Si esperaba que el mundo superara la fiebre de la IA en 2024, estaría lamentablemente equivocado. Los avances en hardware y software (en todas partes) están abriendo las compuertas a aplicaciones dinámicas de IA generativa que sugieren que 2023 fue el año en el que realmente apenas comenzamos a arañar la superficie. Este año, el Año del Dragón en el zodíaco chino, verá una integración generalizada y estratégica de la IA genérica en todos los sectores. Una vez evaluados los riesgos y las estrategias comenzando a tomar forma, las empresas están preparadas para aprovechar la IA no solo como una tecnología novedosa, sino como un componente central de sus marcos operativos y estratégicos. En resumen, los directores ejecutivos y líderes empresariales, habiendo reconocido el potencial y la necesidad de la IA de generación, ahora buscan activamente incorporar estas tecnologías en sus procesos. El panorama resultante es uno en el que la IA generada se convierte no solo en una opción, sino en un motor esencial de innovación, eficiencia y ventaja competitiva. Este cambio transformador significa pasar de una exploración tentativa a una aplicación segura e informada, lo que marcará el año 2024 como el año en el que la IA genética pasará de ser una tendencia emergente a una práctica empresarial fundamental. Volumen y variedad Una dimensión clave es la creciente comprensión de cómo la IA generacional permite un mayor volumen y variedad de aplicaciones, ideas y contenidos. Evento VB The AI ​​Impact Tour – Nueva York Estaremos en Nueva York el 29 de febrero en asociación con Microsoft para discutir cómo equilibrar los riesgos y las recompensas de las aplicaciones de IA. Solicite una invitación al evento exclusivo a continuación. Solicite una invitación La asombrosa cantidad de contenido generado por IA tendrá ramificaciones que apenas estamos comenzando a descubrir. Debido al gran volumen de este contenido (desde 2022, los usuarios de IA han creado colectivamente más de 15 mil millones de imágenes, una cifra que antes a los humanos les tomaba 150 años producir), los historiadores tendrán que ver Internet después de 2023 como algo completamente diferente. lo que vino antes, similar a cómo la bomba atómica retrasó la datación por carbono radiactivo. Sin embargo, independientemente de lo que la generación de IA esté haciendo en Internet, para las empresas, esta expansión está elevando el estándar para todos los actores en todos los campos y señala una coyuntura crítica en la que no interactuar con la tecnología puede no ser solo una oportunidad perdida, sino una oportunidad. desventaja competitiva. La frontera irregular En 2023, aprendimos que la tecnología de inteligencia artificial no solo eleva el listón en todas las industrias, sino también en las capacidades de los empleados. En una encuesta realizada por YouGov el año pasado, el 90% de los trabajadores dijeron que la IA está mejorando su productividad. Uno de cada cuatro encuestados utiliza la IA a diario (y el 73% de los trabajadores la utiliza al menos una vez a la semana). Un estudio separado encontró que con la capacitación adecuada, los empleados completaron el 12% de las tareas un 25% más rápido con la ayuda de la inteligencia artificial, y que la calidad general del trabajo aumentó un 40%, siendo los de menor nivel de habilidades los que obtuvieron las mayores ganancias. Sin embargo, para tareas fuera de las capacidades de la IA, los empleados tenían un 19% menos de probabilidades de producir soluciones correctas. Esta dualidad ha dado lugar a lo que los expertos denominan la “frontera irregular” de las capacidades de la IA. Esto funciona de la siguiente manera: en un extremo del espectro, somos testigos de la notable destreza de la IA: tareas que antes parecían insuperables para las máquinas ahora se ejecutan con precisión y eficiencia. Sin embargo, por otro lado, hay tareas en las que la IA falla y lucha por igualar la intuición y la adaptabilidad humanas. Estas son áreas marcadas por matices, contexto y una intrincada toma de decisiones: ámbitos donde la lógica binaria de las máquinas (actualmente) encuentra su igual. IA más barata Este año, a medida que las empresas comiencen a lidiar y dominar la frontera irregular, veremos que los proyectos de IA de generación comienzan a aterrizar y normalizarse. Detrás de esta adopción está la disminución del costo de entrenar modelos de lenguajes grandes (LLM) fundamentales gracias a los avances en la optimización del silicio (que se estima que se reduce a la mitad cada dos años). Junto con el aumento de la demanda y en medio de la escasez global, el mercado de chips de IA busca volverse más asequible