El pionero de la generación de imágenes apunta a la IA de texto

Cuando un científico cuyas ideas definieron el aspecto de toda una industria de medios generativos decide pasarse a la IA de texto, el mercado debería prestar atención. Stefano Ermon, profesor de la Universidad de Stanford y uno de los investigadores clave en modelos de difusión, ha presentado a través de su startup Inception una tecnología que promete acelerar de forma sustancial los sistemas de IA de texto, desde chatbots hasta asistentes corporativos.

Para entender la dimensión de este paso conviene recordar quién es Ermon y por qué su nombre pesa tanto. Sus investigaciones sobre modelos generativos basados en scores (score-based) fueron uno de los cimientos sobre los que crecieron Stable Diffusion, DALL-E y decenas de otros servicios de creación de imágenes y vídeo. Los modelos de difusión, la tecnología que permite convertir una descripción de texto en una imagen fotorrealista, deben en buena medida su existencia al trabajo de Ermon y sus colegas. No es solo una aportación académica: es una tecnología que genera miles de millones de dólares de ingresos para empresas de todo el mundo.

Ahora Ermon apunta a un territorio que dominan con firmeza OpenAI, Google, Anthropic y Meta*: el procesamiento del lenguaje natural. Su startup Inception, de la que hasta hace poco se sabía muy poco, ha presentado una tecnología capaz de acelerar la generación de texto en los modelos de lenguaje. Los detalles aún no se han revelado por completo, pero según Bloomberg se trata de un enfoque radicalmente nuevo de la arquitectura de inferencia, la parte del funcionamiento del modelo que se encarga de entregar la respuesta al usuario en tiempo real.

La velocidad de inferencia es uno de los problemas centrales de la industria de los grandes modelos de lenguaje. Cada vez que le haces una pregunta a ChatGPT o Claude, el modelo genera la respuesta token a token, y ese proceso exige enormes recursos de cómputo. Las empresas gastan miles de millones de dólares en clústeres de GPU para ofrecer una velocidad de respuesta aceptable a cientos de millones de usuarios.

Cualquier tecnología capaz de reducir el tiempo de generación, aunque sea en decenas de puntos porcentuales, tiene un valor económico colosal. Por eso decenas de startups y laboratorios de investigación concentran ahora sus esfuerzos en optimizar la inferencia, desde Groq con sus chips especializados hasta diversas soluciones de software como la cuantización y la decodificación especulativa.

Que Ermon aporte a esta carrera la experiencia de los modelos de difusión puede resultar una ventaja inesperada. Los modelos de difusión funcionan de un modo radicalmente distinto al de los transformadores autorregresivos: en lugar de generar tokens de forma secuencial, refinan el resultado de manera iterativa a partir del ruido. Los investigadores llevan varios años experimentando con trasladar los principios de la difusión a la generación de texto, y algunos resultados parecen prometedores. Si Inception ha logrado aplicar estas ideas para acelerar de forma práctica los modelos de texto, podría ser un auténtico avance: no una mejora evolutiva, sino un cambio de paradigma.

Aun así, el escepticismo también está justificado. El mercado de startups de IA está lleno de declaraciones ambiciosas, y ni de lejos todas superan la prueba de la escala. Una cosa es mostrar un resultado impresionante en condiciones de laboratorio y otra muy distinta desplegar la tecnología para millones de usuarios sin perder calidad en las respuestas. Los grandes actores como OpenAI y Google cuentan no solo con una infraestructura potentísima, sino también con enormes equipos de ingenieros que llevan años puliendo sus sistemas. Competir con ellos en su terreno es una tarea de un orden completamente distinto al de publicar un artículo científico.

Sin embargo, la reputación de Ermon y su trayectoria convierten a Inception en una de las startups más interesantes del panorama actual. El mercado de infraestructura para inferencia de IA se valora en decenas de miles de millones de dólares y crece con rapidez. Si la tecnología de Inception realmente funciona, la compañía tiene varias vías estratégicas: licenciarla a grandes proveedores, crear su propio servicio de API o, algo también probable, ser adquirida por uno de los gigantes tecnológicos.

La historia de Inception también refleja una tendencia más amplia: las fronteras entre las distintas áreas de la IA generativa se difuminan. Las ideas nacidas en el mundo de las imágenes migran al texto, y viceversa. La multimodalidad deja de ser un simple término de marketing y se convierte en una realidad de ingeniería. Si el científico que cambió la generación de imágenes logra influir con la misma radicalidad en el procesamiento de texto, será la mejor prueba de que la industria de la IA aún está lejos de la madurez y de que los avances más interesantes quizá estén por llegar.

*Meta ha sido declarada organización extremista y está prohibida en Rusia.