de pesos abiertos

Un modelo de IA en el que los parámetros subyacentes de la red neuronal (pesos) se hacen públicos, lo que permite su personalización.

Un modelo de pesos abiertos es un modelo de inteligencia artificial en el que el desarrollador publica abiertamente los parámetros entrenados de la red neuronal, conocidos como pesos. Aunque el código y la arquitectura subyacentes de los modelos modernos de IA suelen ser similares, los pesos representan los patrones aprendidos y la inteligencia resultantes de costosas ejecuciones de entrenamiento. Al publicar estos pesos, los creadores permiten que desarrolladores externos, investigadores y empresas descarguen, ejecuten, modifiquen y ajusten el modelo en su propia infraestructura privada. Para los inversores en tecnología y software, el auge de los modelos de pesos abiertos representa un cambio estructural importante en la dinámica del sector. Las empresas que publican modelos de pesos abiertos suelen hacerlo para convertir en commodities el software propietario y de código cerrado de sus competidores. Al ofrecer una alternativa gratuita o de bajo coste, pueden impulsar la adopción por parte de los desarrolladores, establecer estándares del sector y generar ingresos indirectos mediante el alojamiento en la nube, el soporte empresarial o la venta de hardware especializado. Al analizar empresas de los sectores de software y semiconductores, los inversores evalúan cómo los ecosistemas de pesos abiertos afectan al poder de fijación de precios y a las ventajas competitivas defendibles. La proliferación de modelos de pesos abiertos de alta calidad puede reducir las barreras de entrada para las startups de software, lo que podría erosionar la cuota de mercado de los gigantes del software propietario. Por el contrario, dado que ejecutar y ajustar estos modelos requiere una potencia de cálculo significativa, la tendencia suele actuar como un fuerte viento de cola para los proveedores de hardware, los diseñadores de silicio personalizado y las plataformas de infraestructura en la nube.

La Empresa A gasta $100 millones en capacidad de cómputo para entrenar un modelo de IA de última generación. En lugar de mantenerlo detrás de una API de pago en la que cobra a los desarrolladores $0.01 por cada 1,000 tokens, publica los pesos del modelo. La Empresa B descarga esos pesos de forma gratuita, los ejecuta en sus propios servidores con un costo operativo de $0.002 por cada 1,000 tokens y personaliza el modelo usando sus propios datos propietarios sin exponer información sensible a la Empresa A.