Una buena parte de la población mundial comparte una significativa herencia neandertal en sus genes. Si excluimos a las personas de ascendencia africana, entre el 1% y el 2% del ADN de las personas tiene su origen en la por lo demás extinta especie. Y es que los neandertales (Homo neanderthalensis) constituyen la especie humana más cercana a la nuestra, no solo en términos biológicos, también en convivencia.

Hace 47.000 años en algún lugar de Eurasia. Un nuevo estudio ha revelado nuevos detalles sobre el periodo en el que nuestra especie (H sapiens) y los convivieron y procrearon. El nuevo estudio nos indica que el encuentro entre especies no fue un evento singular sino el fruto bien de un contacto prolongado, bien de una serie de contactos intermitentes a lo largo de milenios.

El estudio ofrece una actualización a la “línea del tiempo” de las relaciones entre las dos especies. Los primeros encuentros entre las especies habrían empezado hace unos 50.500 años y se habrían prolongado durante unos siete milenios.

La nueva línea del tiempo. La nueva estimación es consistente con las pruebas arqueológicas que nos indican que sapiens y neandertales convivieron durante un largo periodo (entre 6.000 y 7.000 años) en algunas zonas de Eurasia. Las estimaciones previas de la línea temporal de los encuentros estimaba que estos eral algo más recientes, pues se habrían dado hace entre 54.000 y 41.000 años, continúa explicando el equipo.

“El tiempo es realmente importante porque tiene implicaciones directas en nuestra comprensión de la era de la migración fuera de África, ya que la mayoría de los no africanos heredan entre un 1% y un 2% de su ascendencia de los neandertales”, indicaba en una nota de prensa Priya Moorjani, coautora del estudio.

59 + 275. Para el estudio, el equipo analizó más de 200 muestras, 59 de ellas pertenecientes a restos humanos prehistóricos y 275 pertenecientes a humanos modernos. El análisis no solo permitió datar con más precisión el periodo de coexistencia sino también indagar en los mecanismos evolutivos que llevaron a estos genes a llegar a nuestros días.

La clave de esto está en los “desiertos genómicos”, regiones del ADN sapiens en las que los genes neandertales nunca están presentes, posiblemente debido a que estos genes no serían compatibles con la vida de nuestra especie, resultando en la muerte de los individuos que los heredaran. Observaron así que ya en los humanos antiguos el ADN neandertal comenzaba a agruparse en algunas zonas, lo que dejaba precisamente constancia de estos mecanismos evolutivos funcionandlo.

Los detalles del análisis fueron publicados en un artículo en la revista Science.

Más que simple código. El estudio ha servido también para profundizar en las funciones de los genes heredados de nuestros “primos” taxonómicos. Según explica el equipo, estos genes suelen estar vinculados con el sistema inmune, con la pigmentación de la piel y con el metabolismo, algo de lo que ya habían dado cuenta estudios previos. También recuerdan que estos genes, por ejemplo, podrían haber estado ayudando a nuestra especie a combatir el Covid.

Un segundo estudio. El estudio se ha publicado prácticamente a la par que un segundo trabajo, este en la revista Nature, en el que se daba cuenta del proceso de análisis genético de unos restos humanos de la misma época. Se trata del estudio realizado a partir de restos humanos más antiguo jamás realizado y sus resultados ayudan a corroborar los resultados del análisis publicado en Science.

En Xataka | Las “especies fantasma” con las que se aparearon nuestros ancestros y desaparecieron sin (casi) dejar rastro

Imagen | Max Planck Institute for Evolutionary Anthropology con DALL-E & BioRender

Elon Musk lleva meses diciendo que OpenAI abandonó su propósito fundacional como organización sin ánimos de lucro tras aceptar una inversión multimillonaria por parte de Microsoft. El CEO de Tesla también le ha pedido a la justicia que bloquee la reestructuración de la compañía liderada por Sam Altman para captar más inversiones (y que finalmente dejaría atrás su misión altruista).

Lejos de quedarse de brazos cruzados, OpenAI ha sacado a la luz antiguos mensajes para lanzar su contraataque. El contenido de los intercambios sugiere que Musk pensó que era una buena idea tener un brazo con ánimos de lucro en los primeros días de la startup. “Probablemente sea mejor tener una corporación C estándar con una organización sin fines de lucro paralela”, dijo en noviembre de 2015.

Elon Musk quería un brazo con ánimos de lucro en OpenAI, según mensajes internos

Dado que OpenAI fue anunciada públicamente en 2015, el mencionado mensaje tuvo lugar cuando los miembros fundacionales, entre ellos Altman y Musk, todavía estaban delineando el camino a seguir por la startup de inteligencia artificial (IA). La compañía fue un paso más allá, y publicó una captura de pantalla de una corporación de beneficio público que aseguran que Musk creó en Delaware septiembre de 2017.

Correo donde Musk habla de una “corporación C estándar”

Aquella estructura, curiosamente, es similar a que OpenAI está tratando de poner en marcha el año próximo, y que el CEO de Tesla busca frenar. La startup de IA añade una serie de hecho que había repetido en el pasado: que Musk intentó tomar el control de OpenAI y que aseguró que la firma estaba destinada al fracaso si no se fusionaba con Tesla. Musk se alejó de OpenAI en 2018 y fundió su propia startup de IA, xAI, en 2023.

Captura de pantalla de la corporación

Queda por ver qué ocurrirá a continuación, pero no cabe duda de que estamos siendo testigos de uno de los enfrentamientos legales más mediáticos del sector tecnológico. Por un lado, está el hombre más rico del mundo, y por otro, la empresa líder en inteligencia artificial. OpenAI, que ha recibido aproximadamente 13.000 millones de dólares de Microsoft, necesita más dinero para seguir adelante.

