Aunque el nombre de esta newsletter puede dar a entender que nos dedicamos a predecir el futuro, realmente lo único que hemos pretendido desde que comenzamos a publicar en 2016 ha sido servir como testigos del presente, en lo que se refiere a las innovaciones tecnológicas que se estaban produciendo, para posteriormente y fruto del aprendizaje obtenido, que cada uno pueda dar los pasos necesarios para desarrollar sus propios proyectos.

En el caso de ChatGPT han sido muchas y variadas las publicaciones que hemos realizado, principalmente porque cada vez que teníamos que publicar suponía haber realizado previamente un trabajo para aprender sobre lo que íbamos a escribir o haber tenido que realizar alguna reflexión al respecto del impacto que iba a tener esta tecnología en nuestras vidas y en nuestros trabajos.

Dicho esto, lo que hoy queríamos plasmar en este artículo son las razones por las que ChatGPT tiene mucho futuro por delante y sobre todo terminar de animar a los que aún no habéis sacado tiempo para usarlo en profundidad, que aprovechéis las vacaciones de verano (si estáis en el hemisferio norte) para darle el impulso definitivo al aprendizaje de esta herramienta, os aseguramos de que no os vais a arrepentir.

Mejora continua: pocas veces en la historia hemos visto una evolución tan rápida de un producto digital y con el añadido de que las nuevas mejoras introducidas son realmente notables. Así desde la aparición de ChatGPT en diciembre hemos visto la introducción de los plugins, la búsqueda en Internet y en breve también será posible disfrutar en la versión de pago del code interpreter que permite ejecutar código sobre el propio chat de manera que podemos pedirle por ejemplo que analice datos, cree gráficos, edite archivos, realice operaciones matemáticas, en base a datos que le hemos proporcionado a través de un archivo. Así que ya vemos cómo ChatGPT no solo sabe programar sino que ejecuta también sus propios programas.

Monopolio: del mismo modo que ha ocurrido antes en los buscadores con Google o las redes sociales con Facebook, ChatGPT podría convertirse en el monopolio de los asistentes virtuales basados en Inteligencia Artificial. Razones para esto puede haber muchas, desde la ventaja de haber sido el primero, aunque realmente no sea así porque igual que Google y Facebook no fueron los primeros en lo que a buscadores y redes sociales se refiere, en el caso de los asistentes basados en Inteligencia Artificial también hemos tenido antes a Siri y Alexa, pero su capacidad para darnos respuestas de utilidad o realizar tareas de manera autónoma era tan baja que claramente ChatGPT los ha ganador por goleada.

Modelo de negocio: cuando tienes a millones de personas y un número incontable de empresas deseando pagar por la versión premium de un servicio que ha demostrado ofrecerles una importante utilidad, te quitas de encima uno de los problemas más importantes que han tenido las empresas de Internet en sus inicios, el modelo de negocio. En este caso, a diferencia de otras empresas que han tenido que basar su negocio en la compleja estructura B2C2B, aquí claramente tanto particulares como empresas están encantados de pagar por el servicio, lo que amplifica enormemente las oportunidades de generar ingresos, sin ni siquiera hablar de la opción de la API y del resto de servicios que pueda ofrecer la empresa además del de GPT.

Nueva categoría: otra de las grandes ventajas de ChatGPT es que ha abierto una nueva categoría de servicio digital y es precisamente por esto por lo que se lo compara tanto con el iPhone, principalmente porque durante años se ha esperado que alguien creara un producto de este tipo y en el momento en el que ha ocurrido la sorpresa ha sido mayúscula. Entonces es cuando comienza la carrera y todo el mundo quiere tener su propio ChatGPT, pero los otros que hemos visto hasta ahora no están a la altura de las circunstancias porque realmente los resultados que ofrece esta tecnología para las tareas que le encomendamos son muy sorprendentes.

Sirva este artículo entonces como un llamamiento a aquellos que aún no usáis ChatGPT de manera intensiva, que aún no os habéis habituado a usarlo como copiloto en todo momento en vuestro trabajo . Las ventajas y oportunidades que ofrece son tantas y valiosas que cuesta ponerlas de manifiesto en un artículo como este. Pero nosotros en SNGULAR estamos convencidos de ello porque hemos visto las caras de sorpresa de los participantes en los cursos que organizamos sobre GenAI y eso despeja toda duda sobre el futuro de ChatGPT.

Etiquetas: ChatGPT, GenAI, OpenAI, Sngular

Esta semana José Luis Vallejo nos ha dejado una reflexión a la que vale la pena dedicar un poco de tiempo, porque estamos viendo como cada vez más gente expone su visión al respecto de por qué lo que está ocurriendo con la Inteligencia Artificial Generativa es algo muy grande, que incluso en este caso nos puede estar acercando a gran velocidad el momento de la singularidad, en el que la Inteligencia Artificial supere de manera general a la inteligencia humana.

Siempre pensé que la singularidad vendría cuando enseñáramos a las máquinas a pensar como nosotros y luego leyeran todas nuestras wikipedias y vademecums. Pero ha ocurrido al revés. Les hemos dado para leer todo lo que teníamos y entonces han empezado a pensar como nosotros.

Lo que ocurre con esto de la tecnología y la singularidad es que los grandes cambios no suceden de un día para otro sino que se van produciendo de manera muy progresiva. Primero teníamos los asistentes conversacionales que nos entendían perfectamente pero que no eran capaces de darnos respuestas razonables, por lo que decíamos que no eran realmente inteligentes. Ahora tenemos los chats del tipo GPT basados en grandes modelos de lenguaje, que no solo entienden lo que les decimos sino que además son capaces de darnos respuestas muy razonables, quizás incluso razonadas. Puede que lo siguiente sea que aparezca una tecnología que no solo nos entiende y nos responde de manera correcta, sino que además comience a hacernos las preguntas que necesita para seguir mejorando en su proceso evolutivo.

En todo caso lo importante en este punto es cómo de útil nos resulta esta tecnología, qué hemos empezando a hacer que no podíamos hacer antes y qué vamos a hacer con el tiempo que nos sobra cuando nos volvamos más productivos gracias a ella.

También es interesante reflexionar al respecto de las sensaciones que experimentamos cuando le pedimos una tarea y se produce el efecto WOW, porque no esperábamos una respuesta tan satisfactoria o incluso cuando vemos que esa respuesta está cargada de más creatividad de la que habríamos imaginado nosotros mismos. Y aquí es donde sin duda tenemos que hablar de Inteligencia, porque aunque supere o no a la humana, lo que sí que ocurre es que la suya más la nuestra es superior a la que teníamos antes.

Pero basta ya de filosofar y vayamos con la parte práctica, porque en esa combinación de la Inteligencia Artificial con la inteligencia humana es donde en este momento debemos enfocarnos y por lo tanto lo que habría que hacer ahora es aprender a usar correctamente esta tecnología para sacarle todo el jugo. Así vimos el año pasado que había gente como Javi López que a través de sus prompts eran capaces de hacer maravillas con la Inteligencia Artificial Generativa de imagen y con la que genera texto también debería ocurrir lo mismo.

