De la física a los LLMs

Antes era físico. Ahora entreno modelos de lenguaje.

El salto no es tan extraño como parece.

Lo que me atrajo

En algún momento empecé a prestar atención a lo que estaba pasando en deep learning. Al principio lo descarté como “solo ajuste de curvas”. Después construí algo con un transformer y me di cuenta de que estaba completa y vergonzosamente equivocado.

Lo que me convenció no fue el hype. Fue que, por primera vez, las máquinas estaban haciendo cosas que yo no sabía cómo explicar. Esa sensación es inusual para un físico — estamos acostumbrados a poder escribir las ecuaciones. De pronto había sistemas cuyo comportamiento emergía de formas que nadie podía explicar por completo. Quise involucrarme.

Lo que me llevé

Más de lo que esperaba:

• Álgebra lineal y probabilidad — los físicos vivimos ahí. Un transformer no es más que una composición de operadores sobre espacios vectoriales. Llevaba años haciendo eso.
• Intuición numérica. Saber cuándo un número se ve raro sin necesidad de debuggear es algo que la física te entrena a hacer.
• Paciencia con el fracaso. La mayoría de los experimentos no funcionan. Eso deja de tomarse personal después de unos años.

Lo que pensaba que sería sencillo — escribir código de producción, desplegarlo, trabajar en equipo — resultó ser la parte difícil. Eso lo tuve que aprender desde cero.

Dónde estoy ahora

AI Engineer en Cashea, construyendo agentes. En paralelo: aprendiendo CUDA escribiendo kernels a mano, y trabajando en eigencore — un intento de hacer la IA accesible y soberana en Latinoamérica. De eso hablaré en otro post.

Si estás leyendo esto desde un lugar parecido — física, matemáticas, algo riguroso que no es “software” — y te preguntas si el salto tiene sentido: lo tiene. La parte difícil no es el material técnico. Es darte permiso de empezar.

— Max