¿Qué está por venir en cuanto a IA?. Porque esto parece que sólo acaba de empezar...
El futuro parece estar en los modelos open source optimizados para realizar tareas específicas. La liberación de los modelos Llama-2 por parte de Meta hizo saltar por los aires el tablero.
La comunidad open source, con menos medios, es capaz de trabajar a una velocidad mucho mayor que cualquier compañía. La falta de medios de esta comunidad actúa como catalizador para la mejora en la accesibilidad de los grandes modelos del lenguaje para los usuarios.
A día de hoy, por ejemplo, ya es posible utilizar y optimizar potentes modelos del lenguaje para realizar las tareas que desees en un portátil, lo cual era impensable hace apenas un año.
Actualmente, las grandes compañías tecnológicas están centrando sus esfuerzos en generar modelos multimodales que puedan desarrollar Inteligencia Artificial General (AGI, por sus siglas en inglés Artificial General Intelligence). La multimodalidad consiste, grosso modo, en entrenar a los modelos con diferentes fuentes de información (visual, textual, auditiva, etc) con el objetivo de dotarles de “capacidad sensorial”.
Hasta el momento, los grandes modelos del lenguaje se entrenaban exclusivamente con textos. Con la introducción de otros canales de información a su entrenamiento, “desarrollan” otros sentidos, como la visión o la escucha, lo que les aporta una representación del mundo más parecida a la humana.
Por ejemplo, un modelo entrenado solo con texto podría saber qué objetos son azules, cómo combinarlo con otros colores, a qué emociones está asociado, etc., pero no podría saber qué es exactamente el azul porque no puedes saber lo que es un color sin verlo.
En el último mes, hemos podido observar cómo OpenAI ha añadido mejoras a ChatGPT que reflejan este avance a la multimodalidad. En ChatGPT Plus ya puedes introducir imágenes, es decir, que el modelo ya puede “ver”, lo que facilita la interacción y abre toda una nueva rama de exploraciones para explotar esta funcionalidad.
Actualmente, los modelos del lenguaje suelen estar enfocados a realizar bien tareas concretas (e.g. resumir textos, clasificarlos, etc.). La generación de un modelo con AGI implicaría disponer de una herramienta con la capacidad para realizar una cantidad más extensa de tareas.
La consecución de este objetivo (o su siguiente paso, la superinteligencia artificial) nos llevaría a un escenario actualmente utópico en el que estas inteligencias artificiales pudiesen realizar todas (o casi todas) las tareas mejor que los humanos. Sin embargo, este escenario parece lejano.
