En este articulo introducimos nociones esenciales de conceptos clave en la Inteligencia Artificial. Posteriormente profundizaremos, en sucesivos artículos, en cómo aplicarla a la comunicación corporativa.
Tras 4 millones de años de evolución llego el Homo sapiens, que es el nombre científico de la especie que dio origen el ser humano actual. Esta especie destaca frente a otros animales por su inteligencia y habilidades cognitivas (adquisición de conocimiento) superiores.
Con el tiempo, los seres humanos hemos desarrollado lenguajes, herramientas, tecnologías, culturas y sociedades más complejas. Además de sobrevivir y reproducirnos, hemos sido capaces de colonizar el mundo.
En general, los seres vivos son sistemas de procesamiento de la información que perciben e interpretan del entorno. En base a ello toman decisiones y se adaptan a nuevas situaciones.
Nuestra inteligencia es diferente a la de otros animales porque podemos construir y utilizar teorías que explican el mundo que nos rodea. Lo cual nos da un mayor poder cognitivo.
La cuestión es si una inteligencia como la humana es algo exclusivo de los organismos biológicos. Y la respuesta es que no se puede afirmar con certeza sea así.
Aunque nuestra inteligencia es el resultado de un proceso evolutivo, este no es el único camino.
Es posible que una inteligencia similar a la nuestra pueda emerger de un sistema complejo que utiliza algoritmos y modelos matemáticos para analizar grandes cantidades de datos, aprender patrones y relacionarlos. Todo ello permite tomar decisiones y realizar tareas con una precisión y velocidad que supera a la de los humanos en muchas áreas.
Conceptos Clave relacionados con la Inteligencia Artificial
Antes de adentrarnos en cómo la Inteligencia Artificial puede impactar en las comunicaciones empresariales, nos gustaría dejar claros los siguientes conceptos clave.
Machine Learning
El Machine Learning (aprendizaje automático) es una rama de la inteligencia artificial. Se enfoca en diseñar algoritmos y modelos que permiten a las máquinas aprender de los datos y mejorar su rendimiento en una tarea específica sin ser programadas explícitamente para ello.
Deep Learning
El Deep Learning (aprendizaje profundo) es una técnica dentro del Machine Learning, que intenta imitar la interconexión del cerebro humano mediante Redes Neuronales artificiales de múltiples capas para aprender patrones complejos en grandes conjuntos de datos.
Los algoritmos de Machine Learning tradicionales, requieren de más intervención humana en la selección de características relevantes para el problema en cuestión. A diferencia de ellos, el Deep Learning es capaz de extraer automáticamente las características más relevantes para la tarea.
Es decir, el Machine Learning es una rama de la Inteligencia Artificial. El Deep Learning es un subcampo del Machine Learning y las Redes Neuronales constituyen la columna vertebral sobre la que se construyen los algoritmos de aprendizaje profundo.
De hecho, es el número de capas de nodos, o profundidad, de las redes neuronales lo que distingue una red neuronal simple de un algoritmo de Deep Learning. Un algoritmo de Deep Learning debe tener más de tres.
Inteligencia Artificial
la Inteligencia Artificial (IA), en su definición más clásica, se refiere a sistemas informáticos diseñados para realizar tareas que normalmente requieren inteligencia humana. Tareas como la percepción visual, la toma de decisiones y el aprendizaje.
Inteligencia Artificial Generativa
La Inteligencia Artificial Generativa es una rama de la IA que se enfoca en la creación de contenido original, como imágenes, videos y música. Estos sistemas utilizan algoritmos de aprendizaje automático para analizar grandes conjuntos de datos existentes. A partir de ellos y en respuesta a unas indicaciones, generar contenido nuevo y único. Por ello se llama generativa, porque genera un contenido que no existía previamente.
La IA generativa puede ser unimodal o multimodal. Es unimodal cuando toma como indicación sólo un tipo de entrada (por ejemplo, texto). Es multimodal cuando toma más de un tipo de entrada (por ejemplo, imágenes y texto).
El sistema de autocompletado de los teléfonos móviles o de los correos en Gmail, que sugieren lo que podría ser el resto de la palabra o frase que se está escribiendo es una forma de IA generativa de bajo nivel. Modelos como ChatGPT basados en texto o DALL-E y Midjourney para la generación de imágenes llevan la idea a niveles mucho más avanzados.
Inteligencia Artificial Fuerte
La Inteligencia Artificial Fuerte, a veces también denominada Inteligencia Artificial General, es una forma de IA que se aproxima a la inteligencia humana en términos de su capacidad para aprender, razonar, planificar y adaptarse a nuevos entornos y situaciones.
Este el concepto que genera más controversia y que hasta la fecha actual se considera que no ha sido logrado. Se trata de una inteligencia artificial que iguala o excede la inteligencia humana promedio.
Sería capaz de realizar una amplia variedad de tareas. Desde la resolución de problemas complejos hasta el aprendizaje de nuevas habilidades y la comunicación con los seres humanos de una manera natural y comprensible. El cerebro humano sirve como modelo para construir esta tecnología. La falta de conocimiento sobre varios aspectos del funcionamiento del cerebro hace que el reto de construir una Inteligencia Artificial Fuerte sea complicado.
En resumen:
- la IA trata diferentes tareas específicas
- la IA generativa se centra en la creación de contenido
- la IA fuerte se centra la creación de una inteligencia artificial general y completa
La Revolución de la IA Generativa
El gran avance en Inteligencia Artificial generativa se ha producido con los modelos de lenguaje de gran tamaño (LLM), que son modelos de lenguaje basados en redes neuronales artificiales profundas, entrenados con gran cantidad de datos usando machine learning auto-supervisado o semi-supervisado.
