Pero los modelos de inteligencia artificial (IA) o «aprendizaje automático» existen desde hace un tiempo.

En esta guía para principiantes, iremos más allá de los chatbots para observar diferentes tipos de IA y ver cómo ya forma parte de nuestras vidas.

¿Cómo aprende la IA?

La clave de todo el aprendizaje automático es un proceso llamado capacitación, en el que un programa de computadora recibe una gran cantidad de datos, a veces con etiquetas que explican cuáles son los datos, y un conjunto de instrucciones.

La instrucción podría ser algo como: «busca todas las imágenes que contengan caras» o «categoriza estos sonidos».

Luego, el programa buscará patrones en los datos que se le han proporcionado para lograr estos objetivos.

Es posible que necesite algunos empujones en el camino, como «eso no es una cara» o «esos dos sonidos son diferentes», pero lo que el programa aprende de los datos y las pistas que recibe se convierte en el modelo de IA, y el material de capacitación termina. definiendo sus habilidades.

Una forma de ver cómo este proceso de entrenamiento podría crear diferentes tipos de IA es pensar en diferentes animales.

Durante millones de años, el entorno natural ha llevado a los animales a desarrollar habilidades específicas, de manera similar, los millones de ciclos que realiza una IA a través de sus datos de entrenamiento determinarán la forma en que se desarrolla y conducirán a modelos de IA especializados.

Entonces, ¿cuáles son algunos ejemplos de cómo hemos entrenado IA para desarrollar diferentes habilidades?

¿Qué son los chatbots?

Piense en un chatbot como un loro. Es un imitador y puede repetir palabras que ha escuchado con cierta comprensión de su contexto, pero sin un sentido completo de su significado.

Los chatbots hacen lo mismo, aunque a un nivel más sofisticado, y están a punto de cambiar nuestra relación con la palabra escrita.

Pero, ¿cómo saben escribir estos chatbots?

Son un tipo de IA conocido como modelos de lenguaje grande (LLM) y están entrenados con grandes volúmenes de texto.

Un LLM puede considerar no solo palabras individuales sino oraciones completas y comparar el uso de palabras y frases en un pasaje con otros ejemplos en todos sus datos de entrenamiento.

Usando estos miles de millones de comparaciones entre palabras y frases, puede leer una pregunta y generar una respuesta, como mensajes de texto predictivos en su teléfono, pero a gran escala.

Lo sorprendente de los grandes modelos de lenguaje es que pueden aprender las reglas de la gramática y descifrar el significado de las palabras por sí mismos, sin ayuda humana.

Opinión de experto: el futuro de los chatbots

«En 10 años, creo que tendremos chatbots que funcionen como expertos en cualquier dominio que desees. Así que podrás preguntarle a un médico experto, a un maestro experto, a un abogado experto lo que necesites y hacer que esos sistemas funcionen. lograr cosas por ti».

Sam Altman – CEO de OpenAI, creadores de ChatGPT

¿Puedo hablar con una IA?

Si ha usado Alexa, Siri o cualquier otro tipo de sistema de reconocimiento de voz, entonces ha estado usando IA.

Imagina un conejo con sus grandes orejas, adaptado para capturar pequeñas variaciones en el sonido.

La IA graba los sonidos mientras habla, elimina el ruido de fondo, separa su discurso en unidades fonéticas, los sonidos individuales que componen una palabra hablada, y luego los compara con una biblioteca de sonidos del idioma.

Luego, su discurso se convierte en texto donde cualquier error de escucha se puede corregir antes de dar una respuesta.

Este tipo de inteligencia artificial se conoce como procesamiento de lenguaje natural.

Es la tecnología detrás de todo, desde que usted dice «sí» para confirmar una transacción bancaria telefónica, hasta pedirle a su teléfono móvil que le informe sobre el clima para los próximos días en una ciudad a la que viaja.

¿Puede la IA entender las imágenes?

¿Alguna vez tu teléfono reunió tus fotos en carpetas con nombres como «en la playa» o «salidas nocturnas»?

Entonces has estado usando IA sin darte cuenta. Un algoritmo de IA descubrió patrones en tus fotos y los agrupó por ti.

Estos programas han sido entrenados mirando a través de una montaña de imágenes, todas etiquetadas con una simple descripción.

Si le da a una IA de reconocimiento de imágenes suficientes imágenes etiquetadas como «bicicleta», eventualmente comenzará a descubrir cómo se ve una bicicleta y en qué se diferencia de un bote o un automóvil.

A veces, la IA está entrenada para descubrir pequeñas diferencias dentro de imágenes similares.

Así es como funciona el reconocimiento facial, encontrando una relación sutil entre las características de tu rostro que lo hacen distinto y único en comparación con cualquier otro rostro del planeta.

El mismo tipo de algoritmos se ha entrenado con exploraciones médicas para identificar tumores que amenazan la vida y pueden funcionar a través de miles de exploraciones en el tiempo que le llevaría a un consultor tomar una decisión sobre solo una.

