, dijo que se mudaría a MakinaRocks, probablemente esa fue la primera vez que investigué en detalle la industria de la robótica. Antes de eso, había probado y utilizado aspiradoras robot, brazos robóticos, etc., pero esta fue la primera vez que sentí curiosidad sobre quién los fabricaba, cómo se fabricaban y cómo funcionaban. Y ese interés no duró mucho. Cuando era niño, lo único que había hecho era construir robots que realizaban tareas simples y repetitivas con Arduino y robots que reconocían y evitaban obstáculos con Raspberry Pi, así que en realidad fue un poco difícil para mí. En ese momento, tenía mucho que estudiar antes de transferirme a Kakao Brain, así que no pensé mucho en ello. Luego, alrededor de 2023, vi un artículo que incluía una demostración del uso de tecnología multimodal para entrenar un brazo robótico para realizar tareas domésticas específicas. Desde entonces se han publicado innumerables artículos como éste, pero en su momento fue muy impresionante. Después de observar modelos como el Optimus de Tesla y la Figura 01, parece que los humanoides podrían no ser una idea tan ridícula después de todo. Poco a poco comencé a pensar en ello. De hecho, si vas a una planta de fabricación, verás que los brazos robóticos (brazos mecánicos) se fabrican con mucha más precisión de lo que crees. El astillero que vi de primera mano fue H Corporation, y eso fue en 2023, así que creo que se ha desarrollado aún más ahora. Y hay muchas empresas nacionales que lo están haciendo bien en este campo. Para los humanoides, es un poco diferente. Dado que el brazo robótico está cableado, recibe constantemente energía y puede realizar cálculos informáticos complejos con relativa rapidez y facilidad. Sin embargo, en el caso de los humanoides, dado que se mueven de forma completamente independiente, hay muchas cosas que atender, desde las baterías hasta la potencia de cálculo. En realidad por eso pensé que era una historia muy lejana. La IA física de Nvidia en 2025 Hasta que vi la sesión. En realidad, venía organizándolo desde marzo, pero lo fui posponiendo y la publicación se retrasó así. Intenté escribirlo en el mismo formato que el centro de datos anterior. De hecho, si nos fijamos en los datos recopilados por varias empresas de consultoría sobre robots humanoides como los mencionados anteriormente, normalmente se trata del campo de los humanoides. Parece que la transmisión está dividida en unas 12 partes. Hay 12 categorías: Cabeza, Hombro, Codo, Cintura y Pelvis, Manos, Parte superior del brazo, Antebrazo, Muslo, Pantorrilla, Pies, Paquete de baterías y Otros. Por supuesto, también soy estudiante, así que si me refutas, tienes razón. Se proyecta que crecerá de aproximadamente US$3.280 millones en 2024 a US$66.000 millones en 2032, lo que representa una tasa de crecimiento anual compuesta del 45,5%. Además, los costos de fabricación han caído hasta un 40% en los últimos años, superando ampliamente las estimaciones anteriores (reducciones anuales del 15-20%), lo que ha adelantado el momento de las aplicaciones e inversiones industriales. Revisé cada una de las 12 categorías de componentes principales una por una y tracé el valor de la inversión, concentrándome en áreas donde el valor era particularmente alto. La importancia de las manos: la manipulación sofisticada impulsa la cadena de valor La parte que más me llamó la atención fue la parte de la "mano". Este componente es el que más cuesta por robot: 9.500 dólares (17,2% del coste total). Gracias a esto, se espera que para 2032 se forme un mercado dedicado con un valor aproximado de 3.500 millones de dólares. El desafío tecnológico de tener que ser tan delicado como un ser humano pero robusto es lo que impulsa este mercado. Novanta Inc. (NASDAQ: NOVT): proporciona tecnología de efector final y sensores multieje (fuerza/torque) FANUC Corporation (TYO: 6954): Fabricante de sensores de detección de fuerza de 6 ejes Teradyne Inc. (NASDAQ: TER): Fortalece sus soluciones