En el correo de hoy:

El científico jefe de IA de Meta acaba de convertirse en ex-científico jefe de Meta.

Yann LeCun, ganador del Premio Turing y uno de los padres del deep learning, dejó la compañía de Zuckerberg para fundar AMI Labs, y acaba de cerrar una de las rondas de financiamiento más grandes del año: $1,030 millones de dólares a una valuación pre-money de $3,500 millones.

Pero aquí viene lo interesante: LeCun no está construyendo "otro ChatGPT". Su apuesta va por los llamados "world models" (modelos del mundo), sistemas de IA que pueden entender y simular cómo funciona el mundo físico, no solo predecir la siguiente palabra en un texto.

Piensa en ello como la diferencia entre un estudiante que memoriza respuestas y uno que realmente entiende los conceptos.

Esta apuesta técnica es fascinante porque LeCun ha sido históricamente crítico del enfoque dominante de los LLMs (grandes modelos de lenguaje).

Durante años argumentó que el futuro de la IA está en sistemas que aprenden como los bebés: observando el mundo, experimentando con física intuitiva y construyendo modelos mentales de cómo funcionan las cosas. AMI Labs es su oportunidad de demostrarlo con recursos de sobra.

La ronda fue liderada por algunos de los fondos más importantes de Silicon Valley, y el timing no es casualidad. Mientras OpenAI, Anthropic y Google pelean por dominar el mercado de chatbots empresariales, LeCun está apostando a que la próxima gran revolución vendrá de sistemas que puedan razonar sobre el mundo físico.

Esto tiene implicaciones enormes para robótica, simulación científica, diseño industrial y cualquier campo donde entender la física importa.

¿El riesgo? Que los world models sean técnicamente más difíciles de escalar que los LLMs, y que el mercado no esté listo para esperar. Pero si alguien puede lograrlo, es el tipo que literalmente escribió el libro sobre redes neuronales convolucionales.

👋 Jay Graber deja el CEO de Bluesky: La fundadora que llevó a Bluesky de proyecto experimental de Twitter a red social independiente anuncia su salida después de casi 5 años al mando. Leer mas

🔍 Anthropic lanza herramienta de revisión de código IA: Claude Code ahora incluye un sistema multi-agente que analiza automáticamente código generado por IA, detecta errores lógicos y ayuda a empresas a gestionar el tsunami de código sintético. Leer mas

⚖️ Anthropic demanda al Departamento de Defensa: La startup de IA presentó una demanda contra el Pentágono después de ser designada como 'riesgo de cadena de suministro', llamando las acciones 'sin precedentes e ilegales'. Leer mas

🛡️ OpenAI adquiere Promptfoo: La compañía compra la plataforma de seguridad que ayuda a identificar vulnerabilidades en sistemas de IA, evidenciando la carrera por demostrar que los agentes de IA son seguros para operaciones críticas. Leer mas

🇳🇴 Nscale alcanza valuación de $14,600M: La startup británica de infraestructura de IA respaldada por Nvidia levanta otros $2,000 millones y suma a Sheryl Sandberg y Nick Clegg a su junta directiva en lo que llaman 'Stargate Norway'. Leer mas

🤖 Nvidia prepara plataforma open-source de agentes IA: Antes de su conferencia anual de desarrolladores, Nvidia planea lanzar una plataforma de agentes de IA de código abierto similar a OpenClaw. Leer mas

📅 El mito común: "Si uso IA generativa para crear imágenes, no le debo nada a nadie porque la IA lo creó desde cero."

💡 La realidad: Kapwing, plataforma de edición de video online, acaba de publicar sus aprendizajes después de implementar un sistema de regalías para artistas cuyos estilos son usados en su generador de IA. Y los números son reveladores: pagaron más de $47,000 en regalías a 230 artistas en 6 meses, con algunos ganando hasta $800 mensuales. Pero más allá del dinero, descubrieron algo crucial: los usuarios valoran saber que están apoyando a artistas reales, y esto se convirtió en una ventaja competitiva.

🚀 La propuesta: No esperes a que la regulación te obligue. Implementa un sistema de atribución y compensación ahora, antes que tus competidores. Aquí está cómo:

1. Identifica qué artistas/estilos están influenciando tu modelo - Usa herramientas de análisis de datasets o simplemente pregunta a tus usuarios qué estilos están usando más. Kapwing empezó con una lista de 50 artistas curados manualmente.

2. Crea un sistema de tracking transparente - Cada vez que se genera una imagen "al estilo de [Artista X]", registra esa transacción. Kapwing usa un sistema de puntos donde cada generación suma créditos al artista correspondiente.

3. Define un porcentaje de ingresos destinado a regalías - Kapwing destina el 20% de los ingresos de su generador de IA. Empieza con 5-10% si es tu primer experimento y ajusta según feedback y viabilidad económica.

Prompt reutilizable para tu negocio:

"Actúa como consultor de ética en IA. Mi empresa [describe tu negocio] usa IA generativa para [describe el uso]. Ayúdame a diseñar un sistema de compensación justa para creadores originales que sea: 1) Técnicamente rastreable, 2) Financieramente sostenible con [tu presupuesto], 3) Diferenciador en el mercado. Dame 3 opciones con pros/contras de cada una."

Última pregunta para ti: Si tuvieras que apostar $1,000 dólares en el futuro de la IA, ¿dónde los pondrías?

1. 🗣️ En LLMs cada vez más grandes (la apuesta de OpenAI/Anthropic)

2. 🌍 En world models que entienden física (la apuesta de LeCun)

3. 🤖 En agentes especializados para tareas específicas (la apuesta de Nvidia)

Respóndeme directamente a este email. Leo cada mensaje y los mejores insights los comparto en el próximo newsletter.

Nos vemos mañana con más tech,

El equipo de Digitalizados 🚀