TLDR

Esto no es otra descripción optimista de VC de "IA + Web3". Somos optimistas sobre la fusión de ambas tecnologías, pero el texto a continuación es un llamado a la acción. De lo contrario, el optimismo no terminará justificado.

¿Por qué? Porque el desarrollo y la ejecución de los mejores modelos de IA requiere inversiones de capital significativas en el hardware más avanzado y a menudo difícil de conseguir, así como en I+D muy específica del dominio. Agregar incentivos cripto para externalizar estos, como la mayoría de los proyectos de IA de Web3 están haciendo, no es suficiente para contrarrestar los decenas de miles de millones de dólares vertidos por las grandes corporaciones que controlan el desarrollo de IA de manera firme. Dadas las limitaciones de hardware, este podría ser el primer gran paradigma de software en el que ingenieros inteligentes y creativos fuera de las organizaciones incumbentes no tienen recursos para interrumpir.

El software está "devorando el mundo" cada vez más rápido, a punto de despegar exponencialmente con la aceleración de la inteligencia artificial. Y todo este "pastel", tal como están las cosas actualmente, va a parar a los incumbentes tecnológicos, mientras que los usuarios finales, incluidos gobiernos y grandes empresas, por no hablar de los consumidores, se vuelven aún más dependientes de su poder.

Desalineación de incentivos

Todo esto no podría haberse desarrollado en un momento más inadecuado, con el 90% de los participantes de la web descentralizada ocupados persiguiendo la gallina de los huevos de oro de ganancias fáciles en fiat impulsadas por el desarrollo narrativo. Sí, los desarrolladores siguen a los inversores en nuestra industria y no al revés. Varía desde una admisión abierta hasta una motivación más sutil y subconsciente, pero las narrativas y los mercados que se forman en torno a ellas impulsan gran parte de la toma de decisiones en Web3. Los participantes están demasiado absortos en una burbuja reflexiva clásica como para darse cuenta del mundo exterior, excepto las narrativas que ayudan a avanzar este ciclo aún más. Y la IA es obviamente la más grande, ya que también está experimentando un auge propio.

Hemos hablado con docenas de equipos en la intersección de AI x Crypto y podemos confirmar que muchos de ellos son muy capaces, con una misión y constructores apasionados. Pero tal es la naturaleza humana que cuando nos enfrentamos a tentaciones tendemos a sucumbir a ellas y luego racionalizar esas elecciones post-factum.

El camino fácil hacia la liquidez ha sido una maldición histórica de la industria de la criptomoneda, responsable de ralentizar su desarrollo y su adopción útil durante años en este momento. Incluso desvía a los discípulos más fieles de la criptomoneda hacia el "bombeo del token". La justificación es que con más capital en forma de tokens, esos constructores pueden tener mejores oportunidades.

La relativa baja sofisticación tanto del capital institucional como minorista crea oportunidades para que los constructores hagan afirmaciones desligadas de la realidad, mientras siguen beneficiándose de valoraciones como si esas afirmaciones ya se hubieran hecho realidad. El resultado de estos procesos es una verdadera amenaza moral arraigada y la destrucción de capital, con muy pocas de esas estrategias resultando exitosas a largo plazo. La necesidad es la madre de todas las invenciones y cuando se va, también lo hacen las invenciones.

No podría haber sucedido en un peor momento. Mientras todos los emprendedores tecnológicos más inteligentes, actores estatales y empresas, grandes y pequeñas, están compitiendo para asegurar su parte de los beneficios que provienen de la revolución de la IA, los fundadores e inversores de criptomonedas optan por un "rápido 10x". En lugar de una vida de 1000 x, que es el verdadero costo de oportunidad aquí, en nuestra opinión.

Un Resumen Aproximado del Paisaje de la IA Web3

Teniendo en cuenta los incentivos mencionados anteriormente, la taxonomía de los proyectos de IA Web3 se reduce en realidad a:

• Legítimo (también sub-dividido entre realistas e idealistas)
• Semilegítimo y
• Falsificadores

Básicamente, creemos que los constructores saben exactamente lo que se necesita para mantenerse al día con su competencia Web2 y los verticales donde realmente es posible competir y donde es más un sueño imposible, que sin embargo se puede vender a VC y al público poco sofisticado.

