Lo que una pizza con pegamento nos dice sobre la IA y el futuro de casi todo
Pese al impacto de que una máquina escriba, los modelos de lenguaje son, por su propio diseño, susceptibles al error, lo que condiciona su aplicación
La desbocada subida en Bolsa de Nvidia (paralela a sus resultados y a su cartera de pedidos) y los miedos a un futuro distópico son dos de los frutos que nos han dejado 18 meses de popularización de la IA generativa. El impacto de un puñado de imágenes, textos y vídeos creados por máquinas ha dado la vuelta a las previsiones sobre prácticamente todo: la economía, el empleo, la geopolítica, las relaciones y la sociedad en general.
La IA generativa es impactante en sus respuestas, pero también en sus errores. ...
Para seguir leyendo este artículo de Cinco Días necesitas una suscripción Premium de EL PAÍS
La desbocada subida en Bolsa de Nvidia (paralela a sus resultados y a su cartera de pedidos) y los miedos a un futuro distópico son dos de los frutos que nos han dejado 18 meses de popularización de la IA generativa. El impacto de un puñado de imágenes, textos y vídeos creados por máquinas ha dado la vuelta a las previsiones sobre prácticamente todo: la economía, el empleo, la geopolítica, las relaciones y la sociedad en general.
La IA generativa es impactante en sus respuestas, pero también en sus errores. En uno de los más comentados, Google Search da una original solución a un usuario quejoso porque el queso no se adhiere a la masa de la pizza: usar pegamento.
Los errores en los modelos de lenguaje son moneda común. Este sería uno más de no ser por la aparente “fuente” de información que usó el aprendizaje automático: un comentario de hace 11 años en un foro de Reddit, obra del usuario fucksmith, que con similares palabras que Google Search aconsejaba, también, una precisa proporción de 1/8 de pegamento en la salsa, amén de detallar la conveniencia de que no fuese tóxico.
Preguntado por este asunto, Sundar Pichai, en una entrevista con The Verge, respondió que “las alucinaciones [como se denomina en la jerga a estos errores] siguen siendo un problema sin resolver. En cierto modo, es una característica inherente; es lo que hace que estos modelos sean muy creativos (…). Pero los LLM (large language models) no son necesariamente el mejor enfoque para llegar siempre a la factualidad”.
En el mismo hilo de Reddit donde fucksmith aconsejaba usar pegamento, otro usuario apuntaba la menos extrema solución de utilizar menos cantidad de salsa. No podemos saber por qué la IA eligió ese foro, y dentro de él, el comentario de fucksmith (y ese foro). Tampoco la propia IA sería capaz de explicarlo, ni sus creadores. Los sistemas de aprendizaje automático analizan cantidades masivas de datos, y cuantos más tenga, más aprenderá. Pero, como indica el caso de la pizza, qué aprenderá depende de con qué datos se alimente. Los modelos actuales impresionan por su capacidad para emular el lenguaje, pero de momento no piensan.
Quizá estas dos características explican la eclosión de los modelos de lenguaje: se necesita mucho dinero para desarrollar y entrenar la inteligencia artificial, y estamos aún empezando, pero el potencial es abismal. El lanzamiento de ChatGPT fue la espoleta de una carrera de múltiples competidores y, como muestran los números de Nvidia, quien quiera inteligencia artificial (o, mejor dicho, quien la quiera antes que sus rivales) tiene que pagar una fortuna en capacidad de procesamiento. Según Bernstein, las inversiones de capital de Amazon, Meta, Google y Microsoft superarán los 200.000 millones de dólares este año. Y una receta óptima para recaudar fondos es mostrar en público el potencial de la tecnología.
Queda encontrar el retorno de esta inversión. Es un mantra habitual, y fundamentado por la experiencia, que los efectos de los avances tecnológicos se suelen sobrevalorar en el corto plazo e infravalorar en el largo plazo. Si algo une a los compradores de dispositivos de Nvidia con los compradores de acciones es que ni los unos ni los otros saben exactamente qué están comprando ni por qué lo necesitan, pero ambos están seguros de que deben hacerlo.
“A pesar de las importantes oportunidades que ofrece, la adopción generalizada de IA generativa sigue estando a años vista. Los primeros entusiastas han pasado la antorcha a los innovadores, pero el mercado general tiene serias barreras que superar para capitalizar realmente la oportunidad que presenta”, explica un informe de JP Morgan citado por Financial Times, “no es inteligencia general artificial, indistinguible de la humana. No puede programar perfectamente ni configurar en absoluto la arquitectura informática de una empresa”.
Similar punto de vista adopta Daron Acemoglu. En un artículo de investigación recién publicado, el economista ha enfriado las previsiones de crecimiento derivadas de la inteligencia artificial, partiendo de la base de que los efectos macro de la IA se pueden estimar a partir de sobre qué tareas, y con qué mejoras de eficiencia o ahorros de costes puede aplicarse esta tecnología. Según sus cálculos, el impulso sobre el PIB en 10 años será de entre el 0,93% y el 1,16%. Unas cifras alejadas de las optimistas previsiones de, por ejemplo, Goldman Sachs (7% de alza del PIB en 10 años).
Para el economista Daron Acemoglu, los beneficios de la IA no cristalizarán si los modelos no se reorientan para dar datos fiables
Acemoglu matiza sus propios cálculos porque la evidencia de uso de la IA se ha limitado a tareas sencillas, cuando los mayores impactos futuros vendrán de tareas complicadas “donde hay factores codependientes afectando a la toma de decisiones y no hay medidas objetivas del resultado a partir de las que aprender”. Y aporta otro ángulo interesante: algunas de las tareas que puede desarrollar la IA pueden tener un valor social negativo (como la difusión de noticias falsas), por lo que la IA podría, además de añadir, restar crecimiento.
“La IA generativa, que es una tecnología prometedora, puede aportar beneficios mucho mayores, pero estos seguirán siendo difíciles de alcanzar a menos que se produzca una reorientación fundamental de la industria”, concluye, “para centrarse en información fiable que pueda aumentar la productividad marginal de diferentes tipos de trabajadores, en lugar de dar prioridad al desarrollo de herramientas conversacionales generales similares a las humanas”.
El economista se muestra, también, un tanto escéptico sobre los cambios en el mercado de trabajo. Y es posible que tenga razón; cuando se inventó la hoja de cálculo, muchos pensaron que los trabajos de oficina desaparecerían, y similares temores acompañaron el despliegue de internet en los años 90 y primeros 2000.
Pero no fue así; de hecho los grandes cambios tecnológicos no suelen destruir empleos cualificados, más bien al contrario. En el último cuarto de siglo se han destruido empleos fruto de la tecnología, pero también se han creado nuevos trabajos o han crecido otros. Contraintuitivamente, a medida que las máquinas han ocupado un papel más importante en la economía, se han creado empleos en ocupaciones que exigen contacto humano. La fórmula en la que la IA desembarque en las empresas determinará, igualmente, los efectos laborales y sociales de esta tecnología. Y quiénes serán ganadores o perdedores.
Sigue toda la información de Cinco Días en Facebook, X y Linkedin, o en nuestra newsletter Agenda de Cinco Días