en 2024, a medida que surjan de la nada alternativas a líderes de la industria como Nvidia. Del mismo modo, nuevos métodos de ajuste fino que pueden generar LLM fuertes a partir de otros débiles sin la necesidad de datos adicionales anotados por humanos, como Self-Play fine-tuNing (SPIN), están aprovechando los datos sintéticos para hacer más con menos participación humana. Ingrese al ‘modelverse’ Esta reducción de costos está abriendo puertas para que una gama más amplia de empresas desarrollen e implementen sus propios LLM. Las implicaciones son amplias y variadas, pero la trayectoria clara es que habrá un aumento de aplicaciones innovadoras basadas en LLM en los próximos años. Del mismo modo, en 2024, comenzaremos a ver un cambio de modelos predominantemente dependientes de la nube a IA ejecutada localmente. Esta evolución está impulsada en parte por avances de hardware como Apple Silicon, pero también aprovecha el potencial sin explotar de la potencia bruta de la CPU en los dispositivos móviles cotidianos. De manera similar, en términos de negocios, los modelos de lenguaje pequeño (SLM) se volverán más populares en las empresas grandes y medianas a medida que satisfagan necesidades de nichos más específicos. Como sugiere su nombre, los SLM son más livianos que los LLM, lo que los hace ideales para aplicaciones en tiempo real y la integración en varias plataformas. Entonces, mientras los LLM se capacitan con grandes cantidades de datos diversos, los SLM se capacitan con datos más específicos de un dominio (a menudo provenientes de la empresa), lo que los adapta a industrias o casos de uso específicos, al mismo tiempo que se garantiza la relevancia y la privacidad. Un cambio hacia modelos de visión de gran tamaño (LVM) A medida que avanzamos hacia 2024, el foco de atención también pasará de los LLM a los modelos de visión de gran tamaño (LVM), en particular los de dominio específico, que están destinados a revolucionar el procesamiento de datos visuales. Mientras que los LLM capacitados en textos de Internet se adaptan bien a documentos propietarios, los LVM enfrentan un desafío único: las imágenes de Internet presentan predominantemente memes, gatos y selfies, que difieren significativamente de las imágenes especializadas utilizadas en sectores como la manufactura o las ciencias biológicas. Por lo tanto, es posible que un LVM genérico entrenado en imágenes de Internet no identifique de manera eficiente características destacadas en dominios especializados. Sin embargo, los LVM adaptados a dominios de imagen específicos, como la fabricación de semiconductores o la patología, muestran resultados notablemente mejores. Las investigaciones demuestran que adaptar un LVM a un dominio específico utilizando alrededor de 100.000 imágenes sin etiquetar puede reducir significativamente la necesidad de datos etiquetados, mejorando los niveles de rendimiento. Estos modelos, a diferencia de los LVM genéricos, se adaptan a dominios comerciales específicos y destacan en tareas de visión por computadora como la detección de defectos o la ubicación de objetos. En otros lugares, comenzaremos a ver empresas adoptando modelos gráficos grandes (LGM). Estos modelos destacan en el manejo de datos tabulares, que normalmente se encuentran en hojas de cálculo o bases de datos. Se destacan por su capacidad para analizar datos de series temporales, ofreciendo nuevas perspectivas para comprender los datos secuenciales que a menudo se encuentran en contextos comerciales. Esta capacidad es crucial porque la gran mayoría de los datos empresariales entran en estas categorías, un desafío que los modelos de IA existentes, incluidos los LLM, aún no han abordado adecuadamente. Dilemas éticos Por supuesto, estos avances tendrán que estar respaldados por consideraciones éticas rigurosas. El consenso común es que estamos muy equivocados sobre las tecnologías anteriores de propósito general (tecnologías que tienen aplicaciones de amplia base, impactan profundamente diversas áreas de la actividad humana y cambian fundamentalmente la economía y la sociedad). Si bien presentaban inmensos beneficios, herramientas como los teléfonos inteligentes y las redes sociales también entrañaban externalidades negativas que impregnaban todas las facetas de nuestras vidas, independientemente de que interactuáramos directamente con ellas o no. Con la generación de IA, la regulación se considera primordial para garantizar que los errores del pasado no vuelvan a ocurrir. Sin embargo, puede fracasar, sofocar la innovación o tardar en entrar en vigor, por lo que veremos organizaciones opuestas a los gobiernos liderando la carga regulatoria. Quizás el