de efectores finales tras la adquisición de Universal Robots Shadow Robot Company: Mano diestra con 24 grados de libertad, 20 motores de accionamiento y más de 100 sensores SCHUNK GmbH: Sistemas de agarre modulares Figura AI: Febrero de 2024, $675 millones en inversión (valor corporativo: $2.6 mil millones) Lo que más me llamó la atención fue el sensor táctil multicapa y el sistema de accionamiento por tendones que imita la piel humana. Como estos dos permiten mayores grados de libertad en espacios reducidos, se espera que el mercado de sensores táctiles alcance los 35.500 millones de dólares en 2030. Creo que estos sensores táctiles se utilizarán en varios lugares además de los humanoides. Componentes de la parte inferior del cuerpo: la base de la movilidad y la estabilidad Las partes del muslo, la pantorrilla y el pie representan el 38,6% del coste total del humanoide. El llamado segmento de pierna ofrece grandes oportunidades de inversión, ya que determina la forma de andar del robot. En el caso de los muslos y las pantorrillas, se espera que el tamaño del mercado crezca rápidamente de USD 433 millones en 2024 a USD 8,71 mil millones en 2032, y también se espera que la parte del pie que lo conecta al suelo alcance los USD 800-900 millones en 2025. Emerson Electric, Thomson Industries (Altra Industrial Motion): Actuadores lineales de alto rendimiento Grupo MISUMI: Piezas de maquinaria de precisión Bosch Rexroth: Actuadores eléctricos de alta potencia Robótica de Agilidad: Actuadores para Robots Bípedos Digitales Figura AI: Actuador de próxima generación para la parte inferior del cuerpo

“¡Gané fácilmente 10 millones de wones al mes usando IA!” "Gané cientos de millones de wones en ingresos adicionales con inteligencia artificial". Cada vez que abro Thread, Instagram o KakaoTalk, me bombardean con llamativas historias de éxito de personas que ganan dinero con inteligencia artificial. Al mirar los artículos que aparecen todos los días, honestamente, me sentí más escéptico que envidioso. Hay muchas personas a mi alrededor que estudian IA o desarrollan modelos por sí mismas, pero irónicamente, parece que quienes dan conferencias sobre IA obtienen ganancias más rápidas y mayores que quienes desarrollan tecnologías reales o crean servicios. He trabajado en TI durante mucho tiempo, pero la realidad que he experimentado no ha sido tan dramática. Luego, a partir del año pasado, por curiosidad y diversión, comencé a utilizar varias herramientas de codificación de IA. Al principio, las herramientas que se utilizaban simplemente para mantenimiento o escritura de pequeños scripts comenzaron a generar ganancias inesperadas en algún momento. Si lo hacemos un poco más sistemático y decidido, ¿podemos llamarlo Andrej Karpathy? Esto es 'Vibe Coding'. En los últimos meses, he estado experimentando con una variedad de herramientas de codificación de IA, incluidas Cursor , Replit , Trae , V0 , Copilot y, más recientemente , Windsurf y Lovable . Cuando los probé yo mismo, noté que cada herramienta tenía características y diferencias claras. También aprendí que las herramientas se pueden dividir en herramientas de 'Inicio en frío', que son útiles para crear rápidamente un prototipo para alguien sin experiencia en codificación, y herramientas de 'Impulso', que son útiles para personas que ya saben codificar para aumentar drásticamente su productividad. ¡Por supuesto que no significa nada porque lo dividí arbitrariamente! Equipo Clasificación Características principales Reseña de una línea Amable Arranque en frío Automatización de la integración frontend, diseño y backend Integración de Supabase (base de datos) y correo electrónico Es útil usarlo cuando eres una persona de TI y tienes ideas claras. Replit Arranque en frío/refuerzo Entorno de desarrollo basado en navegador Implementación y escalado automático, alojamiento Disponible como aplicación móvil

