La expansión de la inteligencia, en todas sus formas, tiene el potencial de enriquecer nuestras sociedades, impulsar el progreso y resolver problemas complejos que enfrentamos como humanidad. Sin embargo, este potencial solo se puede realizar plenamente si se guía por consideraciones éticas, equidad y un compromiso con el bienestar colectivo

En la reciente cumbre de Davos, la inteligencia artificial ha sido uno de los temas destacados, con más de 30 sesiones^[1] dedicadas a la temática. Entre tantas, se llevó a cabo una mesa redonda que reunió a destacados investigadores en este campo. En esta sesión se abrió un interesante diálogo sobre el futuro de la IA, abriendo un abanico de perspectivas y debates que pueden ser cruciales^[2].

La sesión fue moderada por Nicholas Thompson, CEO de The Atlantic, y los participantes de esta fueron:

• Yann LeCun. Galardonado con el Premio Turing, LeCun es conocido por su trabajo pionero en redes neuronales, especialmente en el ámbito de la visión por ordenador. Actualmente es científico jefe de IA en Meta.
• Kai-Fu Lee. Con una trayectoria destacada en el reconocimiento de voz mediante el aprendizaje automático, Lee dirige la startup 01AI y ha sido una figura influyente en la promoción de la IA en Asia, siendo director fundador de Microsoft Research Asia y presidente de Google China.
• Daphne Kohler. Pionera en la aplicación de modelos bayesianos en IA, Kohler ahora lidera inSitro. Es fundadora de Coursera y su trabajo está centrado en la unión de la IA con la biología y la medicina.
• Andrew Ng. Conocido por su trabajo en el escalado de GPUs para la IA, Ng es director del laboratorio de IA de Stanford. Es fundador de Coursera y de ai, y fue director fundador del proyecto Google Brain y científico jefe de IA de Baidu.
• Aidan Gómez. Es uno de los autores de la arquitectura Transformer, crucial para el desarrollo de los modelos de lenguaje de gran escala. Es el fundador y CEO de Cohere.

En las páginas que siguen nos proponemos explorar y desglosar las ideas y reflexiones más significativas que surgieron en este foro. Desde la evolución continua de la IA hasta el rol crítico del Open Source en su desarrollo, este análisis busca proporcionar una comprensión clara y directa de hacia dónde se dirige esta tecnología transformadora y qué desafíos debemos anticipar en el horizonte.

Evolución de la inteligencia artificial

El progreso en el campo de la inteligencia artificial no solo continúa a un ritmo impresionante, sino que también se está acelerando. Este año promete ser uno en el que veremos avances significativos en cómo las máquinas interpretan y procesan las imágenes, una capacidad que tiene el potencial de revolucionar campos desde la medicina hasta la conducción de vehículos.

Además, estamos al borde de un cambio en la forma en que interactuamos con estas máquinas. Pronto, podríamos ver agentes autónomos capaces de realizar tareas complejas con una sola instrucción, trabajando de manera independiente durante periodos significativos antes de completar sus objetivos. Este tipo de autonomía llevaría la utilidad de la IA a un nuevo nivel, permitiendo una integración más profunda y efectiva en nuestras vidas diarias y profesionales.

Un área que está ganando especial interés es el Edge AI, donde los modelos de IA funcionan localmente en dispositivos en lugar de depender de conexiones a servidores remotos. Esta descentralización no solo mejora la velocidad y la eficiencia, sino que también plantea nuevas posibilidades en cuanto a privacidad y acceso a la tecnología.

Sin embargo, no todo es un camino despejado hacia adelante. Existen desafíos y limitaciones significativas en las arquitecturas actuales de IA que deben abordarse. Por ejemplo, a pesar del torrente de datos disponibles, aún estamos solo rascando la superficie en términos de utilizar estos datos de manera efectiva para entrenar modelos más avanzados y precisos. Además, la sobresaturación de ciertos tipos de datos, como los textuales, está llevando a una reflexión sobre cómo abordar la próxima etapa de evolución de los modelos de IA.

