Los modelos de lenguajes grandes (LLM) continúan acaparando la atención, ya que el debut de ChatGPT capturó la imaginación del mundo e hizo de la IA generativa la tecnología más ampliamente discutida en la memoria reciente (disculpas, metaverso). ChatGPT catapultó a los LLM públicos al escenario, y sus iteraciones continúan acelerando el entusiasmo (y más que un poco de aprensión) sobre las posibilidades de generar contenido, o código, con poco más que unas pocas indicaciones. Mientras que los individuos y las empresas más pequeñas consideran cómo Para prepararse y beneficiarse de la disrupción omnipresente que prometen la IA generativa y los LLM, las empresas tienen preocupaciones y una decisión crucial que tomar por su cuenta. ¿Deberían las empresas optar por aprovechar un LLM público como ChatGPT, o uno privado? Datos de capacitación públicos versus privadosChatGPT es un LLM público, capacitado con una gran cantidad de datos en línea disponibles públicamente. Al procesar grandes cantidades de datos procedentes de todas partes, los LLM públicos ofrecen resultados en su mayoría precisos (y con frecuencia impresionantes) para casi cualquier consulta o tarea de creación de contenido que le plantee un usuario. Esos resultados también mejoran constantemente a través de procesos de aprendizaje automático. Aun así, extraer datos fuente de Internet significa que los resultados públicos del LLM a veces pueden estar tremendamente equivocados, y de manera peligrosa. El potencial de “alucinaciones” generativas de IA, donde la tecnología simplemente dice cosas que no son ciertas, requiere que los usuarios sean inteligentes. Las empresas, en particular, deben reconocer que el uso de LLM públicos podría desviar a los empleados, lo que provocaría graves problemas operativos o incluso consecuencias legales. Como opción contrastante, las empresas pueden crear LLM privados de su propiedad y capacitarlos con sus propios datos privados. Las aplicaciones de IA generativa resultantes ofrecen menos amplitud, pero una mayor profundidad y precisión de conocimiento específico, hablando de las áreas particulares de especialización de la empresa. Desafíos que plantean los LLM públicos Para muchas empresas, los datos únicos son una moneda invaluable que las distingue. Por lo tanto, las empresas están extremadamente (y con razón) preocupadas por el riesgo de que sus propios empleados puedan exponer datos corporativos o de clientes confidenciales al enviarlos a ChatGPT u otro LLM público. Esta preocupación se basa en la realidad, ya que los piratas informáticos ahora se centran en exponer las credenciales de inicio de sesión de ChatGPT como uno de sus objetivos más populares. Una cuenta pirateada puede revelar el historial completo de las conversaciones de un empleado con la aplicación de IA generativa, incluidos los secretos comerciales o los datos personales de los clientes utilizados en las consultas. Incluso en ausencia de piratería, las preguntas planteadas a los LLM públicos se aprovechan en su capacitación iterativa, lo que potencialmente resulta en una futura exposición directa de datos a cualquiera que pregunte. Esta es la razón por la que empresas como Google, Amazon y Apple ahora están restringiendo el acceso de los empleados a ChatGPT y creando reglas estrictas de gobernanza, en un esfuerzo por evitar la ira de los reguladores y de los propios clientes. Estratégicamente, los LLM públicos enfrentan a las empresas con otro desafío. ¿Cómo se construye una propiedad intelectual única y valiosa sobre la misma herramienta pública y en igualdad de condiciones que todos los demás? La respuesta es que es muy difícil. Ésa es otra razón por la que recurrir a LLM privados y soluciones de nivel empresarial es un enfoque estratégico para un número cada vez mayor de organizaciones. El surgimiento de los LLM privados Las empresas deberían reconocer la oportunidad de aprovechar sus propios datos en un LLM privado adaptado a los casos de uso y las experiencias de los clientes en el centro de su negocio. Para aquellos que lo hacen, está surgiendo rápidamente un mercado de herramientas de apoyo de nivel empresarial. Por ejemplo, Watson de IBM, uno de los primeros grandes nombres en IA y en la imaginación pública desde los días de su victoria en Jeopardy, ahora ha evolucionado hasta convertirse en la plataforma privada de desarrollo de LLM watsonx. Las soluciones empresariales como watsonx deberán trazar la línea entre “Conocimiento general compartido de base pública” y “conocimiento específico entre empresa y cliente”, y dónde establezcan esa distinción será importante. Dicho esto, algunas capacidades muy poderosas deberían llegar al mercado con la llegada de estas soluciones. La decisión de las empresas de tratar de controlar el uso de LLM públicos o crear sus propios LLM privados solo cobrará mayor importancia a medida que avance el tiempo. Las empresas que estén listas para crear LLM privados y aprovechar motores de IA específicamente adaptados a sus propios datos de referencia centrales sentarán una base en la que seguirán confiando en el futuro. Brian Sathianathan es cofundador y director de tecnología de Iterate. .ai, donde lidera las soluciones de inteligencia artificial empresarial de la empresa. Anteriormente, Sathianathan trabajó en Apple en varios proyectos de tecnología emergente que incluían el sistema operativo Mac y el primer iPhone. —Generative AI Insights proporciona un lugar para que los líderes tecnológicos, incluidos proveedores y otros contribuyentes externos, exploren y discutan los desafíos y oportunidades de la inteligencia artificial generativa. La selección es amplia, desde análisis profundos de tecnología hasta estudios de casos y opiniones de expertos, pero también subjetiva, basada en nuestro juicio sobre qué temas y tratamientos servirán mejor a la audiencia técnicamente sofisticada de InfoWorld. InfoWorld no acepta garantías de marketing para su publicación y se reserva el derecho de editar todo el contenido aportado. Póngase en contacto con doug_dineley@foundryco.com. Copyright © 2024 IDG Communications, Inc.

Source link