1
00:00:00,600 --> 00:00:04,140
Speaker 1: Bienvenidos a El Hilo, un podcast de Radioambulante Estudios. Soy

2
00:00:04,180 --> 00:00:04,519
Speaker 1: Eliezer

3
00:00:04,559 --> 00:00:06,209
Speaker 2: Budazov

4
00:00:07,920 --> 00:00:11,160
Speaker 1: Dos días antes del primer bombardeo contra Irán, el director

5
00:00:11,200 --> 00:00:14,790
Speaker 1: ejecutivo de Antropic, la empresa de inteligencia artificial más avanzada

6
00:00:14,820 --> 00:00:18,450
Speaker 1: del mundo, dijo esto, que ellos no podían permitir que

7
00:00:18,489 --> 00:00:21,490
Speaker 1: el gobierno de Estados Unidos usara su modelo para alimentar

8
00:00:21,530 --> 00:00:25,350
Speaker 1: armas letales autónomas ni para la vigilancia masiva de los ciudadanos.

9
00:00:26,070 --> 00:00:28,370
Speaker 1: Esta noticia, la de una pelea entre una compañía y

10
00:00:28,410 --> 00:00:31,010
Speaker 1: el Pentágono por el uso de la tecnología para vigilar

11
00:00:31,030 --> 00:00:33,930
Speaker 1: y destruir, fue eclipsada por una guerra donde se está

12
00:00:33,970 --> 00:00:38,350
Speaker 1: utilizando la inteligencia artificial para vigilar y destruir. Pero no

13
00:00:38,390 --> 00:00:40,050
Speaker 1: es la primera vez que se usa de esta forma.

14
00:00:40,880 --> 00:00:43,420
Speaker 1: Estados Unidos ya utilizó un modelo de IA para su

15
00:00:43,460 --> 00:00:47,500
Speaker 1: operación militar en Venezuela. Fue una operación perfecta, dijo en

16
00:00:47,520 --> 00:00:51,500
Speaker 1: ese momento Donald Trump, porque no hubo ninguna baja estadounidense.

17
00:00:52,540 --> 00:00:55,970
Speaker 1: En la operación murieron más de 80 personas, entre militares venezolanos,

18
00:00:55,980 --> 00:01:00,090
Speaker 1: agentes cubanos y civiles. Pero eso no parece relevante para

19
00:01:00,130 --> 00:01:03,450
Speaker 1: los cálculos del Pentágono. Si el uso de la inteligencia

20
00:01:03,490 --> 00:01:05,910
Speaker 1: artificial como arma de guerra y de control ya de

21
00:01:05,950 --> 00:01:09,150
Speaker 1: por sí puede llenar de miedo a cualquiera, los latinoamericanos

22
00:01:09,209 --> 00:01:12,850
Speaker 1: tenemos más razones para temer. Porque nuestras vidas valen menos,

23
00:01:13,080 --> 00:01:16,360
Speaker 1: en términos económicos y políticos, para la potencia militar que

24
00:01:16,380 --> 00:01:19,500
Speaker 1: está trabajando en eso. La plataforma que ahora permite hacer

25
00:01:19,560 --> 00:01:23,000
Speaker 1: una vigilancia masiva a los estadounidenses se utiliza desde hace

26
00:01:23,060 --> 00:01:26,060
Speaker 1: años contra migrantes y extranjeros que viven en ese país.

27
00:01:26,780 --> 00:01:29,100
Speaker 1: Eso es algo que cuenta la autora e investigadora Marta

28
00:01:29,140 --> 00:01:32,970
Speaker 1: Peirano en un libro que publicó en 2019, El enemigo conoce

29
00:01:32,990 --> 00:01:37,149
Speaker 1: el sistema. El trabajo de Marta Peirano se enfoca principalmente

30
00:01:37,170 --> 00:01:40,090
Speaker 1: en el uso de la tecnología para vigilar, controlar, manipular

31
00:01:40,110 --> 00:01:43,670
Speaker 1: y destruir comunidades y se ha vuelto esencial para entender

32
00:01:43,850 --> 00:01:46,540
Speaker 1: cómo opera el poder en el mundo actual. En este

33
00:01:46,560 --> 00:01:49,960
Speaker 1: episodio hablamos con ella para tratar de responder qué significa

34
00:01:49,980 --> 00:01:52,340
Speaker 1: el uso de la IA como un arma, para los

35
00:01:52,380 --> 00:01:57,740
Speaker 1: ciudadanos en general y para los latinoamericanos en particular. Es 27

36
00:01:57,400 --> 00:02:08,250
Speaker 1: de marzo de 2026. Hacemos una pausa y volvemos con la entrevista. Marta,

37
00:02:08,290 --> 00:02:11,850
Speaker 1: me gustaría empezar con una noticia que se conoció hace

38
00:02:11,930 --> 00:02:14,950
Speaker 1: un mes, hace casi exactamente un mes, a finales de febrero.

39
00:02:15,850 --> 00:02:18,150
Speaker 1: cuando la empresa Antropic, que tiene uno de los modelos

40
00:02:18,169 --> 00:02:22,170
Speaker 1: de inteligencia artificial más avanzados, salió a decir que no

41
00:02:22,250 --> 00:02:26,070
Speaker 1: podía renovar su contrato millonario con el Pentágono porque el

42
00:02:26,110 --> 00:02:30,190
Speaker 1: gobierno no quería aceptar dos condiciones. Uno, que su modelo

43
00:02:30,250 --> 00:02:35,190
Speaker 1: no fuera utilizado para armas letales autónomas. Y dos, que

44
00:02:35,240 --> 00:02:38,639
Speaker 1: no lo utilizaran tampoco para hacer vigilancia masiva a los

45
00:02:38,680 --> 00:02:44,639
Speaker 1: ciudadanos estadounidenses. La noticia fue para muchos, yo me incluyo como, ¿qué?¿

46
00:02:45,139 --> 00:02:51,660
Speaker 1: De qué estamos hablando?¿ Armas letales autónomas? Entonces, quería pedirte

47
00:02:51,740 --> 00:02:55,079
Speaker 1: primero si puedes contarnos lo esencial de esta noticia, y es¿

48
00:02:56,310 --> 00:02:59,830
Speaker 1: qué es la empresa Antropic y desde cuándo está trabajando

49
00:02:59,870 --> 00:03:03,310
Speaker 1: con el gobierno de Estados Unidos en aplicaciones militares? O sea,¿

50
00:03:03,550 --> 00:03:06,690
Speaker 1: y qué tan avanzado está esto como para que ya

51
00:03:06,750 --> 00:03:09,209
Speaker 1: estemos hablando de armas letales autónomas? Pues Antropic

52
00:03:09,230 --> 00:03:14,200
Speaker 3: es una empresa... Un poco especial porque es parte de

53
00:03:14,240 --> 00:03:18,310
Speaker 3: la primera generación de ingenieros que empezaron a trabajar después

54
00:03:18,330 --> 00:03:21,410
Speaker 3: de que se inventaran los transformers, que son la T

55
00:03:22,169 --> 00:03:22,690
Speaker 3: de GPT.

56
00:03:23,410 --> 00:03:26,030
Speaker 1: Los transformers son la base de los grandes modelos de

57
00:03:26,070 --> 00:03:29,679
Speaker 1: lenguaje que hoy conocemos. De forma muy simple, son la

58
00:03:29,700 --> 00:03:33,840
Speaker 1: arquitectura que define cómo estos modelos procesan la información. Es

59
00:03:33,919 --> 00:03:36,120
Speaker 1: como el plano de un motor. No es el motor

60
00:03:36,180 --> 00:03:38,860
Speaker 1: en sí, pero es el diseño que determina cómo funciona.

61
00:03:39,650 --> 00:03:42,570
Speaker 1: Esta arquitectura fue diseñada por un grupo de investigadores que

62
00:03:42,630 --> 00:03:44,770
Speaker 1: trabajaban en Google y presentada en 2017.

63
00:03:45,850 --> 00:03:49,610
Speaker 3: Y entonces, de esa primera generación de ingenieros que van

64
00:03:49,630 --> 00:03:52,970
Speaker 3: a Google a hacer modelos de inteligencia artificial, un puñado

65
00:03:53,340 --> 00:03:56,980
Speaker 3: acaban montando una empresa que se llama OpenAI, que se

66
00:03:57,080 --> 00:04:00,100
Speaker 3: crea precisamente con la idea de que Google es una

67
00:04:00,140 --> 00:04:06,540
Speaker 3: empresa demasiado ambiciosa y demasiado vinculada al departamento de defensa

68
00:04:06,990 --> 00:04:10,590
Speaker 3: como para dejar... que sean ellos los que lideren la

69
00:04:10,660 --> 00:04:14,700
Speaker 3: carrera de la inteligencia artificial, porque es demasiado peligroso. Entonces

70
00:04:14,940 --> 00:04:18,740
Speaker 3: OpenAI es una fundación que se crea con la idea

71
00:04:18,920 --> 00:04:20,800
Speaker 3: de que si alguien tiene que montarlo es mejor que

72
00:04:20,839 --> 00:04:25,750
Speaker 3: lo monte gente que piensa desde el principio en la seguridad.

73
00:04:26,450 --> 00:04:29,850
Speaker 1: Dentro de este grupo estaba el investigador y emprendedor Darío Amodei.

74
00:04:30,589 --> 00:04:34,150
Speaker 1: Había otros nombres importantes también, pero lo mencionamos a él

75
00:04:34,330 --> 00:04:36,230
Speaker 1: porque tiene un papel central en esta historia.

76
00:04:36,810 --> 00:04:38,870
Speaker 3: La cuestión es que Darío es parte de esta primera

77
00:04:38,950 --> 00:04:43,570
Speaker 3: remesa de ingenieros y muy rápidamente, al muy poco tiempo,

78
00:04:43,589 --> 00:04:46,570
Speaker 3: decide marcharse y montar su propia empresa porque él piensa

79
00:04:46,950 --> 00:04:51,600
Speaker 3: que en OpenAI tampoco están tomando en serio los criterios

80
00:04:51,620 --> 00:04:56,000
Speaker 3: de seguridad y de bienestar para todo el mundo que

81
00:04:56,020 --> 00:05:00,230
Speaker 3: él considera que son apropiados. Y entonces, junto con otro

82
00:05:00,260 --> 00:05:05,800
Speaker 3: grupo de huidos de OpenAI, monta Antropic. Y entonces Antropic

83
00:05:05,900 --> 00:05:10,760
Speaker 3: es una empresa muy especial porque ellos querían demostrar que

84
00:05:11,550 --> 00:05:16,450
Speaker 3: sin comprometer estos principios y estos valores de bienestar, de

85
00:05:16,510 --> 00:05:19,150
Speaker 3: protección y de seguridad, se podía hacer un modelo de

86
00:05:19,210 --> 00:05:23,230
Speaker 3: inteligencia artificial competente. Y lo han demostrado hasta tal punto

87
00:05:23,250 --> 00:05:25,650
Speaker 3: que se han convertido en la mejor empresa del mercado.