Imaginemos que vas a un restaurante. En un restaurante te dan un menú, mientras que en otro te exigen que converses libremente con el camarero sin menú. Es fácil pedir cuando hay un menú, pero pedir algo que no está en el menú es difícil. Por otro lado, las posibilidades de mantener una conversación fluida con un camarero son infinitas, pero hay que pensar qué pedir y cómo pedirlo. La forma en que nos comunicamos hoy con la inteligencia artificial (IA) también se divide en estos dos métodos. Como se discutió en el artículo anterior, si tenemos una interfaz basada en LLM (Large Language Model) que se centra en la eficiencia y el rendimiento, también necesitamos una interfaz centrada en la experiencia humana. Estos dos enfoques no se excluyen entre sí, sino que pueden coexistir en capas separadas, la capa de motor y la capa de interacción, respectivamente. Este artículo es una continuación del artículo siguiente. 1. Capa de motor: El mundo de la gestión de indicaciones y la optimización de modelos Como se mencionó en el artículo anterior sobre ajuste fino , comprender la capa del motor es esencial para utilizar eficazmente la inteligencia artificial. Esta capa se centra en maximizar el rendimiento y la eficiencia de la IA generativa. Lo que he descubierto mientras apoyaba la introducción de IA en varias empresas a través de 3blocks.ai, la empresa que dirijo, es que muchas empresas comienzan con la simple idea de “intentemos usar IA”, pero en realidad, el proceso de introducción nunca es sencillo. Especialmente en entornos de redes cerradas, a menudo es necesario construir todo el proceso desde el preprocesamiento de datos hasta la entrega del modelo, en lugar de simplemente usar una API. Lo importante en la capa de motor es: Gestión de indicaciones : versione y optimice sus indicaciones como código Git con herramientas como PromptHub o LangSmith. RAG (Recuperación-Generación Aumentada) : una tecnología que aumenta la respuesta del modelo al recuperar información relacionada, conectando efectivamente los datos corporativos internos y LLM. Ajuste fino : proceso de entrenamiento adicional de un modelo para adaptarlo a un dominio o tarea específicos, y se utiliza en campos especializados como el resumen de documentos legales o el análisis de registros médicos. Sin embargo, lo que me di cuenta al observar las indicaciones del sistema de GPT-4o es que las indicaciones en los campos de investigación reales no son tan complicadas. Resulta un poco embarazoso llamar "ingeniería" al nivel de determinación del formato de cómo generar algo. En último término, creo que lo importante es encontrar un enfoque que funcione para resolver problemas reales, en lugar de una técnica llamativa y estridente. 2. Capa de interacción: Diseño de experiencia centrado en el usuario La capa de interacción, por otro lado, se centra en cómo los usuarios interactúan y trabajan con la IA. Como muestra el caso de Intel, la experiencia tiene un impacto significativo en la adopción de la tecnología de IA. Mientras que el 64% de aquellos con experiencia considerarían las PC con IA para su próxima actualización, solo el 32% de aquellos sin experiencia se mostraron positivos al respecto. Proporcionar una interfaz intuitiva es clave para que las tecnologías de IA complejas sean fácilmente accesibles para los usuarios generales. Así como Slack transformó IRC en una plataforma de software unificada que los usuarios comunes pueden entender y usar, las interfaces de IA necesitan una transformación similar. Cosas a tener en cuenta en la capa de interacción: Flujo visual y contexto : diseño de interfaces que amplíen visualmente el pensamiento del usuario, como Miro o Tana. Interfaz de usuario accesible : botones intuitivos y estructura de menú en lugar de comandos complejos Mantener el contexto : interacciones continuas que entienden y recuerdan el contexto de las acciones del usuario. La importancia de la capa de interacción es aún más evidente en áreas especializadas como la tipografía o el diseño de logotipos, como ha sido el caso de Ideogram AI, que recientemente ha recibido mucha atención. Una interfaz que oculta la complejidad de la tecnología y le permite centrarse en la expresión creativa es el núcleo de la experiencia del usuario. 3. El futuro de las interfaces híbridas Entonces, ¿cómo deberían unirse estas dos capas? Creo que la interfaz híbrida ideal debería tener la siguiente estructura:

Uno de los nombres más destacados en IA generativa en los últimos años ha sido, sin duda, la serie Llama de Meta. Ese mismo meta está organizando su primera gran conferencia este año, llamada LlamaCon. Esta conferencia proporcionó una visión clara de la visión y la dirección futura de Meta para la IA. Compartiré con ustedes los conocimientos que obtuve a través de mi participación directa, organizados junto con el contenido anunciado oficialmente. Meta AI, más cerca de la vida cotidiana con aplicaciones móviles Uno de los anuncios más llamativos de LlamaCon 2025 fue el lanzamiento de la aplicación móvil independiente de Meta AI . La aplicación se basa en el último modelo, Llama 4, y ofrece conversaciones naturales basadas en texto y voz, así como capacidades de creación y edición de imágenes. Se integra con los distintos datos de la plataforma Meta para proporcionar a cada usuario un feed de descubrimiento personalizado. Lo especialmente emocionante fue el anuncio de que la aplicación se integraría con las gafas inteligentes de Ray-Ban . Se puede considerar que Meta realmente abre las posibilidades de la era de la IA portátil, ya que permite a los usuarios utilizar libremente asistentes de IA en cualquier momento y en cualquier lugar a través de gafas inteligentes. 1.200 millones de descargas: la fórmula del éxito de la IA de código abierto La popularidad de la llama ya ha sido demostrada. La serie Llama ha logrado la friolera de 1.200 millones de descargas acumuladas en solo dos años desde su lanzamiento . 650 millones de visitas en diciembre de 2024 1.000 millones de visitas en marzo de 2025 Recientemente superó los 1.200 millones de visitas. El secreto de este increíble crecimiento se puede atribuir a la estrategia de código abierto de Meta y a sus potentes funciones de personalización. Parece probable que más desarrolladores y empresas se sumen a este ecosistema de IA de código abierto en el futuro. Lanzamiento de la API de Llama: la combinación perfecta de código abierto y API La presentación que personalmente más me interesó en esta conferencia fue el lanzamiento de la API de Llama . Esta API, disponible en forma de vista previa limitada, permite a los desarrolladores llamar y personalizar fácilmente los modelos de Llama. Compatibilidad con SDK de Python y Typescript Totalmente compatible con OpenAI SDK Asociación con Cerebras y Groq para proporcionar un entorno de inferencia rápido Es posible realizar ajustes con sus propios datos Lo que Meta enfatiza particularmente es que los modelos personalizados y sus pesos creados por los desarrolladores son propiedad total de los usuarios. Esto se toma como un mensaje importante sobre la soberanía de los datos y los modelos. Ampliación del entorno empresarial de Llama Stack Meta anunció colaboraciones ampliadas con empresas globales como NVIDIA NeMo, IBM, Red Hat y Dell para convertir Llama Stack en una solución de inteligencia artificial de nivel empresarial. Esta asociación tiene como objetivo facilitar que las empresas operen Llama en una variedad de entornos. Se espera que esto reciba gran atención, especialmente en instituciones financieras, médicas y públicas que requieren seguridad, rendimiento y rentabilidad. Recientemente vi la noticia a continuación y me pregunté si esto era parte de este comportamiento. Construyendo un ecosistema de IA de código abierto que se preocupa por la seguridad Una de las mayores preocupaciones al utilizar un modelo de código abierto son los problemas de seguridad. En este anuncio, Meta presentó una serie de herramientas de seguridad para abordar estas preocupaciones.

