La IA está apareciendo en prácticamente todos los ámbitos de la vida moderna, desde la música y los medios de comunicación hasta los negocios y la productividad, e incluso las citas. Hay tanto que puede resultar difícil mantenerse al día, así que sigue leyendo para descubrir todo, desde los últimos avances importantes hasta los términos y las empresas que necesitas conocer para mantenerte actualizado en este campo en constante evolución.
Para empezar, asegurémonos de estar todos en la misma página: ¿qué es la IA?
La inteligencia artificial, también conocida como aprendizaje automático, es una especie de sistema de software basado en redes neuronales, una técnica que en realidad se desarrolló hace décadas, pero que recientemente ha florecido gracias a los nuevos recursos informáticos potentes. La IA ha permitido el reconocimiento eficaz de voz e imagen, así como la capacidad de generar imágenes y discursos sintéticos. Y los investigadores están trabajando arduamente para que sea posible que una IA navegue por la web, reserve entradas, ajuste recetas y mucho más.
Oh, pero si te preocupa una rebelión de las máquinas al estilo de Matrix, no te preocupes. ¡Hablaremos de eso más adelante!
Nuestra guía de IA tiene tres partes principales, cada una de las cuales actualizaremos regularmente y se pueden leer en cualquier orden:
- Primero, los conceptos más fundamentales que necesitas conocer, así como los más importantes recientes.
- A continuación, una visión general de los principales actores de la IA y por qué son importantes.
- Y por último, una lista seleccionada de los titulares y avances recientes de los que debes tener conocimiento.
Al final de este artículo, estarás tan actualizado como cualquiera puede esperar estar en estos días. Además, lo actualizaremos y ampliaremos a medida que avancemos en la era de la IA.
IA 101
Créditos de imagen: Andrii Shyp / Getty Images
Una de las cosas sorprendentes acerca de la IA es que aunque los conceptos básicos se remontan a más de 50 años, pocos de ellos eran familiares incluso para los expertos en tecnología hasta hace muy poco. Así que si te sientes perdido, no te preocupes, todos lo estamos.
Y una cosa que queremos dejar clara desde el principio: aunque se llama "inteligencia artificial", ese término es un poco engañoso. No hay una definición única de inteligencia, pero lo que hacen estos sistemas definitivamente se acerca más a calculadoras que a cerebros. La entrada y la salida de esta calculadora son simplemente mucho más flexibles. Podrías pensar en la inteligencia artificial como en un coco artificial: es una imitación de la inteligencia.
Dicho esto, aquí están los términos básicos que encontrarás en cualquier discusión sobre IA.
Red neuronal
Nuestros cerebros están en gran parte compuestos por células interconectadas llamadas neuronas, que se entrelazan para formar redes complejas que realizan tareas y almacenan información. Recrear este sistema asombroso en software se ha intentado desde la década de 1960, pero la potencia de procesamiento requerida no estaba ampliamente disponible hasta hace 15-20 años, cuando las GPUs permitieron que las redes neuronales definidas digitalmente florecieran. En su núcleo, son simplemente muchos puntos y líneas: los puntos son datos y las líneas son relaciones estadísticas entre esos valores. Como en el cerebro, esto puede crear un sistema versátil que rápidamente toma una entrada, la pasa a través de la red y produce una salida. A este sistema se le llama modelo.
Modelo
El modelo es la colección real de código que acepta entradas y devuelve salidas. La similitud terminológica con un modelo estadístico o un sistema de modelado que simula un proceso natural complejo no es casualidad. En IA, el modelo puede referirse a un sistema completo como ChatGPT, o básicamente cualquier construcción de IA o aprendizaje automático, independientemente de lo que haga o produzca. Los modelos tienen diferentes tamaños, lo que significa tanto el espacio de almacenamiento que ocupan como la potencia computacional que requieren para ejecutarse. Y esto depende de cómo se haya entrenado el modelo.
