Estamos viviendo el desarrollo de las IAs generativas tanto en el campo del texto como de la imagen.
La fiebre de la IA generativa la inició GPT-2 en el ámbito del texto y DALL-E 2 en el de las imágenes. Ambos están hoy dominados por alternativas libres: BLOOM y Stable Diffusion.
Contenidos
Qué es la inteligencia artificial: definiciones
La definición más básica podría ser que la inteligencia artificial es la inteligencia llevada a cabo por máquinas. En 1956 John Mccarthy acuñó la expresión “inteligencia artificial” y la definió como la ciencia e ingenio de hacer máquinas inteligentes, especialmente programas de cómputo inteligentes.
Andreas Kaplan y Michael Haenlin definen la inteligencia artificial como la capacidad de un sistema para interpretar correctamente datos externos, para aprender de dichos datos y emplear esos conocimientos para lograr tareas y metas concretas a través de la adaptación flexible.
Según Takeyas (2007), la inteligencia artificial es una rama de las ciencias computacionales encargada de estudiar modelos de cómputo capaces de realizar actividades propias de los seres humanos con base en dos características primordiales: el razonamiento y la conducta.
En definitiva, la inteligencia artificial (IA) es el conjunto de todas las diferentes técnicas: Machine Learning, Deep Learning, redes neurales, todo lo que tenga que ver con algoritmos de aprendizaje.
La inteligencia artificial es lo que nosotros queremos que una máquina haga, tal como lo haría un ser humano.
Ciencia de datos desde 1960 a los 2000s.
En 1960 personas que estudiaban todo el proceso de toma de decisiones, gente que estudia de investigación de operaciones crearon lo que se llamaba los decision support systems, que eran sistemas para poder tratar de facilitar la toma de decisiones cuando uno tenía dos o más opciones. Luego en los ochentas aparecen las computadoras que nos vienen a facilitar un montón la parte de hacer modelos predictivos.
En 1990 uno de los temas más importantes era el de data warehousing, es decir, la capacidad de almacenamiento, ¿Cómo hacemos para guardar tantos datos? Porque necesitamos bastante datos para poder alimentar esos sistemas o esos algoritmos/modelos que nos iban a ayudar a hacer predicciones.
Entonces el hablar de capacidad de almacenamiento era muy importante y uno quería tener una memoria USB que tuviera 32 gigas o 64 gigas cosa que ahora no es relevante, porque ese problema se resolvió, entonces el momento que se resuelve cómo almacenar tanta, tanta data entra el problema de ahora ¿Qué hago con tantos datos? ¿Cómo voy a hacer para obtener información o extraer información de los datos? y ahí es donde aparecen los temas como Big Data y se comienza a forjar lo que se llama hoy en día Data Science.
Data Science es extraer información de los datos para eventualmente poder clasificarlos de una forma inteligente o agruparlos de alguna forma inteligente, hacer predicciones acerca del comportamiento o qué patrón puedan seguir los datos por ejemplo, y nos dice por ejemplo, ¿cuál es el anuncio publicitario o película recomendada que mayor probabilidad tiene de ser seleccionado? o ¿cuál es el usuario o cuál es la acción más probable que tomará este usuario después de haber hecho clic aquí?
Entonces toda la ciencia de datos se trata de cómo extraigo información, de ese montón de data cruda, que puedo yo tener, por supuesto hay procedimientos y cosas en medio que nos van a servir para poder medir y eventualmente extraer esa información, pero lo que quiere hacer la Data Science o la ciencia de datos es extraer información de los datos.
La ciencia de datos no toma decisiones, sólo nos va a ayudar a darnos la información lo más acertada posible para entregársela a un analista de negocios, un gerente general o una computadora. Entonces, ¿quién va a tomar la decisión? Una persona o una máquina, ¿basada en qué? en esa data, pero en esa información que se obtuvo de la data, para eventualmente poder venir y tomar una decisión.
Para qué sirve la inteligencia artificial
Mientras la ciencia de datos se ocupa de la ingeniería de datos más inteligencia de negocios, la IA se encarga de la toma de decisiones. Entonces ¿qué necesitamos para que una computadora tome decisiones inteligentes?
Desde el punto de vista tecnológico, necesitamos mucha capacidad de almacenamiento, la capacidad de poder procesar esas grandes cantidades de datos y tener un alto poder computacional, para poder trabajar con esas grandes cantidades de datos.
