Por Hermes Lavallén
La Inteligencia Artificial (IA) se refiere a la capacidad de las máquinas para realizar tareas que normalmente requieren inteligencia humana, como el aprendizaje, la percepción, el razonamiento y la resolución de problemas. Esto se logra mediante el desarrollo de algoritmos y modelos matemáticos que imitan la forma en que el cerebro humano procesa la información.
El futuro de la IA es incierto, pero hay algunas tendencias importantes que se están observando. Una de las tendencias más notables es la creciente capacidad de las máquinas para realizar tareas que antes solo podían realizar los humanos, como la visión por computadora, la traducción de idiomas y la conducción autónoma.
En este artículo destacamos la IA generativa o GAI (por sus siglas en ingles “General Artifical Inteligence”). La IA generativa o GAI se refiere a un tipo de técnica de Inteligencia Artificial que se utiliza para generar nuevos datos a partir de un conjunto existente de datos. A diferencia de otros enfoques de IA que se centran en la clasificación, la predicción o el análisis de datos, la GAI se enfoca en crear nuevos datos que sean similares a los datos existentes.
La GAI utiliza técnicas como las redes neuronales y el aprendizaje profundo para aprender patrones y características de un conjunto de datos existente y luego utilizar ese conocimiento para generar nuevos datos que sean similares a los originales.
La IA generativa funciona explorando varios diseños posibles de un objeto para encontrar la combinación correcta o más adecuada. No solo puede mejorar y acelerar el diseño en muchos campos, sino que también tiene el potencial de «inventar» diseños u objetos novedosos que los humanos podrían pasar por alto.
Los especialistas en marketing y los medios ya están sintiendo el impacto de la IA generativa, algunos predicen: Para 2025, la proporción de información sintética en la información de marketing externa de las grandes empresas y organizaciones aumentará de menos del 2 % en 2022 al 30 % y la proporción de contenido generado por IA (de texto a video) en películas de gran éxito aumentará del 0 % en 2022 al 90 % en 2030.
La innovación de IA en su conjunto todavía se está acelerando, creando muchos casos de uso para la IA generativa en todas las industrias.
Cinco casos de uso de la industria para la IA generativa
1. Aplicación de la IA generativa en el campo del diseño de fármacos
Según un estudio de 2010, el costo promedio de un fármaco desde la investigación y el desarrollo hasta la comercialización es de aproximadamente 1800 millones de dólares estadounidenses, de los cuales los costos de investigación y desarrollo del fármaco representan aproximadamente un tercio, y todo el proceso de investigación y desarrollo lleva tanto tiempo como 3 a 6 años. La IA generativa se ha utilizado para reducir los ciclos de diseño de medicamentos a meses para diversos fines, lo que reduce los costos y el tiempo de desarrollo de medicamentos en la industria farmacéutica.
2. Aplicación de IA Generativa en Ciencia de Materiales
La IA generativa está afectando a las industrias automotriz, aeroespacial, de defensa, médica, electrónica y energética al combinar nuevos materiales con propiedades físicas específicas. El proceso, conocido como ingeniería inversa, define las propiedades deseadas y luego explora los materiales que podrían tener esas propiedades, en lugar de depender de la casualidad para encontrar materiales con ellos, por lo que se puede encontrar, por ejemplo, que es más eficiente que los que se utilizan actualmente en las industrias de la energía y el transporte Materiales con conductividad eléctrica o atracción magnética, materiales que cumplan con los requisitos de resistencia a la corrosión, etc.
3. Aplicación de la IA generativa en el diseño de chips
La IA generativa puede utilizar el aprendizaje por refuerzo (una técnica de aprendizaje automático) para optimizar la ubicación de los componentes en los diseños de chips semiconductores (planificación de planta), lo que reduce los ciclos de desarrollo de productos de semanas (usando expertos humanos) a horas (usando IA generativa).
4. Aplicación de IA Generativa a Datos Sintéticos
La IA generativa se puede utilizar para crear datos sintéticos. Los datos sintéticos son datos generados que no provienen de observaciones directas del mundo real. Esto protege la privacidad de la fuente original de los datos de entrenamiento del modelo. Por ejemplo, los datos médicos para investigación y análisis pueden generarse artificialmente, para evitar revelar la identidad del paciente en los registros médicos utilizados y proteger la privacidad del paciente.