Formación
Para crear un modelo de IA, las redes neuronales que conforman la base del sistema se exponen a una gran cantidad de información en lo que se llama un conjunto de datos o corpus. Al hacerlo, estas redes gigantes crean una representación estadística de esos datos. Este proceso de formación es la parte más intensiva en términos de cálculo, lo que significa que lleva semanas o meses (puedes hacerlo durante el tiempo que desees) en enormes bancos de computadoras de alta potencia. La razón de esto es que no solo las redes son complejas, sino que los conjuntos de datos pueden ser extremadamente grandes: miles de millones de palabras o imágenes que deben ser analizadas y representadas en el modelo estadístico gigante. Por otro lado, una vez que el modelo está listo, puede ser mucho más pequeño y menos exigente cuando se utiliza, en un proceso llamado inferencia.
Créditos de la imagen: Google
Inferencia
Cuando el modelo está en realidad haciendo su trabajo, lo llamamos inferencia, en el sentido más tradicional de la palabra: estableciendo una conclusión razonando sobre la evidencia disponible. Por supuesto, no es exactamente "razonamiento", sino conectar estadísticamente los puntos en los datos que ha procesado y, en efecto, predecir el siguiente punto. Por ejemplo, al decir "Completa la siguiente secuencia: rojo, naranja, amarillo...", encontrará que estas palabras corresponden al comienzo de una lista que ha leído, los colores del arcoíris, e infiere el siguiente elemento hasta que ha producido el resto de esa lista. La inferencia en general es mucho menos costosa computacionalmente que la formación: piensa en ello como mirar a través de un catálogo de tarjetas en lugar de armarlo. Los modelos grandes aún deben ejecutarse en supercomputadoras y GPU, pero los más pequeños se pueden ejecutar en un teléfono inteligente o algo aún más simple.
IA generativa
Todos están hablando de la IA generativa, y este amplio término simplemente se refiere a un modelo de IA que produce una salida original, como una imagen o texto. Algunas IA resumen, otras reorganizan, otras identifican, y así sucesivamente, pero una IA que realmente genera algo (si "crear" es discutible o no) es especialmente popular en este momento. Solo recuerda que solo porque una IA haya generado algo, eso no significa que sea correcto, o incluso que refleje la realidad en absoluto. Solo significa que no existía antes de que lo pidieras, como una historia o una pintura.
Los términos más relevantes de hoy
Además de los conceptos básicos, estos son los términos de IA más relevantes a mediados de 2023.
Modelo de lenguaje grande
La forma más influyente y versátil de IA disponible en la actualidad, los modelos de lenguaje grande se entrenan con prácticamente todo el texto que conforma la web y gran parte de la literatura en inglés. Al digerir todo esto, se obtiene un modelo de base (leer más adelante) de un tamaño enorme. Los modelos de lenguaje grande son capaces de conversar y responder preguntas en lenguaje natural e imitar una variedad de estilos y tipos de documentos escritos, como lo demuestran ChatGPT, Claude y LLaMa. Si bien estos modelos son indudablemente impresionantes, debemos tener en cuenta que siguen siendo motores de reconocimiento de patrones, y cuando responden es un intento de completar un patrón que ha identificado, ya sea que ese patrón refleje la realidad o no. Los modelos de lenguaje grande con frecuencia alucinan en sus respuestas, lo cual veremos en breve.
Si quieres aprender más sobre los modelos de lenguaje grande y ChatGPT, tenemos otro artículo completo sobre eso.
Modelo base
Entrenar un modelo enorme desde cero con conjuntos de datos enormes es costoso y complejo, por lo que no quieres tener que hacerlo más de lo necesario. Los modelos base son los grandes modelos desde cero que necesitan supercomputadoras para funcionar, pero se pueden reducir para caber en contenedores más pequeños, generalmente reduciendo el número de parámetros. Puedes pensar en ellos como los puntos totales con los que el modelo tiene que trabajar, y en estos días pueden ser millones, miles de millones o incluso billones.