Aunque siga valiendo más una imagen que mil palabras, lo cierto es que muchos de nosotros en nuestro día a día lo que más hacemos es generar texto y por eso resulta tan importante aprender a hacer buenos prompts para obtener los mejores resultados en la generación de texto, así que a eso es lo que vamos a dedicar el artículo de hoy.

Como suele decirse, y nunca mejor dicho, en los últimos meses se han vertido ríos de tinta al respecto de cómo escribir buenos prompts para ChatGPT y lo que vamos a intentar aquí es quedarnos con algunas de las buenas prácticas que hemos comprobado que pueden ofrecer los mejores resultados. Para ello en primer lugar lo que tenemos que hacer es sentar algunas bases al respecto de lo que vamos a explicar sobre cómo escribir prompts.

Qué es un prompt

A riesgo de ser impreciso, pero con el objetivo de simplificar, vamos a considerar que todo lo que escribimos en la caja de texto de ChatGPT es un prompt, básicamente porque es el único sitio donde por ahora podemos introducir texto e inscribir instrucciones. Lo que ocurre es que el concepto de prompt debería hacer referencia, sobre todo, a cuando le pedimos que haga algo, cuando le damos una instrucción y por lo tanto esto debería diferenciarse de otras cosas que escribimos ahí, como son el contexto y el rol.

Por otro lado también ocurre que cuando estamos manteniendo una conversación, muchas veces mezclamos en el mismo mensaje el contexto, la instrucción y el rol, por lo que no es tan fácil diferenciarlo y con el tiempo estaremos tan habituados a interactuar con esta herramienta que no tendremos que pensar tanto en ello, sino que nos saldrá de forma natural. De hecho lo que ya han dicho desde OpenAI es que cada vez será menos importante cómo estructuras el prompt porque con el tiempo la máquina nos entenderá mejor y podrá ayudarnos de manera más precisa.

En todo caso mientras que esto va llegando, pensemos en que cuando hablemos con ChatGPT además del prompt, deberíamos proporcionar siempre el contexto y en muchos casos también el rol.

La importancia del contexto

El contexto no es solo la información de partida que le proporcionamos, sino que a medida que vamos interactuando con el chat y le vamos dando más detalles sobre nosotros, nuestra actividad o el tema en el que trabajamos, toda esa información se va incorporando a la conversación y la va teniendo en cuenta de cara a las respuestas que a posteriori nos va a proporcionar. Del mismo modo el contexto no es solo la información que nosotros le proporcionamos, lo que podríamos denominar integración de contexto, sino que cuando le pedimos que recurra a cierto conocimiento previo, como puede ser una normativa legal del un país concreto, lo que estamos haciendo es generar el contexto que enriquece la conversación y que resultará de utilidad para las peticiones que vayamos a realizar.

Otras formas que tenemos de proporcionar contexto en una conversación con ChatGPT son:

• Cuéntale tus objetivos: si quieres que realmente haga un gran trabajo para ti, una buena forma de comenzar es exponerle los objetivos que tienes en tu trabajo o para una tarea que quieres realizar, así el contexto tendrá una calidad muy alta desde el principio.
• Utiliza ejemplos: a sabiendas de que ChatGPT muchas veces se equivoca o se inventa las cosas, una forma muy buena de evitarlo, además de lograr resultados de mayor utilidad, es ponerle un ejemplo, de esta forma estarás orientando mucho mejor el trabajo a realizar.
• Dale pistas: de igual forma que los ejemplos, las pistas pueden ayudar mucho a obtener mejores resultados, para ello es necesario tener experiencia previa en el tema que se quiere trabajar o recurrir a documentación externa, pero vale la pena que lo hagamos porque los resultados son notablemente mejores.
• Dile que te haga preguntas: estamos acostumbrados a preguntar cosas a Google y no nos damos cuenta de que el diseño de ChatGPT es muy diferente, de hecho cuanto menos le preguntemos mejor, porque lo ideal es que le podamos proporcionar suficiente contexto y que sea él quien nos pregunte a nosotros lo que necesita saber para ayudarnos.
• Háblale de un público objetivo: demasiadas veces damos por hecho las cosas porque las tenemos en la cabeza, pero nos olvidamos de transmitirlas a nuestro interlocutor, así que hasta que ChatGPT no pueda leer la mente mejor que le cuentes todo eso que sabes de aquellos a los que vas a dirigir tu trabajo.
• Cuéntale una historia: todo lo anterior podría resumirse en este punto si somos capaces de establecer un diálogo constructivo con ChatGPT, hasta el punto que la gente llega a mantener conversaciones muy profundas con la máquina, incluso más que con otras personas. Aprovechemos esta capacidad para sacarle todo el jugo a esta tecnología.

Pídele que asuma un rol

El rol podría considerarse parte del contexto porque, al fin y al cabo, es información que necesita conocer para poder hacer un mejor trabajo por nosotros. Aunque no es totalmente necesario, lo cierto es que los resultados son mucho mejores si le pedimos que actúe de determinada forma.

• Experto: es lo más habitual, sobre todo cuando estamos haciendo peticiones a nivel profesional, que pidamos su ayuda como experto y por alguna razón funciona, de cara a entender mejor qué es lo que se espera de él y sobre todo en ámbito de actuación en el que debe trabajar.
• Profesor: ya que ayudarnos a aprender es una de las cosas que mejor sabe hacer ChatGPT, si además le decimos que actúe como un profesor, personalizará aún más su comportamiento para adaptarse a nuestras necesidades.
• Analista: muchas veces cuando le pedimos al chat que haga cosas se resiste a hacerlo porque considera que no debería mojarse al respecto dando una opinión de lo que le pides, pero esto puede evitarse si por ejemplo le dices que es un crítico de cine y quieres que opine sobre una película o un crítico culinario y le pides que opine sobre un restaurante.
• Famoso: hablar con chats que asumen la personalidad de famosos es un divertimento para algunos, pero para otros puede también una forma de aprender y obtener mejores resultados, por ejemplo si estás aprendiendo algo puedes pedir que actúe como la persona que le inventó y resultará una forma más didáctica de aprender.
• Personalidad propia: pide a ChatGPT que asuma un tipo de personalidad, por ejemplo que cuando responda lo haga como si estuviera alegre, amargado, furioso, romántico, … y de esta forma podrás probarte a la hora de dialogar con personas en diferentes estados de ánimo.
• Varias personalidades: resulta especialmente interesante comprobar como ChatGPT puede adoptar a la vez varias personalidades y mantener un diálogo entre ellas. Por ejemplo puedes simular un conversación entre Lamarck y Darwin sobre la teoría de la evolución o entre Newton y Einstein sobre la teoría de la relatividad.
• Opinión contraria: si necesitas alguien con quien contrastar tus ideas, puedes contarle en qué andas pensando y decirle que lo refute, muchas veces puede ser una buena forma de alejarnos de nuestros sesgos y ya sabes que convertirte en un contrarian tiene sus beneficios.