88
00:05:25,670 --> 00:05:28,830
Speaker 3: Es decir, Cloud, que es su modelo de inteligencia artificial,

89
00:05:28,980 --> 00:05:32,839
Speaker 3: está considerado el mejor modelo de inteligencia artificial que existe.

90
00:05:33,300 --> 00:05:36,700
Speaker 3: Ahora mismo, al menos en el mundo occidental. Por este

91
00:05:36,740 --> 00:05:40,000
Speaker 3: y otros motivos, el gobierno de los Estados Unidos, cuando

92
00:05:40,100 --> 00:05:45,789
Speaker 3: todavía era la administración Biden, en 2025 convoca a las empresas

93
00:05:45,850 --> 00:05:50,710
Speaker 3: de inteligencia artificial para desarrollar un modelo que opere con

94
00:05:50,770 --> 00:05:54,839
Speaker 3: los sistemas del Departamento de Defensa. Como te puedes imaginar,

95
00:05:55,279 --> 00:05:59,510
Speaker 3: tienen que tener unas características muy especiales para ser contratista

96
00:05:59,529 --> 00:06:03,970
Speaker 3: del Departamento de Defensa y unos permisos muy especiales para

97
00:06:04,230 --> 00:06:07,650
Speaker 3: poder interactuar con datos que son ya no solo privados

98
00:06:07,670 --> 00:06:11,550
Speaker 3: y delicados, sino que son de espionaje, literalmente. Es decir,

99
00:06:12,050 --> 00:06:14,610
Speaker 3: los datos más privados que hay para un gobierno. Y

100
00:06:14,670 --> 00:06:17,870
Speaker 3: entonces el que se queda con ese contrato es Antropic.

101
00:06:18,230 --> 00:06:20,570
Speaker 3: Y en ese contrato, como en todos los contratos, las

102
00:06:20,630 --> 00:06:25,010
Speaker 3: dos partes estipulan una serie de premisas y una de

103
00:06:25,050 --> 00:06:28,520
Speaker 3: las premisas de Antropic era que este modelo no va

104
00:06:28,540 --> 00:06:32,400
Speaker 3: a ser utilizado para estas dos actividades que tú has mencionado,

105
00:06:32,420 --> 00:06:37,900
Speaker 3: ni para hacer vigilancia masiva de ciudadanos estadounidenses, ni para

106
00:06:38,380 --> 00:06:43,979
Speaker 3: activar o ejecutar armas letales autónomas. Ocurre que en el

107
00:06:44,020 --> 00:06:47,119
Speaker 3: último año el Departamento de Defensa de los Estados Unidos

108
00:06:47,200 --> 00:06:50,670
Speaker 3: ha cambiado de nombre, ahora se llama Departamento de Guerra,

109
00:06:50,690 --> 00:06:53,489
Speaker 3: y las personas que lo dirigen han empezado a utilizar

110
00:06:53,529 --> 00:06:56,450
Speaker 3: la inteligencia artificial como una herramienta más de su arsenal

111
00:06:56,470 --> 00:06:59,870
Speaker 3: y se han encontrado con esta y con otras restricciones,

112
00:07:00,190 --> 00:07:02,690
Speaker 3: restricciones que tienen que ver con el contrato en este caso,

113
00:07:03,010 --> 00:07:06,299
Speaker 3: y han querido corregirlas y Antropix se ha negado. a

114
00:07:06,320 --> 00:07:09,820
Speaker 3: diferencia de otras empresas del mismo sector, ha dicho que

115
00:07:09,880 --> 00:07:13,780
Speaker 3: no quería corregir o que no quería alterar los términos originales.

116
00:07:13,800 --> 00:07:16,800
Speaker 3: Y entonces ha habido un pulso por el cual el

117
00:07:16,820 --> 00:07:21,320
Speaker 3: gobierno de los Estados Unidos ha propuesto dos escenarios posibles

118
00:07:21,800 --> 00:07:25,160
Speaker 3: por los cuales le dicen a Antropic o bien vamos

119
00:07:25,260 --> 00:07:28,560
Speaker 3: a utilizar una ley de la Guerra Fría que obliga

120
00:07:28,960 --> 00:07:32,120
Speaker 3: en tiempo de guerra a todas las empresas estadounidenses a

121
00:07:32,490 --> 00:07:35,510
Speaker 3: trabajar para el gobierno Un poco como hace el gobierno

122
00:07:35,590 --> 00:07:39,030
Speaker 3: chino con las empresas tecnológicas chinas, que están todas al

123
00:07:39,070 --> 00:07:44,250
Speaker 3: servicio del partido. O bien a declararlos un peligro para

124
00:07:44,310 --> 00:07:48,230
Speaker 3: la cadena de suministro, que es una figura muy rara

125
00:07:48,610 --> 00:07:51,330
Speaker 3: dentro de lo que son los contratos del gobierno estadounidense

126
00:07:51,350 --> 00:07:56,190
Speaker 3: y que generalmente están restringidas a empresas que tienen vínculos

127
00:07:56,270 --> 00:08:01,070
Speaker 3: con estados antagonistas, con estados enemigos. La prueba es que

128
00:08:01,800 --> 00:08:07,820
Speaker 3: Solamente hay 10 empresas que hayan sido catalogadas como peligros para

129
00:08:07,880 --> 00:08:11,190
Speaker 3: la cadena de suministro y son todas chinas, menos una

130
00:08:11,230 --> 00:08:17,230
Speaker 3: que rusa. Es una etiqueta verdaderamente muy extrema y lo

131
00:08:17,250 --> 00:08:20,630
Speaker 3: que quiere decir esa etiqueta es que esta empresa, por

132
00:08:20,690 --> 00:08:27,360
Speaker 3: sus alianzas estatales o por sus actividades históricas, es considerada

133
00:08:27,680 --> 00:08:31,980
Speaker 3: o bien demasiado vulnerable o bien demasiado peligrosa para formar

134
00:08:32,059 --> 00:08:36,370
Speaker 3: parte de la infraestructura del gobierno estadounidense. Esta sería la

135
00:08:36,429 --> 00:08:40,370
Speaker 3: primera vez que una empresa estadounidense es catalogada como un

136
00:08:40,410 --> 00:08:45,179
Speaker 3: peligro para la cadena de suministro. Cuando amenazan a Antropi

137
00:08:45,240 --> 00:08:49,059
Speaker 3: con estos dos escenarios, en realidad podemos decir que la

138
00:08:49,100 --> 00:08:53,600
Speaker 3: están extorsionando porque son dos escenarios literalmente opuestos. O bien

139
00:08:53,640 --> 00:08:56,350
Speaker 3: eres tan importante para nosotros y tan necesaria para el

140
00:08:56,380 --> 00:09:00,449
Speaker 3: gobierno estadounidense que te vamos a obligar a abrir tus

141
00:09:00,530 --> 00:09:03,170
Speaker 3: tripas y dejarnos entrar hasta el fondo de tu armario,

142
00:09:03,190 --> 00:09:07,490
Speaker 3: o bien eres tan peligrosa para el gobierno estadounidense que

143
00:09:07,510 --> 00:09:09,709
Speaker 3: no puedes tocar ni un cable dentro de esta casa.

144
00:09:09,990 --> 00:09:16,220
Speaker 3: O sea, son dos escenarios opuestos. O te destierro El

145
00:09:16,300 --> 00:09:20,730
Speaker 4: presidente Donald Trump ordenó a todas las agencias federales suspender

146
00:09:20,780 --> 00:09:25,010
Speaker 4: de inmediato cualquier uso de la tecnología de Antropic. El

147
00:09:25,070 --> 00:09:28,069
Speaker 4: secretario de Defensa, Pete Hexett, anunció por su parte que

148
00:09:28,370 --> 00:09:31,700
Speaker 4: designará a esta empresa como un riesgo para la cadena

149
00:09:31,740 --> 00:09:33,460
Speaker 4: de suministro y la seguridad nacional.

150
00:09:34,190 --> 00:09:36,469
Speaker 3: Parece que en la última semana se ha suavizado un

151
00:09:36,510 --> 00:09:38,930
Speaker 3: poco porque efectivamente el gobierno de los Estados Unidos no

152
00:09:39,030 --> 00:09:43,740
Speaker 3: puede legalmente prohibir a todas las empresas estadounidenses hacer negocios

153
00:09:43,840 --> 00:09:48,280
Speaker 3: con otra empresa estadounidense, pero pues ahora hay una serie

154
00:09:48,360 --> 00:09:51,520
Speaker 3: de demandas por parte de Antropic contra el gobierno en

155
00:09:52,179 --> 00:09:55,990
Speaker 3: las que se está defendiendo de ser catalogada como peligro

156
00:09:56,050 --> 00:09:57,110
Speaker 3: para la cadena de suministro.

157
00:09:58,420 --> 00:10:00,740
Speaker 1: Marta me explica que no se sabe, al menos con

158
00:10:00,800 --> 00:10:04,209
Speaker 1: información verificable, por qué es tan importante ahora para el

159
00:10:04,250 --> 00:10:08,349
Speaker 1: gobierno de Estados Unidos quitar estas restricciones del contrato con Antropic,

160
00:10:08,650 --> 00:10:11,370
Speaker 1: pero hay indicios. Lo que sí se sabe, me dijo,

161
00:10:11,710 --> 00:10:13,850
Speaker 1: es que en los meses que ha durado el contrato,

162
00:10:14,309 --> 00:10:18,209
Speaker 1: las herramientas de inteligencia artificial desarrolladas por la compañía parecen

163
00:10:18,270 --> 00:10:22,600
Speaker 1: haberse vuelto muy importantes para algunas actividades del departamento de guerra.

164
00:10:24,490 --> 00:10:27,650
Speaker 3: La otra cosa que sabemos es que el propio gobierno

165
00:10:27,690 --> 00:10:30,790
Speaker 3: ha dicho que ha utilizado Claude en la operación de

166
00:10:31,410 --> 00:10:34,189
Speaker 3: secuestro de Nicolás Maduro y también ha dicho que ha

167
00:10:34,250 --> 00:10:41,020
Speaker 3: utilizado Claude en los ataques en Irán. Entonces, sabiendo que

168
00:10:41,940 --> 00:10:46,059
Speaker 3: en al menos uno de esos ataques ha habido una

169
00:10:46,120 --> 00:10:51,980
Speaker 3: selección de objetivos más muy veloz, un análisis de datos

170
00:10:52,000 --> 00:10:56,829
Speaker 3: en tiempo real muy eficiente, y sin embargo ha sido

171
00:10:56,870 --> 00:11:01,110
Speaker 3: una operación que no ha requerido personal extra, pues podemos

172
00:11:01,370 --> 00:11:04,969
Speaker 3: inferir que a lo mejor algunas de esas habilidades ya

173
00:11:05,230 --> 00:11:08,070
Speaker 3: se están utilizando, pero no podemos saberlo.