Optimización detallada
Un modelo base como GPT-4 es inteligente, pero también es un generalista por diseño: absorbió todo, desde Dickens hasta Wittgenstein y las reglas de Dungeons & Dragons. Sin embargo, nada de eso es útil si quieres que te ayude a escribir una carta de presentación para tu currículum. Afortunadamente, los modelos se pueden ajustar detalladamente dándoles un poco de entrenamiento adicional utilizando un conjunto de datos especializado, como por ejemplo, algunas miles de solicitudes de empleo que andan por ahí. Esto le da al modelo un sentido mucho mejor de cómo ayudarte en ese ámbito sin desechar los conocimientos generales que ha adquirido del resto de sus datos de entrenamiento.
El aprendizaje por refuerzo a partir de la retroalimentación humana, o RLHF, es un tipo especial de ajuste detallado del que escucharás mucho. Utiliza datos de humanos interactuando con el LLM para mejorar sus habilidades de comunicación.
Difusión
A partir de un documento sobre una técnica de difusión avanzada, se puede observar cómo se puede reproducir una imagen incluso a partir de datos muy ruidosos. Créditos de imagen: OpenAI
La generación de imágenes se puede hacer de varias formas, pero hasta ahora la más exitosa es, con diferencia, la difusión, que es la técnica en el corazón de Stable Diffusion, Midjourney y otros populares AI generativos. Los modelos de difusión se entrenan mostrándoles imágenes que se degradan gradualmente agregando ruido digital hasta que no queda nada de la original. Al observar esto, los modelos de difusión aprenden a hacer el proceso inversamente, agregando gradualmente detalles a un ruido puro para formar una imagen arbitrariamente definida. Ya estamos empezando a ir más allá de esto para las imágenes, pero la técnica es confiable y relativamente bien entendida, así que no esperes que desaparezca pronto.
Alucinación
Originalmente, este era un problema de que ciertas imágenes en el entrenamiento se deslizaban hacia resultados no relacionados, como edificios que parecían estar hechos de perros debido a la sobreprevalencia de perros en el conjunto de entrenamiento. Ahora se dice que una IA está alucinando cuando, debido a datos insuficientes o contradictorios en su conjunto de entrenamiento, simplemente inventa algo.
Esto puede ser una ventaja o un inconveniente. Una IA que se le pida crear arte original o incluso derivado está alucinando su resultado. Un LLM puede recibir la instrucción de escribir un poema de amor al estilo de Yogi Berra, y lo hará con gusto, a pesar de que algo así no exista en ninguna parte de sus datos de entrenamiento. Pero puede ser un problema cuando se busca una respuesta factual; los modelos presentarán con confianza una respuesta que es mitad real, mitad alucinación. En la actualidad, no hay una forma fácil de distinguir entre una y otra, excepto comprobándolo por uno mismo, porque el modelo en sí no sabe realmente qué es "verdadero" o "falso", solo está tratando de completar un patrón lo mejor que puede.
IA general o IA fuerte
La Inteligencia Artificial General, o IA fuerte, no es realmente un concepto bien definido, pero la explicación más sencilla es que es una inteligencia lo suficientemente poderosa como para no solo hacer lo que las personas hacen, sino también aprender y mejorarse a sí misma como lo hacemos nosotros. Algunos se preocupan de que este ciclo de aprendizaje, integración de ideas, y luego aprendizaje y crecimiento más rápido sea un proceso autoperpetuante que resulte en un sistema superinteligente que sea imposible de controlar o contener. Incluso algunos han propuesto retrasar o limitar la investigación para evitar esta posibilidad.
Es una idea aterradora, sin duda, y películas como "The Matrix" y "Terminator" han explorado lo que podría suceder si la inteligencia artificial se descontrola e intenta eliminar o esclavizar a la humanidad. Pero estas historias no están basadas en la realidad. La apariencia de inteligencia que vemos en cosas como ChatGPT es un acto impresionante, pero tiene poco en común con el razonamiento abstracto y la actividad multidominio dinámica que asociamos con la "inteligencia" real. Si bien es casi imposible predecir cómo avanzarán las cosas, puede ser útil pensar en la IA general como algo similar a los viajes interestelares: todos entendemos el concepto y aparentemente estamos trabajando hacia ello, pero al mismo tiempo estamos muy lejos de lograr algo parecido. Y debido a los inmensos recursos y avances científicos fundamentales necesarios, ¡nadie lo logrará de repente por accidente!
