Por qué teslaEs posible que la supercomputadora Dojo no alimente el AI Revolución
Los pronósticos recientes de Wall Street han generado un gran revuelo en torno a la supercomputadora Dojo de Tesla. Los analistas predicen que esta máquina de última generación podría generar una ganancia inesperada de $500 mil millones, similar al impacto innovador de ChatGPT en el ámbito de la IA. En consecuencia, las acciones de Tesla se dispararon, añadiendo más de 6% a su valor de mercado, un salto impresionante que ha despertado el interés tanto de inversores como de entusiastas de la tecnología.
Morgan Stanley, en su informe de 66 páginas, presentó argumentos persuasivos sobre el impacto potencial de Dojo. Según su análisis, los procesadores personalizados de Dojo y los datos masivos de conducción en el mundo real podrían diferenciar a Tesla, no sólo en la industria automotriz sino también en sectores como el de la salud, la seguridad y la aviación, donde la visión por computadora juega un papel crucial.
Por qué la precaución es crucial
A pesar de los deslumbrantes pronósticos y la posibilidad de que se produzcan avances que cambien la industria, existen razones de peso para abordar estas grandes afirmaciones con cautela. Mientras nos encontramos en una era hipnotizada por los avances de la IA, la estrategia de Tesla parece particularmente atractiva. La ecuación fundamental detrás del éxito de ChatGPT (más potencia informática combinada con más datos equivale a capacidades más inteligentes) parece simple pero poderosa.
OpenAI, la empresa detrás de ChatGPT, ha invertido sustancialmente en la idea de que aprovechar una potencia computacional más significativa y conjuntos de datos más grandes conducirá a avances revolucionarios. Este principio ha demostrado ser cierto en áreas como el reconocimiento de imágenes, donde los avances en potencia informática y datos han dado como resultado capacidades asombrosas. Sin embargo, ¿deberíamos extender esta misma lógica a las ambiciones de Tesla en materia de conducción autónoma?
La compleja realidad de la conducción autónoma
Las aspiraciones de Elon Musk de un software de conducción totalmente autónoma (FSD) dependen de técnicas de aprendizaje automático similares a ChatGPT. Si bien existe la tentación de correlacionar ambos, los desafíos de la conducción autónoma son fundamentalmente diferentes de los del procesamiento del lenguaje natural. Como revelaron los ingenieros de Tesla en su evento AI Day, la conducción autónoma total consta de múltiples sistemas de aprendizaje automático diseñados para una variedad de tareas viales, desde conducir hasta leer señales de tráfico.
Para dar un verdadero salto en la tecnología de conducción autónoma no basta con avanzar sólo en uno de estos sistemas. A diferencia de ChatGPT, donde un único algoritmo monolítico puede producir texto, Full Self-Driving requiere un progreso integral en múltiples subsistemas.
La imprevisibilidad de los datos y las necesidades informáticas
Uno de los puntos clave que argumentan los críticos es la diferencia fundamental entre datos de vídeo y texto. Si bien una mayor cantidad de datos y potencia computacional puede conducir a avances significativos en algunas áreas, como la conducción autónoma, las demandas computacionales para procesar datos de video son sustancialmente mayores que para el texto. La pregunta de cuántos datos y potencia informática se requieren para un verdadero avance en robótica sigue abierta, sin respuestas claras ni de Tesla ni de los analistas de la industria.
Expertos en el campo, como Christian Gerdes, codirector del Centro de Investigación Automotriz de Stanford (CARS), se muestran cautelosos sobre la escalabilidad de las capacidades de conducción autónoma con más datos y potencia informática. Aunque su investigación es prometedora, no se garantiza que más datos sigan dando mejores resultados.
¿Tesla vuelve a prometer demasiado?
Tesla tiene un historial de hacer promesas ambiciosas, especialmente cuando se trata de capacidades de conducción autónoma. Elon Musk, por ejemplo, predijo que habrá un millón de robotaxis Tesla en las carreteras para finales de 2020, un hito que sigue siendo difícil de alcanzar. Si bien los esfuerzos de Tesla por desarrollar chips de aprendizaje automático personalizados y la supercomputadora Dojo pueden reducir costos y potencialmente mejorar sus algoritmos de conducción autónoma, predecir cuándo (o incluso si) estas mejoras marcarán un momento crucial en la conducción autónoma o la visión por computadora es intrínsecamente incierto.
El informe de Morgan Stanley sugiere que podríamos ver algunos avances significativos ya en 2024. Sin embargo, dado el desempeño pasado de Tesla y la imprevisibilidad de los avances en inteligencia artificial y aprendizaje automático, apostar o invertir en este pronóstico puede ser más una apuesta que un retorno garantizado.
En resumen, si bien la supercomputadora Dojo de Tesla es inmensamente prometedora y podría potencialmente revolucionar varias industrias, sería prudente abordar estos pronósticos optimistas con una saludable dosis de escepticismo.