174
00:11:09,130 --> 00:11:12,570
Speaker 1: Esto que dices me parece increíble, porque en realidad el

175
00:11:12,650 --> 00:11:17,220
Speaker 1: comunicado de Antropic diciendo no podemos aceptar la oferta del

176
00:11:17,260 --> 00:11:21,050
Speaker 1: Pentágono porque no queremos ceder a estas dos condiciones que

177
00:11:21,070 --> 00:11:25,010
Speaker 1: estaban en nuestro contrato. Eso ocurre el 26 de febrero, dos

178
00:11:25,070 --> 00:11:30,000
Speaker 1: días después, el 28 de febrero, empieza el primer bombardeo contra Irán, ¿no?

179
00:11:30,559 --> 00:11:34,280
Speaker 1: Un par de semanas antes de lo de Irán, el

180
00:11:34,380 --> 00:11:38,660
Speaker 1: Wall Street Journal publica que el Pentágono había utilizado el

181
00:11:39,040 --> 00:11:43,820
Speaker 1: modelo Claude en la operación militar en Venezuela, ¿no? Y

182
00:11:43,940 --> 00:11:49,199
Speaker 1: es inevitable pensar que el gobierno lo quería usar también

183
00:11:50,160 --> 00:11:55,440
Speaker 1: en la guerra contra Irán.¿ Se sabe cómo se puede

184
00:11:55,520 --> 00:11:58,800
Speaker 1: llegar a utilizar, o perdón, cómo se utilizó tal vez

185
00:11:59,600 --> 00:12:05,080
Speaker 1: en Venezuela? Y hay otros ejemplos recientes de que se

186
00:12:05,140 --> 00:12:08,640
Speaker 1: haya utilizado la inteligencia artificial para operaciones militares o de

187
00:12:08,750 --> 00:12:10,230
Speaker 1: seguridad interna. Esto es lo que sabemos. Sabemos

188
00:12:10,250 --> 00:12:14,170
Speaker 3: que el gobierno... El negocio de Palantir es, básicamente, el

189
00:12:14,190 --> 00:12:19,120
Speaker 3: manejo y el análisis de grandes volúmenes de datos para

190
00:12:19,200 --> 00:12:21,579
Speaker 3: gobiernos y corporaciones. La compañía no se dedica a extraer

191
00:12:21,600 --> 00:12:22,329
Speaker 3: datos ni a vender

192
00:12:34,950 --> 00:12:38,710
Speaker 1: datos que ya existen, de salud, de tráfico, de inmigración,

193
00:12:38,730 --> 00:12:42,620
Speaker 1: de redes sociales, de operaciones bancarias, y los unifica en

194
00:12:42,630 --> 00:12:46,280
Speaker 1: una sola interfaz, para que todos esos datos, aunque vengan

195
00:12:46,320 --> 00:12:50,240
Speaker 1: de fuentes completamente distintas, puedan buscarse en un mismo lugar.

196
00:12:51,059 --> 00:12:54,179
Speaker 3: Palantir, en el último año, se ha convertido un poco

197
00:12:54,230 --> 00:12:58,130
Speaker 3: en el sistema operativo de las operaciones de este gobierno.

198
00:12:58,440 --> 00:13:02,540
Speaker 3: Muy especialmente las que se refieren a ICE y a

199
00:13:02,740 --> 00:13:07,300
Speaker 3: Border Patrol y a las que han ejecutado fuera de

200
00:13:07,420 --> 00:13:10,830
Speaker 3: Estados Unidos, como el secuestro de Maduro y los ataques

201
00:13:10,890 --> 00:13:11,189
Speaker 3: en Irán.

202
00:13:11,710 --> 00:13:15,469
Speaker 1: Y acá es donde entra Antropic. En noviembre de 2024, Palantir

203
00:13:15,490 --> 00:13:18,929
Speaker 1: anunció una alianza con Antropic y los servicios web de

204
00:13:18,990 --> 00:13:22,850
Speaker 1: Amazon para llevar sus modelos de inteligencia artificial a agencias

205
00:13:22,910 --> 00:13:26,410
Speaker 1: de defensa e inteligencia del gobierno de Estados Unidos. Es decir...

206
00:13:27,100 --> 00:13:31,520
Speaker 1: Claude corriendo dentro de esta plataforma para uso gubernamental clasificado.

207
00:13:32,260 --> 00:13:34,880
Speaker 1: Y para entender por qué esto importa, hay que saber

208
00:13:34,950 --> 00:13:36,030
Speaker 1: cómo empezó Palantir.

209
00:13:36,830 --> 00:13:40,969
Speaker 3: Entonces, Palantir es una empresa que nace literalmente a raíz

210
00:13:41,030 --> 00:13:43,850
Speaker 3: del ataque a las Torres Gemelas. O sea, es una

211
00:13:43,890 --> 00:13:51,179
Speaker 3: empresa post-9-11. Y en principio empieza a generar infraestructura para

212
00:13:51,280 --> 00:13:54,819
Speaker 3: combatir el terrorismo, el terrorismo islámico, y luego empieza a

213
00:13:54,860 --> 00:13:59,200
Speaker 3: venderle esa infraestructura a sistemas que están acostumbrados a generar

214
00:13:59,280 --> 00:14:03,030
Speaker 3: muchos datos, pero no a digitalizarlos de forma ordenada para

215
00:14:03,070 --> 00:14:07,130
Speaker 3: que sean compatibles entre ellos. Unos están en PDF, otros

216
00:14:07,210 --> 00:14:12,440
Speaker 3: están en fotocopia, otros son grabaciones, otros son mapas, otros

217
00:14:12,480 --> 00:14:16,160
Speaker 3: están en archivo... Otros están digitalizados por un formato y

218
00:14:16,179 --> 00:14:18,480
Speaker 3: no en el otro. Entonces, ellos lo que hacen es

219
00:14:19,020 --> 00:14:21,620
Speaker 3: convertir todo eso en algo que se pueda buscar desde

220
00:14:21,660 --> 00:14:24,570
Speaker 3: un solo buscador. El problema que tiene el gobierno de

221
00:14:24,610 --> 00:14:26,930
Speaker 3: los Estados Unidos es que tiene mucha de esa información.

222
00:14:27,210 --> 00:14:30,070
Speaker 3: O sea, el principal problema antes era esa información es

223
00:14:30,350 --> 00:14:34,590
Speaker 3: incompatible para antirresuelve ese problema. Y una vez este problema

224
00:14:34,650 --> 00:14:37,260
Speaker 3: está resuelto, el segundo problema que tiene es que tiene demasiada.

225
00:14:37,740 --> 00:14:43,810
Speaker 3: Y entonces necesita una cantidad disparatada de analistas para encontrarle

226
00:14:43,890 --> 00:14:48,230
Speaker 3: sentido a estas relaciones entre los distintos documentos. Y entonces

227
00:14:48,510 --> 00:14:52,390
Speaker 3: esto hace que tomar decisiones en tiempo real, como por

228
00:14:52,430 --> 00:14:54,710
Speaker 3: ejemplo si quieres secuestrar a un primer ministro de un

229
00:14:54,790 --> 00:14:59,700
Speaker 3: país lejano, pues necesitas y tienes información de los semáforos,

230
00:14:59,880 --> 00:15:03,180
Speaker 3: de las matrículas que se están moviendo, de los teléfonos

231
00:15:03,220 --> 00:15:06,060
Speaker 3: que se están moviendo, de quién está pagando cosas dónde.

232
00:15:07,040 --> 00:15:10,340
Speaker 3: Imagínate que tienes toda esa información en un espacio de

233
00:15:10,660 --> 00:15:13,660
Speaker 3: unas calles de una ciudad Pues todo eso requiere una

234
00:15:13,880 --> 00:15:16,520
Speaker 3: cantidad de proceso muy grande, muy alta, y para hacerlo

235
00:15:16,540 --> 00:15:19,180
Speaker 3: en tiempo real necesitas un montón de personas mirando eso

236
00:15:19,240 --> 00:15:23,350
Speaker 3: y sacando conclusiones. Lo que introduce un modelo de inteligencia

237
00:15:23,380 --> 00:15:27,410
Speaker 3: artificial es la capacidad de analizar todos esos datos en

238
00:15:27,810 --> 00:15:32,380
Speaker 3: tiempo real según van entrando. No necesitas un mes de

239
00:15:32,420 --> 00:15:36,240
Speaker 3: analistas mirándolos para decir, ha pasado por aquí o esta

240
00:15:36,300 --> 00:15:39,740
Speaker 3: persona probablemente está viviendo en este sitio, sino que es

241
00:15:39,780 --> 00:15:43,940
Speaker 3: un atajo que te permite construir sentido, es decir, hacer

242
00:15:44,000 --> 00:15:47,100
Speaker 3: inteligencia a partir de datos que te están llegando de

243
00:15:47,140 --> 00:15:50,400
Speaker 3: forma masiva en tiempo real. Eso es lo que ha

244
00:15:50,440 --> 00:15:54,460
Speaker 3: aportado Claude a la plataforma de Palantir que utiliza el

245
00:15:54,500 --> 00:15:57,560
Speaker 3: gobierno de los Estados Unidos.¿ Por qué sabemos que ha

246
00:15:57,620 --> 00:16:02,180
Speaker 3: utilizado Claude para el secuestro de Maduro y que lo

247
00:16:02,200 --> 00:16:06,350
Speaker 3: ha utilizado en los ataques en Irán? Precisamente porque lo

248
00:16:06,410 --> 00:16:11,070
Speaker 3: que ellos describen es un sistema de datos generados en

249
00:16:11,110 --> 00:16:15,250
Speaker 3: tiempo real y un análisis de esos datos en tiempo real.

250
00:16:15,670 --> 00:16:17,530
Speaker 3: Y la única manera de hacerlo es con un modelo

251
00:16:17,570 --> 00:16:22,630
Speaker 3: de inteligencia artificial y el único que tienen es Claude.

252
00:16:22,710 --> 00:16:23,030
Speaker 3: Se

253
00:16:23,830 --> 00:16:33,890
Speaker 1: volvemos. estamos de vuelta en el hilo. Ahora, hace siete

254
00:16:34,010 --> 00:16:38,360
Speaker 1: años ya, en 2019, cuando publicaste tu libro El enemigo conoce

255
00:16:38,380 --> 00:16:44,540
Speaker 1: el sistema, ahí hablas de un reclamo de trabajadores de

256
00:16:44,840 --> 00:16:48,200
Speaker 1: Microsoft Azure, que es uno de los grandes servicios de

257
00:16:48,260 --> 00:16:52,360
Speaker 1: almacenamiento en la nube. Los trabajadores reclamaban para que la

258
00:16:52,400 --> 00:16:56,660
Speaker 1: empresa dejara de ofrecer su servicio especial al gobierno porque

259
00:16:56,700 --> 00:17:00,130
Speaker 1: lo estaba utilizando completamente para separar familias en la frontera.

