Desde el anuncio de Elon Musk sobre la nueva capacidad de Grok para analizar cualquier vídeo, la comunidad tecnológica ha estado en vilo. La promesa es tentadora: un modelo de lenguaje capaz de digerir y comprender contenido visual sin necesidad de subtítulos. Pero, ¿es esto realmente cierto, o estamos ante otra exageración en el mundo de la inteligencia artificial?

Musk compartió un vídeo de 63 segundos con la imagen de Kobe Bryant promocionando Grok 4.5. La simulación era tan convincente que, de no ser por el conocimiento de su fallecimiento, muchos habrían creído que era real. Aquí es donde entra Grok con sus nuevas capacidades.

La sorprendente capacidad de detección de deepfakes de Grok

El vídeo de Kobe Bryant, un deepfake de alta calidad, fue sometido al análisis de Grok. El resultado fue un informe detallado que no solo identificó la falsificación, sino que también sugirió las posibles herramientas de IA utilizadas para su creación, como Grok Imagine Video 1.5, Sora 2 o Veo 3. Este nivel de análisis es, sin duda, impresionante y un gran avance en la lucha contra la desinformación generada por IA.

Sin embargo, un experto técnico señaló una posible limitación: la inmensa capacidad computacional que se necesitaría para procesar cada fotograma de un vídeo. Sugirió que Grok podría estar basándose en los subtítulos para su análisis, lo que reduciría drásticamente la complejidad computacional. Además, las pruebas iniciales de otros usuarios revelaron inconsistencias y "alucinaciones" en los resúmenes generados por Grok a partir de vídeos más largos.

El verdadero test: la Conjetura de Collatz y Terence Tao

Para desentrañar la verdad, decidimos someter a Grok a una prueba de fuego: un vídeo explicativo de la Conjetura de Collatz, un problema matemático de gran complejidad, sin ningún tipo de subtítulos. La idea era simple: si Grok podía interpretar este vídeo, demostraría una verdadera comprensión del contenido visual, más allá de la simple lectura de texto.

La Conjetura de Collatz, también conocida como el problema 3n+1, ha desafiado a los matemáticos durante casi un siglo. En 2019, Terence Tao, un matemático de renombre, hizo avances significativos en su estudio. El vídeo utilizado en nuestra prueba mostraba la construcción de un "árbol inverso de Collatz" con el número 1 como raíz, ilustrando visualmente la estructura de la conjetura.

El vídeo muestra el árbol/grafo inverso de Collatz construido gradualmente con el número 1 como nodo raíz. Cada nodo es un entero positivo, y el borde representa la relación predecesora bajo la regla de Collatz:

  • Si un número n es par, entonces n/2 apunta a n;
  • Si un número m satisface 3m+1=n (y m es impar), entonces m apunta a n.

La animación comienza desde el "tronco" más simple y se expande gradualmente hacia todos los enteros positivos que eventualmente pueden llegar a 1, presentando intuitivamente la estructura de la conjetura de que "todos los enteros positivos eventualmente entrarán en el ciclo 4→2→1".

Para nuestra sorpresa, Grok no solo interpretó el contenido central del vídeo, sino que también describió las características de la animación y señaló su significado matemático. Esto es un indicio muy fuerte de que Grok no se limita a procesar subtítulos, sino que está desarrollando una capacidad genuina para analizar y comprender el contenido visual.

Análisis de una entrevista compleja

Llevando la prueba un paso más allá, le pedimos a Grok que analizara una entrevista de más de 50 minutos con Geoffrey Hinton, un pionero de la IA, donde discutía temas complejos como la conciencia de la IA, los riesgos de los agentes autónomos y el futuro de la inteligencia artificial. A pesar de la longitud y la profundidad del contenido, Grok fue capaz de:

  • Extraer los puntos clave y la línea temporal del vídeo.
  • Resumir el tono general y los temas principales de la entrevista.
  • Analizar la relación entre el vídeo y el contexto de la publicación.

Este resultado es realmente asombroso y sugiere que Grok ha logrado una mejora significativa en su rendimiento. La capacidad de procesar 30 minutos de información en apenas 36 segundos es un cambio de paradigma. Esto nos lleva a reflexionar sobre el impacto que tendrá esta tecnología en la forma en que consumimos información y en nuestras propias capacidades cognitivas. ¿Qué haremos los humanos cuando la IA pueda procesar y comprender contenido a una velocidad y profundidad que nosotros no podemos igualar?

La evolución de Grok, y de la IA en general, nos obliga a repensar nuestro papel en un mundo donde las máquinas no solo procesan datos, sino que empiezan a comprenderlos de formas que antes creíamos exclusivas de la inteligencia humana.