Estados Unidos y China son, en muchos aspectos, archirrivales en el campo de la IA, con empresas que compiten por superarse en algoritmos, modelos y silicio especializado. Sin embargo, las superpotencias mundiales de la IA siguen colaborando en un grado sorprendente cuando se trata de investigación de vanguardia.
Un análisis realizado por WIRED de más de 5,000 trabajos de investigación sobre IA presentados el mes pasado en la principal conferencia del sector, Neural Information Processing Systems (NeurIPS), revela un importante grado de colaboración entre laboratorios estadounidenses y chinos.
Qué dice el análisis
El análisis reveló que 141 de un total de 5290 artículos (aproximadamente el 3%) implican colaboración entre autores afiliados a instituciones estadounidenses y chinos. La colaboración entre Estados Unidos y China es bastante constante, con 134 de un total de 4497 artículos que involucraron a autores de instituciones de ambos países en 2024.
Patrocinado por TecnoArtesanos ¿Tu empresa ya está usando IA? Automatizamos procesos, integramos asistentes inteligentes y conectamos tus sistemas. Descubre cómo →WIRED también analizó cómo los algoritmos y modelos desarrollados en un país se comparten y adaptan en todo el Pacífico. La arquitectura de transformadores, desarrollada por un equipo de investigadores de Google y ahora ampliamente utilizada en la industria, se presenta en 292 artículos con autores de instituciones chinas. La familia de modelos Llama de Meta fue un elemento clave de la investigación presentada en 106 de estos artículos. Mientras tanto, el modelo de lenguaje de gran tamaño Qwen de la tecnológica Alibaba, aparece en 63 artículos con autores de organizaciones estadounidenses.
Jeffrey Ding, profesor adjunto de la Universidad George Washington que sigue de cerca el panorama de la IA en China, afirma que no le sorprende ver este nivel de trabajo en equipo: “Les guste o no a los responsables políticos de ambas partes, los ecosistemas de IA de EE UU y China están estrechamente entrelazados, y ambos se benefician del acuerdo”.
Sin duda, el análisis simplifica el grado en que los dos países comparten ideas y talento. Muchos investigadores nacidos en China estudian en EE UU y forjan lazos con colegas que duran toda la vida.
“El propio NeurIPS es un ejemplo de colaboración internacional y un testimonio de su importancia en nuestro campo”, afirma en un comunicado Katherine Gorman, portavoz de la conferencia. Añade: “Las colaboraciones entre estudiantes y asesores a menudo continúan mucho después de que el estudiante haya egresado. Se pueden ver este tipo de señales que indican cooperación en todo el campo en muchos lugares, incluidas las redes profesionales y los antiguos colaboradores”.
El último especial de WIRED explora las muchas formas en que China está dando forma al siglo actual. Pero ahora que los políticos y CEO utilizan el temor al ascenso de China como justificación para deshacerse de regulaciones e impulsar inversiones asombrosas, nuestro análisis es un buen recordatorio de que las dos superpotencias mundiales de la IA aún tienen mucho que ganar si trabajan juntas.
Las mujeres de la Generación Z en China adoptan los novios de IA e incluso organizan citas con sus versiones en el mundo real.
Nota sobre la metodología
Utilicé Codex, el modelo de escritura de código de OpenAI, para ayudar a analizar los artículos de NeurIPS. Luego de crear una secuencia de comandos para descargar todos los documentos, utilicé el modelo para analizar en cada uno de ellos. Para ello, hice que Codex escribiera un script para buscar instituciones estadounidenses y chinas en el campo de autor de cada artículo.
El experimento ofreció una visión fascinante del potencial de los modelos de codificación para automatizar tareas útiles. Existe mucho pánico sobre la posibilidad de que la IA reemplace las tareas de codificación, pero esto es algo que normalmente no habría tenido el tiempo ni el presupuesto para desarrollar. Empecé escribiendo scripts y haciendo que Codex los modificara antes de pedirle que realizara el análisis. Esto implicó que el modelo importara librerías de Python, probara diferentes herramientas y escribiera scripts antes de generar informes para que yo los revisara. El proceso implicó bastante prueba y error, y hay que tener mucho cuidado, porque los modelos de IA cometen errores sorprendentemente tontos incluso cuando son bastante inteligentes. Tenía que asegurarme de que cada informe incluyera una forma de revisar los resultados, y revisé manualmente todos los que pude.
Artículo originalmente publicado en WIRED. Adaptado por Alondra Flores.
