In partnership with

Una startup limpiará tu piso de Nueva York de forma gratuita. Pero la factura llega en una moneda que quizás no esperabas: los datos capturados durante el proceso. 

La nueva app Shift de MicroAGI subvenciona las limpiezas grabando a los trabajadores mientras hacen su trabajo, convirtiendo un servicio gratuito en un curioso anticipo de la próxima gran caza de datos de la IA, en la que los humanos son a la vez el cliente, la mano de obra y el material de entrenamiento para la automatización.

Fine-Tuning Is Overrated. Learn When It Actually Matters.

Every engineer building with LLMs eventually hits the fine-tuning question. The answer is usually "not yet."

In this free online session, Gauntlet AI Lead Instructor Aaron Gallant breaks down fine-tuning, PEFT, and QLoRA – what they actually do, what they cost, and when they're worth reaching for over prompt engineering or better context.

You'll walk away understanding how to synthesize training data from frontier models, how parameter-efficient techniques let you train on a laptop, and why the real bottleneck is always the data, not the model.

If you've been curious about fine-tuning but aren't sure it's the right move for your use case, this is the session.

Live. Free. No upsell. Wednesday, June 3 at 5 PM CT. Register here.

Save Your Spot

• Una startup limpia pisos a cambio de datos para entrenar IA

• Un grupo de ex-DeepMind trabaja en una IA científica capaz de mejorarse a sí misma

Una startup limpia pisos a cambio de datos para entrenar IA

La app Shift de la startup alemana MicroAGI acaba de lanzar un servicio gratuito de limpieza del hogar en Nueva York que graba a sus limpiadores mediante cámaras montadas en la cabeza, cambiando tareas domésticas por datos en primera persona para vender a laboratorios de IA y usar en su propia investigación.

Los detalles:

• Un limpiador verificado se presenta en casa con una cámara que el cofundador Bercan Kilic llama "sombrero mágico", grabando el trabajo de unas dos horas en formato punto de vista.

• A pesar de asumir el coste de la limpieza, las grabaciones de personas valen más a los fabricantes de robots para el entrenamiento, lo que permite a Shift cubrir los gastos y seguir siendo rentable.

• La web de Shift afirma pagar ya a personas de todo el mundo 20 dólares la hora por grabar tareas cotidianas, con más de 5 millones de dólares abonados en el primer trimestre en distintos tipos de encargos.

• El director general Harry Kilberg aseguró que el lanzamiento generó "miles y miles de reservas", con Nueva York como punto de partida y Londres, Múnich y Zúrich como próximos destinos.

Por qué importa: 

Como ya hemos visto con DoorDash pagando a sus repartidores por capturar datos de tareas, el próximo gran conjunto de datos para la IA vendrá del trabajo humano cotidiano y no de internet. Shift lleva ese modelo al interior del hogar, donde las personas son a la vez los clientes que reciben el servicio gratis y la plantilla que enseña a los robots a sustituir partes de ese mismo trabajo.

Un grupo de ex-DeepMind trabaja en una IA científica capaz de mejorarse a sí misma

Varios exempleados de Google DeepMind han salido del anonimato con 50 millones de dólares para Inherent Labs, una startup londinense que desarrolla una plataforma de IA científica que sitúa a los investigadores junto a una IA capaz de mejorarse a sí misma para determinar qué problemas merecen la pena.

Los detalles:

• Los cofundadores Tantum Collins, Edward Hughes y Louis Kirsch proceden de DeepMind, mientras que Kaloyan Aleksiev trabajó anteriormente en Reka AI y Microsoft.

• La plataforma Faraday emparejará a investigadores con agentes de automejora diseñados para identificar preguntas científicas de mayor valor, en lugar de limitarse a responder instrucciones.

• El laboratorio afirma que probará la automejora recursiva en toda la organización investigadora, abarcando desde el entrenamiento de agentes hasta la asignación de recursos y la toma de decisiones.

• Inherent también está explorando qué aspecto tiene el "gusto de la IA" en la ciencia a medida que evoluciona el proceso de investigación, y cómo pueden colaborar de la mejor manera posible humanos y máquinas.

Por qué importa: 

La IA capaz de mejorarse a sí misma es un objetivo que persiguen muchos de los principales laboratorios de IA y startups recién financiadas, e Inherent suma al panorama otro equipo con un historial más que sólido. Su apuesta consiste en aplicar la lógica recursiva a la propia ciencia, convirtiendo el laboratorio y la organización entera en el bucle, y no solo el entrenamiento del modelo.