Escribí el artículo anterior porque me impresionó el desafío que planteó Google en el pasado y la gente a menudo me pregunta: "Entonces, ¿qué está haciendo Google?". Después de pensarlo, creo que sería difícil experimentar Gemma3 o Gemini a menos que seas alguien que usa modelos existentes, crea algo con API o usa un estudio. Así que recientemente recomendé los siguientes sitios: Como sugiere el nombre, es como el laboratorio de Google. https://labs.google/ "Slang Hang": Hablar con naturalidad como un local Cuando aprendes un idioma extranjero, normalmente primero aprendes frases parecidas a las de los libros de texto. Sin embargo, en la realidad, los lugareños a veces utilizan jergas o expresiones coloquiales con naturalidad, a diferencia de lo que aparece en los libros de texto. La "disputa de la jerga" es lo que complementa este punto. En este experimento, puedes aprender de forma natural cómo fluyen realmente las conversaciones al observar el flujo de conversaciones reales de las personas locales, un mensaje a la vez. Podrás aprender expresiones vívidas siguiendo las conversaciones entre vendedores ambulantes y clientes o las historias de amigos que no has visto en mucho tiempo en el metro. Nuevas palabras aprendidas con la cámara "Word Cam" La función "Word Cam" te permite tomar fotografías de objetos que te rodean y la IA reconocerá los objetos en las imágenes y los etiquetará en el idioma que está aprendiendo. Por ejemplo, si conoces la palabra para ventana pero no la palabra para persiana, puedes aprender expresiones adicionales relacionadas con persianas con solo una imagen. Career Dreamer diseña recorridos profesionales y recomienda trabajos relacionados Lo que estoy diciendo aquí es sólo una pequeña parte, y si vas a Google Labs y AI Studio, verás una variedad de prototipos y casos que utilizan la multimodalidad de Gemini. Parece que a todo el mundo sólo le gustan OpenAI, Claude y Deepseek, así que voy a compartir esto con vosotros porque Google también lo está haciendo muy, muy bien.

El experimento DOGE (Departamento de Eficiencia Gubernamental) de Elon Musk , una de las controversias más candentes en los Estados Unidos recientemente, está llegando efectivamente a su fin. Ahora Musk ha declarado que volverá a su negocio principal de Tesla y xAI . ¿Qué significa exactamente esta declaración y qué logros y controversias ha dejado DOGE hasta ahora? 🚩 ¿Qué es DOGE y por qué se creó? Una de las promesas que Elon Musk enfatizó durante su campaña presidencial fue “reducir la ineficiencia del gobierno”. Para este fin, se creó una nueva organización sin precedentes dentro del gobierno. Es decir, el Departamento de Eficiencia Gubernamental (DOGE) . Sí, el nombre también era una broma cariñosa sobre su famoso 'Dogecoin'. Sus promesas iniciales fueron sorprendentes. Prometió recortes masivos de dos billones de dólares al presupuesto gubernamental y fue recibido con aplausos de muchos partidarios. Pero esta promesa pronto tropieza con problemas prácticos. 📉La brecha entre las expectativas y la realidad: ¿Se están logrando los resultados prometidos? Se ha lanzado un sitio web llamado Muro de Recibos para verificar si DOGE realmente está funcionando . Aquí, Musk dijo que la cantidad de ahorro se revelará de forma transparente. Pero la realidad era diferente. El objetivo inicial de 2 billones de dólares se redujo a 1 billón en apenas unos meses, y luego volvió a bajar abruptamente a 150 mil millones de dólares. Además , la credibilidad se ha visto duramente afectada ya que siguen revelándose errores de cálculo e imprecisiones informativas en los recibos publicados . Finalmente, los medios de comunicación y los expertos cuestionaron el desempeño de DOGE. En particular, la Oficina de Responsabilidad Gubernamental (GAO) y el Inspector General del Tesoro (OIG) han iniciado investigaciones a gran escala y, aunque todavía no se han publicado los resultados exactos, el análisis predominante es que es probable que los ahorros reales sean mucho menores que la cantidad anunciada . ⚖️ Dos perspectivas sobre DOGE Las opiniones sobre DOGE están muy divididas en este momento. Perspectiva positiva : Esta es la visión de que el intento de Musk en sí mismo fue significativo. Es una evaluación que nos ha hecho mirar atrás, aunque sea un poco, el gasto público extravagante y la administración ineficiente. Los votantes jóvenes, y en particular los seguidores de Musk, dicen que plantea cuestiones que el establishment político no se ha atrevido a abordar. Visión crítica : Por otro lado, la visión negativa es que DOGE ha causado más confusión y desconfianza con “objetivos poco realistas” y “números inexactos”. La brecha entre las promesas y la realidad fue demasiado grande, y las críticas de que la importante cuestión del presupuesto nacional fue tratada a la ligera son representativas. Personalmente, tengo curiosidad por esto. ¿Esto constituiría un fraude para el gobierno de Estados Unidos? Como fundador y director ejecutivo de Tesla y xAI, ¿es usted culpable de abuso de confianza? Tenía curiosidad, así que busqué la ley federal de EE. UU. y las leyes de cada estado, y los requisitos para el fraude eran los siguientes: Aplicando este requisito a DOGE, se ve así: Esto debería revelarse en el informe o la audiencia de GAO‧OIG, pero parece que tendremos que esperar un tiempo, ya que dicen que se tomará una decisión como muy pronto en agosto de 2025 y como muy tarde para fines de 2025... Factores de evaluación Requisitos legales (EE. UU.) Estado DOGE 1 Si se trata de un hecho falso Se deben presentar números objetivamente incorrectos. Se confirmaron numerosos errores de cálculo, incluidos errores de unidad como "800 millones → 8 mil millones" y malentendidos sobre los tipos de contrato. ② Intención o imprudencia Si el presentador sabía o podía saber que era mentira y lo ignoró.

