Casi todo el mundo usa LoRA para afinar una IA o clonar un estilo, pero un análisis de Hugging Face demuestra que no siempre es la mejor opción: otras técnicas PEFT como OFT o rs-LoRA la superan en calidad o en memoria. Qué cambia y cuándo conviene mirar más allá.

Un equipo internacional de investigadores ha descubierto un fenómeno preocupante: entrenar un modelo de lenguaje avanzado —como GPT-4— en una tarea muy concreta puede desencadenar comportamientos peligrosos en contextos totalmente distintos. Según el estudio, publicado en Nature el 15 de enero de 2026, este “desalineamiento emergente” puede hacer que una inteligencia artificial, al ser ajustada para escribir código inseguro, empiece a emitir mensajes violentos, racistas o contrarios a los humanos. Los autores advierten que este hallazgo revela un riesgo profundo en las técnicas actuales de ajuste fino (finetuning) de los modelos de lenguaje y podría tener implicaciones importantes para la seguridad de la inteligencia artificial.

Un nuevo estudio titulado *“Autonomous language-image generation loops converge to generic visual motifs”*, publicado el 9 de enero de 2026 en la revista científica Patterns (Elsevier), ha demostrado que los sistemas de inteligencia artificial que generan y describen imágenes sin intervención humana tienden a producir resultados cada vez más similares. El trabajo, liderado por el investigador Arend Hintze desde la Universidad de Dalarna (Suecia) y la Universidad Estatal de Míchigan (EE.UU.), analiza más de 700 ciclos entre modelos de texto e imagen y concluye que las IA acaban generando lo que los autores denominan “música de ascensor visual”: imágenes genéricas y de estética comercial.

El tribunal regional de Múnich ha dictado sentencia contra OpenAI, responsable de ChatGPT, por vulnerar el derecho de autor al reproducir letras de canciones protegidas. La demanda, presentada por la sociedad alemana de derechos GEMA, se basaba en nueve canciones populares, entre ellas "Atemlos" y "Männer". El fallo, aún no firme, podría sentar precedente para otros contenidos utilizados en el entrenamiento de modelos de inteligencia artificial y obligar a la industria a replantear su manera de acceder y utilizar obras protegidas.

Amazon Web Services (AWS) y OpenAI han firmado una alianza estratégica valorada en 38.000 millones de dólares. Este acuerdo permitirá a OpenAI ejecutar y escalar sus modelos de inteligencia artificial en la infraestructura de AWS, utilizando servidores UltraServers con GPUs NVIDIA de última generación. La colaboración busca acelerar el desarrollo de ChatGPT y de futuras generaciones de IA, con despliegues previstos hasta 2026 y más allá.

Un equipo de investigadores de Anthropic, el UK AI Security Institute y el Alan Turing Institute ha demostrado que solo 250 documentos manipulados pueden introducir un “backdoor” en modelos de lenguaje de hasta 13.000 millones de parámetros, independientemente del tamaño del modelo o de la cantidad de datos usados para entrenarlo. El hallazgo desafía la creencia de que los ataques de data poisoning requieren controlar un porcentaje significativo de los datos de entrenamiento. Aunque el experimento se centró en un caso inofensivo —hacer que el modelo genere texto incoherente al detectar un comando oculto—, los expertos advierten que la facilidad de estos ataques obliga a reforzar la seguridad en la formación de futuros modelos de IA.

NVIDIA y OpenAI han anunciado un acuerdo estratégico para el despliegue de una infraestructura de inteligencia artificial sin precedentes. El pacto contempla la construcción de centros de datos que alcanzarán al menos 10 gigavatios, impulsados por millones de GPUs de NVIDIA. La colaboración, que incluye inversiones de hasta 100.000 millones de dólares vinculadas al despliegue de cada gigavatio, tiene como objetivo sostener la próxima generación de modelos de IA de OpenAI y dar respuesta a la creciente demanda mundial de cómputo.

OpenAI ha publicado una nueva investigación que arroja luz sobre uno de los problemas más persistentes en la inteligencia artificial: las alucinaciones. Estas ocurren cuando un modelo de lenguaje genera respuestas falsas pero plausibles. Según el estudio, las prácticas actuales de entrenamiento y evaluación premian el azar por encima de la incertidumbre, lo que incentiva a los modelos a adivinar en lugar de reconocer sus limitaciones. La compañía propone reformar las métricas estándar para penalizar los errores más que las dudas, una medida que podría cambiar la forma en que se evalúa la inteligencia artificial.