¿Cómo crea la IA nuevas imágenes?

Recientemente, el reconocimiento de imágenes se ha adaptado a modelos de IA que han aprendido el poder camaleónico de manipular patrones y colores.

Estas IA generadoras de imágenes pueden convertir los patrones visuales complejos que recopilan de millones de fotografías y dibujos en imágenes completamente nuevas.

Puede pedirle a la IA que cree una imagen fotográfica de algo que nunca sucedió, por ejemplo, una foto de una persona caminando sobre la superficie de Marte.

O puedes dirigir creativamente el estilo de una imagen: «Haz un retrato del entrenador de fútbol de Inglaterra, pintado al estilo de Picasso».

Las últimas IA comienzan el proceso de generar esta nueva imagen con una colección de píxeles de colores aleatorios.

Mira los puntos aleatorios en busca de algún indicio de un patrón que aprendió durante el entrenamiento: patrones para construir diferentes objetos.

Estos patrones se mejoran lentamente agregando más capas de puntos al azar, conservando los puntos que desarrollan el patrón y descartando otros, hasta que finalmente surge una semejanza.

Desarrolle todos los patrones necesarios como «superficie de Marte», «astronauta» y «caminar» juntos y tendrá una nueva imagen.

Debido a que la nueva imagen se construye a partir de capas de píxeles aleatorios, el resultado es algo que nunca antes había existido, pero aún se basa en los miles de millones de patrones que aprendió de las imágenes de entrenamiento originales.

La sociedad ahora está comenzando a lidiar con lo que esto significa para cosas como los derechos de autor y la ética de crear obras de arte entrenadas en el arduo trabajo de artistas, diseñadores y fotógrafos reales.

¿Qué pasa con los carros autónomos?

Los autos sin conductor han sido parte de la conversación sobre la IA durante décadas y la ciencia ficción los ha fijado en la imaginación popular.

La IA autónoma se conoce como conducción autónoma y los automóviles están equipados con cámaras, radares y láseres de detección de alcance.

Piense en una libélula, con visión de 360 grados y sensores en sus alas para ayudarla a maniobrar y hacer ajustes constantes durante el vuelo.

De manera similar, el modelo de IA utiliza los datos de sus sensores para identificar objetos y determinar si se están moviendo y, de ser así, qué tipo de objeto en movimiento son: otro automóvil, una bicicleta, un peatón u otra cosa.

Miles y miles de horas de capacitación para comprender cómo es una buena conducción han permitido que la IA pueda tomar decisiones y actuar en el mundo real para conducir el automóvil y evitar colisiones.

Los algoritmos predictivos pueden haber tenido problemas durante muchos años para lidiar con la naturaleza a menudo impredecible de los conductores humanos, pero los automóviles sin conductor ahora han recopilado millones de millas de datos en carreteras reales. En San Francisco, ya están transportando pasajeros de pago.

La conducción autónoma también es un ejemplo muy público de cómo las nuevas tecnologías deben superar más que obstáculos técnicos.

La legislación gubernamental y las normas de seguridad, junto con una profunda sensación de ansiedad por lo que sucede cuando entregamos el control a las máquinas, siguen siendo obstáculos potenciales para un futuro totalmente automatizado en nuestras carreteras.

Opinión del experto: más seguro que los humanos

“Creo que donde vamos a aterrizar es que queremos carreteras más seguras. Y es algo realmente interesante de lo que hablar ahora, cuando los humanos y los robots tal vez tengan un rendimiento relativamente similar. Pero durante los próximos dos años, dada la tasa de mejora que han tenido estos sistemas, creo que esta será una conversación que estará en el espejo retrovisor. Porque van a ser mucho mejores que los humanos y ni siquiera vamos a tener este debate”.

Kyle Vogt – CEO de la compañía de automóviles autónomos Cruise

¿Qué sabe la IA sobre mí?

Algunas IA simplemente tratan con números, recopilándolos y combinándolos en volumen para crear un enjambre de información, cuyos productos pueden ser extremadamente valiosos.

Es probable que ya existan varios perfiles de sus acciones financieras y sociales, particularmente en línea, que podrían usarse para hacer predicciones sobre su comportamiento.

Tu tarjeta de fidelización de supermercado sigue tus hábitos y gustos a través de tu compra semanal. Las agencias de crédito rastrean cuánto tiene en el banco y cuánto debe en sus tarjetas de crédito.

Netflix y Amazon llevan un registro de cuántas horas de contenido transmitiste anoche. Tus cuentas de redes sociales saben cuántos videos comentaste hoy.

Y no es solo usted, estos números existen para todos, lo que permite que los modelos de IA los revisen en busca de tendencias sociales.

Estos modelos de IA ya están dando forma a su vida, desde ayudarlo a decidir si puede obtener un préstamo o una hipoteca, hasta influir en lo que compra al elegir qué anuncios ve en línea.