El objetivo es poder competir aquí y ahora. De lo contrario, la velocidad del desarrollo de la IA puede dejar atrás a Web3 mientras el mundo salta a la distópica Web4 de la IA corporativa en Occidente contra la IA estatal de China. Aquellos que no pueden ser competitivos lo suficientemente pronto y confían en la tecnología distribuida para ponerse al día en un horizonte temporal más largo son demasiado optimistas para ser tomados en serio.

Obviamente, esta es una generalización muy rudimentaria e incluso el grupo de falsificadores contiene al menos unos pocos equipos serios (y tal vez más simplemente soñadores delirantes). Pero este texto es un llamado a las armas, por lo que no pretendemos ser objetivos, sino más bien llamar al sentido de urgencia del lector[1].

Legítimo:

• Middleware para "llevar AI a la cadena". Los fundadores detrás de tales soluciones, que no son muchos, entienden que el entrenamiento descentralizado o la inferencia de modelos que los usuarios realmente desean (lo último en tecnología) es poco factible, si no imposible, en este momento. Por lo tanto, encontrar una forma de conectar los mejores modelos centralizados con el entorno en cadena para permitir que se beneficien de la automatización sofisticada es un primer paso lo suficientemente bueno para ellos. Los enclaves de hardware de TEEs (procesadores "air-gapped") que pueden alojar puntos de acceso API, oráculos de 2 lados (para indexar datos dentro y fuera de la cadena bidireccionalmente) y proporcionar entornos informáticos verificables fuera de la cadena para los agentes, parecen ser la mejor solución en este momento. También hay arquitecturas de coprocesador que utilizan pruebas de conocimiento cero (ZKP) para instantánear los cambios de estado (en lugar de verificar el cálculo completo) que también consideramos factibles a medio plazo.
  El enfoque más idealista para el mismo problema intenta verificar la inferencia fuera de la cadena para equipararla con la computación en cadena en términos de suposiciones de confianza. El objetivo de esto debería ser permitir que la IA realice tareas dentro y fuera de la cadena como en un entorno de tiempo de ejecución coherente único, en nuestra opinión. Sin embargo, la mayoría de los defensores de la verificabilidad de la inferencia hablan de "confiar en los pesos del modelo" y otros objetivos complicados del mismo tipo que en realidad se vuelven relevantes en años, si es que alguna vez lo hacen. Recientemente, los fundadores de este grupo comenzaron a explorar enfoques alternativospara verificar la inferencia, pero originalmente todo estaba basado en ZKP. Mientras muchos equipos brillantes están trabajando en ZKML, como llegó a ser conocido, están corriendo un gran riesgo al anticipar que las optimizaciones criptográficas superen la complejidad y los requisitos de cómputo de los modelos de IA. Por lo tanto, los consideramos no aptos para la competencia, al menos por ahora. Sin embargo, @ModulusLabs/capítulo-14-el-primer-llm-en-cadena-del-mundo-7e389189f85e">algunos avances recientes son interesantes y no deben ser ignorados.

Semi-legítimo:

• Aplicaciones de consumidor que utilizan envoltorios alrededor de modelos de código cerrado y abierto (por ejemplo, Stable Diffusion o Midjourney para generación de imágenes). Algunos de estos equipos son los primeros en llegar al mercado y tienen tracción real de usuarios. Por lo tanto, no es justo llamarlos genéricamente falsos, pero solo hay unos pocos que están pensando profundamente en cómo evolucionar sus modelos subyacentes de manera descentralizada e innovar en el diseño de incentivos. Hay algunos interesantes giros en la gobernanza/propiedad en el componente del token aquí y allá. Pero la mayoría de los proyectos en esta categoría simplemente colocan un token en un envoltorio centralizado sobre, por ejemplo, la API de OpenAI para obtener una prima de valoración o una mayor liquidez para el equipo.

Lo que ninguno de los dos campos anteriores aborda es el entrenamiento y la inferencia para modelos grandes en entornos descentralizados. En este momento, no hay forma de entrenar un modelo fundamental en un tiempo razonable sin depender de clústeres de hardware estrechamente conectados. El "tiempo razonable" dada la competencia es el factor clave.