260
00:17:00,910 --> 00:17:04,010
Speaker 1: Pero también cuentas de, por ejemplo, cómo la tecnología desarrollada

261
00:17:04,070 --> 00:17:08,430
Speaker 1: para detectar movimiento durante la guerra de Vietnam se recicló

262
00:17:08,490 --> 00:17:12,869
Speaker 1: como sistema de vigilancia en la frontera con México. Y

263
00:17:12,950 --> 00:17:18,060
Speaker 1: ya hablas también de la plataforma de Palantir para cruzar información,

264
00:17:18,140 --> 00:17:21,880
Speaker 1: para que el gobierno pueda ser más eficiente para deportar migrantes.

265
00:17:23,760 --> 00:17:27,879
Speaker 1: La primera pregunta que tengo respecto de esto es,¿ Qué

266
00:17:27,920 --> 00:17:31,810
Speaker 1: cosas fundamentales han cambiado en estos años, más allá de

267
00:17:31,869 --> 00:17:35,290
Speaker 1: la eficiencia o la capacidad de procesar información de la tecnología?

268
00:17:36,550 --> 00:17:38,210
Speaker 3: Una cosa que no he dicho antes que creo que

269
00:17:38,230 --> 00:17:44,990
Speaker 3: es importante es que sabemos que Palantir está siendo utilizado

270
00:17:45,310 --> 00:17:48,879
Speaker 3: con Cloud, con la inteligencia artificial de Antropic, para cazar

271
00:17:48,930 --> 00:17:52,560
Speaker 3: personas en Estados Unidos. De hecho, sabemos que tiene un

272
00:17:52,660 --> 00:17:55,340
Speaker 3: programa o una aplicación dentro de su propia plataforma que

273
00:17:55,359 --> 00:18:01,110
Speaker 3: se llama Elite Cloud, que les ayuda a generar mapas

274
00:18:01,170 --> 00:18:05,680
Speaker 3: de calor para ir a hacer redadas en lugares donde

275
00:18:06,180 --> 00:18:09,080
Speaker 3: el sistema piensa que hay una alta densidad de objetivos.

276
00:18:09,820 --> 00:18:13,420
Speaker 3: Y cuando digo objetivos, quiero decir personas que podrían ser

277
00:18:13,520 --> 00:18:17,700
Speaker 3: susceptibles de ser deportadas, ¿no? Y entonces, esta es la

278
00:18:17,740 --> 00:18:20,220
Speaker 3: herramienta que ha generado estos escenarios que hemos visto en

279
00:18:20,260 --> 00:18:22,560
Speaker 3: Minneapolis y en otros lugares, de que entran en una

280
00:18:22,640 --> 00:18:25,359
Speaker 3: casa y pillan todo lo que salga de esa casa, ¿no?

281
00:18:25,930 --> 00:18:29,670
Speaker 3: Y entonces esa herramienta la están utilizando en combinación con otra,

282
00:18:30,150 --> 00:18:33,850
Speaker 3: que es un sistema de reconocimiento facial. Es decir, capturan

283
00:18:33,910 --> 00:18:38,120
Speaker 3: gente que sale de un lugar donde ya Palantir, equipado

284
00:18:38,160 --> 00:18:40,440
Speaker 3: con Claude, les ha dicho que a lo mejor hay

285
00:18:41,020 --> 00:18:46,550
Speaker 3: muchos inmigrantes. Por ejemplo, una fábrica o por ejemplo... determinados

286
00:18:46,609 --> 00:18:50,170
Speaker 3: edificios donde el alquiler a lo mejor es más accesible

287
00:18:50,190 --> 00:18:53,090
Speaker 3: y luego según los van deteniendo les ponen el móvil

288
00:18:53,130 --> 00:18:56,409
Speaker 3: en la cara y utilizan un sistema de reconocimiento facial

289
00:18:56,890 --> 00:19:00,230
Speaker 3: para ver si están en sus listas. Entonces sabemos que

290
00:19:00,270 --> 00:19:03,210
Speaker 3: la están utilizando para cazar personas y también sabemos que

291
00:19:03,369 --> 00:19:07,889
Speaker 3: algunas de esas personas Eran ciudadanos estadounidenses, es decir, que

292
00:19:07,950 --> 00:19:10,740
Speaker 3: ya sabemos que el gobierno de Estados Unidos está utilizando

293
00:19:10,800 --> 00:19:14,359
Speaker 3: Parantir y Cloth, el modelo de Antropic, para vigilar y

294
00:19:14,900 --> 00:19:20,100
Speaker 3: perseguir a ciudadanos estadounidenses. Aunque sea porque son como delfines

295
00:19:20,180 --> 00:19:23,219
Speaker 3: que se cuelan en las redes de pesca masiva de inmigrantes,

296
00:19:23,800 --> 00:19:28,150
Speaker 3: pero no tienen la capacidad de discriminar. Si en esos

297
00:19:28,190 --> 00:19:31,630
Speaker 3: lugares donde hacen esas redadas gigantes hay o no hay

298
00:19:31,830 --> 00:19:34,530
Speaker 3: ciudadanos estadounidenses. Es más, sabemos que hay, sabemos que han

299
00:19:34,550 --> 00:19:36,290
Speaker 3: deportado ciudadanos estadounidenses.

300
00:19:36,770 --> 00:19:41,149
Speaker 5: ICE deportó a dos niñas ciudadanas estadounidenses. Sin embargo, un

301
00:19:41,230 --> 00:19:43,500
Speaker 5: juez ha ordenado su regreso inmediato.

302
00:19:43,840 --> 00:19:48,760
Speaker 3: Entonces, lo primero es eso. Y lo segundo, toda tecnología

303
00:19:48,780 --> 00:19:54,710
Speaker 3: que vulnera derechos en el extranjero vuelve... a vulnerar derechos

304
00:19:54,730 --> 00:19:59,760
Speaker 3: en el lugar de origen. Esto, de hecho, está en

305
00:19:59,910 --> 00:20:03,160
Speaker 3: un lugar común que tiene un nombre, es el efecto boomerang.

306
00:20:03,800 --> 00:20:07,440
Speaker 3: Es un efecto boomerang que existe desde el colonialismo, es decir,

307
00:20:07,980 --> 00:20:11,140
Speaker 3: todas las cosas, todas las vulneraciones de derechos que se

308
00:20:11,340 --> 00:20:14,940
Speaker 3: dieron cuando se colonizaron espacios y se trataron allí a

309
00:20:15,359 --> 00:20:17,940
Speaker 3: la gente como si fueran animales o objetos y se

310
00:20:18,000 --> 00:20:22,800
Speaker 3: catalogaron casi como si fueran plantas, eso inmediatamente después se

311
00:20:22,900 --> 00:20:29,310
Speaker 3: repitió con ciudadanos locales. Generalmente empieza siendo minorías, esas minorías

312
00:20:29,470 --> 00:20:32,800
Speaker 3: empiezan a convertirse en mayorías y al final todo vale.¿

313
00:20:32,880 --> 00:20:35,129
Speaker 3: Por qué? Porque el crimen no define a la víctima,

314
00:20:35,230 --> 00:20:40,770
Speaker 3: define al perpetrador. Es decir, que cuando tú utilizas herramientas

315
00:20:40,830 --> 00:20:44,070
Speaker 3: que vulneran derechos en un lugar, el que te transforma

316
00:20:44,170 --> 00:20:48,070
Speaker 3: eres tú, transforma tus valores. El que está alineado con

317
00:20:48,109 --> 00:20:51,010
Speaker 3: esa vulneración de derechos es el que los ejecuta, es

318
00:20:51,030 --> 00:20:53,970
Speaker 3: el que utiliza esas herramientas y no la víctima. La

319
00:20:53,990 --> 00:20:57,760
Speaker 3: víctima cambia, la víctima primero está en Vietnam o está

320
00:20:57,920 --> 00:21:01,399
Speaker 3: en las Indias Orientales y después está en casa, porque

321
00:21:01,619 --> 00:21:05,380
Speaker 3: una vez has terminado con las Indias Orientales, pues tienes

322
00:21:05,420 --> 00:21:09,409
Speaker 3: un arma perfecta o una herramienta perfecta para librarte de

323
00:21:09,430 --> 00:21:10,990
Speaker 3: la gente que no te gusta y que tienes en

324
00:21:11,030 --> 00:21:15,290
Speaker 3: el jardín, de los homeless, de los enfermos, de las prostitutas,

325
00:21:15,310 --> 00:21:19,119
Speaker 3: de los homosexuales, de los opositores, de los activistas, de

326
00:21:19,140 --> 00:21:23,959
Speaker 3: los vegetarianos... Y así unos detrás de otros. Ha ocurrido siempre.

327
00:21:24,220 --> 00:21:29,970
Speaker 3: Es un efecto boomerang. Entonces ha ocurrido siempre que un

328
00:21:30,010 --> 00:21:33,340
Speaker 3: gobierno que desarrolla ese tipo de herramientas acaba utilizándolas con

329
00:21:33,380 --> 00:21:38,919
Speaker 3: sus propios ciudadanos. Es más, tenemos que pensar. que la

330
00:21:39,000 --> 00:21:43,990
Speaker 3: gran partida presupuestaria que anunció el gobierno hace un año

331
00:21:44,470 --> 00:21:48,770
Speaker 3: ha beneficiado muy expresamente a ICE y a toda la

332
00:21:48,810 --> 00:21:52,510
Speaker 3: agencia de vigilancia de frontera. Es decir, le han dado

333
00:21:52,730 --> 00:21:58,850
Speaker 3: un presupuesto gigantesco para que abra centros de detención nuevos, gigantescos,

334
00:21:59,330 --> 00:22:03,800
Speaker 3: un poco como el FECOT de El Salvador, pero dentro

335
00:22:03,820 --> 00:22:09,700
Speaker 3: de Estados Unidos, y además expanda su red de oficinas

336
00:22:09,720 --> 00:22:12,719
Speaker 3: y de instalaciones en todo el país, lo cual es

337
00:22:12,790 --> 00:22:15,530
Speaker 3: bastante interesante porque estamos hablando de una organización que en

338
00:22:15,550 --> 00:22:21,530
Speaker 3: principio solamente trata con inmigrantes. Entonces, si Donald Trump ha

339
00:22:21,570 --> 00:22:24,820
Speaker 3: prometido en campaña que va a deportar a 14 millones de

340
00:22:24,859 --> 00:22:30,060
Speaker 3: personas y genera una infraestructura que lo permite,¿ qué va

341
00:22:30,080 --> 00:22:33,760
Speaker 3: a pasar cuando haya ejecutado su plan? Es decir, está

342
00:22:33,820 --> 00:22:39,410
Speaker 3: desarrollando infraestructura sólida para un plan que teóricamente es temporal.