La IA general es interesante de pensar, pero no tiene sentido buscar problemas cuando, como señalan los comentaristas, la IA ya está presentando amenazas reales y consecuentes hoy en día, a pesar, y de hecho, en gran medida debido a sus limitaciones. Nadie quiere a Skynet, pero no se necesita una superinteligencia armada con armas nucleares para causar daño real: las personas están perdiendo empleos y cayendo en engaños hoy en día. Si no podemos resolver esos problemas, ¿qué posibilidades tenemos contra un T-1000?
Principales jugadores en IA
OpenAI
Créditos de la imagen: Leon Neal / Getty Images
Si hay un nombre conocido en IA, es este. OpenAI comenzó, como su nombre sugiere, como una organización con la intención de realizar investigaciones y proporcionar los resultados de manera más o menos abierta. Desde entonces, se ha reestructurado como una empresa con fines de lucro más tradicional que ofrece acceso a sus avances en modelos de lenguaje como ChatGPT a través de API y aplicaciones. Está dirigida por Sam Altman, un multimillonario tecnotópico que, sin embargo, ha advertido sobre los riesgos que la IA podría presentar. OpenAI es el líder reconocido en LLMs, pero también realiza investigaciones en otras áreas.
Microsoft
Como era de esperar, Microsoft ha realizado su parte de trabajo en investigación de IA, pero al igual que otras empresas, ha fracasado más o menos en convertir sus experimentos en productos importantes. Su movimiento más inteligente fue invertir temprano en OpenAI, lo que le otorgó una asociación exclusiva a largo plazo con la empresa, que ahora alimenta su agente conversacional Bing. Aunque sus propias contribuciones son más pequeñas y menos inmediatamente aplicables, la compañía tiene una presencia considerable en investigación.
Conocida por sus proyectos ambiciosos, Google de alguna manera se perdió el tren de la IA a pesar de que sus investigadores literalmente inventaron la técnica que condujo directamente a la explosión actual de la IA: el transformador. Ahora está trabajando arduamente en sus propios LLMs y otros agentes, pero está claramente intentando ponerse al día después de pasar la mayor parte de su tiempo y dinero durante la última década impulsando el concepto desactualizado de "asistente virtual" de IA. El CEO Sundar Pichai ha afirmado repetidamente que la compañía se alinea firmemente detrás de la IA en la búsqueda y la productividad.
Anthropic
Después de que OpenAI cambiara su enfoque hacia la falta de apertura, los hermanos Dario y Daniela Amodei lo dejaron para comenzar Anthropic, con la intención de ocupar el papel de una organización de investigación de IA abierta y éticamente considerada. Con la cantidad de dinero que tienen en efectivo, son un serio rival para OpenAI, aunque sus modelos, como Claude, aún no son tan populares ni conocidos.
Estabilidad
Créditos de imagen: Bryce Durbin / TechCrunch
Controvertida pero inevitable, Estabilidad representa la escuela "haz lo que quieras" de implementación de IA de código abierto, absorbiendo todo en Internet y poniendo a disposición libremente los modelos de IA generativos que entrena si tienes el hardware para ejecutarlo. Esto está muy en línea con la filosofía de "la información quiere ser libre", pero también ha acelerado proyectos éticamente cuestionables como la generación de imágenes pornográficas y el uso de propiedad intelectual sin consentimiento (a veces al mismo tiempo).
Elon Musk
No es alguien que se quede atrás, Musk ha sido franco sobre sus temores respecto a una IA descontrolada, así como sobre sus rencores después de que contribuyó temprano en OpenAI y esta tomó una dirección que no le gustó. Aunque Musk no es un experto en este tema, como siempre sus payasadas y comentarios provocan respuestas generalizadas (fue signatario de la carta mencionada anteriormente de "pausa en la IA") y está intentando iniciar su propio proyecto de investigación.