Cómo darle instrucciones

Llega el momento de la verdad, dar instrucciones a la máquina para que nos ayude con lo que necesitamos. Aunque si lo piensas, una vez que le hemos proporcionado el contexto adecuado y le hemos pedido que asuma un rol, podrá darnos buenos resultados ya que estará mejor preparado para hacerlo.

En este punto es importante mencionar que cuando escribimos un prompt, por un lado habrá un input, que es la información previa que le proporcionamos antes de pedirle que realice una tarea, luego vendrán las instrucciones concretas al respecto de lo que queremos que haga y finalmente deberíamos indicarle también el output, que será la forma en la que esperamos que nos muestre el resultado, como por ejemplo en forma de lista, tabla, verso, código fuente, …

• Zero shot: es la forma en la que habitualmente comenzamos a usar ChatGPT, vamos directos al grano y le pedimos que haga algo, sin darle nada de contexto ni usar ninguna de las recomendaciones que vamos a ver a continuación. Como te puedes imaginar el resultado será peor en muchos casos, aunque a veces puede sorprendente, por ejemplo escribe «en un lugar de la mancha …» y a partir de ahí puedes pasar un rato divertido si pones en práctica lo que viene a continuación.
• One shot: cuando le proporcionas una única información en forma de contexto, como puede ser un ejemplo, es cuando la respuesta comienza a ser más personalizada y los resultados empiezan a mejorar.
• Dile que siga: muchas veces las cosas sencillas son las que mejores resultados ofrecen y en este caso, una vez que hemos obtenido un resultado a nuestra petición, con solo pedirle que siga podrán mejorarse los resultados.
• Dile que lo repita: igual que en el punto anterior, si no te acaba de gustar la respuesta recibida podrás pedirle que lo repita, porque al fin y al cabo ya sabes que lo escribe todo desde cero cada vez que se le pide algo.
• Plantea alternativas: del mismo modo le puedes pedir alternativas a la respuesta generada, pero cambiando determinadas cosas, así a través de un proceso iterativo se podrán ir obteniendo cada vez mejores resultados.
• Profundiza en las respuestas: es una de mis utilidades preferidas porque ofrece los resultados más sorprendentes, siempre que me cuenta algo que no esperaba, le pido que profundice en ello y de esta forma aprendo un montón.
• Estilo de escritura: la configuración del output es una de las cosas que resultan más sorprendentes de la forma de funcionar de esta tecnología. Le puedes pedir que escriba de forma académica, informal, como un escritor famoso, …
• Optimizar resultados: de las mejores cosas de esta tecnología es ir aprendiendo a medida que se va mejorando y comprobar cómo cada vez puedes obtener mejores resultados, por ejemplo si no te conformas con lo primero que te contesta sino que a través de la interacción con el chat vas depurando cada vez más el resultado.
• Se preciso: muchos problemas se evitarían en el mundo si mejorásemos la forma de comunicarnos, pero hasta que eso ocurra, cuando hablemos con ChatGPT intentemos hacerlo de manera precisa para que entienda bien lo que necesitamos.
• Se creativo: cuanto más creativo seas tú en el uso de estas herramientas resultados más creativos vas a obtener. ¡Ponle a prueba y te sorprenderá!

Esperamos que pronto puedas sacar tiempo para poner en práctica todas estas recomendaciones para crear prompts y si te ha sabido a poco, aquí tienes un bonus Chain of Thought «los experimentos en tres grandes modelos de lenguaje muestran que la cadena de indicaciones de pensamiento mejora el rendimiento en una variedad de tareas de razonamiento aritmético, de sentido común y simbólico. Las ganancias empíricas pueden ser sorprendentes«.

---

Si te ha gustado este artículo y quieres aprender más sobre Inteligencia Artificial Generativa te recomendamos apuntarte a nuestro próximo curso de GPT Champion.

Etiquetas: ChatGPT, contexto, gpt champion, OpenAI, prompts

Pensando en Sistemas

En el Universo todo son sistemas y lo normal es que estos funcionen porque llegan a una especie de equilibrio, al menos si la vida existe y sobre esa vida se ha llegado a desarrollar inteligencia es porque existe un equilibrio.

• El equilibrio en el Sistema Solar permite que los planetas giren alrededor del Sol sin chocarse unos con otros y sin precipitarse sobre la estrella que proporciona la energía necesaria para que al menos en la Tierra pueda haber vida.
• El equilibro del planeta Tierra con la Luna determina el funcionamiento de las mareas y esto a su vez genera un equilibrio con los vientos en la atmósfera, lo cual determina muchos aspectos en el clima que también influyen en la vida.
• El ahora nuevamente famoso núcleo terrestre incluso tiene una influencia importante en el desarrollo de la vida terrestre gracias al efecto de apantallamiento magnético que nos protege de las radiaciones procedentes del espacio.
• El equilibro en los ecosistemas terrestres es aún más palpable en nuestra vida y está muy bien representado por la cadena trófica, donde los cambios que se producen en alguna de las especies que habitan la tierra puede afectar a las demás.
• También el equilibrio existente en el interior y exterior de los seres vivos con las bacterias que lo pueblan es tremendamente relevante para nosotros, hasta el punto que sin ellas no podríamos vivir, ni quizás tampoco ser inteligentes.
• Finalmente llegamos al equilibro entre la inteligencia humana y la Inteligencia Artificial, que tras millones de años de evolución de la vida es justo el momento en el que nos encontramos ahora y nos hace visualizar un escenario en el que ya existe una Super Inteligencia Artificial o Inteligencia Artificial General si consideramos la combinación del humano y la máquina como un sistema que se retroalimenta. No necesitamos llegar a tener una inteligencia artificial que sea 100% autónoma, lo mejor que puede ocurrir en estos momentos es que lo artificial sea parte de un sistema que trabaja en colaboración con las personas.

Y así es como hemos llegado de nuevo al tema de la Inteligencia Artificial que es a lo que vamos a dedicar este artículo, porque todo lo que está pasando en los últimos meses con las GenAI lo merece y desde Futurizable queremos contribuir a que sea cada vez más conocido y utilizado entre los que cada domingo leéis esta newsletter.

Un recorrido por la historia reciente de las Redes Neuronales

Entender lo que está ocurriendo con la Inteligencia Artificial merece dedicarle algo de tiempo a aprender cómo hemos llegado hasta aquí y cuáles son las principales tecnologías que hacen posible que ahora estemos hablando con ChatGPT como si fuera un humano que nos acompaña en nuestro día a día, para ayudarnos con nuestras actividades habituales, ya sea cuando estamos trabajando, cuando estamos aprendiendo, y sobre todo cuando estamos haciendo ambas cosas a la vez.