343
00:22:40,330 --> 00:22:44,490
Speaker 3: Hay que preguntarse por qué invierte tanto dinero en esa

344
00:22:44,530 --> 00:22:48,780
Speaker 3: infraestructura y en esas herramientas cuando una vez haya deportado

345
00:22:48,800 --> 00:22:52,440
Speaker 3: a esas 14 millones de personas el problema estará resuelto. Parece

346
00:22:52,500 --> 00:22:59,680
Speaker 3: una inversión muy importante para un problema relativamente temporal. Esto

347
00:22:59,859 --> 00:23:02,129
Speaker 3: quiere responder a tu última pregunta, que es qué es

348
00:23:02,170 --> 00:23:04,430
Speaker 3: lo que ha cambiado. Para mí han cambiado dos cosas.

349
00:23:05,070 --> 00:23:09,139
Speaker 3: La dinámica no ha cambiado en absoluto. Esta dinámica de la...

350
00:23:10,030 --> 00:23:13,630
Speaker 3: industria tecnológica que se hibrida con el gobierno para hacer

351
00:23:13,710 --> 00:23:17,510
Speaker 3: cosas que no debe es la misma que denunció Edward

352
00:23:17,530 --> 00:23:23,340
Speaker 3: Snowden en 2013. En 2013 descubrimos que los servicios gratuitos de mensajería,

353
00:23:23,440 --> 00:23:29,840
Speaker 3: de correo, de música, de almacenamiento que nos ofrecían tan

354
00:23:29,900 --> 00:23:34,850
Speaker 3: generosamente las empresas tecnológicas eran parte de los largos tentáculos

355
00:23:34,910 --> 00:23:37,350
Speaker 3: del Departamento de Defensa de los Estados Unidos y de

356
00:23:37,430 --> 00:23:43,629
Speaker 3: su alianza con otros departamentos de inteligencia, Inglaterra, Australia, Nueva Zelanda, Canadá,

357
00:23:44,430 --> 00:23:49,380
Speaker 3: descubrimos eso. Es decir, esa relación existe desde el principio.

358
00:23:50,720 --> 00:23:53,860
Speaker 3: Lo que ha cambiado es que esa infraestructura ha crecido,

359
00:23:54,100 --> 00:23:57,650
Speaker 3: ahora es mucho más grande. Es decir, si antes esos

360
00:23:57,730 --> 00:24:01,470
Speaker 3: tentáculos estaban en nuestros bolsillos, ahora estos tentáculos están en

361
00:24:01,510 --> 00:24:06,290
Speaker 3: nuestras ciudades. La otra cosa que ha cambiado es Es

362
00:24:06,310 --> 00:24:10,350
Speaker 3: la inteligencia artificial. La inteligencia artificial permite que esa infraestructura

363
00:24:10,800 --> 00:24:14,820
Speaker 3: funcione como un sistema de vigilancia total en tiempo real.

364
00:24:16,810 --> 00:24:20,080
Speaker 1: Crees que el desarrollo de la IA para fines bélicos

365
00:24:20,940 --> 00:24:24,419
Speaker 1: sí supone un cambio de paradigma, un salto a otra fase?

366
00:24:25,270 --> 00:24:28,649
Speaker 1: Algo que puede mover mucho el tablero del poder y

367
00:24:28,710 --> 00:24:32,430
Speaker 1: de la eficiencia militar, como, no sé, la creación de

368
00:24:32,609 --> 00:24:35,169
Speaker 1: la bomba nuclear, o es exagerado pensarlo así.

369
00:24:36,900 --> 00:24:42,659
Speaker 3: Cuántas veces hemos visto el secuestro de un presidente de

370
00:24:42,720 --> 00:24:48,780
Speaker 3: un estado que se resuelve literalmente en 60 minutos? Estamos viendo

371
00:24:49,280 --> 00:24:53,879
Speaker 3: cómo en las últimas guerras, en los últimos centros de

372
00:24:54,680 --> 00:24:59,090
Speaker 3: acción bélica, que vamos a decir que han sido en

373
00:24:59,109 --> 00:25:02,169
Speaker 3: los últimos años Gaza y Ucrania, los dos se han

374
00:25:02,250 --> 00:25:09,830
Speaker 3: convertido en laboratorios de nuevas tecnologías de guerra. Ese desarrollo

375
00:25:09,850 --> 00:25:12,530
Speaker 3: que en Gaza ha estado ocurriendo durante mucho tiempo, y

376
00:25:12,570 --> 00:25:14,869
Speaker 3: hay de hecho un libro fantástico sobre este tema que

377
00:25:15,010 --> 00:25:18,140
Speaker 3: se llama El laboratorio palestino, que ha escrito un periodista

378
00:25:19,080 --> 00:25:24,070
Speaker 3: australiano que se llama Anthony Lowenstein, Él hablaba precisamente de

379
00:25:24,150 --> 00:25:27,859
Speaker 3: cómo Estados Unidos, a través de Israel, ha estado desarrollando

380
00:25:28,020 --> 00:25:33,160
Speaker 3: tecnologías de vigilancia y tecnologías de asesinato en Gaza durante

381
00:25:33,240 --> 00:25:37,190
Speaker 3: todos estos años, que luego han permeado. hacia adentro, hacia

382
00:25:37,540 --> 00:25:41,480
Speaker 3: Estados Unidos y también hacia Ucrania. Y en Ucrania todas

383
00:25:41,540 --> 00:25:47,360
Speaker 3: las grandes empresas tecnológicas han participado, muy especialmente Palantir, porque

384
00:25:48,000 --> 00:25:54,820
Speaker 3: es un escenario de testeo fantástico para estas tecnologías. Entonces,

385
00:25:55,140 --> 00:25:59,480
Speaker 3: la habilidad, una vez ya se ha creado esta infraestructura

386
00:25:59,540 --> 00:26:02,900
Speaker 3: de captura y análisis de datos masivos en tiempo real,

387
00:26:03,560 --> 00:26:08,639
Speaker 3: la habilidad de usar esos datos en tiempo real es insólita.

388
00:26:09,359 --> 00:26:11,580
Speaker 3: O sea, durante todos estos años hemos estado hablando de

389
00:26:11,619 --> 00:26:14,739
Speaker 3: la máquina de vigilancia, de las Big Tech y del

390
00:26:14,780 --> 00:26:17,350
Speaker 3: gobierno de Estados Unidos y de China, pues esa máquina

391
00:26:17,390 --> 00:26:21,189
Speaker 3: de la vigilancia lo que hacía era amontonar datos, amontonar datos.

392
00:26:21,210 --> 00:26:25,909
Speaker 3: Y luego ha creado unos algoritmos que han ido utilizando

393
00:26:26,410 --> 00:26:29,320
Speaker 3: parte de esos datos para sacar conclusiones en tiempo real

394
00:26:29,340 --> 00:26:35,389
Speaker 3: y vendernos anuncios Luego más tarde vendernos propaganda, vendernos ideología

395
00:26:35,490 --> 00:26:37,970
Speaker 3: política y vendernos una visión del mundo a cada uno

396
00:26:38,450 --> 00:26:40,929
Speaker 3: en función de los intereses de cada plataforma o de

397
00:26:41,010 --> 00:26:45,109
Speaker 3: sus clientes. Ahora lo que tenemos es una infraestructura de

398
00:26:45,170 --> 00:26:49,310
Speaker 3: vigilancia masiva en tiempo real que puede actuar en tiempo real,

399
00:26:49,790 --> 00:26:54,449
Speaker 3: que puede entender en tiempo real, que está viendo el

400
00:26:54,530 --> 00:26:57,800
Speaker 3: mundo en tiempo real. Esto hace cinco años no existía

401
00:26:58,840 --> 00:27:00,320
Speaker 3: y yo sí creo que lo cambia todo.

402
00:27:03,780 --> 00:27:07,959
Speaker 1: Sobre esto que estás hablando, sobre esto mismo, tengo una

403
00:27:08,000 --> 00:27:11,420
Speaker 1: pregunta pero quiero empezar un paso antes y es sobre

404
00:27:11,460 --> 00:27:14,820
Speaker 1: el uso de esta tecnología y cómo aceptamos y justificamos

405
00:27:16,359 --> 00:27:19,399
Speaker 1: la inteligencia artificial como si fuera una fuente objetiva de

406
00:27:19,440 --> 00:27:24,189
Speaker 1: información y por lo tanto incapaz de cometer errores de

407
00:27:24,350 --> 00:27:28,270
Speaker 1: juicio como las personas. Por un lado es muy impresionante

408
00:27:28,350 --> 00:27:31,970
Speaker 1: ver a la gente aceptando ciegamente lo que dice Grok

409
00:27:32,570 --> 00:27:36,949
Speaker 1: o ChatGPT, Grok, como verificador de información, digamos, de uno

410
00:27:36,970 --> 00:27:40,550
Speaker 1: de los mayores desinformadores de este planeta, que es Elon Musk,

411
00:27:41,470 --> 00:27:44,250
Speaker 1: o la gente que le pide consejos médicos a ChatGPT

412
00:27:44,670 --> 00:27:50,130
Speaker 1: y hace lo que ChatGPT le dice. Pero también ves justamente, digamos,

413
00:27:50,570 --> 00:27:53,909
Speaker 1: a Elon Musk y otros funcionarios acusando a Antropic de

414
00:27:53,950 --> 00:28:00,500
Speaker 1: querer hacer una inteligencia artificial WOC, que sería... supuestamente contrario

415
00:28:00,800 --> 00:28:04,600
Speaker 1: a una inteligencia artificial neutral. A mí se me ocurre

416
00:28:04,640 --> 00:28:08,460
Speaker 1: que al acusar de progresista a una inteligencia artificial están

417
00:28:08,560 --> 00:28:12,439
Speaker 1: reconociendo el sesgo que puede tener, pero hay como una

418
00:28:12,510 --> 00:28:18,010
Speaker 1: tendencia a pensar que es su juicio objetivo. Lo que

419
00:28:18,050 --> 00:28:21,469
Speaker 1: quería saber es,¿ Hay alguna forma, es esto posible, de

420
00:28:21,550 --> 00:28:25,909
Speaker 1: tener una inteligencia artificial neutral? Y si no,¿ cómo es

421
00:28:25,990 --> 00:28:29,440
Speaker 1: posible que una inteligencia artificial sea racista, por ejemplo?