Algunos investigación prometedorasobre el tema ha salido recientemente y, teóricamente, enfoques como Flujo de Datos Diferencialpuede expandirse a redes de computación distribuida para aumentar su capacidad en el futuro (a medida que las capacidades de redes alcanzan los requisitos de transmisión de datos). Pero el entrenamiento de modelos competitivos todavía requiere comunicación entre clústeres localizados, en lugar de dispositivos distribuidos individuales, y la computación de vanguardia (las GPU minoristas se están volviendo cada vez menos competitivas).

La investigación sobre la localización (una de las dos formas de descentralización) de la inferencia mediante la reducción del tamaño del modelo también ha sidoprogresando recientemente, pero no existen protocolos existentes en Web3 que lo aprovechen.

Los problemas con el entrenamiento y la inferencia descentralizados nos llevan lógicamente al último de los tres grupos y, con mucho, el más importante y, por lo tanto, tan emocionalmente desencadenante para nosotros ;-)

Falsificadores:

• Aplicaciones de infraestructura principalmente en el espacio de servidores descentralizados, que ofrecen hardware básico o también entornos de entrenamiento/alojamiento de modelos descentralizados. También hay proyectos de infraestructura de software que están impulsando protocolos para, por ejemplo, el aprendizaje federado (entrenamiento de modelos descentralizados) o aquellos que combinan los componentes de software y hardware en una sola plataforma donde esencialmente se puede entrenar e implementar su modelo descentralizado de extremo a extremo. La mayoría de ellos carecen de la sofisticación necesaria para abordar realmente los problemas declarados y aquí prevalece el ingenuo pensamiento de "incentivo simbólico + viento de cola del mercado". Ninguna de las soluciones que hemos visto, tanto en el mercado público como en el privado, se acerca a una competencia significativa aquí y ahora. Algunos pueden convertirse en ofertas viables (pero de nicho), pero necesitamos algo fresco y competitivo aquí y ahora. Y esto solo puede suceder a través de un diseño innovador que aborde los cuellos de botella de la computación distribuida. En la capacitación, no solo la velocidad, sino también la verificabilidad del trabajo realizado y la coordinación de las cargas de trabajo de capacitación es un gran problema, lo que se suma al cuello de botella del ancho de banda.

Necesitamos un conjunto de modelos fundamentales competitivos y verdaderamente descentralizados y requieren entrenamiento e inferencia descentralizados para funcionar. Perder la IA podría anular por completo cualquier logro que hayan logrado los “ordenadores mundiales descentralizados” desde la llegada de Ethereum. Si los ordenadores se convierten en IA y la IA se centraliza, no habrá ordenador mundial del que hablar, excepto alguna versión distópica de eso.

Entrenamiento e inferencia son el corazón de la innovación en IA. Cuando el resto del mundo de la IA se está moviendo hacia arquitecturas más estrechamente tejidas, Web3 necesita alguna solución ortogonal para competir, porque competir directamente se está volviendo menos factible muy rápido.

Tamaño del Problema

Se trata de computación. Cuanto más le arrojes tanto al entrenamiento como a la inferencia, mejores serán tus resultados. Sí, hay ajustes y optimizaciones aquí y allá y la computación en sí no es homogénea - ahora hay una gran variedad de nuevos enfoques para superar los cuellos de botella de la arquitectura tradicional de Von Neumann para las unidades de procesamiento - pero al final todo se reduce a cuántas multiplicaciones de matrices puedes hacer sobre qué tan grande de un fragmento de memoria y qué tan rápido.

Es por eso que estamos presenciando un crecimiento tan fuerte en el frente de los centros de datos por parte de los llamados 'Hyperscalers', que buscan crear una pila completa con un modelo de IA poderoso en la parte superior y hardware que lo respalde por debajo: OpenAI (modelos) + Microsoft (cómputo), Anthropic (modelos) + AWS (cómputo), Google (ambos) y Meta (cada vez más ambos mediante una mayor inversión en la expansión de sus propios centros de datos). Hay más matices, dinámicas de interacción y partes involucradas, pero lo dejaremos de lado. El panorama general es que los Hyperscalers están invirtiendo miles de millones de dólares, como nunca antes, en la expansión de los centros de datos y están creando sinergias entre sus ofertas de cómputo e IA, con la expectativa de obtener grandes beneficios a medida que la IA se propaga por la economía global.

