Meta apuesta por el 'silo de silos' con muse spark: ¿una última baza o un espejismo?
Sam Altman, con su habitual mezcla de ambición y frialdad, ha lanzado a Meta su modelo de lenguaje inhouse, Muse Spark, en un movimiento que podría redefinir el panorama de la inteligenciaartificial generativa. Pero, ¿realmente representa una amenaza para los gigantes como OpenAI y Google, o es simplemente otra iteración en una carrera que parece no tener fin?
Un 'silo de silos' para la desintegración de la ia
El proyecto, liderado por Yann LeCun (ahora en AMI Labs), se presenta como un sistema capaz de integrar diversas tareas y flujos de trabajo, una estrategia que Meta denomina ‘silo de silos’. La idea, según fuentes internas, es evitar la fragmentación que caracteriza a los LLM actuales, cada uno optimizado para una tarea específica. Un concepto interesante, pero que ya se vislumbraba en otros proyectos, como el trabajo de Maisa con agentes digitales capaces de visualizar el razonamiento detrás de las decisiones de los algoritmos.
La propuesta de Meta se articula en tres niveles de razonamiento, una integración total con sus aplicaciones existentes y la orquestación de agentes autónomos. Se apunta incluso a funcionalidades de visión en tiempo real, consultoría médica, diseño de juegos y, especialmente, una estrategia de recomendación de productos que podría tener un impacto significativo en sus ingresos.
El poder del consumidor español: una advertencia para las big tech
Esta estrategia se sitúa en un momento crucial, tal y como lo revela el reciente estudio de Orisha Commerce sobre los hábitos de consumo de los jóvenes españoles. Un alarmante 62% confía en las sugerencias de ChatGPT, y un tercio ya ha realizado compras a través de plataformas de IA. Una cifra que no debe pasar desapercibida para las Big Tech, que acumulan un poder marketiniano sin precedentes en el segundo capítulo de la publicidad hipersegmentada. Un detalle, quizás insignificante, podría otorgar a Muse Spark una ventaja competitiva crucial.
La capacidad de visualizar la cadena de razonamiento, un talón de Aquiles de los LLM, es ese detalle que podría marcar la diferencia. La española Maisa ya ofrece esta funcionalidad con código, permitiendo identificar errores y prescindiendo de la