Mientras que el camino hacia adelante en la inteligencia artificial está lleno de promesas y posibilidades, también está plagado de desafíos complejos y preguntas sin respuesta. La clave para el progreso continuo será no solo la innovación tecnológica, sino también una consideración cuidadosa de estas limitaciones y cómo superarlas.

La saturación de los modelos de lenguaje

La Inteligencia Artificial puede estar alcanzando un punto de inflexión con los modelos de lenguaje de gran escala (LLM). Estos modelos han demostrado una capacidad impresionante para procesar y generar texto, pero enfrentan limitaciones significativas. La saturación de estos sistemas se ha vuelto evidente; ya utilizan prácticamente todos los datos de texto disponibles en internet para su entrenamiento. Este fenómeno plantea la siguiente pregunta: ¿cuál puede ser el camino de evolución para estos modelos?

Un área que destaca la brecha entre la inteligencia humana y la artificial es el aprendizaje a través de vídeos. Los seres humanos utilizamos constantemente las experiencias visuales para aprender y comprender el mundo que nos rodea. Sin embargo, en el ámbito de la IA, esta forma de aprendizaje sigue siendo un desafío significativo. En la sesión señalaban la enorme cantidad de datos visuales que un niño absorbe en sus primeros años de vida, un volumen que supera con creces la cantidad de datos de texto utilizados para entrenar los LLM más avanzados.

Este enfoque en el vídeo como un tipo de dato crítico para el aprendizaje resalta una discrepancia fundamental en la manera en que las máquinas están aprendiendo en comparación con los humanos. A diferencia de un niño, que puede aprender conceptos de física y causalidad observando su entorno, los modelos de IA todavía no logran capturar esta capacidad de aprendizaje intuitivo y contextual mediante videos. El reto reside en cómo los sistemas de IA pueden procesar y aprender de la vasta cantidad de información visual de manera eficiente y significativa, similar a la capacidad humana de extraer conocimientos y patrones de sus interacciones visuales diarias.

Una dirección prometedora es el desarrollo de modelos que van más allá de la mera asociación de palabras y frases. Estos modelos futuros necesitarán entender y predecir en términos de representaciones abstractas, no solo en el espacio de los píxeles o las palabras. De manera similar a cómo los seres humanos aprendemos conceptos como la física intuitiva sin necesidad de detalles minuciosos. Por lo tanto, el desafío está en cómo los modelos de IA pueden aprender de formas más parecidas a los humanos, especialmente en términos de comprensión y razonamiento abstracto.

La inteligencia artificial general

El camino hacia la inteligencia artificial general (AGI) es complejo y lleno de desafíos. La AGI, una forma de inteligencia que puede realizar cualquier tarea intelectual que un ser humano puede hacer, sigue siendo un objetivo lejano. Uno de los obstáculos clave es la necesidad de que los sistemas de IA no solo procesen información, sino que también interactúen y experimenten en el mundo real.

La interacción y la experimentación son cruciales para entender cómo los humanos adquieren conocimiento y habilidades. En la actualidad, la mayoría de los modelos de IA operan en entornos cerrados y estáticos, sin la capacidad de aprender de la interacción continua con el mundo real.

Para avanzar hacia la AGI, será esencial desarrollar sistemas que puedan entender la causalidad, planificar acciones y aprender de sus experiencias, de manera similar a cómo los humanos aprenden desde la infancia.

Código abierto y su impacto en la IA

El código abierto se ha convertido en un tema central en el desarrollo de la IA. La apertura y accesibilidad de las investigaciones y del código fuente en la IA han acelerado el progreso en el campo, permitiendo a investigadores y desarrolladores de todo el mundo contribuir y beneficiarse de los avances tecnológicos.

Sin embargo, hay debates sobre la regulación del código abierto. Algunos argumentan que la sobrerregulación podría ralentizar el progreso, limitando la innovación y el aprendizaje. La regulación excesiva podría poner en desventaja a los investigadores independientes y a las pequeñas empresas que no tienen los recursos para cumplir con requisitos regulatorios complejos.

Por otro lado, la apertura del código fuente en IA también plantea preocupaciones sobre la seguridad y el uso ético de la tecnología. La accesibilidad del código podría permitir usos malintencionados o no éticos de la IA. En este contexto, es crucial encontrar un equilibrio entre mantener la innovación abierta y garantizar que la IA se desarrolle y utilice de manera responsable.