422
00:28:30,980 --> 00:28:34,540
Speaker 3: La inteligencia artificial llega a nosotros con una ventaja. Y

423
00:28:34,940 --> 00:28:40,250
Speaker 3: es que nos han entrenado durante 20 años para pensar que

424
00:28:40,370 --> 00:28:45,010
Speaker 3: Google era neutral. Es decir... El buscador de Google, que

425
00:28:45,170 --> 00:28:49,630
Speaker 3: ha sido nuestra puerta a Internet durante todos estos años,

426
00:28:50,230 --> 00:28:52,860
Speaker 3: es algo que la mayor parte de la gente piensa

427
00:28:53,640 --> 00:28:58,180
Speaker 3: que está basado en un sistema jerárquico de popularidad, de

428
00:28:58,860 --> 00:29:06,290
Speaker 3: eficiencia y de precisión. Y no que es la principal

429
00:29:06,370 --> 00:29:10,530
Speaker 3: fuente de ingresos de Google porque es su principal plataforma

430
00:29:10,890 --> 00:29:14,550
Speaker 3: de publicidad. Es decir, el buscador de Google lo que

431
00:29:14,610 --> 00:29:17,640
Speaker 3: te da es publicidad. Te da una publicidad que se

432
00:29:17,700 --> 00:29:20,100
Speaker 3: parece de hecho mucho a los anuncios clasificados que antes

433
00:29:20,140 --> 00:29:23,030
Speaker 3: salían en el periódico. Es decir, todo lo que sale

434
00:29:23,050 --> 00:29:28,090
Speaker 3: en Google en tu primera página está pagado. Y cuando

435
00:29:28,150 --> 00:29:32,130
Speaker 3: aparece primero o más destacado una cosa en lugar de otra,

436
00:29:32,230 --> 00:29:34,330
Speaker 3: todo el mundo piensa que es porque es la mejor

437
00:29:34,370 --> 00:29:37,650
Speaker 3: respuesta posible, porque es lo más cercano a una respuesta

438
00:29:37,710 --> 00:29:41,190
Speaker 3: perfecta que Google te puede encontrar en Internet, cuando en

439
00:29:41,230 --> 00:29:44,820
Speaker 3: realidad lo que hay es algo que ha pagado para

440
00:29:44,880 --> 00:29:47,800
Speaker 3: estar ahí. Por ese mismo motivo, la gente piensa que

441
00:29:47,840 --> 00:29:50,800
Speaker 3: cuando busca algo en Amazon, lo primero que le sale

442
00:29:51,240 --> 00:29:54,160
Speaker 3: es exactamente lo que está buscando. Cuando en los últimos

443
00:29:54,200 --> 00:29:56,230
Speaker 3: años hemos empezado a ver que no es así.¿ Por qué?

444
00:29:56,730 --> 00:29:59,910
Speaker 3: Pues porque el sistema de subastas interior de Amazon, por

445
00:29:59,950 --> 00:30:02,330
Speaker 3: el cual la gente que quiere vender un producto lo

446
00:30:02,370 --> 00:30:04,450
Speaker 3: que hace es pagar para que su producto salga primero,

447
00:30:05,190 --> 00:30:07,850
Speaker 3: se ha roto. Se ha roto porque ahora pides algo

448
00:30:07,910 --> 00:30:09,730
Speaker 3: que existe y que se llama de tal manera y

449
00:30:09,750 --> 00:30:12,330
Speaker 3: te aparece cualquier otra cosa parecida porque han pagado más

450
00:30:13,150 --> 00:30:16,450
Speaker 3: y entra dentro de la misma categoría. Entonces, después de

451
00:30:16,510 --> 00:30:19,410
Speaker 3: todos estos años pensando que estamos tratando con sistemas que

452
00:30:20,190 --> 00:30:24,330
Speaker 3: lo que hacen es bucear en la información y conseguir

453
00:30:24,750 --> 00:30:29,890
Speaker 3: la respuesta más parecida a la verdad que ha encontrado,

454
00:30:30,760 --> 00:30:34,420
Speaker 3: pues no nos cuesta tanto pensar que un sistema que

455
00:30:35,040 --> 00:30:38,220
Speaker 3: tiene en la cabeza todo lo que existe en Internet

456
00:30:38,700 --> 00:30:42,120
Speaker 3: te puede ofrecer lo más parecido a la verdad. Porque

457
00:30:42,180 --> 00:30:45,300
Speaker 3: tenemos este concepto de que si me equivoco es porque

458
00:30:45,360 --> 00:30:49,380
Speaker 3: me faltan datos. Pues quien tiene todos los datos posibles

459
00:30:49,860 --> 00:30:53,040
Speaker 3: no se puede equivocar nunca. Partimos de la base de

460
00:30:53,120 --> 00:30:56,480
Speaker 3: que es una tecnología que no tiene dueños, que no

461
00:30:56,530 --> 00:31:00,890
Speaker 3: tiene objetivos, que no tiene principios, que simplemente flota como Dios,

462
00:31:01,510 --> 00:31:04,770
Speaker 3: lo ve todo, lo procesa todo de una manera completamente

463
00:31:04,850 --> 00:31:10,030
Speaker 3: limpia y favorece solo la verdad. No estamos en ese

464
00:31:10,090 --> 00:31:15,560
Speaker 3: escenario en absoluto, estamos ante una herramienta que, aun en

465
00:31:15,600 --> 00:31:19,780
Speaker 3: el caso de que hubiera sido generada con el objetivo

466
00:31:19,900 --> 00:31:24,040
Speaker 3: último de acercarse lo más posible a la verdad, está

467
00:31:24,060 --> 00:31:30,060
Speaker 3: entrenada con nuestro pasado. Es decir, es una tecnología cuya

468
00:31:30,120 --> 00:31:34,540
Speaker 3: magia es repetir lo que llevamos haciendo desde el principio

469
00:31:34,980 --> 00:31:40,800
Speaker 3: de los registros de Internet.¿ Nosotros somos racistas? Yo diría

470
00:31:40,840 --> 00:31:45,680
Speaker 3: que sí. Y entonces, esa tecnología que ha crecido mirando

471
00:31:45,740 --> 00:31:48,120
Speaker 3: todo lo que hemos hecho hasta ahora, pues lo normal,

472
00:31:48,510 --> 00:31:53,050
Speaker 3: si su gran habilidad es repetir patrones, es que repita

473
00:31:53,110 --> 00:31:56,370
Speaker 3: los mismos patrones que ha aprendido. Y ha aprendido de nosotros.

474
00:31:56,390 --> 00:32:00,670
Speaker 3: Y nuestros patrones son los que son. Somos racistas, somos sexistas,

475
00:32:00,860 --> 00:32:09,860
Speaker 3: somos misóginos, tenemos... afición por contenidos escandalosos, tenemos sesgos, tenemos

476
00:32:09,940 --> 00:32:12,979
Speaker 3: sesgos aprendidos y otros sesgos que tienen que ver con

477
00:32:13,040 --> 00:32:17,040
Speaker 3: nuestras capacidades cognitivas y con nuestros puntos ciegos. Es decir,

478
00:32:17,900 --> 00:32:22,440
Speaker 3: es un sistema de repetición de patrones que repite nuestros

479
00:32:22,530 --> 00:32:27,010
Speaker 3: errores a escala. Por lo tanto, nunca va a ser

480
00:32:27,030 --> 00:32:30,650
Speaker 3: una herramienta perfecta y, desde luego, nunca va a ser

481
00:32:30,830 --> 00:32:32,930
Speaker 3: la herramienta que nos va a acercar a la verdad.

482
00:32:36,110 --> 00:32:46,940
Speaker 1: Hacemos una última pausa y volvemos. Estamos de vuelta en

483
00:32:46,980 --> 00:32:51,080
Speaker 1: el hilo. Hace un ratito te preguntaba por la comparación

484
00:32:51,180 --> 00:32:54,320
Speaker 1: entre el uso de la IA con fines militares y

485
00:32:54,440 --> 00:32:59,700
Speaker 1: la bomba nuclear, justo porque escuché un experto que planteaba

486
00:33:00,280 --> 00:33:04,980
Speaker 1: el conflicto que hay entre público y privado con esta tecnología, usando...

487
00:33:05,800 --> 00:33:09,190
Speaker 1: De ejemplo, la bomba nuclear. Él decía, a ustedes les

488
00:33:09,250 --> 00:33:14,550
Speaker 1: gustaría que un desarrollo como la bomba atómica estuviera a

489
00:33:14,650 --> 00:33:18,130
Speaker 1: cargo de empresas privadas y que tuviésemos que confiar en

490
00:33:18,170 --> 00:33:21,959
Speaker 1: las buenas intenciones de los empresarios. Y claro, cuando uno

491
00:33:22,000 --> 00:33:25,180
Speaker 1: lo piensa así, sobre todo teniendo como referencia cómo han

492
00:33:25,220 --> 00:33:29,020
Speaker 1: actuado los empresarios tecnológicos en las últimas dos décadas, te

493
00:33:29,060 --> 00:33:31,830
Speaker 1: da pavor, ¿no? Pero en el caso de Antropi y

494
00:33:31,870 --> 00:33:34,750
Speaker 1: el Pentágono, por ejemplo, es al revés, es un privado

495
00:33:34,850 --> 00:33:38,850
Speaker 1: poniéndole límites al Estado. Vivimos en una época en que

496
00:33:40,030 --> 00:33:43,650
Speaker 1: la política ha perdido tantos escrúpulos que quería saber si

497
00:33:43,790 --> 00:33:48,650
Speaker 1: crees que todavía estamos a tiempo de algún tipo de

498
00:33:48,770 --> 00:33:52,470
Speaker 1: límite legal o de regulación que verdaderamente sirva para algo

499
00:33:52,530 --> 00:33:55,790
Speaker 1: frente a esto, o más bien tenemos que poner la

500
00:33:55,810 --> 00:34:00,780
Speaker 1: esperanza en las decisiones éticas que tomen personas particulares. que

501
00:34:00,800 --> 00:34:05,490
Speaker 1: hasta ahora es Darío Amodei, ¿no? Porque ChatGPT, digo, la

502
00:34:05,630 --> 00:34:10,210
Speaker 1: empresa OpenAI, salió inmediatamente a acudir al llamado del Pentágono

503
00:34:10,270 --> 00:34:12,790
Speaker 1: después de la pelea con Antropi.

504
00:34:13,530 --> 00:34:16,020
Speaker 3: Para sorpresa de

505
00:34:16,040 --> 00:34:17,070
Speaker 1: nadie

506
00:34:18,120 --> 00:34:24,529
Speaker 3: Vivimos claramente en una época insólita. Antes hacía falta el

507
00:34:24,670 --> 00:34:29,670
Speaker 3: poder económico y legal y la energía de un estado,

508
00:34:29,690 --> 00:34:32,950
Speaker 3: de un gobierno o de varios estados para hacer algo

509
00:34:33,010 --> 00:34:37,350
Speaker 3: tan grande como ir a la luna o como construir

510
00:34:37,410 --> 00:34:40,840
Speaker 3: una bomba atómica. Ahora estamos en un momento en el

511
00:34:40,880 --> 00:34:44,790
Speaker 3: que un solo individuo con una sola empresa... puede hacer

512
00:34:44,850 --> 00:34:48,509
Speaker 3: todas esas cosas casi con la misma empresa, ¿no? Hacer

513
00:34:48,550 --> 00:34:51,090
Speaker 3: una bomba atómica, ir a la Luna, irse a Marte,

514
00:34:51,640 --> 00:34:54,880
Speaker 3: recoger a su novia, volver... Estamos en un momento muy

515
00:34:54,920 --> 00:34:59,100
Speaker 3: extraño en el que la concentración de recursos es tan

516
00:34:59,360 --> 00:35:02,819
Speaker 3: alta que una persona puede tomar esa decisión sin haber

517
00:35:02,860 --> 00:35:05,890
Speaker 3: sido elegida democráticamente, ni haber sido votada por nadie, ni

518
00:35:06,090 --> 00:35:12,130
Speaker 3: tener un Parlamento que tenga que valorar sus decisiones antes

519
00:35:12,210 --> 00:35:15,650
Speaker 3: de ser ejecutadas, ¿no? Entonces es un momento muy especial.

