Per què AlphaGo, i no ChatGPT, marcarà els grans avenços de la IA en les ciències i en finances?

En els últims anys, tothom parla de ChatGPT i dels models de llenguatge. Ens ajuden a escriure textos, respondre preguntes, resumir documents… i semblen gairebé màgics.

Però darrere d’aquesta màgia hi ha un matís important:

ChatGPT i models similars són molt bons imitant patrons del passat, no necessàriament descobrint coses noves

Si volem entendre on es troben els avenços més profunds de la intel·ligència artificial, hem de mirar una altra família de sistemes: els que neixen d’AlphaGo.

Us deixem un enllaç de la pel·lícula del 2016. Si esteu mínimament interessats en aquest tema, a més d’aprendre, passareu una estona entretinguda.

AlphaGo: el sistema que no només imitava, sinó que aprenia jugant

El 2016, AlphaGo va sorprendre el món guanyant al campió mundial de Go, Lee Sedol.
Com va aprendre?

Primer, va imitar humans: es va entrenar amb milers de partides de jugadors professionals.

Després, va jugar contra ell mateix milions de vegades:

• Provava noves jugades.
• Veia què funcionava millor.
• Millorava amb l’experiència.

És a dir, no només “copiava” el que havia vist, sinó que experimentava i trobava estratègies noves.

Això és molt diferent d’un model com ChatGPT, que s’entrena llegint textos i aprenent patrons estadístics de paraules.

D’AlphaGo a AlphaFold: d’un joc a un Nobel

La mateixa idea darrere d’AlphaGo es va portar després a la biologia amb AlphaFold.

Per a què serveix AlphaFold?

Per predir com es pleguen les proteïnes, alguna cosa clau per entendre malalties i dissenyar nous medicaments.

El seu impacte ha estat tan gran que aquest tipus de treball ha estat reconegut amb un Premi Nobel de Química el 2024. No perquè el model “llegeixi articles”, sinó perquè ajuda a descobrir coses noves sobre com funciona la vida a nivell molecular.

La idea central:

• No es limita a repetir el que ha vist.
• Aprèn regles profundes del sistema (en aquest cas, de la física i la biologia).

Us deixem un altre enllaç sobre el que representen els avenços aconseguits per l’equip de Demis Hassabis:

El mateix està passant en altres camps: finances, materials, genomes…

Aquest tipus de sistemes “a l’estil AlphaGo” ja s’utilitzen per a:

• Descobrir nous materials.
• Interpretar el genoma i entendre millor com es regulen els gens.
• Prendre decisions en mercats financers, aprenent de com es mouen els preus i ajustant estratègies.

Per exemple, alguns fons d’inversió utilitzen sistemes que:

• Simulen diferents escenaris de mercat.
• Proben estratègies.
• Aprenen què funciona millor amb el temps.

No són pilotes de cristall, no encerten sempre. Però si encerten, per exemple, en un 60% de les decisions i controlen bé el risc, poden generar bones rendibilitats de forma consistent. ejemplo, en un 60% de las decisiones, y controlan bien el riesgo, pueden generar buenas rentabilidades de forma consistente.

La clau: no és endevinar-ho tot, sinó encertar més vegades del que es falla.

Tant en biologia com en finances, aquests sistemes no busquen la perfecció absoluta.
El seu valor està a:

• Donar bones direccions (prediccions raonables).
• Repetir aquest procés a gran escala.
• Aprendre i corregir contínuament.

A més, igual que recorden els científics, les prediccions del model no substitueixen els experiments:

• En biologia, després cal validar al laboratori.
• En finances, cal controlar el risc i comprovar-ho al món real.

La IA no reemplaça la feina humana, però la pot accelerar molt.

I què passa amb ChatGPT i els models de llenguatge?

Models com ChatGPT són molt útils per a:

• Escriure textos.
• Traduir.
• Resumir informació.
• Ajudar a pensar més ràpid.

Però, segons ens confirma Pawel, cap de l’equip AI Investments i gestor d’Omphalos Fund:

• Treballen principalment imitant patrons del llenguatge humà.
• No entenen realment causa i efecte.
• No poden experimentar en un entorn i aprendre de les conseqüències de les seves accions a l’estil AlphaGo.