Solo echemos un vistazo al nivel de desarrollo esperado este año solo de las 4 empresas:

• Meta anticipates$30-37bngastos de capital en 2024, que probablemente estarán muy sesgados hacia los centros de datos.
• Microsoft gastó alrededor de $11.5 mil millones en 2023en CapEx y se rumorea ampliamente que invertirá otros $40-50 mil millones en '24-'25! Esto se puede inferir parcialmente por las enormes inversiones en centros de datos que se están anunciando en solo unos pocos países: $3.2ben el Reino Unido,$3.5bnen Australia, $2.1bnen España, €3.2bnen Alemania, $1bnen el estado estadounidense de Georgia y $10bnen Wisconsin, respectivamente. Y esos son solo algunas de las inversiones regionales de su red de 300 centros de datos que abarcan más de 60 regiones. También hay charlasde una supercomputadora para OpenAI que puede costarle a Microsoft otros $100 mil millones!
• Liderazgo de Amazonesperasu inversión en activos para crecer significativamente en 2024 a partir de los 48 mil millones de dólares que gastaron en 2023, impulsada principalmente por la expansión de la infraestructura de AWS para la construcción de IA.
• Google gastó $11bnescalar sus servidores y centros de datos en el cuarto trimestre de 2023 solo. Admiten que esas inversiones se hicieron para cumplir con la demanda prevista de IA y anticipan que la tasa y el tamaño total de su gasto en infraestructura aumentarán significativamente en 2024 debido a la IA.

Y así es como se gastó en hardware de inteligencia artificial de NVIDIA ya en 2023:

Jensen Huang, CEO of NVIDIA, has been pitching a total of $1tn to be poured into AI acceleration in the next few years. A prediction he recentlyduplicadoa $2tn, presuntamente impulsado por el interés que observó de los jugadores soberanos. Los analistas de Altimeter esperan $160bn y más de $200bn en gasto de centros de datos relacionados con la IA a nivel mundial en '24 y '25 respectivamente.

Ahora, comparar estos números con lo que Web3 tiene que ofrecer a los operadores independientes de centros de datos para incentivarlos a expandir el CapEx en hardware de IA más reciente:

• La capitalización de mercado total de todos los proyectos de Infraestructura Física Descentralizada (DePIn) se sitúa actualmente en alrededor de $40bn en tokens relativamente ilíquidos y predominantemente especulativos. Esencialmente, las capitalizaciones de mercado de estas redes son iguales a la estimación del límite superior del CapEx total de sus contribuyentes, dado que incentivan este despliegue con los tokens. Sin embargo, la capitalización de mercado actual es casi inútil, dado que ya ha sido emitida.
• Entonces, supongamos que hay otros $80bn (2 veces el valor existente) de capitalización de tokens DePIn tanto privados como públicos que llegarán al mercado como incentivos en los próximos 3-5 años y supongamos que esto se destina al 100% a casos de uso de IA.

Incluso si tomamos esta estimación muy aproximada dividida por 3 (años) y comparamos el valor en dólares con el efectivo gastado por solo los Hyperscalers en 2024, está claro que agregar incentivos de tokens a un montón de proyectos de 'redes GPU descentralizadas' no es suficiente.

También se necesita miles de millones de dólares de demanda de inversores para absorber estos tokens, ya que los operadores de tales redes venden una gran parte de las monedas minadas para cubrir los costos significativos de Cap- y OpEX. Y algunos miles de millones más para impulsar esos tokens al alza e incentivar el crecimiento en la construcción para competir con los Hiperscalers.

Sin embargo, alguien con un conocimiento íntimo de cómo se ejecutan la mayoría de los servidores Web3 actualmente puede esperar que una gran parte de la "Infraestructura Física Descentralizada" realmente se ejecute en los mismos servicios en la nube de esos mismos Hiperescaldadores. Y, por supuesto, el aumento en la demanda de hardware especializado en GPU y otras tecnologías de inteligencia artificial está generando más oferta, lo que eventualmente debería hacer que alquilar o comprar la nube sea mucho más barato. Al menos, esa es la expectativa.

Pero también considera esto: en este momento NVIDIA necesita priorizar a los clientes para sus GPU de última generación. También lo escomenzando a competircon los mayores proveedores de la nube en su propio terreno, ofreciendo servicios de plataforma de IA a clientes empresariales que ya están atrapados en esos Hipercaladores. Esto eventualmente lo incentiva a construir sus propios centros de datos con el tiempo (básicamente reduciendo los grandes márgenes de beneficio que están disfrutando en este momento, por lo tanto, menos probable) o limitar significativamente sus ventas de hardware de IA solo a los proveedores de la nube de su red de asociados.

