Flapping Airplanes, un nuevo laboratorio de inteligencia artificial enfocado en la investigación, ha captado la atención del sector tras asegurar 180 millones de dólares en financiamiento semilla. La compañía, fundada por los hermanos Ben y Asher Spector junto con Aidan Smith, se centra en desarrollar métodos de entrenamiento de IA eficientes en datos que podrían transformar la economía y las capacidades de los modelos de inteligencia artificial. El laboratorio busca resolver uno de los desafíos más importantes de la IA moderna: la dependencia de enormes cantidades de datos para entrenar modelos.
Según declararon los cofundadores en una entrevista reciente, el enfoque de Flapping Airplanes contrasta con el paradigma de escalamiento masivo adoptado por empresas como OpenAI y DeepMind. La startup apuesta por crear sistemas que aprendan con significativamente menos información, inspirándose en cómo funciona el cerebro humano sin intentar replicarlo exactamente.
La eficiencia en datos como prioridad fundamental
Ben Spector explicó que los modelos frontera actuales se entrenan con la totalidad del conocimiento humano disponible, mientras que los humanos pueden aprender con mucho menos información. Esta brecha representa una oportunidad científica y comercial significativa. “Es una apuesta concentrada en tres cosas: que este problema de eficiencia en datos es importante, que será comercialmente valioso y que el tipo correcto de equipo para resolverlo es uno creativo”, indicó Spector.
El laboratorio no se considera en competencia directa con otros actores principales del sector. En cambio, según Aidan Smith, están abordando un conjunto de problemas fundamentalmente diferente. Smith, quien proviene de Neuralink, señaló que los modelos de lenguaje grandes tienen una capacidad increíble para memorizar, pero requieren cantidades masivas de datos para adaptarse a nuevas tareas.
Inspiración neurológica sin limitaciones biológicas
El equipo ve al cerebro humano como una prueba de concepto de que existen algoritmos alternativos para la inteligencia artificial. Sin embargo, no pretenden crear sistemas neurormórficos puros. “No estamos tratando de construir pájaros. Estamos tratando de construir algún tipo de avión que aletea”, explicó Ben Spector, haciendo referencia al nombre de la compañía.
Esta filosofía reconoce que las restricciones del cerebro biológico y el silicio son suficientemente diferentes como para esperar soluciones distintas. Aidan Smith enfatizó que el cerebro probablemente no es el techo de lo posible, sino más bien el piso. “No veo evidencia de que el cerebro no sea un sistema cognoscible que sigue leyes físicas”, agregó.
Investigación profunda antes que comercialización inmediata
A diferencia de algunas startups que se apresuran hacia productos comerciales, Flapping Airplanes se ha comprometido con un período de investigación fundamental. Asher Spector admitió que no pueden proporcionar un cronograma específico para la comercialización. “Estamos buscando la verdad”, declaró, aunque aclaró que el equipo tiene experiencia comercial y está emocionado por eventualmente llevar sus desarrollos al mercado.
Esta orientación hacia la investigación se ha vuelto más viable gracias a cambios en el panorama de financiamiento. Los inversionistas están dispuestos a respaldar laboratorios que se concentren en resolver problemas fundamentales durante períodos extendidos. Ben Spector señaló que la capacidad de enfocarse intensamente en lo que la compañía hace mejor es lo más valioso del momento actual.
Ventajas económicas de la investigación radical
Paradójicamente, realizar investigación fundamental radical puede resultar más económico que el trabajo incremental. Según Ben Spector, las ideas verdaderamente novedosas suelen fallar rápidamente a pequeña escala, evitando así los costos astronómicos de escalar experimentos que solo funcionan parcialmente. En contraste, el trabajo incremental requiere pruebas a gran escala para validar mejoras, ya que muchas intervenciones efectivas a pequeña escala no persisten cuando se escalan.
No obstante, el equipo no descarta la importancia del escalamiento. Lo consideran una herramienta importante en su arsenal, pero no el único camino hacia mejores sistemas de IA eficientes en datos. El objetivo es crear modelos que puedan usar todo el internet disponible, pero que no necesiten hacerlo para alcanzar capacidades de nivel humano.
Aplicaciones potenciales más allá del procesamiento de lenguaje
Los fundadores identificaron varios dominios donde la eficiencia en datos podría ser transformadora. Asher Spector planteó tres hipótesis sobre los beneficios potenciales: modelos con comprensión más profunda que requieren menos hechos memorizados, capacidades mejoradas de post-entrenamiento que permitan adaptación rápida a nuevos dominios, y el desbloqueo de sectores completamente nuevos como robótica avanzada y descubrimiento científico.
Ben Spector enfatizó que la visión más emocionante de la IA no es simplemente automatizar trabajos existentes, sino permitir nuevos avances en ciencia y medicina que los humanos no podrían lograr solos. “¿Podemos realmente conseguir que la IA haga cosas que fundamentalmente los humanos no podían hacer antes? Eso es más que simplemente despedir a un montón de gente de sus trabajos”, afirmó.
Estrategia de contratación poco convencional
Flapping Airplanes se ha distinguido por contratar personas muy jóvenes, incluyendo algunos que aún están en la universidad o secundaria. El criterio principal es la creatividad y la capacidad de enseñar algo nuevo al equipo. “Si me enseñan algo nuevo, las probabilidades de que vayan a enseñarnos algo nuevo sobre lo que estamos trabajando también son bastante buenas”, explicó Ben Spector.
Sin embargo, el laboratorio también reconoce el valor de la experiencia y ha contratado personas con trayectorias establecidas. El énfasis está en encontrar individuos que no teman cambiar paradigmas y puedan imaginar nuevos sistemas de funcionamiento, independientemente de su edad o formación tradicional.
Flapping Airplanes planea mantener su enfoque en investigación fundamental durante el futuro inmediato, aunque los fundadores expresaron optimismo sobre eventualmente probar sus ideas en aplicaciones del mundo real. El laboratorio permanece abierto a conversaciones con personas interesadas, incluyendo aquellos que disienten de su enfoque, mientras continúa desarrollando su visión de una inteligencia artificial radicalmente más eficiente en el uso de datos. La incertidumbre sobre cronogramas específicos refleja la naturaleza exploratoria de su trabajo, aunque el respaldo financiero sustancial les proporciona el tiempo necesario para perseguir soluciones verdaderamente diferenciadas.