¿Podrá la IA hacerlo todo?

¿Sería posible combinar algunas de estas habilidades en un solo modelo híbrido de IA?

Eso es exactamente lo que hace uno de los avances más recientes en IA.

Se llama IA multimodal y permite que un modelo observe diferentes tipos de datos, como imágenes, texto, audio o video, y descubra nuevos patrones entre ellos.

Este enfoque multimodal fue una de las razones del gran salto en la capacidad entre ChatGPT3, que se entrenó solo con texto, y ChatGPT4, que también se entrenó con imágenes.

La idea de un único modelo de IA capaz de procesar cualquier tipo de datos y, por tanto, realizar cualquier tarea, desde traducir entre idiomas hasta diseñar nuevos fármacos, se conoce como inteligencia general artificial (IAG).

Para algunos es el objetivo final de toda investigación en inteligencia artificial; para otros es un camino hacia todas esas distopías de ciencia ficción en las que damos rienda suelta a una inteligencia tan incomprensible que ya no somos capaces de controlarla.

¿Cómo se entrena una IA?

Hasta hace poco, el proceso clave en el entrenamiento de la mayoría de las IA se conocía como «aprendizaje supervisado».

Los humanos etiquetaron grandes conjuntos de datos de entrenamiento y se le pidió a la IA que descubriera patrones en los datos.

Luego se le pidió a la IA que aplicara estos patrones a algunos datos nuevos y que diera su opinión sobre su precisión.

Por ejemplo, imagine que le da a una IA una docena de fotos: seis están etiquetadas como «automóvil» y seis están etiquetadas como «camioneta».

A continuación, dígale a la IA que elabore un patrón visual que clasifique los automóviles y las camionetas en dos grupos.

Ahora, ¿qué crees que sucede cuando le pides que categorice esta foto?

Desafortunadamente, parece que la IA cree que se trata de una furgoneta, no tan inteligente.

Ahora muéstrale esto.

Y te dice que esto es un carro.

Está bastante claro lo que salió mal.

A partir del número limitado de imágenes con las que se entrenó, la IA ha decidido que el color es la forma más sólida de separar automóviles y camionetas.

Pero lo sorprendente del programa de IA es que tomó esta decisión por sí solo, y podemos ayudarlo a refinar su toma de decisiones.

Podemos decirle que ha identificado incorrectamente los dos nuevos objetos; esto lo obligará a encontrar un nuevo patrón en las imágenes.

Pero lo que es más importante, podemos corregir el sesgo en nuestros datos de entrenamiento dándoles imágenes más variadas.

Estas dos acciones simples tomadas juntas, y a gran escala, son la forma en que la mayoría de los sistemas de IA han sido entrenados para tomar decisiones increíblemente complejas.

¿Qué es el aprendizaje profundo?

Muchos de los avances más recientes en IA han sido posibles gracias al aprendizaje profundo.

En los términos más simples, aquí es donde el uso de algoritmos complejos y grandes conjuntos de datos significa que la IA puede aprender sin ninguna guía humana.

ChatGPT es el ejemplo más conocido.

La cantidad de texto en Internet y en libros digitalizados es tan grande que, durante muchos meses, ChatGPT pudo aprender a combinar palabras de manera significativa por sí mismo.

Imagina que tienes una gran pila de libros en un idioma extranjero, tal vez algunos de ellos con imágenes.

Eventualmente, podrías descubrir que la misma palabra aparecía en una página cada vez que había un dibujo o una foto de un árbol, y otra palabra cuando había una foto de una casa.

Y verías que a menudo había una palabra cerca de esas palabras que podría significar «un» o tal vez «el», y así sucesivamente.

Este es el modelo de aprendizaje profundo, también conocido como aprendizaje no supervisado.

Se basa en enormes cantidades de poder de cómputo que le permite a la IA memorizar grandes cantidades de palabras, solas, en grupos, en oraciones y en páginas, y luego leer y comparar cómo se usan una y otra vez en una fracción de segundo. segundo.

Los rápidos avances logrados por los modelos de aprendizaje profundo en el último año han impulsado una nueva ola de entusiasmo y preocupación por el potencial de la inteligencia artificial, y no hay señales de que se esté desacelerando.

Las promesas y advertencias de la ciencia ficción parecen haberse deslizado repentinamente sobre nosotros y descubrimos que ya estamos viviendo en un mundo donde la IA está comenzando a revelar sus extrañas habilidades inhumanas.

Opinión de experto: Piense en ellos como niños

“La respuesta a cómo podemos preparar las máquinas para este mundo éticamente complejo reside en la forma en que criamos a nuestros propios hijos y los preparamos para enfrentar nuestro mundo complejo. Cuando criamos a los niños, no sabemos qué situaciones exactas enfrentarán. No les damos de comer con cuchara la respuesta a todas las preguntas posibles; más bien, les enseñamos cómo encontrar la respuesta por sí mismos”.

Mo Gawdat – autor y ex director comercial de Google X