Sin tener que remontarnos a la época de Alan Turing y las primeras computadoras, cuando ya se comenzó a hablar de Inteligencia Artificial, es interesante pensar que desde ese momento ya estaba previsto que la tecnología fuera poco a poco replicando las capacidades humanas que solemos asociar con la inteligencia, como son la capacidad de hablar, leer, escribir, reconocer imágenes, resolver problemas matemáticos, jugar a juegos como el ajedrez y sobre todo aprender.

De esta forma los desarrollos en Inteligencia Artificial han seguido durante mucho tiempo dos caminos diferentes, por un lado los sistemas expertos donde se desarrollaban diferentes herramientas de software que estaban programadas para replicar las habilidades humanas pero a base de fuerza bruta, ya que la máquina no se cansa y tiene todo el tiempo del mundo para hacer los cálculos necesarios para replicar de manera matemática lo que un humano hace, por ejemplo cuando juega a las damas, que es uno de los primeros juegos donde se puso a prueba esta tecnología en la década de los 50.

Desde entonces hemos vivido diferentes periodos de auge y caída de las expectativas al respecto de las posibilidades que podría ofrecernos la Inteligencia Artificial, lo cual no ha hecho que en todo este tiempo los científicos declinaran en su afán por avanzar en el desarrollo de esta tecnología, como queda de manifiesto en la siguiente cronografía que debería servirnos para hacernos una idea de dónde estamos y cómo hemos llegado hasta aquí.

• Las primeras redes neuronales artificiales fueron desarrolladas en 1943 por el neurofisiólogo Warren McCulloch y el matemático Walter Pitts. Sin esta invención sería imposible haber experimentado el gran avance de la Inteligencia Artificial en los últimos años, gracias a la genialidad de replicar la inteligencia a través de sus elementos fundacionales, las neuronas.
• La neuronal artificial perceptrón desarrollado en 1957 por Frank Rosenblatt fue otro de los pilares fundamentales de esta tecnología y ofrecía la utilidad de resolver problemas de clasificación binaria, determinando si un objeto dado pertenecía a una de dos categorías.
• El siguiente paso era conectar las neuronas artificiales entre sí, porque esto es lo que se considera como base para la inteligencia, no solo que tengamos neuronas sino como estás se conectan e interactúan formando un sistema, lo cual es la razón por la que hablamos de redes neuronales y no solo de neuronas. Y esto sucedió en la década de los 60 gracias a Georgiy Ivakhnenko y Vladimir Lapa con el desarrollo de redes neuronales que realizaban tareas como la identificación de sistemas y la predicción de series temporales. Estas redes neuronales se caracterizaban por su capacidad para realizar ajustes finos y por su estructura en cascada, lo que permitía que la información fluyera de una capa a otra; también por su capacidad para aprender a partir de datos y para generalizar a nuevos datos.
• Y así es como llegamos al aprendizaje automático, o machine learning, que como os podéis imaginar es en lo que se basa todo lo que ha venido después y que ahora denominamos como deep learning, como una representación de que si las máquinas aprenden es gracias a la estructura de capas de redes neuronales apiladas unas sobre otras.
• Después tuvieron que pasar un par de décadas (el invierno de la Inteligencia Artificial), en concreto llegar a los años 80 y 90 para que se produjera un nuevo gran avance en esta tecnología, con la invención de las redes neuronales convolucionales, propuestas por Kunihiko Fukushima en 1980 a través del concepto de Neocognitron, que ​más tarde fue mejorado por Yann LeCun en 1998​ al introducir un método de aprendizaje basado en la propagación hacia atrás para poder entrenar el sistema correctamente.
• Este diseño de redes neuronales convolucionales fue refinado en 2012 por Dan Ciresan y en este momento es cuando se produce el gran punto de inflexión en esta tecnología, gracias a su utilidad para el procesamiento de imágenes. Precisamente en 2012 esta arquitectura de redes neuronales logró una gran notoriedad por usarse para vencer en la competición ImageNet organizada por las universidades Stanford y Princeton, para fomentar el desarrollo de los sistemas de clasificación de imágenes basados en Inteligencia Artificial.
• También en 2012 Geoffrey Hinton y George Dahl, usaron redes neuronales profundas para ganar una competencia organizada por Merck en la plataforma Kaggle, que era utilizada por una gran cantidad de científicos de datos y expertos en Inteligencia Artificial para poner a prueba sus modelos de aprendizaje automático.
• En paralelo al desarrollo de las redes neuronales convolucionales encontramos las redes neuronales recurrentes que se basan en el trabajo de David Rumelhart en 1986. Estas se utilizan para procesar secuencias de datos, como texto, audio o vídeo, es decir, para el procesamiento del lenguaje natural. En lugar de procesar cada entrada independientemente, mantienen un estado oculto que se actualiza a medida que se procesan las entradas sucesivas en la secuencia, lo cual les permite tener en cuenta la información anterior y procesar la secuencia completa para producir una salida.
• Fue en 2014 donde vimos como todo comenzaba a acelerarse y donde nos encontramos con las redes neuronales generativas antagónicas, las famosas GANs, desarrolladas por Ian Goodfellow. Estas redes están formadas por dos partes, un generador y un discriminador, donde a través de un proceso iterativo, el generador aprende a crear datos cada vez más convincentes y el discriminador aprende a ser más efectivo en la detección de datos falsos, lo cual ha tenido un recorrido enorme en los últimos años para la generación de imágenes.
• En 2015 Google libera Tensor Flow, la librería de software gratuita y de código abierto para el aprendizaje automático y la inteligencia artificial, que puede ser usada en una variedad de tareas, pero que tiene un enfoque particular en el entrenamiento y la inferencia de redes neuronales profundas. A raíz de esta iniciativa multitud de personas se lanzan a la aventura de aprender sobre Inteligencia Artificial lo cual acelera considerablemente el desarrollo de esta tecnología.
• Y entonces llegó el año 2016 donde la Inteligencia Artificial ocupó todas las portadas gracias al desarrollo de AlphaGo por parte de DeepMind, al ganar al campeón del mundo del juego de mesa de Go, gracias a un desarrollo en el que confluían tecnologías de aprendizaje automático combinadas con un de árbol del decisión del tipo búsqueda Monte Carlo. Llegados a este punto vale la pena mencionar que en aprendizaje automático a demás de las redes neuronales artificiales tenemos otros algoritmos como son los árboles de decisiones, las reglas de asociación, los algoritmos genéticos, las máquinas de vectores de soporte, los algoritmos de agrupamiento y las redes bayesianas.
• Finalmente vamos a detenernos en este viaje en el año 2017 con la publicación del paper Attention Is All You Need donde se presentan los transformers como un nuevo tipo de red neuronal que viene a mejorar a las convolucionales y a las recurrentes, proponiendo una estructura secuencial que procesa la información en forma de secuencia, como ocurre en una frase o un documento, en lugar de procesar la información en una estructura de grid, como en una red neuronal convencional. Para ello se utiliza el concepto de atención, que permite a la red considerar la importancia de diferentes partes de la secuencia al realizar tareas como la traducción automática o la clasificación de texto. La atención permite a la red aprender a enfocarse en las partes relevantes de la secuencia y desechar aquellas que no son importantes.