Además, los competidores de NVIDIA que lanzan hardware adicional especializado en IA están utilizando en su mayoría los mismos chips que NVIDIA,producido por TSMC.Entonces, básicamente todas las empresas de hardware de IA están actualmentecompitiendo por la capacidad de TSMC.TSMC también necesita priorizar a ciertos clientes sobre otros. Samsung y potencialmente Intel (que está tratando de volver a la fabricación de chips de última generación para su propio hardware pronto) pueden absorber la demanda extra, pero TSMC está produciendo la mayoría de los chips relacionados con la IA en este momento y escalar y calibrar la fabricación de chips de vanguardia (3 y 2 nanómetros) lleva años.

Además, toda la fabricación de chips de vanguardia en este momento se realiza junto al Estrecho de Taiwán por TSMC en Taiwán y Samsung en Corea del Sur, donde el riesgo de un conflicto militar puede materializarse antes de que las instalaciones actualmente construidas en los EE. UU. para compensar esto (y también se espera que no produzcan los chips de próxima generación durante algunos años más) puedan ser lanzadas.

Y finalmente, China, que está prácticamente desconectada del hardware de IA de última generación debido a las restricciones impuestas a NVIDIA y TSMC por los Estados Unidos, está compitiendo por el poder de cómputo que aún está disponible, al igual que las redes DePIn de Web3. A diferencia de Web3, las compañías chinas realmente tienen sus propios modelos competitivos, especialmente los LLMs de, por ejemplo, Baidu y Alibaba, que requieren muchos dispositivos de la generación anterior para funcionar.

Entonces hay un riesgo no inmaterial de que, debido a una de las razones mencionadas anteriormente o a la confluencia de factores, los Hiperescaladores limiten simplemente el acceso a su hardware de IA a terceros a medida que la guerra de dominación de la IA se intensifica y toma prioridad sobre el negocio en la nube. Básicamente, es un escenario en el que utilizan toda la capacidad en la nube relacionada con la IA para su propio uso y ya no la ofrecen a nadie más, mientras también absorben todo el hardware más nuevo. Esto sucede y la oferta de cómputo restante aumenta aún más la demanda por parte de otros grandes actores, incluidos los soberanos. Todo mientras las GPUs de grado de consumo que quedan están cada vez menos competitivas.

Obviamente, este es un escenario extremo, pero el premio es demasiado grande para que los grandes jugadores se echen atrás en caso de que los cuellos de botella de hardware permanezcan. Esto deja a los operadores descentralizados como los centros de datos de nivel 2 y los propietarios de hardware de grado minorista, que conforman la mayoría de los proveedores de DePIn de Web3, fuera de la competencia.

La Otro Lado de La Moneda

Mientras los fundadores de las criptomonedas están dormidos al volante, los pesos pesados de la inteligencia artificial están observando de cerca las criptomonedas. Presiones del gobierno y la competencia puede llevarlos a adoptar criptomonedas para evitar ser cerrados o regulados intensamente.

El fundador de Stability AI recientementerenunciarpara comenzar a 'descentralizar' su empresa es una de las primeras pistas públicas al respecto. Anteriormente no había ocultado sus planes de lanzar un token en sus apariciones públicas, pero solo después de la exitosa finalización de la OPI de la empresa, lo que revela los verdaderos motivos detrás del movimiento anticipado.

En el mismo sentido, si bien Sam Altman no está involucrado operativamente con el proyecto de criptomonedas que cofundó, Worldcoin, su token ciertamente opera como un proxy para OpenAI. Ya sea que hayaruta para conectarel proyecto de dinero de internet libre con el proyecto de I+D de IA solo el tiempo lo dirá, pero el equipo de Worldcoin parece tambiénreconocerque el mercado está poniendo a prueba esta hipótesis.

Tiene mucho sentido para nosotros que los gigantes de la inteligencia artificial puedan explorar diferentes caminos hacia la descentralización. El problema que vemos aquí nuevamente es que Web3 no ha producido soluciones significativas. Los 'tokens de gobernanza' son en su mayoría un meme, mientras que solo aquellos que evitan explícitamente los lazos directos entre los poseedores de activos y el desarrollo y operaciones de su red - $BTC y $ETH - son los verdaderamente descentralizados en este momento.