520
00:35:16,710 --> 00:35:19,239
Speaker 3: Pero también es verdad que algunas de las personas que

521
00:35:19,420 --> 00:35:25,239
Speaker 3: han sido votadas democráticamente están actuando de forma muy antidemocrática

522
00:35:25,320 --> 00:35:29,000
Speaker 3: y muy irresponsable. En este momento, en esta pelea entre

523
00:35:29,060 --> 00:35:31,910
Speaker 3: Antropik y el gobierno de los Estados Unidos, estamos viendo

524
00:35:31,930 --> 00:35:36,370
Speaker 3: casi una inversión de la fórmula habitual, que es un

525
00:35:36,410 --> 00:35:40,509
Speaker 3: gobierno poniéndole freno a una empresa. Ahora estamos viendo que

526
00:35:40,590 --> 00:35:43,930
Speaker 3: una empresa le está poniendo freno a un gobierno. Es

527
00:35:43,989 --> 00:35:48,590
Speaker 3: una situación muy interesante porque nos demuestra que no pueden

528
00:35:49,150 --> 00:35:53,300
Speaker 3: actuar por su cuenta cada uno de ellos. El software

529
00:35:53,340 --> 00:35:57,140
Speaker 3: de Antropic, el modelo de inteligencia artificial de Antropic, pero

530
00:35:57,180 --> 00:36:00,279
Speaker 3: también el de ChatGPT o el de Google, no son

531
00:36:00,420 --> 00:36:02,600
Speaker 3: como un helicóptero que te compras y puedes usar como

532
00:36:02,660 --> 00:36:05,430
Speaker 3: te dé la gana. No son como un tanque que

533
00:36:05,469 --> 00:36:10,310
Speaker 3: te compras y puedes llevarlo a donde quieras. Son servicios virtuales.

534
00:36:10,790 --> 00:36:16,060
Speaker 3: que funciona desde una infraestructura de nube que generalmente no

535
00:36:16,120 --> 00:36:21,360
Speaker 3: está dentro del garaje del Estado. Es decir, hay una

536
00:36:21,640 --> 00:36:27,790
Speaker 3: independencia que es física, que es materialista, que hace que

537
00:36:27,930 --> 00:36:31,030
Speaker 3: un gobierno como el de Estados Unidos no pueda decidir

538
00:36:31,090 --> 00:36:33,989
Speaker 3: usar un modelo de inteligencia artificial para vigilar a sus

539
00:36:34,050 --> 00:36:38,160
Speaker 3: propios ciudadanos o para matar gente de forma masiva sin

540
00:36:38,219 --> 00:36:43,120
Speaker 3: que la empresa sea responsable deliberadamente participe de esa misión.

541
00:36:44,010 --> 00:36:47,390
Speaker 3: Esto es interesante porque lo que dice es que sí

542
00:36:47,430 --> 00:36:50,630
Speaker 3: hay responsabilidad. Es que la empresa no puede decir no,

543
00:36:50,710 --> 00:36:54,770
Speaker 3: es que nosotros le vendimos la tecnología y nos lavamos

544
00:36:54,810 --> 00:36:59,440
Speaker 3: las manos. Las empresas son corresponsables de todo lo que

545
00:36:59,480 --> 00:37:02,980
Speaker 3: haga el gobierno con esos productos tecnológicos. Y esto yo

546
00:37:03,040 --> 00:37:07,700
Speaker 3: creo que crea una situación que requiere un consenso. Requiere

547
00:37:07,780 --> 00:37:11,299
Speaker 3: consenso entre los gobiernos y las empresas.¿ Qué pasa? Hay

548
00:37:11,340 --> 00:37:13,940
Speaker 3: gobiernos donde eso no es un problema porque son gobiernos

549
00:37:14,219 --> 00:37:18,160
Speaker 3: regímenes autoritarios donde todas las empresas trabajan para el partido,

550
00:37:18,260 --> 00:37:22,290
Speaker 3: como por ejemplo en China. Y luego hay gobiernos donde

551
00:37:22,570 --> 00:37:25,310
Speaker 3: sí es un problema porque a lo mejor unas empresas

552
00:37:25,350 --> 00:37:29,489
Speaker 3: están alineadas con esta filosofía y otras no. Yo creo

553
00:37:29,510 --> 00:37:34,210
Speaker 3: que ahí hay una oportunidad. Hay una oportunidad improbable de

554
00:37:34,310 --> 00:37:40,180
Speaker 3: que las empresas tecnológicas lleguen a un consenso entre ellas

555
00:37:40,200 --> 00:37:46,350
Speaker 3: de no participar de forma oportunista en la guerra de

556
00:37:46,430 --> 00:37:49,790
Speaker 3: este gobierno contra sus propios ciudadanos y contra los de

557
00:37:49,850 --> 00:37:56,379
Speaker 3: otros países. Creo que hay una oportunidad de rehumanizar esta situación.

558
00:37:56,840 --> 00:37:59,140
Speaker 3: No digo que la vayan a aprovechar, no digo que

559
00:37:59,180 --> 00:38:03,900
Speaker 3: yo tenga optimismo en ese sentido, pero digo que hay

560
00:38:03,920 --> 00:38:10,640
Speaker 3: una oportunidad. de que esa corresponsabilidad redunde en beneficio del

561
00:38:10,680 --> 00:38:16,299
Speaker 3: bien común y no en beneficio de siete oligarcas y

562
00:38:16,400 --> 00:38:17,759
Speaker 3: un gobierno autoritario.

563
00:38:23,850 --> 00:38:26,450
Speaker 1: Todo lo que sale o leemos en la prensa, más

564
00:38:26,530 --> 00:38:31,390
Speaker 1: o menos serio sobre inteligencia artificial, es todo abrumador y distópico, ¿no?

565
00:38:33,469 --> 00:38:38,029
Speaker 1: Y como te decía, favorece un montón a los millonarios

566
00:38:38,050 --> 00:38:42,190
Speaker 1: a cargo de estas empresas porque significa que esta sensación

567
00:38:42,310 --> 00:38:47,490
Speaker 1: de inminencia les da cheque en blanco para no frenar

568
00:38:47,710 --> 00:38:52,560
Speaker 1: nunca su carrera. Pero también el otro día escuchaba un

569
00:38:52,600 --> 00:38:57,200
Speaker 1: periodista que decía hay muchas cosas para preocuparse con la

570
00:38:57,239 --> 00:39:02,380
Speaker 1: inteligencia artificial, pero también podemos tener diferentes emociones respecto de

571
00:39:02,400 --> 00:39:06,560
Speaker 1: esta tecnología. O sea, no solamente el miedo y la

572
00:39:06,680 --> 00:39:10,589
Speaker 1: ira y la desesperación. Dice, es un momento fascinante, ¿no?

573
00:39:10,670 --> 00:39:14,969
Speaker 1: Y también hay noticias como, no sé, un empresario que

574
00:39:15,030 --> 00:39:18,130
Speaker 1: usa la IA para investigar una cura para el cáncer

575
00:39:18,190 --> 00:39:23,140
Speaker 1: de su perra sin tener conocimientos de biotecnología, ¿no? Quería

576
00:39:23,200 --> 00:39:27,219
Speaker 1: saber entonces cómo haces tú para mirar entre estos dos extremos,

577
00:39:27,760 --> 00:39:31,609
Speaker 1: porque además no tienes chances de de tomar distancia, como

578
00:39:31,630 --> 00:39:35,509
Speaker 1: los que cubrimos otras cosas. Es tu tema. Entonces es

579
00:39:35,570 --> 00:39:39,469
Speaker 1: una consulta de autoayuda, si se quiere, para cerrar.¿ Cuáles

580
00:39:39,530 --> 00:39:43,239
Speaker 1: son tus estrategias para no caer en trampas de pensamiento,

581
00:39:43,260 --> 00:39:48,700
Speaker 1: ni en nihilismo absoluto, ni en campañas de prensa?¿ Qué

582
00:39:48,739 --> 00:39:50,980
Speaker 1: es lo que te ha funcionado para mirar de frente

583
00:39:51,140 --> 00:39:54,460
Speaker 1: todo sin perder por completo el espíritu? Bueno, lo primero

584
00:39:54,480 --> 00:39:54,600
Speaker 1: que

585
00:39:54,680 --> 00:39:59,500
Speaker 3: tengo que decir es que A mí a menudo me

586
00:39:59,520 --> 00:40:02,719
Speaker 3: acusan de ser ludita y me hace mucha gracia porque

587
00:40:02,760 --> 00:40:04,910
Speaker 3: yo he dedicado a la tecnología toda mi vida

588
00:40:05,260 --> 00:40:07,969
Speaker 1: Los luditas fueron un movimiento obrero que surgió durante la

589
00:40:08,050 --> 00:40:11,210
Speaker 1: revolución industrial, que tenía como forma de protesta la destrucción

590
00:40:11,250 --> 00:40:13,930
Speaker 1: de telares y otras máquinas que se estaban usando para

591
00:40:13,969 --> 00:40:17,700
Speaker 1: desaparecer sus oficios. Luditas se usa de manera simplista para

592
00:40:17,800 --> 00:40:20,960
Speaker 1: referirse a quienes rechazan o desconfían de la tecnología moderna.

593
00:40:21,530 --> 00:40:25,690
Speaker 3: Es decir, yo desde pequeña he sido una aficionada a

594
00:40:25,730 --> 00:40:30,130
Speaker 3: la tecnología, mi padre era ingeniero, en mi casa siempre

595
00:40:30,190 --> 00:40:35,239
Speaker 3: ha habido pasión por todo lo técnico y desde el

596
00:40:35,280 --> 00:40:38,420
Speaker 3: principio de mi carrera yo me he dedicado a cubrir internet,

597
00:40:39,700 --> 00:40:43,660
Speaker 3: a escribir sobre infraestructuras técnicas y de comunicaciones y es

598
00:40:44,690 --> 00:40:47,120
Speaker 3: La cosa que más me interesa en este mundo. Es decir,

599
00:40:47,239 --> 00:40:51,279
Speaker 3: siento que vivo en un mundo fascinante. Todos los días

600
00:40:51,300 --> 00:40:54,880
Speaker 3: me despierto y sé que voy a descubrir cosas increíbles

601
00:40:54,940 --> 00:40:59,490
Speaker 3: porque pasan cosas increíbles todos los días. Tengo la ventaja

602
00:40:59,790 --> 00:41:02,510
Speaker 3: sobre a lo mejor gente que ha tenido otras pasiones

603
00:41:02,590 --> 00:41:06,180
Speaker 3: en la vida. Que yo desde muy pronto estuve muy

604
00:41:06,239 --> 00:41:10,420
Speaker 3: vinculada a la escena del software libre, al mundo de

605
00:41:10,440 --> 00:41:16,320
Speaker 3: los hackers y entonces he sido testigo permanente de gente

606
00:41:16,820 --> 00:41:21,620
Speaker 3: genial haciendo cosas increíbles con tecnologías que han sido diseñadas

607
00:41:21,760 --> 00:41:25,969
Speaker 3: para beneficiar al máximo de gente posible. Entonces mi relación

608
00:41:26,010 --> 00:41:30,330
Speaker 3: con la tecnología no está contaminada del todo por lo

609
00:41:30,390 --> 00:41:34,950
Speaker 3: que pienso de las plataformas digitales. Vivimos en un momento

610
00:41:34,989 --> 00:41:38,070
Speaker 3: en el que las plataformas digitales ocupan tanto espacio en

611
00:41:38,090 --> 00:41:41,490
Speaker 3: nuestras vidas que cuando hablamos de tecnología parece que estamos

612
00:41:41,570 --> 00:41:44,140
Speaker 3: hablando solo de eso. La tecnología es un mundo mucho

613
00:41:44,180 --> 00:41:48,060
Speaker 3: más grande. Antes cuando hablábamos de tecnología solo hablábamos de Internet.