Desde el punto de vista teórico, modelos matemáticos estadísticos robustos, que nos permitan determinar qué opción seleccionar a la hora de tomar una decisión y tres desde el punto de vista del lenguaje de programación, necesitamos lenguajes que sean suficientemente dinámicos que nos permitan tener digamos una buena comunicación, entre bases de datos o data warehouses y estos algoritmos predictivos. Necesitamos algoritmos heurísticos por ejemplo, capaces de resolver situaciones particulares que tienen con, que tengan muy alta certidumbre acerca de la optimalidad o de la certeza de la respuesta.
Entonces desde el punto de vista tecnológico, se está logrando recién en estos años, mientras que desde el punto de vista teórico, ya llevamos modelos matemáticos y redes neurales. Desde el punto de vista de programación ya tenemos estos lenguajes.
Usos cotidianos de la inteligencia artificial
La IA se viene utilizando hace décadas en:
- Redes sociales: sus algoritmos seleccionan contenido con mayor probabilidad de éxito en base a tus gustos, intereses y otras interacciones.
- Plataformas de contenido streaming: sus sistemas de recomendación usan algortimos de inteligencia artificial
- Mapas y geolocalización
- Uber, aplicaciones de delivery de comida.
- Automóviles autónomos como Tesla.
- Edición de imágenes y videos
- Smart TV: usan inteligencia artificial en el procesamiento de imágenes.
Cómo surgió OpenAI y ChatGPT
En febrero de 2019, OpenAI, empresa de inteligencia artificial fundada por Sam Altman y Elon Musk, anunció el lanzamiento de GPT-2, un ‘modelo de lenguaje’ (una inteligencia artificial generadora de texto, para entendernos), que aseguraba que era capaz de producir textos tan convincentes que “podría ser utilizada para la desinformación o la propaganda”, razón por la que sólo iban a poner a disposición del público una versión mutilada de la misma (de 117 millones de parámetros, frente a los 1.500 millones del modelo completo).
La reacción de Anima Anandkumar, directora de investigación de Nvidia, a CHATGPT fue tajante:
“Lo que estáis haciendo es todo lo contrario a “abierto”. Es lamentable que [pongáis en peligro] la reproducibilidad de resultados como el esfuerzo científico.
[…] El progreso en IA es, en su mayor parte, atribuible al open source y a la publicación abierta”.
Poco después, OpenAI lanzó una versión algo-menos-mutilada, con 345 millones de parámetros. Pero, ese mismo verano, unos estudiantes lograron replicar la versión completa de GPT-2. Nacía así OpenGPT-2. Para finales de 2019, OpenAI ya había liberado la versión original de su ‘peligroso’ modelo.
ChatGPT-3
Avanzamos unos meses: OpenAI lanza GPT-3 en mayo de 2020, con una API en beta cerrada, y poco después otorga a Microsoft “licencia exclusiva” para usarla. Mientras, se había ido creando una alternativa verdaderamente ‘open’ a ‘OpenAI’, EleutherAI, que publicó en enero de 2021 su conjunto de datos de entrenamiento de 800 GB, y en marzo 2022 ya habían lanzado su modelo GPT-Neo de 2.700 millones de parámetros.
Antes de que terminara el 2022, OpenAI ya había suprimido la lista de espera de GPT-3. La última gran noticia que tenemos en este campo fue el lanzamiento en junio 2022 de BLOOM, una IA generadora de textos en 59 idiomas, con 176 millones de parámetros… y 100% open source.
De texto a imágenes con inteligencia artificial
Con solo escribir unas líneas, una oración o una idea, la IA te genera imágenes. Veamos los modelos más exitosos a la fecha…
IA generadores: aplicación gratuita para encontrar herramientas de inteligencia artificial
¿Estás buscando las mejores herramientas de inteligencia artificial?Ahorra tiempo y dinero al pasar de texto a imagen, crear fotos, avatares, NFT, de texto a voz y mucho más😎
✅️Hay una IA para todo, descarga la app gratis aquí:
https://play.google.com/store/apps/details?id=go.aigeneradores&pli=1
Stable Diffusion
Midjourney y DALL-E 2 anunciaron el lanzamiento de sus betas cerradas en marzo y en abril 2022, mientras que el lanzamiento de Stable Diffusion (open source) fue en en agosto 2022, consiste en un modelo generador de imágenes que ofrece resultados revolucionarios y que ya es la IA más usada en este campo.
Lo más notable de lo ‘open source’ es que permite la personalización e integración de herramientas. Así, en las pocas semanas desde su lanzamiento, Stable Diffusion ya cuenta con varias interfaces de usuario (web y de escritorio), plugins específicos para herramientas de diseño y varias plataformas freemium (versión gratuita y otras de pago).
