LA INTELIGENCIA ARTIFICIAL.
Nueva generación de chatbots: Se espera que GPT-4, la próxima generación del poderoso modelo de lenguaje generativo de OpenAI, se lance en los próximos meses . Este modelo no solo manejará el lenguaje, sino que también podría trabajar con imágenes, vídeos y otras modalidades de datos.
Impacto en la industria farmacéutica: La IA está teniendo un impacto significativo en la industria farmacéutica, ayudando a acelerar el descubrimiento de medicamentos y mejorar los resultados de los pacientes.
Escasez de datos para entrenar modelos de lenguaje grandes: Según un grupo de investigación, el stock total mundial de datos de texto de alta calidad es de entre 4,6 billones y 17,2 billones de tokens . Con el creciente tamaño de los modelos de lenguaje, podríamos estar cerca de agotar todo el suministro mundial de datos útiles para la capacitación en idiomas .
IA Creativa: En 2022, la IA se volvió creativa. Los modelos de IA ya pueden producir texto, imágenes e incluso vídeos convincentes con solo unas indicaciones . Se espera que esta tendencia continúe en 2023.
Estas son solo algunas de las tendencias emocionantes que podemos esperar en el campo de la IA en 2023.
Cuáles serán las novedades de la Inteligencia Artificial en 2023.
La tecnología nunca para de evolucionar y para que te mantengas al día de todas las actualizaciones, en este artículo hablaremos de las últimas novedades de la Inteligencia Artificial en 2023.
Novedades de la Inteligencia Artificial en 2023
1) GPT-4 se lanzará en los próximos dos meses
¡Abróchense los cinturones!
A pesar de lo frenético que ha sido el reciente revuelo en torno a ChatGPT con un rendimiento GPT-3 y 3.5, se trata de una mera introducción cuando se lance GPT-4, la próxima generación del poderoso modelo de lenguaje generativo de OpenAI.
¿Cómo será GPT-4?
Los investigadores de DeepMind determinaron que los grandes modelos de lenguaje actuales son más grandes de lo que deberían ser. Para un rendimiento óptimo del modelo, los modelos actuales deberían tener menos parámetros, pero entrenarse en conjuntos de datos más grandes. Por lo que pensamos que GPT-4 no será mucho más grande que su predecesor GPT-3.
La mayoría de los principales modelos de lenguaje actuales se entrenaron en corpus de datos de aproximadamente 300 000 millones de tokens, incluidos GPT-3 de OpenAI (175 000 millones de parámetros de tamaño), AI21 Labs’ Jurassic (178 000 millones de parámetros de tamaño) y Microsoft/Nvidia’s Megatron-Turing (570 mil millones de parámetros de tamaño).
Predecimos que GPT-4 se entrenará en un conjunto de datos de al menos un orden de magnitud mayor que este, tal vez tan grande como 10 billones de tokens. Mientras tanto, será más pequeño (es decir, menos parámetros) que Megatron-Turing.
Lo más probable es que GPT-4 sea un modelo de solo texto (como los modelos GPT anteriores) pero sabemos que ya se está trabajando una parte multimodal que a futuro trabajará con imágenes, vídeos y otras modalidades de datos además de texto.
2) Nos vamos a quedar sin datos para entrenar modelos de lenguaje grandes
Se ha convertido en un cliché decir que los datos son el nuevo petróleo. El área de la IA en la que esta preocupación es más apremiante son los modelos de lenguaje.
Como discutimos en la sección anterior, los esfuerzos de investigación de DeepMind han resaltado que la forma más efectiva de construir modelos de lenguaje grande (LLM) más potentes no es hacerlos más grandes sino entrenarlos con más datos.
Pero ¿cuántos datos de idiomas hay en el mundo que cumplen con un umbral de calidad? Gran parte de los datos de texto en Internet no son útiles para capacitar a un LLM.
Según un grupo de investigación, el stock total mundial de datos de texto de alta calidad es de entre 4,6 billones y 17,2 billones de tokens. Esto incluye todos los libros del mundo, todos los artículos científicos, todos los artículos de noticias, todo Wikipedia, todo el código disponible públicamente y gran parte del resto de Internet, filtrado por calidad.
Es posible que estemos dentro de un orden de magnitud de agotar todo el suministro mundial de datos útiles para la capacitación en idiomas.
Una posible solución son los datos sintéticos, aunque los detalles sobre cómo ponerlos en práctica no están nada claros.
Será fascinante y esclarecedor ver cómo OpenAI enfrenta este desafío en su investigación GPT-4, que pronto se anunciará.
Se ha convertido en un cliché decir que los datos son el nuevo petróleo. El área de la IA en la que esta preocupación es más apremiante son los modelos de lenguaje.