Últimas noticias en IA
OpenAI pone GPT-4 a disposición del público
A partir del 6 de julio, todos los desarrolladores de la API de OpenAI existentes pueden acceder a GPT-4 si tienen un "historial de pagos exitosos". La compañía planea abrir el acceso a nuevos desarrolladores a fines de julio y comenzar a aumentar los límites de disponibilidad después de eso "según la disponibilidad de cómputo".
A partir del 4 de enero de 2024, ciertos modelos antiguos de OpenAI, específicamente GPT-3 y sus derivados, ya no estarán disponibles y serán reemplazados por nuevos modelos de "GPT-3 base". Los desarrolladores que usen los modelos antiguos deberán actualizar manualmente sus integraciones antes del 4 de enero, y aquellos que deseen seguir utilizando modelos antiguos ajustados más allá del 4 de enero deberán realizar ajustes adicionales sobre los nuevos modelos base de GPT-3.
Líderes tecnológicos europeos firman carta abierta advirtiendo sobre la excesiva regulación de la IA en las leyes propuestas por la UE
La carta abierta señala que la IA ofrece la "oportunidad de volver a unirse al avant-garde tecnológico", pero que las propuestas regulatorias actuales a nivel de la UE podrían llevar a una restricción excesiva de las oportunidades.
Inflection recibe una inversión de $1.3 mil millones para desarrollar una IA "personal"
Inflection AI, una startup de IA que tiene como objetivo crear una IA "personal para todos", ha cerrado una ronda de financiamiento de $1.3 mil millones liderada por Microsoft, Reid Hoffman, Bill Gates, Eric Schmidt y el nuevo inversionista Nvidia. El CEO Mustafa Suleyman, quien anteriormente cofundó el laboratorio de IA DeepMind propiedad de Google, afirma que el nuevo capital respaldará el trabajo de Inflection para construir y diseñar su primer producto, un asistente impulsado por IA llamado Pi.
China podría perder aún más acceso a chips en nueva prohibición de EE.UU.
El Departamento de Comercio de Estados Unidos podría prohibir el envío de chips a clientes en China, incluyendo a fabricantes como Nvidia, tan pronto como el próximo mes (julio).
El último movimiento para considerar restricciones adicionales en la exportación de chips de inteligencia artificial a China forma parte de la estrategia más amplia de Estados Unidos para limitar el progreso de China en la IA, especialmente en el ámbito militar. Sin embargo, estas medidas también están teniendo un impacto negativo en el sector comercial de la IA en China, donde muchas empresas operan con equipos que abarcan tanto Estados Unidos como China.
ChatGPT utiliza Bing y Bing utiliza ChatGPT
Los suscriptores de ChatGPT Plus ahora pueden acceder a una nueva función en la aplicación de ChatGPT llamada Búsqueda para que ChatGPT busque respuestas en Bing a preguntas o consultas. OpenAI dice que la función de Búsqueda es especialmente útil para consultas relacionadas con eventos actuales y otra información que "va más allá de los datos de entrenamiento originales" de ChatGPT. Cuando se desactiva la Búsqueda, el conocimiento de ChatGPT se limita a 2021.
La IA no puede ganar un Grammy
Si una composición asistida por IA de un músico desea ser elegible para un Grammy, deberá asegurarse de que su contribución humana sea "significativa y más que de minimis", según las nuevas reglas. Una actualización de los criterios de elegibilidad de los premios Grammy establece que "[s]olo los creadores humanos son elegibles para ser considerados" y que "[u]na obra que no contenga autoría humana no es elegible en ninguna categoría".