614
00:41:48,219 --> 00:41:52,660
Speaker 3: Ahora cuando decimos Internet en realidad queremos decir Instagram, Twitter

615
00:41:53,260 --> 00:41:56,500
Speaker 3: y Google. Y ahora todo es la IA. Ahora cuando

616
00:41:56,560 --> 00:41:58,680
Speaker 3: la gente dice me asusta la tecnología lo que quiere

617
00:41:58,739 --> 00:42:00,980
Speaker 3: decir es que los modelos de inteligencia artificial me dan miedo.

618
00:42:01,730 --> 00:42:04,710
Speaker 3: Entonces yo siento que tengo una relación mucho más rica

619
00:42:04,810 --> 00:42:07,690
Speaker 3: con la tecnología de la que trasciende en mi trabajo

620
00:42:08,090 --> 00:42:10,770
Speaker 3: porque estoy viviendo un momento en el que una de

621
00:42:10,850 --> 00:42:15,370
Speaker 3: mis grandes obsesiones, que es el vínculo entre la tecnología

622
00:42:15,410 --> 00:42:18,230
Speaker 3: y el poder, es decir, el uso de la tecnología

623
00:42:18,250 --> 00:42:24,410
Speaker 3: para vigilar, controlar, manipular y destruir comunidades, está escalando de

624
00:42:24,489 --> 00:42:30,400
Speaker 3: forma acelerada y está ocurriendo delante de nuestras narices. Entonces,

625
00:42:30,780 --> 00:42:36,850
Speaker 3: yo vivo con enorme excitación el mundo de la inteligencia artificial.

626
00:42:37,370 --> 00:42:41,150
Speaker 3: Es decir, una de mis frases favoritas mías de los

627
00:42:41,210 --> 00:42:44,549
Speaker 3: últimos años es que los modelos de inteligencia artificial son

628
00:42:44,610 --> 00:42:47,310
Speaker 3: demasiado importantes para dejarlos en manos de los siete magníficos,

629
00:42:47,590 --> 00:42:51,200
Speaker 3: de las grandes empresas tecnológicas estadounidenses. Creo que es un

630
00:42:51,239 --> 00:42:55,239
Speaker 3: desarrollo que empezó en las universidades y debería seguir en

631
00:42:55,280 --> 00:43:01,370
Speaker 3: las universidades. Pienso que Tenemos la posibilidad, perfectamente al alcance,

632
00:43:02,830 --> 00:43:06,010
Speaker 3: desde luego de Europa, pero también del resto del mundo,

633
00:43:06,030 --> 00:43:11,160
Speaker 3: de construir inteligencia artificial de la misma manera que construimos Internet.

634
00:43:11,560 --> 00:43:18,239
Speaker 3: Es decir, como un proyecto colectivo, descentralizado, diseñado para ser resiliente,

635
00:43:18,260 --> 00:43:23,210
Speaker 3: para ser inteligente. lo más neutro posible para beneficiar al

636
00:43:23,250 --> 00:43:27,759
Speaker 3: máximo número de personas posibles y nos salió bien. Internet

637
00:43:27,860 --> 00:43:30,640
Speaker 3: funciona muy bien, Internet ha cambiado nuestras vidas para bien.

638
00:43:32,080 --> 00:43:35,719
Speaker 3: Lamentablemente está siendo un desarrollo que ha sido secuestrado por

639
00:43:35,760 --> 00:43:38,960
Speaker 3: un grupo de personas y lo han convertido en una

640
00:43:39,020 --> 00:43:45,550
Speaker 3: carrera armamentística que depende de una cantidad imposible de recursos. Entonces,

641
00:43:45,810 --> 00:43:50,290
Speaker 3: cuando yo escribo de forma muy negativa sobre este tipo

642
00:43:50,330 --> 00:43:53,680
Speaker 3: de desarrollo, es porque viniendo del software libre y creyendo

643
00:43:53,780 --> 00:43:56,200
Speaker 3: firmemente en el poder de la tecnología para cambiar nuestras

644
00:43:56,260 --> 00:43:59,610
Speaker 3: vidas para mejor, sé que ese no es el camino apropiado.¿

645
00:44:01,210 --> 00:44:04,910
Speaker 3: Cómo vivo yo este momento? Pues lo vivo sabiendo que

646
00:44:04,930 --> 00:44:08,890
Speaker 3: el problema que tenemos no es técnico. Tenemos soluciones técnicas

647
00:44:09,010 --> 00:44:12,370
Speaker 3: para este problema. Hay maneras de hacerlo bien. Y mucha

648
00:44:12,430 --> 00:44:15,390
Speaker 3: gente conoce esas maneras y tenemos toda la infraestructura que

649
00:44:15,450 --> 00:44:19,239
Speaker 3: necesitamos para hacerlo bien. Pero hay una ceguera que está

650
00:44:19,320 --> 00:44:22,140
Speaker 3: contaminada por el hecho de que los mismos que están

651
00:44:22,200 --> 00:44:25,200
Speaker 3: al volante de esas tecnologías están al volante de los

652
00:44:25,260 --> 00:44:29,940
Speaker 3: medios de comunicación. Es decir, esa concentración de poder de

653
00:44:29,980 --> 00:44:33,460
Speaker 3: extracción y análisis de datos y de control masivo de

654
00:44:33,540 --> 00:44:38,050
Speaker 3: esa información... también ha permeado al mundo de los medios

655
00:44:38,090 --> 00:44:43,100
Speaker 3: de comunicación. Es decir, estamos en un ecosistema mediático donde

656
00:44:43,180 --> 00:44:47,760
Speaker 3: nuestra visión del mundo está diseñada por las mismas personas

657
00:44:47,820 --> 00:44:51,040
Speaker 3: que nos quieren controlar. Y entonces, pues es un momento

658
00:44:51,120 --> 00:44:55,700
Speaker 3: muy difícil para ser optimista. Pero yo lo soy. Yo

659
00:44:55,739 --> 00:44:58,340
Speaker 3: soy optimista porque sé que nuestro problema no es un

660
00:44:58,360 --> 00:45:01,239
Speaker 3: problema técnico, no es que tengamos que inventar una tecnología

661
00:45:01,320 --> 00:45:05,690
Speaker 3: nueva para solucionar esta concentración de poder, esta concentración de

662
00:45:05,770 --> 00:45:09,970
Speaker 3: medios y este control masivo. No necesitamos una nueva tecnología,

663
00:45:10,030 --> 00:45:12,989
Speaker 3: tenemos toda la tecnología y todo el conocimiento que necesitamos

664
00:45:13,110 --> 00:45:17,609
Speaker 3: para resolver eso. Lo que necesitamos es una generación política

665
00:45:17,660 --> 00:45:19,480
Speaker 3: que esté a la altura de las circunstancias.

666
00:45:22,610 --> 00:45:25,210
Speaker 1: Marda, muchísimas gracias por hacerte un tiempo para

667
00:45:25,270 --> 00:45:37,450
Speaker 3: nosotros. Es un placer, como siempre

668
00:45:38,739 --> 00:45:41,940
Speaker 1: Este episodio fue producido por mí. Bruno Selsa hizo la

669
00:45:42,000 --> 00:45:44,839
Speaker 1: verificación de datos. El diseño de sonido es de Elías

670
00:45:44,880 --> 00:45:47,480
Speaker 1: González y la música es de él y Remi Lozano.

671
00:45:48,310 --> 00:45:50,870
Speaker 1: El equipo de producción del Hilo está formado por Daniela Cruzat,

672
00:45:50,950 --> 00:45:55,100
Speaker 1: Jesús Delgadillo, Samantha Proaño y Franklin Villavicencio, con el arte

673
00:45:55,120 --> 00:45:58,280
Speaker 1: y diseño de Diego Corzo. El resto del equipo incluye

674
00:45:58,320 --> 00:46:02,740
Speaker 1: a Natalia Ramírez, Paola Leán, Camilo Jiménez Antofimio, Elsa Lidiana Ulloa,

675
00:46:03,160 --> 00:46:06,930
Speaker 1: Silvia Viñas y Daniela Larcón. Carolina Guerrero es la CEO

676
00:46:06,950 --> 00:46:11,310
Speaker 1: de Radioambulante Estudios. Nuestro tema musical lo compuso Pauchi Sasaki.

677
00:46:11,830 --> 00:46:15,070
Speaker 1: El Hilo es un podcast de Radioambulante Estudios. Si valoras

678
00:46:15,090 --> 00:46:18,180
Speaker 1: el periodismo independiente y riguroso, Te pedimos que te unas

679
00:46:18,219 --> 00:46:21,489
Speaker 1: a nuestras membresías. América Latina es una región compleja y

680
00:46:21,930 --> 00:46:26,109
Speaker 1: nuestro periodismo necesita de oyentes como tú. Visita elhilo.audio barra

681
00:46:26,150 --> 00:46:30,069
Speaker 1: donar y ayúdanos con una donación. Si quieres profundizar sobre

682
00:46:30,090 --> 00:46:33,210
Speaker 1: el episodio de hoy, suscríbete a nuestro boletín de correo

683
00:46:33,230 --> 00:46:38,320
Speaker 1: entrando a elhilo.audio barra boletín. Lo enviamos cada viernes. También

684
00:46:38,420 --> 00:46:42,400
Speaker 1: puedes seguirnos en nuestras redes sociales. Estamos en Instagram, X,

685
00:46:42,460 --> 00:46:47,830
Speaker 1: Blue Sky, Facebook y Threads. Nos encuentras como arrobaelilopodcast. Déjanos

686
00:46:47,890 --> 00:46:52,390
Speaker 1: ahí tus comentarios y etiquétanos cuando compartas los episodios. Gracias

687
00:46:52,430 --> 00:46:52,890
Speaker 1: por escuchar.