CAMINOS DE LECTURA

¿Por dónde empezar?

El archivo de Magacín no tiene un orden obligatorio, pero sí tiene caminos. Estas rutas agrupan artículos en una secuencia lógica para acompañarte según tu interés.

Hacé scroll hacia abajo para explorar los caminos
I6 artículos

Bases de la IA Moderna

Las ideas y papers que hicieron posibles los LLMs actuales, desde la arquitectura Transformer original hasta el alineamiento y escalado.

Público:Para quienes quieren entender los cimientos técnicos detrás del estado del arte en IA.
Tiempo total:~142 min

RECORRIDO CONCEPTUAL

La Atención es Todo lo que Necesitas — Vaswani et al. (2017)

Traducción completa al español de 'Attention Is All You Need' (Vaswani et al., 2017). El paper que inventó el Transformer: base de GPT, BERT, Claude y todos los modelos de lenguaje actuales. Incluye análisis editorial y contexto histórico.

26m
Leyes de escalabilidad para modelos de lenguaje neuronal — Kaplan et al. (2020)

Traducción al español de 'Scaling Laws for Neural Language Models' (Kaplan et al., 2020). Demuestra matemáticamente que el rendimiento de los LLMs sigue leyes de potencia predecibles. La base teórica de GPT-4, Claude y Gemini, explicada en español.

49m
Entrenamiento de modelos de lenguaje grandes optimizados para cómputo — Hoffmann et al. (2022)Avanzado

Traducción al español del paper Chinchilla (Hoffmann et al., 2022). Demostró que la mayoría de los LLMs estaban sub-entrenados: no solo necesitás más parámetros, necesitás más datos. El paper que cambió cómo se entrenan los modelos de lenguaje.

6m
Instrucciones alineadas: Entrenamiento de modelos de lenguaje para seguir indicaciones con feedback humanoPróximamente

El paper seminal detrás del surgimiento de ChatGPT, que detalla la alineación mediante RLHF (Reinforcement Learning from Human Feedback).

Est. 25m
IA constitucional — Bai et al. (2022)

Traducción al español de 'Constitutional AI' (Bai et al., 2022). Cómo Anthropic entrena modelos que se auto-corrigen usando principios escritos en lugar de feedback humano directo. El método de alineación detrás de Claude, explicado en español.

1m
Reporte Técnico de GPT-4Próximamente

El reporte oficial de OpenAI sobre el desarrollo de GPT-4, analizando su capacidad multimodal y la metodología de seguridad aplicada.

Est. 35m
II6 artículos

Infraestructura a Gran Escala

Almacenamiento distribuido, procesamiento masivo, bases de datos globales y algoritmos de consenso que sostienen internet hoy.

Público:Para desarrolladores e ingenieros interesados en la arquitectura detrás de los sistemas a gran escala.
Tiempo total:~62 min

RECORRIDO CONCEPTUAL

El sistema de archivos de Google — Ghemawat, Gobioff & Leung (2003)

Traducción al español de 'The Google File System' (Ghemawat, Gobioff & Leung, 2003). El sistema de archivos distribuido que hizo posible indexar internet. Diseñado para fallar: asume que los discos se rompen y sigue funcionando igual.

1m
MapReduce: Procesamiento de datos simplificado en grandes clústeres — Dean & Ghemawat (2004)

Traducción al español de 'MapReduce: Simplified Data Processing on Large Clusters' (Dean & Ghemawat, 2004). El paper de Google que definió cómo procesar datos a escala. Veinte años después, su modelo mental sigue siendo la base de todo sistema distribuido.

1m
Dynamo: El almacén de clave-valor altamente disponible de Amazon — DeCandia et al. (2007)

Traducción al español de 'Dynamo: Amazon's Highly Available Key-value Store' (DeCandia et al., 2007). El paper que inspiró toda una generación de bases de datos NoSQL. Cómo Amazon sacrificó consistencia por disponibilidad y cambió la industria.

1m
Spanner: La base de datos distribuida globalmente de GooglePróximamente

La base de datos de Google que revolucionó los sistemas distribuidos al lograr consistencia externa y transacciones globales usando relojes atómicos.

Est. 30m
En busca de un algoritmo de consenso comprensible — Ongaro & Ousterhout (2014)

Traducción al español del paper Raft (Ongaro & Ousterhout, 2014). El algoritmo de consenso diseñado para ser entendido: una alternativa legible a Paxos que se convirtió en el estándar de facto para sistemas distribuidos modernos.

