La inteligencia artificial ha sido toda la rabia en 2023. En línea, en conferencias, en artículos como este, no puedes escapar del tema. Pero la IA ha estado presente desde hace un tiempo. Entonces, yendo más allá de la exageración y los titulares, ¿qué hay detrás de la repentina emergencia de la IA como la preocupación de las empresas de todo el mundo?
Hemos alcanzado una masa crítica de conectividad global y la potencia informática disponible está viendo el surgimiento de conjuntos de datos masivos. Con una potencia informática extrema, una red extrema y grandes conjuntos de datos (como los utilizados para entrenar modelos de lenguaje grandes (LLM), la IA se ha trasladado a la corriente principal. Ahora es tanto más disponible como más necesario, por eso hay tanto revuelo alrededor de ella.
Y el revuelo parece ir más allá del ruido normal cuando una nueva tecnología llega a la escena. La IA parece estar configurada para dar forma a todos los aspectos del futuro. No solo lo que significa hacer negocios, sino también cuestionando lo que significa ser humano.
Estas son las grandes, esotéricas preguntas detrás de la IA. Pero, ¿qué significa todo esto en la práctica, en el día a día?
Lo que sustenta a la IA es, como dije, vastas cantidades de datos. Y ahora, gestionar esta lluvia constante de datos se ha convertido en uno de los mayores desafíos de información para que las empresas superen. Y aunque interactuar con la IA puede parecer simple desde la perspectiva del usuario, implica muchas tecnologías sofisticadas trabajando juntas detrás de escena: big data, procesamiento de lenguaje natural (PLN), aprendizaje automático (ML) y más. Pero integrar esta componentes, éticamente y de manera efectiva, requiere experiencia, estrategia y visión.
Mark Morley
Enlaces sociales de navegación
Director Senior de Marketing de Producto, OpenText.
Especializado vs generalizado: Aprovechar al máximo la IA
Las herramientas de IA más destacadas, como ChatGPT o Bard, son ejemplos de IA generalizada. Estas trabajan ingiriendo conjuntos de datos de fuentes públicas disponibles, es decir, la totalidad de internet, y procesando esos datos para convertirlos en resultados que parecen plausibles para los humanos.
Pero el problema de utilizar modelos de IA generalizados en los negocios es que están sujetos a las mismas inexactitudes y prejuicios a los que nos hemos acostumbrado con internet de manera más amplia.
Por eso, para lograr un impacto máximo, las empresas no deberían utilizar modelos de IA generales. En su lugar, aprovechar los modelos de IA especializados es la forma más eficaz de gestionar la avalancha de datos que viene con la IA. Las herramientas de IA especializadas son como las generales en que también son LLM. Pero la gran diferencia es que están entrenadas en datos especializados, que son verificados por expertos en la materia antes de alimentarlos en el LLM.
Por lo tanto, los algoritmos de IA especializados pueden analizar, entender y producir contenido en el que se pueda confiar por su precisión especializada. Este tipo de capacidad es crucial para evitar los tipos de errores que hemos visto hasta ahora con la IA generalizada, como abogados que incluyen información inexacta suministrada por ChatGPT en presentaciones legales. Pero la pregunta sigue siendo: ¿cómo pueden las empresas gestionar mejor la enorme cantidad de datos creados al adoptar un enfoque especializado de la IA?
Gestión de la avalancha de datos con modelos de IA especializados
Cualquier enfoque exitoso implicará estrategias efectivas para la recopilación, almacenamiento, procesamiento y análisis de datos. Al igual que con cualquier proyecto tecnológico, definir objetivos claros y políticas de gobierno es clave. Pero la calidad de los datos es quizás aún más importante. El viejo adagio de ‘basura entra, basura sale’ se aplica aquí; el éxito de cualquier modelo de IA especializada depende de la calidad de los datos, por lo que las empresas deben implementar procesos de validación y limpieza de datos.
La infraestructura de almacenamiento de datos, la gestión del ciclo de vida, la integración entre sistemas y el control de versiones también deben considerarse y planificarse antes de implementar un modelo de IA especializado. Asegurar que todo esto esté en su lugar ayudará a las empresas a manejar mejor los grandes volúmenes de datos generados al final, con monitoreo continuo también necesario para evaluar el rendimiento del modelo.
Pero las empresas también deben considerar la ética de la IA aquí, al igual que lo harían con la IA generalizada. Los modelos de IA especializados pueden estar sujetos a prejuicios específicos del dominio, mientras que lo que se considera ético en una industria puede no serlo en otra, lo que requiere un uso juicioso de cualquier resultado de IA especializado. Además, los LLM especializados pueden tener dificultades para entender aspectos del lenguaje matizados o específicos del contexto. Esto podría llevar a una mala interpretación de la entrada y generar salidas inapropiadas o inexactas.
Esta complejidad, por supuesto, dicta que la entrada humana y el monitoreo continuo son clave. Pero también refuerza la importancia de la colaboración tanto departamental como industrial para garantizar que cualquier uso de la IA sea tanto ético como efectivo. El intercambio de datos y conocimientos puede ser un paso clave para mejorar la calidad de los datos subyacentes y, cuando se hace correctamente, también puede ayudar a mantener esos datos seguros.
En última instancia, a medida que la IA se integra cada vez más en nuestro trabajo y vida diaria, vamos a necesitar desarrollar procesos para manejar su producción de manera escalable y ética. La asociación y la colaboración son fundamentales para hacerlo, especialmente con una tecnología que impacta a tantos de nosotros simultáneamente.
Hemos presentado la mejor herramienta de visualización de datos.
Este artículo se produjo como parte del canal de Expert Insights de TechRadarPro, donde presentamos las mentes más brillantes de la industria tecnológica de hoy. Las opiniones expresadas aquí son las del autor y no necesariamente las de TechRadarPro o Future plc. Si está interesado en contribuir, obtenga más información aquí: https://www.techradar.com/news/submit-your-story-to-techradar-pro