Nomenclatura para entender el funcionamiento de las redes neuronales

Para sacar provecho de la Inteligencia Artificial Generativa no es necesario conocer en profundidad el funcionamiento del Deep Learning ni de las redes neuronales que lo soportan, pero como muchas veces al hablar de esta tecnología se menciona el tipo de red neuronal en el que está basado y alguna característica específica de su arquitectura, puede ser interesante conocer algunos de los términos más habituales.

• Neuronas artificiales: son las unidades básicas de una red neuronal y se encargan de procesar y transmitir la información.
• Entrada: son las características o variables que se utilizan como entrada de información en la red neuronal.
• Capas: una red neuronal puede estar compuesta por una o más capas de neuronas. Las capas de entrada contienen las neuronas que reciben las señales de entrada, mientras que las capas intermedias, también llamadas ocultas, y la capa de salida contienen las neuronas que procesan y generan la señal de salida.
• Pesos: cada entrada de una neurona está asociada a un peso que controla la influencia de esa entrada en la salida de la neurona. Los pesos se ajustan durante el proceso de aprendizaje de la red neuronal.
• Sesgos: son parámetros adicionales que se incluyen como una corrección que se aplica a la entrada de una neurona antes de que se calcule su salida, lo cual se utiliza para desplazar la función de activación de una neurona hacia arriba o hacia abajo, lo que permite ajustar la salida de la neurona de forma independiente de sus entradas
• Función de activación: es una función matemática que se aplica a la suma ponderada de las entradas para producir la salida de la neurona. La función de activación introduce no linealidad en la red neuronal, lo que permite a la red modelar una gran variedad de relaciones complejas entre las entradas y las salidas.
• Propagación hacia adelante: es el proceso de calcular la salida de la red neuronal a partir de las entradas y los pesos. La señal de entrada se propaga a través de las capas de la red neuronal hasta la capa de salida.
• Función de costo o pérdida: es una medida de la diferencia entre la salida deseada y la salida real de la red neuronal. Se utiliza para evaluar el rendimiento de la red y para guiar el proceso de aprendizaje.
• Optimizador: es un algoritmo que se utiliza en el entrenamiento de redes neuronales para mejorar sus capacidades predictivas con el objetivo de encontrar los mejores pesos y sesgos de las redes neuronales de manera que puedan producir las predicciones más precisas posibles.
• Propagación hacia atrás: es el proceso de ajustar los pesos de la red neuronal en función de la función de costo y de la propagación hacia adelante. Se trata de un algoritmo de optimización que permite a la red neuronal aprender a partir de los datos de entrenamiento.
• Entrenamiento: el entrenamiento es el proceso de ajuste de los pesos y los sesgos de las conexiones entre las neuronas artificiales en una red neuronal con el fin de optimizar su capacidad para realizar tareas específicas. La idea detrás del entrenamiento es que la red neuronal debe ser capaz de aprender de los datos de entrada y producir una salida correcta para una determinada tarea. Esto se lleva a cabo a través del uso de un conjunto de datos de entrenamiento, que consiste en pares de entrada y salida deseada. La red neuronal ajusta sus pesos y sesgos en base a la comparación entre su salida actual y la salida deseada para cada ejemplo en el conjunto de datos de entrenamiento. Este proceso se repite varias veces hasta que la red neuronal alcance un nivel aceptable de precisión en la realización de la tarea deseada. Así el éxito del entrenamiento depende de factores como la calidad y cantidad de los datos de entrenamiento, la estructura de la red neuronal, la elección de la función de pérdida y la optimización del proceso de entrenamiento.
• Aprendizaje supervisado: es un tipo de aprendizaje automático en el que se utiliza un conjunto de datos etiquetados para entrenar un modelo de aprendizaje, donde se proporciona una entrada y una etiqueta deseada para cada ejemplo en el conjunto de datos, y el objetivo es que el modelo aprenda a producir la etiqueta correcta para nuevas entradas en base a los patrones de asociación encontrados en los datos de entrenamiento.
• Aprendizaje no supervisado: es otro tipo de aprendizaje automático en el que en esta ocasión se utiliza un conjunto de datos sin etiquetar para entrenar el modelo, por lo tanto, ya que no se proporciona una etiqueta deseada para cada ejemplo en el conjunto de datos, el objetivo es que el modelo descubra patrones y estructuras ocultos en los datos, como son las agrupaciones y las asociaciones.
• Aprendizaje por refuerzo: es un tipo de aprendizaje automático en el que un algoritmo aprende a tomar acciones en un entorno con el objetivo de maximizar una recompensa o refuerzo, de esta forma experimenta con diferentes acciones y recibe recompensas o penalizaciones en función de sus acciones. A partir de estas experiencias, el algoritmo ajusta su comportamiento para maximizar la recompensa en el futuro.
• Finetuning:  consisten en utilizar una red neuronal que ya ha aprendido algunas características útiles para realizar una tarea en particular, pero ahora queremos aplicar esa red neuronal a un nuevo problema. Para ello se aprovechan los pesos y sesgos aprendidos previamente y se adaptan a un nuevo problema específico. Este proceso implica congelar los pesos y sesgos de una parte de la red neuronal preentrenada y continuar el entrenamiento solo en la parte restante de la red. Esto se hace porque se asume que la parte preentrenada de la red ya ha aprendido características generales útiles en un problema similar, y que estas características se pueden transferir y ajustar al nuevo problema. Esta técnica se utiliza cuando no hay suficientes datos disponibles para entrenar una red neuronal desde cero, o cuando se desea aprovechar las capacidades de aprendizaje de una red neuronal preentrenada.
• Gran modelo de lenguaje: es un modelo de aprendizaje profundo que ha sido entrenado en un gran corpus de texto con el objetivo de comprender y generar lenguaje humano. Estos modelos utilizan técnicas de aprendizaje automático y procesamiento del lenguaje natural para desarrollar una comprensión profunda del significado del lenguaje y cómo se relaciona con otros conceptos. Los grandes modelos de lenguaje se utilizan en una variedad de tareas, incluyendo la traducción automática, la generación de texto, la respuesta a preguntas, la clasificación de texto, la búsqueda en internet, la asistencia virtual y la automatización de chats.

Y aquí es donde acaba la historia que os queríamos contar hoy, porque un gran modelo de lenguaje es precisamente lo que ha creado la empresa OpenAI a través de GPT-3 y su versión para conversar con humanos ChatGPT.

