Jonathan Tseng: «La carrera por la inteligencia artificial: en busca de los ganadores»

La última versión de ChatGPT ha supuesto un hito en el uso popular de la inteligencia artificial (IA), pero pergeñar las posibles trayectorias en su evolución a partir de ahora será tan difícil como siempre. Jonathan Tseng, analista sénior del sector tecnológico en Fidelity International nos habla de todo ello en esta entrevista.

Comencemos por un temor muy extendido: ¿la IA viene a quedarse con nuestros empleos?

La IA es una gran temática, pero existen muchas concepciones erróneas en la prensa sobre qué es y qué no que generan alarmismo. Está la inteligencia general avanzada, el súmmum, pero todavía queda mucho camino por recorrer. Dentro de eso, tenemos el aprendizaje automático y, después, el aprendizaje profundo, donde los ordenadores se comportan de forma semejante a los humanos usando redes neuronales. En el ámbito del aprendizaje profundo es donde están sucediendo cosas increíbles.

¿Hacia dónde nos dirigimos entonces?

Se está trabajando mucho y lo que es impresionante es que se está llegando a la conclusión de que los modelos más grandes generan mejores resultados. Cuando se piensa en sistemas complejos, normalmente si tú creas un modelo más grande tienes más “basura”, por así decirlo… más conexiones y menos resultados. Lo que se ha descubierto es que, en los grandes modelos de lenguaje, donde se ha pasado de los 1.500 millones de parámetros de GPT 2 a los más de 175.000 millones de GPT 3, Google, Facebook, Microsoft y otros han conseguido unos resultados increíbles. 

¿Pero supone eso una ventaja para estas empresas frente a las demás? 

Podemos dividir esta idea en dos. En primer lugar, tenemos avances en algoritmos relativos a las fórmulas y los enfoques y tenemos datos con los que hay que alimentar a “la bestia” para entrenar estos modelos. Muchos de los avances en algoritmos han sido de código fuente abierto (OpenAI es uno de los líderes aquí), y eso es algo inusual. Por lo tanto, todo el mundo puede acceder a las mismas fórmulas. 

En segundo lugar, ¿tiene todo el mundo acceso a los mismos datos para entrenar estos modelos? Ahí es donde ser un operador consolidado produce una ventaja, tanto en lo que respecta a los datos para entrenar como a los recursos financieros para financiar el entrenamiento, porque entrenar estos modelos puede costar cientos de millones de dólares. 
Pero eso no es realmente algo que nos vaya a llevar directamente a que la IA haga todas las tareas que los humanos preferimos no hacer.

Los sistemas de aprendizaje profundo utilizan redes neuronales y son fantásticos en dos cosas. Una es que pueden encontrar una aguja en un pajar. Por ejemplo, le puedes enseñar 10.000 fotos y encontrará aquella en la que aparecen gatos mejor que cualquier humano. Y lo que es más importante, también puede realizar este procedimiento al revés. Luego es muy bueno generando imágenes impresionantes de gatos. ChatGPT redacta de una forma increíble que parece humana y la difusión estable genera imágenes increíblemente realistas. Todo ello es una función de generación de gatos a lo grande. 

¿Cuál es el pero?

El problema es que el ordenador no sabe que es un gato. Solo sabe generar una imagen relacionada con elementos estadísticos previos que ha visto: no entiende. Eso significa que es muy bueno generando una respuesta que parece humana, pero no tiene ni idea de si es la respuesta correcta. Si tienes funciones donde lo que importa es generar algo que parezca muy humano con, digamos, una precisión de 95%, como generar un fondo para un plató de cine o generar un dibujo animado o una imagen, es fantástico. Estas máquinas pueden estar haciéndolo durante todo el día, mejor y más rápido que una persona. Sin embargo, si tienes una tarea que es necesario que sea correcta, como posar un avión sobre una pista de aterrizaje con un sistema fly-by-wire… no es buena idea, porque si te equivocas un 1% de las veces, ocurren desgracias.

Esos márgenes importan, así que de momento seguimos necesitando humanos para hacer esas cosas.
Sí. Luego hay sectores creativos donde lo que importa es ser realista, no correcto, y para eso estos modelos son fantásticos. Existen otras actividades donde ser correcto importa y ahí el producto no encaja bien en el mercado.

¿Quién crees que se beneficiará comercialmente?

Habrá beneficiados entre quienes fabrican el software y prestan los servicios, pero resulta difícil saberlo en estos momentos. La analogía que siempre utilizo es que el 4G era una tecnología fantástica. Con el 4G se crearon Uber, Airbnb e Instagram. Todo eso llegó porque tenías un móvil y estabas conectado todo el tiempo. Sin embargo, era muy difícil hacer pronósticos. Lo que podías predecir era que el 4G iba a suceder y que Apple iba a vender iPhones. Del mismo modo, si piensas que se va a producir una revolución gracias a la IA, entonces NVIDIA y otros van a vender chips. Por lo tanto, ya sabes, la forma sencilla de apostar por ello es a través de los proveedores “de armas”. Porque es tremendamente difícil escoger a los ganadores en los niveles superiores de la pirámide.
 

2023-06-22 05:00:02