Jeffrey Ding, profesor adjunto de la Universidad George Washington que sigue de cerca el panorama de la IA en China, afirma que no le sorprende ver este nivel de trabajo en equipo: "Les guste o no a los responsables políticos de ambas partes, los ecosistemas de IA de EE UU y China están estrechamente entrelazados, y ambos se benefician del acuerdo".
Sin duda, el análisis simplifica el grado en que los dos países comparten ideas y talento. Muchos investigadores nacidos en China estudian en EE UU y forjan lazos con colegas que duran toda la vida.
"El propio NeurIPS es un ejemplo de colaboración internacional y un testimonio de su importancia en nuestro campo", afirma en un comunicado Katherine Gorman, portavoz de la conferencia. Añade: "Las colaboraciones entre estudiantes y asesores a menudo continúan mucho después de que el estudiante haya egresado. Se pueden ver este tipo de señales que indican cooperación en todo el campo en muchos lugares, incluidas las redes profesionales y los antiguos colaboradores".
El último especial de WIRED explora las muchas formas en que China está dando forma al siglo actual. Pero ahora que los políticos y CEO utilizan el temor al ascenso de China como justificación para deshacerse de regulaciones e impulsar inversiones asombrosas, nuestro análisis es un buen recordatorio de que las dos superpotencias mundiales de la IA aún tienen mucho que ganar si trabajan juntas.
Codex, el modelo de escritura de código de OpenAI, para ayudar a analizar los artículos de NeurIPS. Luego de crear una secuencia de comandos para descargar todos los documentos, utilicé el modelo para analizar en cada uno de ellos. Para ello, hice que Codex escribiera un script para buscar instituciones estadounidenses y chinas en el campo de autor de cada artículo.El experimento ofreció una visión fascinante del potencial de los modelos de codificación para automatizar tareas útiles. Existe mucho pánico sobre la posibilidad de que la IA reemplace las tareas de codificación, pero esto es algo que normalmente no habría tenido el tiempo ni el presupuesto para desarrollar. Empecé escribiendo scripts y haciendo que Codex los modificara antes de pedirle que realizara el análisis. Esto implicó que el modelo importara librerías de Python, probara diferentes herramientas y escribiera scripts antes de generar informes para que yo los revisara. El proceso implicó bastante prueba y error, y hay que tener mucho cuidado, porque los modelos de IA cometen errores sorprendentemente tontos incluso cuando son bastante inteligentes. Tenía que asegurarme de que cada informe incluyera una forma de revisar los resultados, y revisé manualmente todos los que pude.
Artículo originalmente publicado enWIRED.Adaptado por Alondra Flores.