La respuesta de Google al huracán ChatGPT

Bueno, quizás mejor no terminamos aún, porque están pasando tantas cosas en este sector de la Inteligencia Artificial que vale la pena hacer un bonus para fijarnos en la respuesta que está dando o quiere dar Google a las diferentes iniciativas emprendidas por OpenAI y su socio Microsoft. Ya que tras la integración de GPT en Bing y otras herramientas como Teams, parece que no queda mucho para que Google haga lo propio con su buscador, con la presentación de Bard, que está basado en el modelo de lenguaje para aplicaciones de diálogo LaMDA

Además recientemente Google ha invertido 300 millones de dólares en la startup Anthropic, lo cual nos lleva a recordar que en este juego no solo participan las grandes empresas tecnológicas, sino que se está desarrollando un ecosistema increíble de nuevas empresas, algunas de las cuales muestran un futuro enormemente prometedor, como es el caso de Perplexity, que es una de las más avanzadas en este campo de los chats basados en Inteligencia Artificial Generativa.

Y ahora sí, para terminar, os dejamos algunos recursos para seguir aprendiendo sobre este apasionante tema, hasta la semana que viene que volveremos en Futurizable con más contenidos sobre GenAI.

• Third Oasis: es un directorio de aplicaciones basadas en Inteligencia Artificial Generativa.
• Dot CSV: probablemente el mejor canal de Youtube de divulgación sobre Inteligencia Artificial.
• Monos Estocásticos: un nuevo podcast dedicado relatar toda la actualidad de este sector.

Etiquetas: ChatGPT, deep learning, Google, machine learning, OpenAI, Perplexity, redes neuronales

Es fantástico estar viviendo en directo la última revolución tecnológica, y no me hablamos de lo de la fusión nuclear, de lo que también habrá que hablar en algún momento, sino a los grandes avances que estamos viendo en las últimas semanas desde el lanzamiento de la Inteligencia Artificial Generativa de textos ChatGPT y el aumento considerable del uso de las herramientas correspondientes para la generación de imágenes.

Lo que está ocurriendo estos días se parece bastante a lo que hemos vivido en otras ocasiones los veteranos de Internet, pero como hablamos de tecnologías exponenciales, todo ha ocurrido mucho más rápido y está teniendo un impacto mucho más grande. Ejemplo de ello es el tiempo que ha tardado ChatGPT en alcanzar 1 millón de usuarios, apenas 5 días, respecto a los 10 meses que por ejemplo tardó Facebook en lograr una cifra similar.

De esta forma podemos fijarnos en el pasado para entender las implicaciones que tendrán las Inteligencias Artificiales Generativas, comenzando por la popularización de la Informática e Internet, que hicieron posible posteriormente la aparición de los navegadores, las webs, los buscadores, el comercio electrónico, los blogs, las redes sociales, las plataformas de economía colaborativa, el software como servicio, las apps de mensajería, el Bitcoin, …

Pero para entender mejor lo que está ocurriendo es mejor fijarse en algunas herramientas concretas que han permitido que cualquier persona pueda realizar cambios significativos en la forma de hacer su trabajo, porque eso al fin y al cabo es lo que parece ser la principal utilidad que vamos a obtener de esta tecnología, poder trabajar codo con codo con la Inteligencia Artificial.

Y por verlo con un ejemplo podríamos asemejar lo que está ocurriendo tras la aparición de ChatGPT con la aparición de WordPress, como herramientas pensadas para un uso popular, lo que ocurrió en su momento con WP es que millones de personas pudieron convertirse en creadores de contenidos y usar esta herramienta de software para realizar campañas de marketing y dar a conocer sus productos, lo cual ha producido importantes cambios a nivel de comunicación.

Del mismo modo con ChatGPT vamos a vivir un salto exponencial en la forma en la que la gente crea contenidos y los difunde a través de la red, pero no solo contenidos, también estrategias, código, proyectos y todo tipo de iniciativas que se van a poder desarrollar a partir de la puesta a disposición del público de esta herramienta tan potente y versátil. Veamos algunos ejemplos de buen uso de esta tecnología:

• Chema Cepeda explica que ChatGPT puede servir para traducir a un lenguaje entendible los informes médicos que muchas veces son muy difíciles de entender por las personas que no tienen conocimientos específicos al respecto.
• Ammaar Reshi ha creado un cuento completo para niños en un fin de semana usando las GenAI, principalmente ChatGPT y MidJourney, e incluso lo ha puesto a la venta en Amazon.
• GuyParsons cree que podía ser buena idea usar una GenAI para sacarle mayor provecho a otra GenAI, así que ha usado ChatGPT para mejorar la redacción de las instrucciones que le aporta a MidJourney para crear imágenes.
• María del Mar Sánchez está usando ChatGPT para la redacción de actividades que realiza en sus clases, consciente de que sus alumnos lo usarán para hacer las tareas, ella no quiere desaprovechar las opciones que le ofrece esta tecnología.
• Pablo Renaud está conversando con ChatGPT al respecto de las ideas que tiene para su nuevo libro y por lo que parece la GenAI le ha ayudado a salir de uno de esos típicos bloqueos del escritor.
• Elen Irazabal ha usado ChatGPT para redactar un contrato de arrendamiento y también para hacer otras actividades relacionadas con su actividad llevando la tecnología al ámbito legal.
• Luis Miguel Ortiz también ha estado conversando con la GenAI para intentar entender mejor por qué se llevan a cabo determinadas políticas a nivel económico.
• Felipe Mendiguren no piensa que este tipo de aplicaciones vaya a acabar con los programadores, de hecho está ayudando a su hijo que quiere aprender a programar para que lo use y con esto lograr una ventaja competitiva en el futuro.
• Carlos Azaustre también cree que esta herramienta no es una amenaza para su trabajo o que en caso de serlo él no piensa quedarse parado esperando a ver qué pasa, por eso ha empezado a crear aplicaciones web usando ChatGPT.

No son las respuestas, son las preguntas

La frase «el arte de hacer preguntas» surgió en una reunión de esta semana donde sngulares y leinners nos juntamos para trabajar en nuevos proyectos a desarrollar usando las GenAI, la cual es muy representativa de la actitud que debemos afrontar cuando comencemos a usar esta herramienta. Porque el problema principal que observamos en estos momentos es que la mayoría de críticas que se están produciendo hacia esta tecnología provienen de gente que intenta usarlo para lo que no ha sido diseñada. Así por ejemplo, cuando hacemos una búsqueda en Twitter por la palabra ChatGPT encontramos casos como los que enunciamos a continuación:

• Preguntar por cuestiones políticas y esperar un posicionamiento al respecto que coincida con nuestra ideología.
• Hacer preguntas retorcidas sin ningún tipo de lógica y esperar respuestas racionales.
• Preguntar por asuntos de actualidad, a sabiendas que la IA ha sido entrenada hace meses y no puede conocerlos.
• Esperar respuestas con resultados publicados en la red, a sabiendas de que la IA no tiene acceso a Internet en tiempo real.
• Hacer preguntas buscando que la IA muestre sesgos y ofenderse porque efectivamente los tiene, igual que el que pregunta.