Un movimiento para captar nuevos inversores es concretar su reestructuración, que le libraría del control de su entidad sin ánimos de lucro. Ahora bien, si los esfuerzos de Musk prosperan, la justicia podría suspender este ansiado paso. Cabe señalar que Musk también ha acusado a OpenAI intentar eliminar a la competencia, y está tratando de evitar que la firma celebre acuerdos que impidan que sus inversores puedan invertir en otras firmas de IA.

Imágenes | Village Global | Trevor Cokley

En Xataka | Amazon ha descubierto que sus desarrolladores dedican solo una hora al día a programar. Su plan es cambiarlo en breve

Usamos ChatGPT, Claude, Copilot o Gemini para generar por IA respuestas a nuestras preguntas como si no pasara nada. Después de todo en muchos casos es gratis, ¿no? Lo es para los usuarios de momento, sí, pero todas esas respuestas —no hablemos ya de imágenes o vídeos generados por IA— les cuestan muchísimo dinero a estas empresas. ¿Cuánto? Ninguna lo dice.

Quemando dinero. Ya hemos hablado de que tanto OpenAI como el resto de empresas que han apostado por la IA están quemando el dinero como si no hubiera mañana. Sam Altman indicó hace poco que OpenAI no será rentable hasta 2029, pero hasta entonces —si llegan— seguirán perdiendo dinero. Mucho. Un análisis de algunos analistas revela como la gestión y operativa de modelos de IA tiene un coste descomunal, y por ejemplo OpenAI tendrá pérdidas estimadas de 5.000 millones de dólares… ¡solo en 2024!

Difícil averiguar el coste real de la IA. Las empresas no han dado apenas datos sobre el coste interno de operar estos servicios, aunque en The Washington Post indicaron en junio de 2023 algo que probablemente sea cierto: los chatbots de IA pierden dinero cada vez que los usas. Algunos estudios independientes apuntaban ya en 2023 a que el coste de una simple pregunta en ChatGPT era de 36 centavos de dólar, y que OpenAI se gastaba 700.000 dólares al día para mantener en funcionamiento su LLM.

Y ahora los modelos quieren razonar (y eso cuesta más). El lanzamiento de o1, el modelo de OpenAI que “razona”, ha sido el pistoletazo de salida para una alternativa que teóricamente se equivoca menos y que aunque tarda más en dar la respuesta, lo hace de forma más completa y precisa. Pero también más cara: estos sistemas generan en realidad varias respuestas, las analizan y revisan y se quedan con aquella que consideran más adecuada para mostrarla al usuario. Y eso es más costoso para la empresa de IA y para el usuario.

Por eso la suscripción de 200 dólares al mes es solo el principio. Que OpenAI haya lanzado una suscripción de 200 dólares al mes para poder usar sin limitaciones su modelo que razona, o1, es una buena señal de costoso que es para la empresa ofrecer una “barra libre de inteligencia artificial”. Ciertos usuarios y escenarios sacan partido intensivo de los chatbots de IA, y será en esos casos donde las empresas podrán abogar por ofrecer suscripciones cada vez más potentes… y caras.

Se estima que el coste de gestionar preguntas en un modelo de IA es enorme en Google. Si gestionaran el 10% de las que gestionan ahora con IA y las respuestas fueran de 50 palabras, tendrían que gastar 1.200 millones de dólares. Imagen: Reuters.

Pero para imágenes y vídeos, el coste es aún superior. Generar texto es la tarea menos exigente en recursos, y aun así es cara. Es difícil estimar también ese aumento del coste porque hay muchos factores en juego: eficiencia de los servidores, complejidad y resolución de la imagen o el vídeo, etc. Aun así, es probable que generar una imagen tenga un coste varios órdenes de magnitud más caro que un texto, y que generar un vídeo tenga un coste también varios órdenes de magnitud más que generar una imagen. 

Mucha energía… John Hennessy, uno de los directivos de Alphabet, explicó en Reuters que las respuestas generadas por un LLM consumen 10 veces más energía que una búsqueda convencional de Google. Las implicaciones son enormes —también para el medioambiente—, y de hecho se estima que el consumo de energía podría triplicarse en 2030. Sobre todo, por los centros de datos que se están construyendo y que se encargarán de gestionar todas esas peticiones. Google y Microsoft ya consumen ellas solas más que 100 países distintos.

… y agua. Hay también un problema con el agua necesaria para refrigerar esos centros de datos. Según un estudio publicado por The Washington Post, pedirle a la IA que nos escriba un correo electrónico de 100 palabras se traduce en un consumo de 519 mililitros de agua.

Buscando la eficiencia. Por supuesto la esperanza es que esos costes de entrenamiento e inferencia se vean reducidos de forma notable en el futuro. El desarrollo de nuevos chips, de centros de datos más eficientes —y que no gasten agua, como los que ha diseñado Microsoft— puede ayudar a ello.

IA en local. La otra alternativa que puede ayudar será la progresiva adopción de modelos “Edge AI” que se ejecutan en local. Apple Intelligence es un buen ejemplo, y aquí la empresa plantea usar ciertas funciones —ojo, no todas— directamente en el dispositivo, lo que permite no solo ahorrar energía, sino también garantizar la privacidad de nuestras peticiones y conversaciones con el móvil o el ordenador.

Imagen | Xataka con Grok

En Xataka | OpenAI ha roto su techo. Su plan Pro es un salto al ultrapremium que tiene todo el sentido del mundo