Una palabra que aparece muy frecuentemente en YouTube estos días es “ciencia del cerebro”. Comprender los principios científicos del cerebro y optimizar tu vida a través del life hacking suena como un concepto muy atractivo, pero no estoy seguro hasta qué punto es realmente posible. Alrededor de 2019, estaba promocionando un libro llamado Make Time a las personas que me rodeaban, y mucho del contenido de ese libro me vino a la mente. Compartí un resumen del contenido del libro con las personas que me rodeaban y la respuesta fue buena en ese momento. Luego, después de mucho tiempo, escuché el podcast en el extranjero de Jake Knapp y, aunque no sabía mucho sobre la ciencia del cerebro, había una rutina recomendada basada en el sistema endocrino, las hormonas y las características del cerebro. Cuando solemos pensar en la “gestión del tiempo”, la mayoría de la gente piensa en una lista de tareas pendientes. Pero un día verdaderamente eficiente no se trata sólo de hacer las cosas, se trata de vivir en sintonía con los ritmos naturales de nuestro cerebro y nuestro cuerpo . Así que hoy, con base en las últimas investigaciones sobre la ciencia del cerebro y en datos confiables, voy a crear contigo la agenda diaria más ideal . Hemos analizado más de cerca la ciencia que explica por qué hacemos determinadas cosas en determinados momentos y cuándo son más eficaces. 🌙 Noche: Dormir lo suficiente es el principio de todo (23:00 – 06:00) Nuestro cerebro realiza su trabajo más importante cuando dormimos. Se trata de organizar los recuerdos y eliminar los desechos cerebrales (como la beta-amiloide) . Dormir al menos siete horas mejora la memoria, la concentración y la creatividad y tiene un efecto de “limpieza cerebral” que elimina las toxinas del cerebro. Se recomienda bloquear la luz azul de los teléfonos inteligentes y otras fuentes durante al menos una hora antes de acostarse para evitar interferir con la secreción de melatonina, una hormona del sueño. ✨ Consejo práctico : guarda tu teléfono inteligente una hora antes de acostarte y, en su lugar, termina el día con estiramientos suaves o meditación. 🌅 Mañana: Hora dorada para despertar tu cerebro (06:00 – 09:00) Los primeros 30 minutos después de despertarnos por la mañana es cuando los niveles de cortisol aumentan y nuestro cerebro funciona más rápida y claramente. La exposición a la luz solar en este momento puede restablecer el reloj biológico de su cerebro y ayudarle a comenzar el día con una nota positiva. Tomar un poco de sol y hacer algunos estiramientos ligeros justo después de despertarte te ayudará a sentirte mejor y a mantenerte concentrado durante todo el día. Encuentra dirección para tu día con simples acciones de superación personal (lectura, planificación, meditación). ✨Consejo práctico : Tan pronto como te despiertes por la mañana, abre las cortinas y siéntate junto a la ventana durante 5 minutos para absorber un poco de sol y respirar profundamente. Podrás experimentar efectos asombrosos. 🚀 Hora de concentración en el trabajo matutino (09:00 – 12:00) Nuestros cerebros alcanzan su pico de concentración dos veces al día, la primera de las cuales es por la mañana. Por lo tanto, programar tus tareas más difíciles o creativas del día durante este tiempo aumentará tu eficiencia[^4]. Durante su tiempo de concentración, mantenga un ciclo de 90 minutos de trabajo y 10 minutos de descanso [^4]. Lo mejor es bloquear el contacto externo por la mañana para evitar que nos molesten lo máximo posible. ✨ Consejo práctico : desactiva las notificaciones de Messenger durante 2 o 3 horas por la mañana y guarda tu teléfono inteligente por un rato. Experimentarás una verdadera inmersión. 🍽️ Recarga energías después del almuerzo (12:00 – 15:00)