El código abierto en IA representa tanto una oportunidad para la colaboración global y la aceleración del progreso, como un desafío en términos de regulación y ética. La clave está en cómo la comunidad global aborda estas cuestiones, equilibrando la innovación abierta con la responsabilidad y la seguridad.

Reflexiones finales y perspectivas futuras

La mesa redonda en Davos ha dejado claro que el futuro de la Inteligencia Artificial es tan prometedor como complejo. Uno de los temas cruciales que emergieron es la necesidad de un equilibrio entre los modelos de IA de código abierto y los modelos cerrados. Este equilibrio no solo impulsa la innovación, sino que también asegura que los beneficios de la IA sean accesibles para una audiencia más amplia.

La idea de un modelo abierto versus uno cerrado no es una elección binaria. Ambos tienen su lugar en el ecosistema de la IA. Los modelos abiertos fomentan la colaboración y el aprendizaje, permitiendo que estudiantes, investigadores y startups experimenten y contribuyan al campo. Por otro lado, los modelos cerrados pueden ofrecer ventajas competitivas y fomentar desarrollos específicos para ciertas aplicaciones comerciales.

La accesibilidad y la igualdad en el mundo de la IA son temas que requieren atención. La tecnología de IA tiene el potencial de mejorar vidas y resolver problemas complejos, pero solo si se hace accesible a diferentes culturas, idiomas y estratos socioeconómicos. Esto no solo es una cuestión de justicia sino también una de eficacia; cuanto más diversa sea la contribución y el uso de la IA, más rica y efectiva será en resolver los desafíos globales.

Una de las reflexiones emergentes de la discusión sobre la IA es si el incremento de la inteligencia, ya sea humana o artificial, conduce a un mundo mejor. Esta idea sugiere que la expansión de la inteligencia, en todas sus formas, tiene el potencial de enriquecer nuestras sociedades, impulsar el progreso y resolver problemas complejos que enfrentamos como humanidad.

Sin embargo, este potencial solo se puede realizar plenamente si se guía por consideraciones éticas, equidad y un compromiso con el bienestar colectivo. Por tanto, el desafío no solo radica en avanzar tecnológicamente, sino en hacerlo de manera que los beneficios de esta creciente inteligencia sean accesibles y provechosos para todos, asegurando así que el camino hacia el futuro sea uno que beneficie a toda la humanidad.

Mirando hacia el futuro, es evidente que la IA continuará evolucionando y transformando nuestras vidas. El reto no solo es técnico sino también ético y social. ¿Cómo garantizamos que los avances en IA beneficien a todos y no solo a unos pocos? ¿Cómo nos aseguramos de que estas poderosas herramientas no perpetúen o amplifiquen las desigualdades existentes?

La mesa redonda en Davos sobre Inteligencia Artificial ha sido una ventana a un futuro fascinante y desafiante. La IA no es solo un campo de estudio; es un catalizador de cambio en prácticamente todos los aspectos de nuestra vida. Sin embargo, con un gran poder viene una gran responsabilidad.

El camino hacia una IA efectiva y ética requiere un equilibrio entre la innovación abierta y la propiedad cerrada, la colaboración global y la competencia, el avance tecnológico y la equidad social. La democratización del acceso a la IA y la inclusión de diversas perspectivas son fundamentales para asegurar que sus beneficios alcancen a toda la humanidad.

En última instancia, el futuro de la IA debe ser moldeado no solo por los avances tecnológicos sino también por un compromiso con valores humanos fundamentales: equidad, inclusión y el bienestar colectivo. La mesa redonda en Davos ha subrayado la importancia de este enfoque multidimensional, preparando el terreno para un futuro donde la IA sea una fuerza para el bien global.

José Luis Calvo Salanova
AI Director & Co-FounderAI Director & Co-Founder DIVERGER
Miembro del Comité de Expertos del Seminario ¿Cómo responde Europa? Revolución digital y transformación del trabajo

 

---

^[1] Artificial Intelligence as a Driving Force for the Economy and Society

^[2] The Expanding Universe of Generative Models

• Anterior
• Siguiente