El fiasco de ChatGPT y el CEO de OpenAI
¿La inteligencia artificial robará tu empleo?
De acuerdo al Foro Económico mundial y la Universidad de Oxford, el 48% de los empleos que existían en el 2016 serán obsoletos para el 2025 debido a los enormes avances tecnológicos.
Ante esto surgen distintas posturas sobre cuál será el futuro del empleo, algunas personalidades como Mark Zuckerberg hablan de la importancia de un ingreso básico universal que permita cubrir las necesidades de supervivencia de una persona en lo que se adapta a las nuevas tecnologías.
Bill Gates ha mencionado la posibilidad de poner impuestos a los robots y a las máquinas. Salim Ismail, primer director Ejecutivo de Singularity University en la NASA habla que lo que ocurrirá es que los humanos tendremos más tiempo para dedicarnos a lo que nos apasiona dejando las tareas repetitivas a las máquinas.
Qué está haciendo Sillicon Valley con la inteligencia artificial
La inteligencia artificial será la nueva electricidad y por esto es que hay una especie de carrera por la supremacía de la inteligencia artificial y ante esto vemos distintos gobiernos a nivel mundial buscando impulsar la investigación en este tipo de áreas y el desarrollo de empresas tecnológicas, nuevas startups para crecer y aprovechar esta área.
Vemos algo bastante interesante: Estados Unidos sigue teniendo una gran supremacía en varias de las principales tecnologías a nivel mundial, pero hay países como China que incluso de acuerdo a personas como Elon Musk, ya están más avanzados en inteligencia artificial.
Carrera por la Supremacía de la IA
Los gobiernos están impulsando bastante este tipo de tecnologías, como Rusia, Israel, la Unión Europea, India o algunos otros. Lamentablemente, América Latina está bastante atrás en este tipo de desarrollo tecnológico, sin embargo, hay bastante oportunidad para las personas que quieren ser parte de esta área o este tipo de aprendizaje.
Las principales empresas de tecnología a nivel mundial como Google, Microsoft, IBM, Apple, Facebook, Amazon, Tesla, entre algunas otras como compañías chinas como Tencent, Huawei, Alibaba, Baidu, entre otras, tienen programas de desarrollo de inteligencia artificial y lo utilizan a diario en sus productos masivos.
Todo este tipo de compañías tecnológicas, la gran mayoría de ellas, lo que están haciendo es desarrollar programas de inteligencia bastante sofisticados y lo que están haciendo este tipo de compañías es atraer personas que se quieran certificar en sus desarrollos, en su tecnología y de esta forma se hace mejor la tecnología que ellos están desarrollando, pero también esto está permitiendo la entrada a usar varios de estos desarrollos que ellos están desarrollando.
IBM Watson
Por ejemplo, IBM ha desarrollado Watson, una de las inteligencias artificiales más grandes a nivel mundial y tienen un programa específico donde permiten a pequeñas empresas o a personas, técnicas que quiera o personas de negocio, personas técnicas que quieran aprender y ser parte de algunos estos programas.
Microsoft Azure
Microsoft tiene el programa Azure, dónde es la nube de Microsoft y el programa de inteligencia artificial y tiene una serie de cursos y certificados alrededor de eso.
Google AI: Tensorflow
Google tiene tensorflow donde básicamente puedes recibir ciertas capacitaciones específicas y puedes aprender este tipo de técnicas de inteligencia artificial, Machine learning y este tipo de desarrollos con la base de la tecnología de Google.
Apple machine learning
Apple ha desarrollado un centro de investigación de Machine learning que constantemente están lanzando convocatorias para poder aprender y poder hacer desarrollos con la tecnología de Apple.
Faceboook becas inteligencia artificial
Facebook también ha estado becando y estado formando a personas que quieran utilizar o desarrollar inteligencia artificial de Facebook para sus distintos productos, por lo que hay una serie de oportunidades allá afuera para poder entrar a esta rama de inteligencia artificial.
Ventajas de estudiar inteligencia artificial
Una de las grandes ventajas es que es mucho menos las personas que están capacitadas en este tipo de tecnologías a la demanda en las empresas sobre este tipo de habilidades, por lo que las personas que están capacitadas y que tienen experiencia en este tipo de ramas ganan bastante bien, pero aquí algo que es muy importante es tener experiencia, por eso algo que es clave en este tema es estar haciendo proyectos constantemente para de esa forma poder obtener experiencia en el tema de la supremacía de la inteligencia artificial, donde vemos el caso de Estados Unidos, principalmente, y China, con esta carrera para buscar ser los líderes.
Proyectos de criptomonedas que usan inteligencia artificial
