Un estudio reciente de Epoch AI, un instituto sin fines de lucro con sede en San Francisco, revela que el costo de ejecutar tareas de inteligencia artificial (IA) se reduce un 47% cada trimestre, lo que equivale a ser 13 veces más barato al cabo de un año. Este descenso acelerado supera con creces la velocidad a la que disminuye el costo de la computación clásica, tradicionalmente medida por la famosa Ley de Moore. Los investigadores compararon el rendimiento de diferentes modelos de IA y calcularon el gasto necesario para alcanzar un nivel de desempeño determinado, encontrando que la eficiencia ha crecido de forma exponencial desde 2023.
En la práctica, una tarea que hoy se resuelve con un modelo de última generación cuesta 13 veces menos que la misma tarea realizada con un modelo del año anterior. La mejora se debe a que los nuevos algoritmos son más eficientes y requieren menos recursos de cómputo. Por ejemplo, Anthropic indica que su modelo Opus 5.5 ofrece un rendimiento comparable al de Fable 5.1, pero a un precio de 4 dólares por millón de tokens de entrada y 20 dólares por millón de salida, mucho menor que versiones anteriores.
Gordon Moore, cofundador de Intel, ha aclarado que su observación de 1965, que luego se popularizó como “Ley de Moore”, nunca fue una ley científica, sino una predicción basada en datos empíricos. La regla establecía que el número de transistores en un chip se duplicaría cada año, reduciendo su costo relativo. Con el tiempo, Moore ajustó el intervalo a 24 meses, y la predicción se mantuvo razonablemente cierta durante décadas.
Aunque comparar la evolución de los semiconductores con la de la IA puede parecer forzado, la relación es más estrecha de lo que parece. Los avances en IA dependen en gran medida de la capacidad de los chips para entrenar y ejecutar modelos cada vez más complejos. Según el informe, la IA se está abaratando cuatro veces más rápido que el progreso de los chips y 18 veces más rápido que la mejora en baterías de litio, o incluso que la reducción de costos en la secuenciación del ADN.
Epoch AI utilizó cinco pruebas que abarcan matemáticas, ciencias y juegos de habilidad para estimar el costo real de obtener resultados específicos, en lugar de simplemente medir el precio por token. Este enfoque permite una visión más completa del ahorro, aunque reconoce que los laboratorios pueden optimizar sus modelos para sobresalir en esos tests sin que ello se traduzca en mejoras equivalentes en aplicaciones del mundo real.
A pesar de las limitaciones del estudio, la tendencia es clara: la IA está experimentando una caída de precios sin precedentes, lo que podría democratizar su acceso y acelerar la adopción en sectores como la educación, la salud y la industria. Si la velocidad de reducción de costos continúa, podríamos estar frente a una nueva revolución tecnológica, más rápida que cualquier otra transformación impulsada por la Ley de Moore.
Fuente: xataka