Como discutimos en la sección anterior, los esfuerzos de investigación de DeepMind han resaltado que la forma más efectiva de construir modelos de lenguaje grande (LLM) más potentes no es hacerlos más grandes sino entrenarlos con más datos.
Pero ¿cuántos datos de idiomas hay en el mundo que cumplen con un umbral de calidad? Gran parte de los datos de texto en Internet no son útiles para capacitar a un LLM.
Según un grupo de investigación, el stock total mundial de datos de texto de alta calidad es de entre 4,6 billones y 17,2 billones de tokens. Esto incluye todos los libros del mundo, todos los artículos científicos, todos los artículos de noticias, todo Wikipedia, todo el código disponible públicamente y gran parte del resto de Internet, filtrado por calidad.
Es posible que estemos dentro de un orden de magnitud de agotar todo el suministro mundial de datos útiles para la capacitación en idiomas.
Una posible solución son los datos sintéticos, aunque los detalles sobre cómo ponerlos en práctica no están nada claros.
Será fascinante y esclarecedor ver cómo OpenAI enfrenta este desafío en su investigación GPT-4, que pronto se anunciará.
3) Los automóviles autónomos como medio de transporte diario.
Después de años de exageraciones prematuras y promesas incumplidas en el campo de los vehículos autónomos, recientemente sucedió algo que, sorprendentemente, pocas personas parecen haber notado: han llegado los automóviles verdaderamente autónomos.
Hoy en día podemos descargar la aplicación Cruise (se parece a la aplicación Uber o Lyft) y llamar a un vehículo sin conductor, sin nadie detrás del volante, para que lo lleve del punto A al punto B en las calles de San Francisco.
Actualmente, Cruise solo ofrece estos viajes sin conductor por la noche (entre las 10 p. m. y las 5:30 a. m.), pero la compañía está preparada para que el servicio esté disponible las 24 horas del día, los 7 días de la semana en todo San Francisco.
¡Y no solo esto! Cruise ya tiene un rival que le sigue de cerca, Waymo.
En 2023, los servicios de robotaxi pasarán rápidamente de ser una novedad a una forma viable y habitual de moverse por la ciudad.
4) La búsqueda en Google cambiará más en 2023 que desde la década de los 2000.
La búsqueda se encuentra en el corazón de la experiencia moderna de Internet.
Los grandes modelos de lenguaje actuales pueden leer y escribir con un nivel de sofisticación que hace unos años habría parecido inconcebible y esto cambiará radicalmente la forma en que buscamos.
A raíz de ChatGPT, una reconceptualización de la búsqueda que ha llamado mucho la atención es la idea de la búsqueda conversacional.
La búsqueda conversacional tiene un futuro brillante. Sin embargo, debe resolverse un desafío importante antes de que esté listo para el horario de máxima audiencia: la precisión.
Los LLM conversacionales no son confiablemente precisos; ocasionalmente comparten información objetivamente falsa con total confianza. El propio CEO de OpenAI, Sam Altman, advirtió:
“Es un error confiar en ChatGPT para algo importante en este momento”.
Abordar este problema de manera escalable y sólida será uno de los principales desafíos que enfrentarán los innovadores de búsqueda en 2023.
La búsqueda empresarial, la forma en que las organizaciones buscan y recuperan datos internos privados, también se encuentra en la cúspide de una nueva era dorada. Gracias a la vectorización a gran escala, los LLM permiten una verdadera búsqueda semántica con capacidad de indexar y acceder a información basada en conceptos y contexto subyacentes en lugar de simples palabras clave.
Startups como Hebbia y Glean están liderando la carga para transformar la búsqueda empresarial utilizando modelos de lenguaje grandes.
5) Las iniciativas de crear robots humanoides atraen talento.
El robot humanoide es quizás el símbolo definitivo de la representación exagerada y dramatizada de Hollywood de la inteligencia artificial y hoy en día, se están convirtiendo en una realidad.
¿Por qué construir robots con forma de humanos?
Por la sencilla razón de que hemos diseñado gran parte del mundo físico para los humanos.
Tesla ha catalizado el campo de la robótica humanoide este año con el lanzamiento de su robot Optimus, que debutó en el Día de la IA de la compañía en septiembre. Elon Musk ha dicho que cree que el robot Optimus valdrá más para Tesla que todo su negocio de automóviles.
En 2023, más organizaciones se sumarán a la revolución de los robots humanoides, tanto nuevas empresas emergentes como empresas establecidas como, por ejemplo, Toyota, Samsung, General Motors o Panasonic, a medida que se intensifica la carrera para construir robots humanoides.
Al igual que los vehículos autónomos alrededor de 2016, las olas de talento y capital comenzarán a llegar al campo el próximo año a medida que más personas aprecien la escala de la oportunidad de mercado.