Y así podríamos seguir un rato porque como suele ocurrir siempre que algo tiene un potencial para cambiar las cosas, la novedad puede sacar de nosotros lo mejor y lo peor que hay escondido en nuestros genes. Sin embargo si nos dirigimos a esta tecnología con curiosidad, humildad y sobre todo muchas ganas de aprender, seremos conscientes del gran beneficio que podemos obtener de ella, igual que hemos podido hacer antes con otras tecnologías como la informática e Internet.

El futuro de las GenAI

Vamos a copiarnos de Carlos Santana y comentar por aquí algunas posibles opciones de futuro que surgen una vez han empezado a popularizarse las GenAI a partir de la publicación de DallE, Stable Diffusion, Midjourney, Copilot y ChatGPT:

• Si hacemos caso al dicho «aprendiz de todo maestro de nada» podríamos pensar que aunque ChatGPT sea bastante bueno en muchas de las cosas que hace, otra tecnología basada en los mismos fundamentos podría hacerlo mucho mejor si se enfoca en una temática concreta en la que sea entrenada por profesionales con un conocimiento específico en la materia. Aquí seguro que no tardamos mucho tiempo en ver la aparición de los ChatGPT especializados en temas de derecho o de salud, como ha ocurrido ya con Socratic para las matemáticas y  Duolingo para los idiomas.
• La integración con todo tipo de aplicaciones de software que usamos a diario va a ser otra de los grandes vías de desarrollo de las GenAI, lo cual va a multiplicar su impacto de manera increíble. Imagina a ChatGPT integrado en Excel para generar macros o a DallE integrado con Autocad para realizar imágenes de edificios, algo que de hecho ya está ocurriendo con integraciones como la recientemente realizada por Notion o las integraciones que han realizado algunos usuarios para poder usar ChatGPT dentro de Whatsapp y Telegram.
• Una duda enorme que tenemos en estos momentos es qué ocurrirá con Siri de Apple, Alexa de Amazon y Home de Google, porque se están haciendo muchas comparaciones al respecto de la poca utilidad que ofrecen estas tecnologías y no sabemos si el problema es el que comenta Carlos Santana, de que estas empresas no se atreven a liberar todo el potencial de la Inteligencia Artificial o que realmente no han sido capaces de crear aún algo que funcione tan bien como ChatGPT.
• Usar la informática e Internet a través de lenguaje natural en lugar de botones u otras formas variadas de interacción, es otro de los grandes cambios que podríamos ver en el futuro gracias a las GenAI, sobre todo en el momento en el que podamos usar la voz para transmitir los mensajes, el cambio en nuestros hábitos de uso de la tecnología puede ser brutal.

Modelos de negocio que pone en riesgo las GenAI

Se ha hablado mucho de que la Inteligencia Artificial puede acabar con el trabajo de aquellos profesionales que se resistan a adaptarse y evolucionar aprovechando las ventajas que pueda ofrecerle esta tecnología, pero ¿qué ocurre con los modelos de negocio que pierdan su utilidad en el momento en el que las GenAI se vuelvan populares? sin duda podría pasar lo mismo que ocurrió con los carretes de fotos con la popularización de las cámaras digitales y sobre todo con la aparición del smartphone.

• Bancos de imágenes: va a ser muy interesante ver cómo reaccionan las empresas de bancos de imágenes como istockphoto shutterstock frente a la posibilidad de que cualquiera crear sus propias imágenes a golpe de click, sin duda todo un reto y un ejemplo de cómo un día para otro puede cambiar el modelo de negocio cuando menos te lo esperas.
• Empresas de traducciones: sobre esto se lleva hablando ya bastante tiempo, sobre todo porque precisamente el software de traducción automático ha sido de los primeros en aprovechar el poder de la tecnología de procesamiento del lenguaje natural para ofrecer una utilidad real a las personas.
• Instituciones educativas: cualquier organización que trabaje en el ámbito de la educación debería estar ahora pensando si prohibir el uso de ChatGPT, enseñar a usarlo o hacer como si no hubiese pasado nada. Como te puedes imaginar aquí somos partidarios de ofrecer a los estudiantes todas las opciones posibles para aprovechar al máximo esta tecnología.

¿Qué te parece todo esto? ¿Has empezado ya a trabajar codo con codo con las GenAI? nos gustaría conocer tus opiniones y experiencias al respecto.

Etiquetas: Alexa, ChatGPT, GenAI, OpenAI, preguntas, respuestas, Siri

El 30 de noviembre se lanzó ChatGPT y así lo anunció Sam Altman el CEO de OpenAI. Recuerda esa fecha porque es el día en el que tu trabajo comenzó a mutar. Pocos días después ya usaban el chat vía web más de un millón de personas y desde entonces las redes sociales se han llenado de las pruebas de la gente experimentando cómo aplicar esta tecnología en sus trabajos.

Lo que nos gustaría proponer hoy aquí es que todos deberíamos empezar desde hoy mismo a trabajar codo con codo con la Inteligencia Artificial, algo que hasta hace pocos días estaba limitado a solo un pequeño número de profesionales, pero que ahora gracias a ChatGPT debería ser posible para cada uno de nosotros.

Para que te hagas una idea de qué estamos hablando le hemos pedido a ChatGPT que redactara la introducción a un artículo hablando de lo que podrían suponer las Inteligencias Artificiales Generativas para modo de trabajo en las empresas y esto es lo que nos ha sugerido:

En un mundo cada vez más tecnológico y avanzado, las inteligencias artificiales generativas están revolucionando los modos de trabajo en las empresas y en el mercado laboral en general. Estas herramientas, capaces de aprender y generar contenidos de forma autónoma, están cambiando la forma en que se desempeñan las tareas y se toman decisiones en el mundo laboral.

Estos cambios no deben ser vistos como una amenaza, sino como una oportunidad. La incorporación de las inteligencias artificiales generativas en el mundo laboral nos permitirá liberar a los trabajadores de tareas rutinarias y repetitivas, permitiéndoles enfocarse en tareas más creativas e innovadoras. Además, estas herramientas nos permitirán tomar decisiones más rápidas y precisas, mejorando la eficiencia y productividad de las empresas.

Sin embargo, es importante que estos cambios se aborden de forma responsable y consciente. La incorporación de las inteligencias artificiales generativas en el mundo laboral debe ir acompañada de una formación adecuada para los trabajadores, para que puedan adaptarse a estas nuevas herramientas y sacar el máximo partido de ellas.