Són, per dir-ho senzill, excel·lents conversadors, però no necessàriament els millors descobridors.

Imitació vs. innovació

Models de llenguatge (ChatGPT, etc.)

• S’entrenen llegint grans quantitats de text.
• Són mestres de la imitació i la redacció.
• No actuen directament al món ni aprenen dels resultats de les seves decisions.

Sistemes tipus AlphaGo / AlphaZero / AlphaFold

• Aprenen interactuant: jugant, provant, simulant, experimentant.
• Es mouen en entorns on existeix causa i efecte.
• Poden descobrir estratègies noves que mai ningú els ha ensenyat.

Quin tipus d’IA necessitem per als grans reptes de la ciència?

Si pensem en els reptes importants:

• Descobrir nous medicaments.
• Dissenyar solucions contra el canvi climàtic.
• Crear infraestructures més segures i eficients.
• Fer els mercats financers més estables.

No n’hi ha prou amb tenir màquines que parlin bé.
Necessitem sistemes que:

• Aprenguin fent.
• Sàpiguen explorar l’desconegut.
• Siguin capaços de provar, fallar, millorar i tornar-ho a intentar.

Conclusió: el futur no és el que més parla, sinó el que millor aprèn

AlphaGo no va ser només “la màquina que va guanyar al campió de Go”.

Va demostrar que:

• La IA pot superar la intuïció humana en tasques complexes.
• Podem construir sistemes que descobreixen en lloc de només repetir.

ChatGPT simbolitza molt bé el present: la IA que comunica, redacta i ajuda en el dia a dia.
Però, si mirem els grans avenços científics i tecnològics del futur, l’article defensa que el model a seguir està més a prop d’AlphaGo que de ChatGPT.

Al final, en aquesta carrera, no guanyarà la IA que més parli, sinó la que més i millor aprengui del món real.

Nota important: aquest contingut s’ha fet en col·laboració amb Omphalos Fund i té un caràcter divulgatiu, per a l’aplicació d’IA/Machine Learning.

Aquesta és una versió editada i adaptada per als seguidors d’inbestMe d’un article publicat a l’agost de 2025: https://www.omphalosfund.com/2025/08/11/why-alphago-not-chatgpt-will-shape-the-next-wave-of-human-progress/

Omphalos Fund aprofita tecnologies d’IA de última generació inspirades en AlphaGo i en els avenços més recents en predicció de sèries temporals, optimització de carteres i reinforcement learning. La missió d’Omphalos Fund és oferir una relació rendibilitat-risc inigualable, complint estrictes protocols de gestió del risc i garantint la resiliència en mercats volàtils.

Respaldat per AI Investments i per un equip d’experts de primer nivell, és un fons alternatiu sistemàtic multiestratègia que opera 24 hores / 5 dies a la setmana als mercats globals, buscant rendibilitats descorrelacionades, baixa volatilitat i un ràtio de Sharpe elevat.

El naixement de l’Omphalos Fund està relacionat amb un projecte de recerca ”ALTO” amb participació d’inbestMe. Va ser un projecte per desenvolupar una plataforma avançada d’optimització de carteres i control de riscos basada en intel·ligència artificial i machine learning (inspirada en enfocaments tipus AlphaZero).

La plataforma, AI Investments (AII), ofereix:

• Optimització més precisa d’actius i millor gestió del risc davant esdeveniments inesperats.
• Eines de visualització per ajudar els inversors a prendre decisions informades.
• Ús per part de pimes, gestores, fons de pensions, grans empreses i també organismes públics per monitoritzar riscos sistèmics.

A més, el projecte vol formar talent en tècniques punteres d’IA, impulsar la recerca a la UE i reduir les barreres d’entrada a noves Fintech, augmentant la competència i la innovació financera.

El consorci està format per dues pimes Fintech (AII i inbestMe) i dues universitats (Ulm i Oslo), que lideraran la part metodològica i l’avaluació dels algoritmes.

Aquest contingut és únicament informatiu i no constitueix en cap cas una oferta, recomanació ni sol·licitud per adquirir participacions a Omphalos Fund.