Un poderoso avance en Inteligencia Artificial está a punto de transformar el mundo, según los especialistas

La inteligencia artificial (IA) generativa se ha posicionado como uno de los campos de la tecnología que ha presentado avances más acelerados durante los últimos años.

Actualmente existen distintos sistemas que permiten desde elaborar textos hasta crear imágenes, videos o música, entre múltiples otras aplicaciones.

Sin embargo, la mayoría de esas formas de usar la IA generativa se basa en una tecnología subyacente que se denomina “transformador” y que tiene aplicaciones considerablemente más amplias.

Así lo anticipó el columnista del Wall Street Journal y autor del libro Arriving Today (Harper Business, 2021), Christopher Mims, quien recientemente escribió un texto en el que se refirió a los avances de la IA.

El especialista afirmó que la primera vez en que se hizo referencia a los transformadores fue en un artículo de 2017, el cual fue elaborado por investigadores de Google.

Ahí se les describió, dijo Mims, como “un tipo de algoritmo de IA que permite a las computadoras comprender la estructura subyacente de cualquier conjunto de datos (ya sean palabras, datos de conducción o los aminoácidos de una proteína) para que puedan generar su propio resultado similar”.

El transformador permitió que empresas como OpenAI pudieran desarrollar productos como ChatGPT, uno de los sistemas más conocidos en cuanto a la IA generativa.

No obstante hay muchos más: desde empresas que ofrecen taxis robot hasta otras que utilizan esta tecnología para diseñar nuevas moléculas de proteínas.

El artículo de 2017, titulado Attention Is All You Need, se ha citado más de 140.000 veces en otros artículos científicos y académicos.

De acuerdo al columnista del Journal, “la IA moderna ha sido buena durante mucho tiempo para reconocer los patrones en la información, pero los enfoques anteriores ponían serias limitaciones” sobre qué más podía hacer.

“Con el lenguaje, por ejemplo, la mayoría de los sistemas de IA solo podían procesar palabras de una por vez y evaluarlas solo en la secuencia en que eran leídas, lo que limitaba su capacidad para comprender lo que significaban esas palabras”.

Mims destacó que los investigadores de Google que hicieron el citado artículo centraron su experimento en el proceso de traducción de idiomas.

“Se dieron cuenta de que un sistema de IA que pudiera digerir todas las palabras de un texto y dar más importancia al significado de algunas palabras que a otras (dicho de otra manera, leer en contexto) podría hacer traducciones mucho mejores”.

El científico de investigación de IA en el Allen Institute for Artificial Intelligence, Tim Dettmers, dijo al Journal que la importancia de los transformadores está en que funcionan descubriendo cómo cada pieza de información que el sistema absorbe se relaciona con cada otra pieza de información que ha recibido.

Según Mims, “ese nivel de comprensión contextual permite a los sistemas de IA basados en transformadores no solo reconocer patrones, sino también predecir lo que podría suceder a continuación y, por lo tanto, generar su propia información nueva”.

“Esa capacidad puede extenderse a otros datos, además de las palabras”, agregó.

Por su parte, el cofundador y jefe de EvolutionaryScale, Alexander Rives, sintetizó: “En cierto sentido, los modelos están descubriendo la estructura latente de los datos”.

La mencionada empresa está entrenando a su IA con las secuencias publicadas de todas las proteínas que sus investigadores pueden conseguir.

Los especialistas de EvolutionaryScale esperan que su sistema pueda —con esos datos y sin la ayuda de ingenieros humanos— determinar la relación entre una secuencia de bloques de construcción molecular y cómo funciona la proteína que crea.

Según rescata el Journal, la compañía ya creó una molécula de prueba de concepto.

Mims explicó que se trata de “una proteína que funciona como la que hace que las medusas se iluminen, pero su secuencia inventada por la IA es radicalmente diferente a todo lo que la naturaleza aún no ha inventado”.

“El objetivo final de la firma es permitir que todo tipo de empresas, desde fabricantes farmacéuticos que producen nuevos medicamentos hasta compañías de química sintética que trabajan en nuevas enzimas, creen sustancias que serían imposibles sin su tecnología”.

“Eso podría incluir bacterias equipadas con enzimas novedosas que podrían digerir plástico o nuevos medicamentos adaptados a los cánceres particulares de las personas”, planteó el columnista.

El cofundador de Physical Intelligence, Karol Hausman, dijo que el objetivo de su empresa es “construir un modelo que pueda controlar cualquier robot para realizar cualquier tarea, incluidos todos los robots que existen hoy y los que aún no se han desarrollado”.

En una demostración reciente, la compañía utilizó brazos robóticos impulsados por su sistema de IA para doblar ropa.

Aunque esto último puede parecer sencillo para los humanos, se trata de una tarea altamente compleja para los robots.

“La ropa puede adoptar cualquier forma y requiere una sorprendente flexibilidad y destreza para manipularla, por lo que los expertos en robótica no pueden programar la secuencia de acciones que le indicarán a un robot exactamente cómo mover sus extremidades para recuperar y doblar la ropa”, explicó Mims.

Aún así, el mecanismo de Physical Intelligence “puede sacar la ropa de una secadora y doblarla prolijamente utilizando un sistema que aprendió a hacer esta tarea por sí solo, sin ningún aporte de los humanos más allá de una montaña de datos para digerir”, dijo el columnista.

Aquello despertó la atención no solo de los investigadores, sino que también de inversores como Jeff Bezos y Open AI.

A inicios de noviembre, la empresa recaudó unos 400 millones de dólares.

Otras empresas que trabajan con automóviles se han concentrado en descubrir cómo usar los “modelos de lenguaje visual” basados en transformadores que pueden absorber y conectar no solo el lenguaje, sino que también las imágenes.

Una de estas es la firma de vehículos autónomos Waymo, perteneciente a Alphabet. También están Nuro, con sede en California y Wayve, con sede en Londres.

“Esto supone un cambio con respecto a los enfoques de conducción autónoma anteriores a los transformadores, que utilizaban una combinación de instrucciones escritas por humanos y tipos más antiguos de IA para procesar los datos de los sensores con el fin de identificar objetos en la carretera”, dijo Mims.

Según el columnista, “los nuevos modelos basados en transformadores son, en esencia, un atajo para proporcionar a los sistemas de conducción autónoma el tipo de conocimiento general sobre el mundo que antes era muy difícil concederles”.

“Por ejemplo, en un artículo reciente, los investigadores de Waymo demostraron que, utilizando la propia IA comercial de Google, llamada Gemini, su sistema de conducción autónoma podría tener la capacidad de identificar y ceder el paso a objetos para los que no había sido entrenado, como un perro que cruza la calle”, mencionó el experto.

Aunque Mims manifestó que los avances en el campo de la IA son prometedores, citó a Dettmers al decir que estos sistemas tienen limitaciones y siguen siendo impredecibles, por lo que no podrán reemplazar por completo el trabajo de los humanos.

“A modo de ejemplo, la IA que se encuentra en el corazón de EvolutionaryScale puede sugerir nuevas moléculas para que los humanos las prueben en el laboratorio, pero los humanos aún tienen que sintetizarlas y probarlas”, dijo el columnista.

Además, enfatizó que los modelos basados en transformadores “están lejos de ser lo suficientemente fiables como para asumir por completo la conducción”.

Desde la visión del cofundador de Physical Intelligence, aunque están “estableciendo expectativas”, todavía están en una fase inicial en el desarrollo de ciertos mecanismos.