atolladero ético más conocido que la IA introdujo el año pasado fue la cuestión de los derechos de autor. A medida que las tecnologías de IA avanzaron rápidamente, pusieron en primer plano cuestiones apremiantes sobre los derechos de propiedad intelectual. El quid de la cuestión, por supuesto, radica en si el contenido generado por IA, que a menudo se basa en trabajos creados por humanos para capacitación, debería estar sujeto a las leyes de derechos de autor y cómo hacerlo. La tensión entre la IA y los derechos de autor existe porque la ley de derechos de autor se creó para impedir que las personas utilicen la propiedad intelectual de otras personas de forma ilegal. Se permite leer artículos o textos en busca de inspiración, pero no copiarlos. Si una persona lee todo Shakespeare y produce su propia versión, esto se considera inspiración, pero el desafío es que la IA puede consumir volúmenes ilimitados de datos, a diferencia del límite restringido por los humanos. El debate entre derechos de autor y derechos de autor incorrectos es sólo una faceta de un medio en constante cambio. En 2024, veremos el resultado de casos históricos que sentarán precedentes, como el NYT vs. OpenAI (sin embargo, no está claro si esto alguna vez irá a juicio o es simplemente una herramienta de negociación por parte del editor) y seremos testigos de las formas en que que el panorama mediático se adapta a su nueva realidad de IA. El deepfakery se extenderá desenfrenadamente En términos de geopolítica, la historia de la IA del año será inevitablemente cómo esta tecnología se cruza con el año electoral más importante de la historia de la humanidad. Este año, más de la mitad de la población mundial acude a las urnas, con votaciones presidenciales, parlamentarias y de referencia programadas en países como Estados Unidos, Taiwán, India, Pakistán, Sudáfrica y Sudán del Sur. Esta interferencia ya se produjo en Bangladesh, que acudió a las urnas en enero. Algunos medios de comunicación progubernamentales y personas influyentes promovieron activamente la desinformación creada utilizando herramientas de inteligencia artificial de bajo costo. En un caso, un vídeo falso (que posteriormente fue eliminado) mostraba a una figura de la oposición que parecía retractarse de su apoyo al pueblo de Gaza, una postura que podría ser perjudicial en una nación donde la mayoría de los musulmanes mantienen una fuerte solidaridad con los palestinos. La amenaza de las imágenes de IA no es teórica. Investigaciones recientes revelaron que cambios sutiles diseñados para engañar a la IA en el reconocimiento de imágenes también pueden influir en la percepción humana. El hallazgo, publicado en Nature Communications, subraya los paralelismos entre la visión humana y la artificial, pero, lo que es más importante, destaca la necesidad de realizar más investigaciones sobre el impacto de las imágenes adversas tanto en las personas como en los sistemas de inteligencia artificial. Estos experimentos demostraron que incluso perturbaciones mínimas, imperceptibles para el ojo humano, pueden sesgar los juicios humanos, de forma similar a las decisiones tomadas por los modelos de IA. Si bien está surgiendo un consenso global en torno al concepto de marca de agua (o credenciales de contenido) como medio para distinguir el contenido auténtico del sintético, la solución todavía está plagada de sus propias complejidades: ¿será universal la detección? Si es así, ¿cómo podemos evitar que la gente abuse de él, etiquetando un trabajo como sintético cuando no lo es? Por otro lado, negar a todos la capacidad de detectar dichos medios cede un poder considerable a quienes los tienen. Una vez más, nos encontraremos preguntándonos: ¿Quién decide qué es real? Dado que la confianza pública en todo el mundo se mantiene firmemente en su punto más bajo, 2024 será el año en que el año electoral más importante del mundo se cruce con la tecnología más definitoria de nuestro tiempo. Para bien y para mal, 2024 marca el año en el que la IA se aplica de forma real y tangible. Agárrate fuerte. Elliot Leavy es fundador de ACQUAINTED, la primera consultoría de IA generativa de Europa. DataDecisionMakers ¡Bienvenido a la comunidad VentureBeat! DataDecisionMakers es el lugar donde los expertos, incluidos los técnicos que trabajan con datos, pueden compartir conocimientos e innovación relacionados con los datos. Si desea leer sobre ideas de vanguardia e información actualizada, mejores prácticas y el futuro de los datos y la tecnología de datos, únase a nosotros en DataDecisionMakers. ¡Incluso podrías considerar contribuir con un artículo propio! Leer más de DataDecisionMakers

Source link