5. Diseño generativo de piezas
Con la IA generativa, industrias como la fabricación, la automoción, la aeroespacial y la defensa pueden diseñar piezas que cumplan mejor con objetivos y limitaciones específicos en términos de rendimiento, materiales y procesos de fabricación. Por ejemplo, los fabricantes de automóviles pueden utilizar el diseño generativo para crear diseños más ligeros, ayudándoles a lograr su objetivo de hacer que los automóviles ahorren más combustible.
El potencial de la IA generativa
La mayoría de los sistemas de IA actuales son clasificadores, por lo que pueden entrenarse para distinguir entre imágenes de perros y gatos, etc. Y se puede entrenar un sistema de IA generativa para generar imágenes de perros o gatos que no existen en el mundo real. Las tecnologías innovadoras cambiarán las «reglas del juego».
La IA generativa permite que los sistemas creen artefactos de alto valor, como videos, narraciones, datos de capacitación e incluso diseños y esquemas.
Por ejemplo, el Transformador pre entrenado generativo (GPT) ChatGPT es un chatbot de inteligencia artificial desarrollado por OpenAI y lanzado en noviembre de 2022. Es una técnica de lenguaje natural a gran escala que utiliza el aprendizaje profundo para generar texto similar al humano. El GPT de tercera generación GPT-3 (Generative Pre-trained Transformer 3) puede predecir la próxima palabra más probable en una oración en función del entrenamiento que ha absorbido, es capaz de escribir historias, canciones y poemas, e incluso código de computadora. El sistema incorpora 175 millones de parámetros, y ha sido entrenado con grandes cantidades de texto de las más diversas fuentes, siendo capaz de realizar tareas más o menos complejas relacionadas con el lenguaje y de enfocarse en la traducción de idiomas, la generación de texto y más. Gracias a esto, un usuario puede introducir cualquier pregunta en la aplicación (en cualquiera de los idiomas soportados, entre ellos el español) y GPT-3 intentará generar una respuesta apropiada para contestar a la pregunta de la manera más correcta y eficaz posible.
Además de texto, los generadores de imágenes digitales como DALL-E 2, Stable Diffusion, Midjourney, etc. pueden generar imágenes a partir de texto.
Foto: Imágenes generadas por Dall-E, una inteligencia artificial de Open AI.
La IA generativa abarca muchas técnicas de IA, pero recientemente, el modelo subyacente ha tomado el centro del escenario. Los modelos base se pueden auto supervisar, se pueden entrenar previamente en fuentes de datos comunes y luego se pueden usar para resolver nuevos problemas. La base principal del modelo base es la arquitectura Transformer, una arquitectura de red neuronal profunda que calcula una representación numérica de los datos de entrenamiento.
La arquitectura de Transformer aprende el contexto rastreando las relaciones en datos continuos y, por lo tanto, el significado. Los modelos de transformadores emplean un conjunto evolutivo de técnicas matemáticas llamadas atención o autoatención para detectar las formas sutiles en las que varios elementos de datos en datos continuos interactúan y dependen unos de otros.
Riesgos de la IA generativa
La IA generativa presenta no solo oportunidades para las empresas, sino también amenazas reales, incluidas falsificaciones profundas, problemas de derechos de autor y otros riesgos del uso malintencionado de técnicas de IA generativa para atacar a las organizaciones.
Puede trabajar con líderes de gestión de riesgos y seguridad para reducir de manera proactiva los riesgos reputacionales, fraudulentos, fraudulentos y políticos para individuos, organizaciones y gobiernos que plantea el uso malicioso de la IA generativa.
También puede considerar guiar el uso responsable de la IA generativa a través de una lista seleccionada de proveedores y servicios aprobados, dando prioridad a los proveedores que están comprometidos con conjuntos de datos de capacitación abiertos y transparentes y el uso legítimo de modelos o hacen que sus modelos sean de código abierto.
PROBANDO a GPT. Crédito: Dot CSV.