Recientemente, comencé a enseñar un curso de aprendizaje automático en una universidad. Aunque estoy familiarizado con el formato de conferencias especiales o conferencias públicas, esta es la primera vez que doy una conferencia regular de 15 semanas dirigida a estudiantes de pregrado, maestría y doctorado, por lo que estoy buscando diversos materiales para encontrar métodos de enseñanza más efectivos. Entre ellos, me gustaría compartir con vosotros tres métodos de enseñanza que me parecieron particularmente impresionantes. Estos son: modelado, encadenamiento y fragmentación. Estoy enseñando dos clases y estoy aprendiendo más de lo que pensaba. Esta es una gran oportunidad. Aunque es un trabajo a tiempo parcial... todavía resulta un poco extraño oír que me llamen profesor. 1. Modelado: Muestre el flujo general y pídales que lo sigan. El modelado es un método que consiste en demostrar un flujo o proceso completo desde el principio hasta el final de una sola vez y alentar a los estudiantes a imitarlo. También podría ser muy efectivo en clases de aprendizaje automático. Por ejemplo, cuando enseño por primera vez a mis estudiantes el modelo de regresión logística, primero demuestro todo el flujo de trabajo con un ejemplo simple. Está estructurado para que los estudiantes puedan ver todo, desde el preprocesamiento de datos hasta el aprendizaje y la evaluación de modelos, de un vistazo, lo que les ayuda a comprender intuitivamente todo el proceso. Es más efectivo que los estudiantes realicen el mismo proceso por su cuenta y brinden retroalimentación inmediata sobre cualquier problema que encuentren en el camino. 2. Encadenamiento: Conectando procesos complejos paso a paso El encadenamiento es un método que consiste en dividir una tarea compleja en varios pasos más pequeños, aprender claramente sobre cada paso y luego conectar gradualmente todo el proceso. Esto es especialmente efectivo en campos con muchos procesos complejos, como el aprendizaje automático. Por ejemplo, al construir un modelo de red neuronal, las etapas de preprocesamiento de datos, diseño del modelo, aprendizaje y evaluación se enseñan por separado, y una vez que los estudiantes tienen una buena comprensión de estas etapas individuales, el proceso general se conecta en una única y completa cadena de montaje. En particular, al mostrar primero los resultados de la evaluación final y luego usar el método de encadenamiento inverso para abordar en orden inverso “qué pasos estuvieron involucrados para llegar a este resultado”, se puede aumentar aún más la motivación y la comprensión del aprendizaje de los estudiantes. 3. Segmentación: aprenda conceptos complejos dividiéndolos en partes más pequeñas. La fragmentación es un método de aprendizaje en el que una tarea o concepto complejo se divide en fragmentos pequeños y manejables, se estudian individualmente y luego se vuelven a ensamblar para completar el todo. También se puede aplicar de forma muy útil en el aprendizaje automático. Por ejemplo, cuando enseño máquinas de vectores de soporte (SVM), divido los detalles en "fragmentos" (explico los conceptos, el significado y la función del núcleo y la implementación del código real) y luego hago que los estudiantes intenten construir el modelo completo una vez que tienen una buena comprensión de estos fragmentos. Esto permitirá a los estudiantes abarcar contenidos complejos sin sentirse abrumados y desarrollar una comprensión clara y habilidades prácticas en cada etapa. Y mientras trabajaba como profesor, me di cuenta de que había más programas educativos y de bienestar para profesores, e incluso más programas de desarrollo de capacidades, de lo que pensaba. La mayoría de ellos son gratuitos y de alta calidad, por lo que parecen buenos. Por supuesto, no sé sobre otras universidades porque las únicas escuelas a las que asisto actualmente son la Universidad Kookmin y la Universidad de Corea, pero fue increíble conocer profesores que tenían una vibra completamente diferente a la de cuando era estudiante. El período de exámenes parciales ha terminado y ahora son los exámenes finales. Acabo de descubrir que los períodos de exámenes son difíciles no sólo para los estudiantes sino también para los profesores... Ojalá no hubiera odiado tanto a los profesores cuando era estudiante.