El laboratorio de investigación de Google, DeepMind, afirma que su próximo chatbot competirá con ChatGPT
DeepMind está utilizando técnicas de AlphaGo, el sistema de IA de DeepMind que fue el primero en vencer a un jugador humano profesional en el juego de mesa Go, para crear un chatbot llamado Gemini que rivalizará con ChatGPT. Si todo va según lo planeado, Gemini tendrá la capacidad de planificar o resolver problemas, así como analizar texto, según el CEO de DeepMind, Demis Hassabis, en una entrevista con Will Knight de Wired.
Salesforce se compromete a invertir $500 millones en startups de IA
Salesforce anunció que está aumentando su Fondo de IA Generativa de $250 millones a $500 millones. El fondo de IA generativa ya ha invertido en varias empresas en la vanguardia de la tecnología de IA generativa desde su lanzamiento en marzo. Si bien no es el único fondo que invierte principalmente en IA generativa, Salesforce busca diferenciarse al priorizar lo que describe como tecnologías de IA "éticas".
Nvidia se convierte en una empresa de billones de dólares
El fabricante de GPU Nvidia estaba vendiendo bien sus productos a los jugadores y a los mineros de criptomonedas, pero la industria de la inteligencia artificial ha impulsado la demanda de sus dispositivos a niveles inimaginables. La empresa ha sabido aprovechar esto inteligentemente y el otro día superó la simbólica (pero intensa) barrera de capitalización de mercado de un billón de dólares cuando sus acciones alcanzaron los $413. No muestran signos de desaceleración, como lo demostraron recientemente en Computex...
En Computex, Nvidia refuerza su compromiso con la inteligencia artificial
Entre una docena o dos anuncios en Computex en Taipei, el CEO de Nvidia, Jensen Huang, destacó el superchip Grace Hopper de la compañía para la informática acelerada (según su terminología) y demostró una IA generativa que supuestamente podría convertir a cualquier persona en un desarrollador.
Sam Altman de OpenAI hace lobby en nombre de la IA ante el mundo
Altman recientemente asesoró al gobierno de Estados Unidos en políticas de IA, aunque algunos vieron esto como dejar que el zorro ponga las reglas en el gallinero. Los distintos organismos de regulación de la Unión Europea también buscan aportes y Altman ha estado haciendo una gira grandiosa, advirtiendo simultáneamente contra una regulación excesiva y los peligros de una IA desenfrenada. Si estas perspectivas te parecen opuestas... no te preocupes, no eres el único.
Anthropic recauda $450 millones para su nueva generación de modelos de IA
Arruinamos un poco esta noticia para ellos cuando publicamos detalles de esta recaudación de fondos y plan con anticipación, pero Anthropic ahora oficialmente es $450 millones más rico y está trabajando arduamente en el sucesor de Claude y sus otros modelos. Está claro que el mercado de la IA es lo suficientemente grande como para que haya espacio en la cima para algunos proveedores principales, si tienen el capital suficiente para llegar allí.
TikTok está probando su propio chatbot de IA en la aplicación llamado Tako
La plataforma de redes sociales de videos TikTok está probando una nueva IA conversacional a la que puedes preguntarle cualquier cosa, incluido lo que estás viendo. La idea es que en lugar de solo buscar más videos de "aullidos de huskies", podrías preguntarle a Tako "¿por qué aúllan tanto los huskies?" y te dará una respuesta útil y te mostrará más contenido para ver.
Microsoft integra ChatGPT en Windows 11
Después de invertir cientos de millones en OpenAI, Microsoft está decidido a obtener el máximo provecho de su dinero. Ya han integrado GPT-4 en su plataforma de búsqueda Bing, pero ahora esa experiencia de chat de Bing estará disponible, de hecho, probablemente inevitable, en todas las máquinas con Windows 11 a través de una barra lateral en el sistema operativo.
Google agrega un toque de IA a prácticamente todo lo que hace
Google está intentando ponerse al día en el mundo de la inteligencia artificial y, aunque está dedicando recursos considerables para hacerlo, su estrategia todavía es un poco confusa. Por ejemplo, su evento I/O 2023 estuvo repleto de características experimentales que quizás nunca lleguen a un público amplio. Pero definitivamente están haciendo un esfuerzo total para volver al juego.
