La inmensa mayoría de la investigación y desarrollo en IA se realiza sobre Linux. Desde los servidores de OpenAI hasta los notebooks de un investigador en su escritorio. ¿Por qué?
Hay muchas razones, pero hay dos que aparecen siempre primero.
Las GPUs NVIDIA con CUDA son el estándar de facto para entrenar redes neuronales. Los drivers oficiales, las librerías de cómputo (cuDNN, NCCL) y los toolkits de desarrollo se publican primero — y a veces en exclusiva — para Linux. La integración es más profunda: el kernel expone el hardware con menos capas de abstracción y hay menos overhead.
El resultado: el mismo modelo entrena más rápido sobre Linux que sobre Windows con el mismo hardware.
La terminal es ciudadana de primera en Linux: scripts, automatización y reproducibilidad. Combinada con Docker y nvidia-container-toolkit, permite empaquetar un experimento completo (modelo + dependencias + drivers) en una imagen que corre igual en la notebook del investigador, en el servidor de pruebas y en producción.
Esa portabilidad es exactamente lo que hace que el ecosistema de IA pueda crecer tan rápido sin romperse entre máquinas.
Otras razones de fondo: rendimiento bruto (menos overhead del SO), sistemas de archivos pensados para grandes volúmenes (ext4, XFS, ZFS), acceso completo a herramientas científicas open source (Python, R, Julia), y una cultura de software libre que se alinea con la cultura de publicación abierta de la investigación en IA.
Entorno web que combina código, resultados, gráficos y texto en una misma página. Estándar para experimentación, prototipado de modelos y comunicación científica.
Jupyter Notebook es una herramienta de desarrollo interactivo que permite escribir y ejecutar código (sobre todo Python) por bloques o "celdas", viendo el resultado de cada una al instante, sin tener que correr todo el programa de una. En el mismo documento se mezcla código, los resultados (números, tablas, gráficos) y texto explicativo con formato. Por eso es la herramienta preferida en ciencia de datos, machine learning y educación: sirve para experimentar paso a paso, visualizar datos, probar modelos y, a la vez, documentar y compartir el trabajo de forma clara y reproducible.
En el Gestor de Software de Linux Mint buscamos una app que use IA y probamos Upscayl, un escalador de imágenes que usa modelos de super-resolución para aumentar la calidad de fotos viejas o de baja resolución.
Primero habilitamos Flatpak desde la terminal:
sudo apt install flatpakLuego instalamos Upscayl desde el Gestor de Software (que ya muestra los paquetes Flatpak/Flathub).
Las capturas son de diferentes compañeros, para poder comparar resultados.
En algunos casos por la falta de GPU real en la máquina virtual (renderizado por software con llvmpipe) el motor de IA no pudo completar el guardado.
Por lo que concluimos que la IA depende de aceleración por GPU.
Aún asi los resultados obtenidos no han sido muy buenos.