Durante los últimos años hemos visto avances innovadores y frenéticos que están impulsando con gran dinamismo el campo de la Inteligencia Artificial (IA), sobrepasando nuestras expectativas y proyectando un horizonte de transformación y eficiencia en multitud de procesos industriales y tecnológicos.
A medida que nos acercamos al umbral de 2024, este efecto está siendo incluso más exacerbado con la omnipresencia de la IA generativa y de su potencial transformador que están evolucionando nuestra manera de relacionarnos con el mundo digital.
Un efecto directo de este cambio es la automatización y eficiencia de las tareas más rutinarias relacionadas con la generación de contenido, lo que resulta en un ahorro significativo de tiempo y recursos. A modo de ejemplo, puede emplearse para redactar correos electrónicos, generar fragmentos de código, asistir en la creación de contenido de todo tipo e incluso en cuestiones técnicas como sería asesoramiento en la creación de modelos de datos y la generación de código.
Dentro del área de Data Analytics, si bien es cierto que el impacto de la IA generativa está en sus primera etapas, es evidente que los principales proveedores de herramientas de Business Intelligence están desarrollando su roadmap en base a ella. Las herramientas asociadas a Google (Looker), Microsoft (Power BI) y Amazon (QuickSight) comenzaron a lanzar en preview funcionalidades sustentadas en la IA generativa que no solo ayudan al analista de datos en el desarrollo de reportes de una forma más eficiente, sino también a los usuarios finales para que adquieran independencia a la hora de explorar los datasets subyacentes según necesidades específicas. Ejemplos destacados de ello serían Duet AI en Looker, Copilot en PowerBI o el reciente anuncio de GenBI en Amazon QuickSight sustentado en la funcionalidad Q y apoyado en los LLM´s de AWS Bedrock. Se espera que para este 2024 podamos ver las virtudes y debilidades de estas funcionalidades y un establecimiento de ellas tras su uso masivo.
Los siguientes pasos de la IA generativa están superando las limitaciones convencionales. Esta disrupción tecnológica está experimentando una democratización impulsada por la combinación de modelos masivamente entrenados, la infraestructura de cómputo en la nube y la filosofía de código abierto, facilitando su acceso a profesionales en todo el mundo.
Recientemente hemos visto grandes avances en herramientas, algoritmos y modelos de lenguaje generativo especializados en simular un «modo» de expresión, ya sea lenguaje, visuales o sonidos, por ejemplo. Sin embargo, la tendencia se orienta hacia la inteligencia artificial generativa «multi-modal». La integración de todas estas dimensiones va a ser la forma más común de presentación de los próximos productos de IA generativa.
El concepto de IA omnipresente se verá desarrollado durante el próximo año con el desarrollo de IA generativa autónoma.
Los «Agentes Autónomos» como AutoGPT (desarrollado por OpenAI en 2023) son aplicaciones que operan de manera efectiva de manera autónoma, generando y respondiendo de forma iterativa a prompts o instrucciones hasta alcanzar un objetivo final. Idealmente este tipo de funcionalidad debe proliferar en tareas de tipo de creación de contenido, manejo de los datos o análisis donde cierta autonomía proporciona gran agilidad en el desarrollo.
En contraposición otras variantes están diseñadas para cooperación con humanos en la resolución de tareas y están siendo tremendamente eficaces tales como los “Agent AI”, que proporcionan gran capacidad de personalización.
Uno de los desafíos más importantes en los próximos años será la evaluación de la eficacia y rendimiento de estos productos basados en LLMs (grandes modelos del lenguaje).
¿Cuál es la eficacia de su respuesta ante instrucciones diversas? ¿Genera salidas coherentes, precisas y contextualmente relevantes o existen frecuentes alucinaciones que generen respuestas no deseadas o incorrectas?
Actualmente se utilizan métricas para la medición del desempeño en tareas específicas como traducción, síntesis, generación de texto, tales como BLEU, Rouge, perplejidad o diversidad. Sin embargo también se está investigando sobre la evaluación de LLMs a partir de otros modelos de forma autónoma lo que actualmente es un área de investigación en pleno desarrollo y en la que hay gran interés por parte de la comunidad científica.
Existen riesgos potenciales vinculados al empleo de la inteligencia artificial generativa con propósitos maliciosos, tales como la generación de noticias falsas o deep fakes. Estas cuestiones plantean preocupaciones en relación con la privacidad y la propagación de información errónea.
Uno de los principales artífices del gran impacto que ha tenido la IA generativa durante el 2023 ha sido Sam Altman (fundador de Open AI) quien destaca que “Si la inteligencia artificial sale mal, puede salir muy mal”. Esta frase deja entrever la gran relevancia que debe tener la regulación sobre esta tecnología por parte de Gobiernos e Instituciones, la cual debe permitir a su vez que sea accesible al gran público de manera que podamos beneficiarnos de ella al mismo tiempo.
>>Descarga el documento completo Tech4biz Trend 2024<<
Imagen: Unsplash | Julien Tromeur
Data Scientist in Keepler Data Tech: "Live full, die empty" defines my state. This becomes my lifestyle taking me out of my comfort zone and driving my voracious learning attitude about different aspects of Data Science. I love learning by teaching and am always open to new challenges that push me further my comprehension."
Data Analyst en Keepler. "I have a PhD in theoretical physics with a tendency towards generalist knowledge. This concern for learning has led me to work in different areas related to data, thus achieving a complete vision of the projects in which I work. Currently I am very interested in developing products in the cloud to streamline and improve decision making."
0 comentarios