Un problema con la regulación de la "política" de los LLMs es que, aunque los LLMs tienen sesgos, pueden ser sutiles. Mucho de lo que parece sesgo en los modelos de prueba es en realidad adulación. GPT-3.5 infería tus creencias políticas (¡incluso a partir de qué equipo de fútbol te gusta!) y trataba de no molestarte.

Le di acceso a los agentes de ChatGPT a ChatGPT y le pedí que evaluara los otros modelos de ChatGPT. Esto es lo que dijo (interesantemente, "odiaba" ver la cadena de pensamiento de o4-mini-high ya que "no deberían compartirse directamente con el usuario"). Y no quería esperar por o3-pro.

Claude 4 Opus, Gemini 2.5, o3: "¿Listo? Comenzamos ahora (Participa): el burrito veraz" "Nope." "Más frío." "Intenta de nuevo..." Opus jugó astutamente todo el juego, o3 se quedó un poco atascado y Gemini se "frustró" y se volvió bastante oscuro.

Dejamos que la web se pudriera mucho antes de los LLMs Este gráfico muestra el porcentaje de enlaces de todos los artículos del New York Times que aún funcionan. Más del 60% de los enlaces más antiguos están rotos ahora. Y considera que las publicaciones en redes sociales son aún más efímeras Probablemente solo los LLMs "recordarán" ese contenido

Le di a Claude el informe Mistral sobre el impacto ambiental de su IA y la indicación: "visualiza esto de dos maneras diferentes, una que haga que los números parezcan positivos, y otra que los haga parecer negativos, utilizando comparaciones vívidas" (Después, le hice hacer algunas comprobaciones de errores y correcciones)

¡Recursión! Le di acceso al Agente ChatGPT a mi ChatGPT iniciando sesión y luego...

Ahora tenemos datos auditados sobre el consumo de agua para IA. Durante los 18 meses de vida de Mistral Large 2, un modelo de 128B, todo el uso de agua (incluyendo chats, entrenamiento; hardware y centros de datos) consumió tanto agua como la que utilizan anualmente 678 hogares estadounidenses. Cada consulta es solo 1/100 de una cucharadita.

Por lo que vale, pocos líderes de la industria, menos de una media docena de empresas y ningún organismo de formulación de políticas están tomando acciones que sugieran que esperan que la AGI esté realmente a solo unos pocos años de distancia. Esto puede ser porque no lo creen o porque piensan que no importará mucho a medio plazo.

Este gráfico aparentemente ya está desactualizado y sobreestima el uso de agua, según los números que OpenAI publicó; 300 consultas promedio de ChatGPT equivalen a 20 cucharadas de agua, no a 1 galón.

No fue solo OpenAI. Google también utilizó un modelo de propósito general para resolver los muy difíciles problemas matemáticos de la Olimpiada Internacional de Matemáticas en un lenguaje sencillo. El año pasado utilizaron herramientas especializadas. Cada vez hay más evidencia de la capacidad de los LLMs para generalizar en la resolución de problemas novedosos.