El autor del paquete revss de R para el análisis estadístico de muestras pequeñas, anuncia una actualización importante explicando en particular el uso de LLMs para reescribir el motor de cálculo en Fortran y C, optimizando el rendimiento de manera significativa. No todo va a ser slop.

Semianalysis se pregunta si los centros de datos de la IA van a incrementar el precio de la electricidad para los hogares de los EEUU y mediante un análisis comparativo concluye que las subidas de precios que se observan en ciertas regiones se deben más a errores en el diseño del mercado y a los problemas que supone la planificación centralizada que a la demanda de estos nuevos consumidores.

Existieron varios «inviernos de la IA». Ahora, The AI Ethics Winter observa una deriva hacia la irrelevancia de la disciplina de la ética de la IA motivada por su obsesión con los riesgos en lugar de preocuparse por cómo la tecnología puede contribuir activamente al bienestar y florecimiento humano.

The Economist discute la brecha de rendimiento de los LLMs en idiomas distintos al inglés.

Simon Willison se hace eco acerca de la polémica sobre la reescritura de librerías usando LLMs para cambiar sus licencias de LGPL (menos permisiva) a MIT (más permisiva). Discute también acerca de la preferencia de los LLMs por tecnologías «aburridas», aquellas que más se usan y están mejor documentadas, aunque advierte que los LLMs modernos son capaces de aprender herramientas nuevas o de nicho fácilmente.

Stephen Wolfram sostiene que los LLM necesitan un motor simbólico para tareas que requieren precisión técnica y factual (y, cómo no, sugiere el uso de los productos que desarrolla su empresa a tal efecto).

Creo que todo el mundo sabe que Terence Tao fue entrevistado por Dwarkesh Patel y que hablaron largo y tendido sobre el uso de la IA en matemáticas. Se ha escrito mucho al respecto, pero casi todo en términos de anécdotas. La única perspectiva categorial, sistemática, que conozco sobre el asunto es la de Tao (véase, por ejemplo, esto).

Dynomight describe su experiencia usando LLMs para predecir la velocidad del enfriamiento de su café y encuentra que, aunque los modelos generan curvas matemáticas plausibles, tienen serias dificultades para ajustarlas a la realidad.

Task-Specific Technical Change and Comparative Advantage argumenta que la IA «democratiza» el trabajo cualificado (es decir, reduce sustancialmente la desigualdad salarial) al permitir que trabajadores de distintos niveles de formación y experiencia rindan a niveles mucho menos diferentes que antaño.

Innovation under Pressure: China’s Semiconductor Industry at a Crossroads describe detalladamente la respuesta de China a las restricciones a la importación de tecnología puntera para la fabricación de chips. El resumen: China podría alcanzar volverse autosuficiente de este tipo de herramientas antes de lo previsto.

El artículo Context Engineering: Why Hayek’s Knowledge Problem Survives AI está relacionado con lo que escribí sobre el conocimiento legible planteándolo en términos de si la IA puede resolver el problema de la información en la sociedad (argumentando, como tantos otros, que no).

También relacionado con lo anterior, en When engineering gets 100% meta-rational se argumenta que, a medida que la IA automatiza las tareas de código rutinarias, la habilidad humana más valiosa será lo que llama la «meta-racionalidad»: el futuro de la ingeniería de software residirá en la capacidad de navegar requisitos nebulosos y orquestar flotas de agentes para resolver problemas complejos.

John Cook advierte una vez más sobre el indeterminismo inherente de los LLM, donde cambios sutiles en las instrucciones pueden generar resultados contradictorios.

Finalmente, Prompting large language models for quality ecological statistics ofrece guías para realizar análisis estadísticos válidos en el campo de la ecología usando LLMs. El consejo fundamental es que las instrucciones que se le den a los modelos sean sumamente específicas para lograr que estos elijan las pruebas correctas y generen código reproducible y revisable.