1m
Borg: Gestión de clústers a gran escala en GooglePróximamente

La arquitectura que precedió a Kubernetes. Detalla cómo Google logra ejecutar cientos de miles de tareas en miles de máquinas de forma eficiente.

Est. 28m
III6 artículos

Seguridad y Alineación en IA

Cómo alinear los objetivos de modelos autónomos con los valores humanos, abarcando desde el hacking de recompensa hasta su impacto social y laboral.

Público:Para lectores interesados en la seguridad técnica, el comportamiento emergente y la economía tecnológica.
Tiempo total:~145 min

RECORRIDO CONCEPTUAL

Problemas concretos en la seguridad de la IAPróximamente

Un influyente trabajo de OpenAI y Google sobre cómo mitigar riesgos técnicos del comportamiento de sistemas de inteligencia artificial.

Est. 24m
¿Cómo se manifiesta el fracaso? — Paul Christiano (2019)

Traducción al español de 'What Failure Looks Like' de Paul Christiano (2019). Los dos escenarios más probables de fracaso en alineación de IA: uno gradual y uno abrupto. El ensayo de referencia en seguridad de inteligencia artificial.

15m
Hacking de recompensa en RLHF — Gao et al. (2023)

Traducción al español de 'Reward Hacking in RLHF' (Gao et al., 2023). Qué pasa cuando los modelos aprenden a maximizar la recompensa sin resolver el problema real. Análisis formal del reward hacking en el entrenamiento con feedback humano.

1m
IA constitucional — Bai et al. (2022)

Traducción al español de 'Constitutional AI' (Bai et al., 2022). Cómo Anthropic entrena modelos que se auto-corrigen usando principios escritos en lugar de feedback humano directo. El método de alineación detrás de Claude, explicado en español.

1m
Generalización de débil a fuerte: Supervisión de modelos potentes con guías débilesPróximamente

El paper de OpenAI que explora cómo los humanos podrán supervisar y alinear inteligencias artificiales sobrehumanas.

Est. 22m
The AI Layoff Trap — Falk & Tsoukalas (2026)

Traducción al español de 'The AI Layoff Trap' (Falk & Tsoukalas, 2026). Un modelo matemático que demuestra que las empresas se automatizan más allá del óptimo colectivo. Por qué los despidos masivos por IA son una trampa de coordinación, no irracionalidad.

82m
IV6 artículos

Filosofía de Sistemas y Computación

Perspectivas fundacionales e intuiciones sobre el pragmatismo en software y la transición hacia el desarrollo basado en datos.

Público:Para programadores y pensadores que quieren ver el software como un medio evolutivo y filosófico.
Tiempo total:~149 min

RECORRIDO CONCEPTUAL

El auge de 'Lo Peor es Mejor'Próximamente

El influyente ensayo sobre pragmatismo de software, que explica por qué los diseños simples e imperfectos dominan la industria frente a los ideales teóricos.

Est. 12m
No hay balas de plata: Esencia y accidente en la ingeniería de softwarePróximamente

El clásico ensayo de Fred Brooks que analiza las dificultades inherentes de la programación y por qué ninguna innovación las resolverá fácilmente.

Est. 18m
La Catedral y el BazarPróximamente

El manifiesto de Eric Raymond sobre el software de código abierto, contrastando el modelo cerrado (catedral) con el abierto descentralizado (bazar).

Est. 20m
Software 2.0 — Andrej Karpathy (2017)Intro

Traducción al español del ensayo 'Software 2.0' de Andrej Karpathy (2017). El texto que reenmarcó el aprendizaje automático: cuando las redes neuronales reemplazan al código explícito. Lectura esencial para entender la IA moderna.

15m
La lección amarga — Rich Sutton (2019)

Traducción al español de 'The Bitter Lesson' de Rich Sutton (2019). El ensayo más citado de la IA moderna: la historia demuestra que los métodos que aprovechan cómputo a escala siempre terminan ganando. Lectura obligatoria.

2m
The AI Layoff Trap — Falk & Tsoukalas (2026)

Traducción al español de 'The AI Layoff Trap' (Falk & Tsoukalas, 2026). Un modelo matemático que demuestra que las empresas se automatizan más allá del óptimo colectivo. Por qué los despidos masivos por IA son una trampa de coordinación, no irracionalidad.

82m