Estos modelos LLM surgieron alrededor del 2017. Desde esa fecha, Google los usaba en Google Brain para la traducción de palabras mientras mantenía el contexto de la frase.
A partir de ahí, estos modelos de lenguaje y también de texto a imagen han proliferado en las grandes empresas tecnológicas. Es el caso de Google (BERT y LaMDA), Meta (OPT-175B, BlenderBot) y OpenAI (GPT-3 para texto, DALL-E2 para imágenes y Whisper para voz).
Comunidades en línea como Midjourney y proveedores de código abierto como HuggingFace, también han creado sus modelos generativos.
Se requiere de gran cantidad de datos, una alta capacidad de procesamiento y tiempo para entrenarlos.
Es en la época más reciente cuando el tamaño de estos modelos ha crecido considerablemente. Llevan un tiempo multiplicando su tamaño por 10 cada año. Además, a medida que estos modelos crecen en complejidad y alcance, también lo hacen sus capacidades.
La gran revolución mainstream llegó a finales de 2022 de la mano de ChatGPT de la compañía OpenAI basado en GPT-3.
GPT-3
Mientras que los modelos lingüísticos tradicionales están programados para utilizar técnicas estadísticas para predecir la siguiente palabra de una frase, ChatGPT es capaz de procesar grandes cantidades de datos en paralelo. El resultado ha sido un gran avance en la capacidad de este modelo para comprender y generar texto.
De todos son ya conocidas las capacidades de ChatGPT para generar contenidos elaborados y únicos ,en función del prompt. Dichos contenidos van desde escribir una obra de teatro, relatos, poesía, a escribir un email, un artículo, generar contenido de marketing, así como elaborar resúmenes o realizar una traducción, entre otras capacidades.
ChatGPT se lanzó a finales de 2022 y en solo 5 días alcanzó el millón de usuarios.
En marzo de 2023 su tráfico llegó a ser 847,8 millones de usuarios de únicos. Estando entre los 50 sitios web más visitados de planeta según datos de la agencia Veza Digital.
GPT-4
Recientemente OpenAI ha lanzado GPT-4, que tiene una naturaleza “multimodal”. Será capaz de admitir tanto texto como imágenes como entrada, aunque esto último no está disponible actualmente. Según prometen, se podrán subir imágenes para dar indicaciones de forma visual. Eso sí, los resultados siempre se presentarán en formato textual.
Como avances frente a GPT-3.5, entre otros, destaca su mayor ventana de contexto. Es decir, la capacidad del modelo de absorber palabras de una vez, que se mide en tokens (1.000 tokens son 750 palabras).
También OpenAI ha declarado que la última versión de su tecnología comete menos errores, lo que ellos llaman «alucinaciones». Anteriormente, ChatGPT era más probable que pudiera confundirse, ofreciendo una respuesta sin sentido a una pregunta o basada en estereotipos o información falsa.
Además, GPT-4 es mejor para jugar con el lenguaje y expresar la creatividad.
Inteligencia Artificial de Código Abierto
Estos modelos de lenguaje de gran tamaño hasta ahora se han limitado en gran medida a las principales compañías tecnológicas. Esto es porque entrenarlos requiere cantidades masivas de datos y potencia informática. Pero una vez que se entrena un modelo generativo, se puede «ajustar» para un contenido especializado particular con muchos menos datos.
Por otro lado, compañías como OpenAI o Google centradas en generar modelos generales tan grandes empiezan a cuestionarse su posición a largo plazo frente a plataformas de código abierto. Estas últimas avanzan con gran rapidez y con una menor inversión económica y menor cantidad de datos están consiguiendo grandes resultados. Lo que les permite crecer más rápido y de una forma más eficiente.
La Inteligencia Artificial de código abierto puede definirse como la colaboración de ingenieros de software en diversos proyectos de inteligencia artificial (IA) cuyo desarrollo está abierto al público.
Estos nuevos modelos se están convirtiendo en una alternativa viable a los modelos de IA ya patentados. Lo cual puede tener un gran impacto en la industria de la Inteligencia Artificial y dar lugar a una mayor competencia e innovación.
Conclusión
Es cierto que el rápido avance de la inteligencia artificial ha provocado numerosas preocupaciones sobre cuestiones éticas, de seguridad y de control.
Aunque no está demostrada su viabilidad, los más pesimistas temen la llegada de una superinteligencia artificial que afectase negativamente el rumbo de la humanidad.
Todas las tecnologías emergentes tienen una combinación de beneficios y riesgos. Sin embargo, parece un precio muy alto renunciar a los grandes beneficios que la inteligencia artificial supone por la actual falta de control de algunos de esos riesgos, dado su rápido avance.
Lo que tiene más sentido es establecer unas guías y regular rápidamente su desarrollo. Crear una IA segura y ética, para garantizar que se utilice de manera responsable y en beneficio de todos.
Es necesario establecer un marco legal que permita tener el control del avance de esta tecnología. A la vez que no sea una regulación demasiado rígida como para frenar la competencia y la innovación.
Resulta innegable que la IA se está convirtiendo en una fuerza transformadora.
Nuestro punto de vista es el de adoptarla como una herramienta en la que apoyarse. Puede generar contenido, pero no es creativa. Lo son las instrucciones que se le dan o la amplia base de conocimiento humano sobre la que se cimienta.
En resumen, la Inteligencia Artificial puede ser muy útil en muchos ámbitos y sectores usada de una manera adecuada y responsable. Y por supuesto, también en las comunicaciones corporativas, mejorando la eficiencia y la efectividad de la comunicación en la empresa.
Recursos relacionados: IA Generativa: el Futuro de la Comunicación Empresarial
Deja una respuesta