Los mismos incentivos (des)alentadores que ralentizan el desarrollo tecnológico también afectan el desarrollo de diferentes diseños para gobernar las redes criptográficas. Los equipos de inicio simplemente colocan un "token de gobernanza" encima de su producto con la esperanza de resolverlo a medida que ganan impulso, mientras finalmente se enraízan simplemente en el "teatro de gobernanza" en torno a la asignación de recursos.

Conclusión

La carrera de la IA está en marcha y todo el mundo se lo toma muy en serio. No podemos identificar una falla en el pensamiento de los grandes operadores tecnológicos cuando se trata de escalar su computación a tasas sin precedentes: más computación significa mejor IA, mejor IA significa reducir costos, agregar nuevos ingresos y expandir la participación de mercado. Esto significa para nosotros que la burbuja está justificada, pero todos los farsantes seguirán siendo eliminados en las inevitables sacudidas que se avecinan.

La inteligencia artificial corporativa centralizada de grandes empresas domina el campo y las startups legítimas encuentran difícil mantenerse al día. El espacio Web3 ha llegado tarde a la fiesta pero también se está uniendo a la carrera. El mercado está recompensando demasiado a los proyectos de inteligencia artificial criptográfica en comparación con las startups de Web2 en el espacio, lo que desvía los intereses de los fundadores de lanzar el producto a bombear el token en un momento crítico cuando la ventana de oportunidad para ponerse al día se está cerrando rápidamente. Hasta ahora no ha habido ninguna innovación ortogonal aquí que evite expandir el cálculo a una escala masiva para competir.

Ahora hay un movimiento creíble de código abierto en torno a modelos orientados al consumidor, que originalmente fue impulsado por algunos jugadores centralizados que optaron por competir con rivales cerrados más grandes para obtener cuota de mercado (por ejemplo, Meta, Stability AI). Pero ahora la comunidad se está poniendo al día y ejerciendo presión sobre las principales empresas de IA. Estas presiones seguirán afectando el desarrollo cerrado de productos de IA, pero no de manera significativa hasta que el código abierto esté al día. Esta es otra gran oportunidad para el espacio Web3, pero solo si resuelve el entrenamiento y la inferencia de modelos descentralizados.

Por lo tanto, si bien en la superficie las aperturas "clásicas" para los disruptores están presentes, la realidad no podría estar más lejos de favorecerlos. La IA está predominantemente ligada a la computación y no hay nada que se pueda cambiar al respecto sin una innovación revolucionaria en los próximos 3 a 5 años, que es un período crucial para determinar quién controla y dirige el desarrollo de la IA.

El propio mercado de la informática, a pesar de que la demanda está impulsando los esfuerzos en el lado de la oferta, tampoco puede "dejar que cien flores florezcan" con la competencia entre los fabricantes limitada por factores estructurales como la fabricación de chips y las economías de escala.

Seguimos siendo optimistas sobre la ingeniosidad humana y estamos seguros de que hay personas lo suficientemente inteligentes y nobles como para intentar resolver el problema de la IA de una manera que favorezca al mundo libre sobre el control corporativo o gubernamental de arriba hacia abajo. Pero las probabilidades son muy escasas y es como lanzar una moneda, como mucho, pero los fundadores de Web3 están demasiado ocupados lanzando la moneda para obtener un impacto financiero en lugar de impacto en el mundo real.

Si estás construyendo algo genial para ayudar a aumentar las posibilidades de Web3 y no solo estás siguiendo la ola de hype, contáctanos.

Descargo de responsabilidad：

1. Este artículo es reimpreso de [Gategagra.vc], Todos los derechos de autor pertenecen al autor original [gagra.vc]. Si hay objeciones a esta reimpresión, por favor contacte al Gate Learnequipo y lo resolverán rápidamente.
2. Descargo de responsabilidad: Los puntos de vista y opiniones expresados en este artículo son únicamente los del autor y no constituyen ningún consejo de inversión.
3. Las traducciones del artículo a otros idiomas son realizadas por el equipo de Gate Learn. A menos que se mencione, está prohibido copiar, distribuir o plagiar los artículos traducidos.