Recientemente, vi un artículo que decía que la división de semiconductores (DS) de Samsung Electronics había presentado el último modelo de lenguaje a gran escala (LLM) de Meta, LLaMA4 , a toda la organización. Personalmente, ¿por qué elegiste LLaMA4, que está rodeado de controversias sobre rendimiento y sospechas de manipulación de puntos de referencia ? Selección de DS de Samsung Electronics y sus antecedentes LLaMA4, presentado por Samsung Electronics, es una IA multimodal que consta de Scout (modelo ligero) y Maverick (modelo básico) . Se le conoce como un excelente modelo que puede procesar no sólo documentos sino también imágenes, voces y vídeos a la vez. Además, dado que proporciona una longitud de contexto abrumadora de 10 millones de tokens, parece ser muy atractivo para Samsung, que maneja datos a gran escala, como datos de procesos de semiconductores. Sin embargo, la pregunta sigue siendo si esta elección fue realmente la mejor. Si analizamos algunas de las razones realistas, podemos ver algunos puntos bastante decepcionantes. Controversia sobre el rendimiento y la fiabilidad de los puntos de referencia LLaMA4 ha tenido varias controversias con respecto a su rendimiento desde su lanzamiento. Algunos investigadores y la comunidad de desarrolladores han sospechado que el modelo de referencia presentado por LLaMA4 difiere de los pesos publicados reales. Incluso hubo revelaciones por parte del personal interno de que "hubo ajustes excesivos para elevar los puntajes de referencia". Estas controversias son cuestiones graves que las empresas deben tener en cuenta cuando manejan datos comerciales críticos. Para una empresa como Samsung, donde la optimización de procesos y la confiabilidad son esenciales, es difícil quitarse la sensación de que fue una decisión bastante arriesgada. De hecho, personalmente creo que la introducción de LLaMA4 fue simplemente una opción para los empleados, pero los medios de comunicación están exagerando el tema. Alternativas más eficientes: la existencia de Gemma3 QAT De hecho, existían alternativas en el mercado que mostraban un excelente rendimiento y eficiencia además de LLaMA4. Por ejemplo, Gemma3 QAT (27B) se evalúa como un modelo que demuestra un rendimiento excelente incluso con relativamente pocos recursos de hardware. Por supuesto, incluso teniendo en cuenta que QAT en sí es un LLM que puede funcionar sin problemas incluso con la potencia informática general del consumidor... es cierto que parece una pena pagar por Maverick. Una empresa tan grande como Samsung probablemente utilizaría un modelo pago en lugar de un tablero comunitario. (Al final... Sr. Geumdon) Artículo Llama 4 Scout (109 B/17 B Activo) Gemma 3 27B QAT Multimodal Procesamiento simultáneo de texto, imágenes, voz y vídeo. Texto/Imagen (Voz X) Longitud del contexto 10 millones de tokens (Maverick 1 millón) 128K tokens Velocidad de inferencia 120 tps (FP8, H100 1 hoja) 20-25 tps (INT4, RTX A5000)