Pero antes de entrar en detalle de cómo empezar a trabajar codo con codo con una Inteligencia Artificial deberíamos fijarnos en la metodología ágil para el desarrollo de software Extreme Programming, que entre otras cosas propone la idea del Pair Programming, donde dos programadores trabajan al mismo tiempo sobre el mismo código sentados uno junto al otro frente a un único ordenador, de forma que se van turnando en los roles de navigator y driver de cara a maximizar el éxito en el desarrollo del trabajo que están realizando.

Y ahora nos llevamos esto fuera del desarrollo de software y al igual que ha ocurrido con las metodologías ágiles pensamos en cómo sacarle provecho para cualquier tipo de proyecto y en cualquier tipo de empresa, pero además sustituimos a uno de los trabajadores por una Inteligencia Artificial Generativa, de forma que por ejemplo tenemos a un diseñador o creativo trabajando codo con codo con DALL·E o a un programador, o cualquier otro profesional haciendo lo propio con ChatGPT.

Sí, has oído bien, cualquier profesional puede trabajar con ChatGPT para mejorar en su trabajo, un abogado, un economista, un arquitecto, un programador, un profesor, un médico, un administrativo, un comercial, … y esto es lo absolutamente disruptivo de lo que acaba de presentar OpenAI porque democratiza, literalmente, el potencial de la Inteligencia Artificial y abre la puerta a un futuro donde nuestra forma de trabajar va a ser muy diferente.

Y algo muy interesante de la idea que acabamos de comentar es que no es nueva, porque de hecho desde que Deep Blue ganó al campeón del mundo de ajedrez Garry Kasparov, ya se hablaba de cómo los profesionales acabarían sacando ventaja de esta tecnología y más que acabar con el trabajo lo que iba a ofrecer son nuevas oportunidades laborales.

He hecho las paces con la AI. Perder contra Deep Blue no fue una maldición sino una bendición, porque yo era parte de algo muy importante. Entonces, habría pensado de otra manera. Pero las cosas pasan. Todos cometemos errores. Perdemos. Lo importante es cómo lidiamos con nuestros errores. Fue una experiencia desagradable, pero me ayudó a comprender el futuro de la colaboración hombre-máquina. Pensábamos que éramos imbatibles, en Ajedrez, Go, Shogi. Todos estos juegos, han sido gradualmente dejados de lado por programas de AI cada vez más poderosos. Pero eso no significa que la vida haya terminado. Tenemos que descubrir cómo podemos convertirlo en nuestra ventaja. Fui el primer trabajador del conocimiento cuyo trabajo se vio amenazado por una máquina.

Así que a esto es a lo que queremos dedicar este artículo, que tiene como antesala la entrevista que realizamos hace unas semanas a Javi López sobre IA’s generativas, pero que en muy poco tiempo ha dado un salto enorme en cuanto al abanico de posibilidades que puede ofrecernos a todos los profesionales que estemos dispuestos a ampliar un poco nuestra horizonte de trabajo, cambiando poco a poco la forma en la que nos informamos, nos organizamos, aprendemos, tomamos decisiones, escribimos, nos comunicamos, …

Qué es ChatGPT y por qué todos deberíamos empezar hoy mismo a utilizarlo en nuestro trabajo

GPT es el acrónimo de «Generative Pretrained Transformer». Es un modelo de lenguaje generativo entrenado previamente que se basa en la arquitectura de Transformer. GPT se utiliza para realizar tareas de procesamiento del lenguaje natural, como la generación de texto y la traducción automática. Es uno de los modelos de lenguaje más grandes y avanzados disponibles en la actualidad.

Y así nos lo presentan algunos profesionales que ya han comenzado a utilizarlo:

Samuel Gil: ¿qué trabajos no están en riesgo con una IA del estilo chatGPT? los de aquellos que: 1) sepan hacer las pregunta 2) tengan el juicio suficiente para filtrar la calidad de las respuestas. A diferencia de una búsqueda en google, una petición a chatGPT es capaz no sólo de encontrar los resultados más relevantes, sino de recombinarlos de acuerdo a lo que quieres de forma coherente y a presentártelos a tu gusto es un game changer y esto es la versión de juguete. El problemón es que es una caja negra, claro.

Carlos Santana: Vuelvo a estar en shock, como estuve en Abril de este mismo año tras la salida de DALL·E 2. La cabeza me va a mil. El potencial de ChatGPT es enorme, y representa una herramienta con la que muchos soñamos. Creo que es de las primeras veces que siento una muy fuerte sensación de vértigo ante lo que está por venir. Tanto las IAs generativas como los modelos del lenguaje ponen cada uno por separado muchas cosas patas arriba. Pero es que mientras, el Deep Learning sigue avanzando…

Joaquin Cuenca: ChatGPT es el primer paso sólido hacia el futuro que imaginó Asimov. Por fin un avance que nos saca del pesimismo de ser la generación que tenía que traer colonias en Marte y en lugar de eso hacer Twitter. Por primera vez soy incapaz de imaginar lo que tendremos en 20 años.

Andrés Torrubia: le decía a mi hijo que la principal diferencia entre mi generación y la suya es que no existían los móviles o internet. Si todo va bien, la diferencia entre la suya y la siguiente será que la inteligencia artificial (no sé si llamarlo así) nos habrá cambiado más que internet. Personalmente creo que el problema de la información incorrecta se resolverá para casi todos los casos (al igual que soy optimista con que se «resolverá» la conducción autónoma) pero como aún nadie lo ha hecho hacer predicciones sobre cuando será es una bola de cristal. «Confía, pero verifica» (es decir: «no te fíes») es una actitud que hay que tener cuando le preguntes al GPT de turno cosas que requieran respuestas precisas. Fenómeno similar a conducción autónoma: parece funcionar casi siempre; te despistas y FALLA, pero GPT no avisa.

Javi López: en 20 años no habrá páginas web. No solo es que no habrá páginas web tal y como las conocemos, es que todas las maneras que usamos actualmente para consumir información, aprender, entretenernos, trabajar y crear contenidos habrán cambiado drásticamente hasta niveles que a día de hoy son difíciles de concebir. Pensábamos que serían necesarias AGIs (IAs de propósito general, conscientes de sí mismas) para automatizar procesos creativos/intelectuales y que por tanto algo como dibujar, entender textos, razonar o incluso escribir sería algo que no veríamos hasta muchos años en el futuro. Pero no, ya está aquí. De manera rudimentaria pero mejorando a velocidad de vértigo. Y sin necesidad de AGIs. 2022 ha sido como si un tapón enorme de una presa explotara y comenzase a salir el agua a borbotones. ¿Qué ha ocurrido? En 2022 han surgido IAs disruptivas en imagen generativa (Dalle2/MidJourney/StableDiffusion) que han puesto patas arriba nuestra compresión de lo que es o no es creatividad. Y la guinda ha sido esta semana con ChatGPT (un GPT 3.5 podríamos decir) con una capacidad inusitada para razonar, escribir código, responder todo tipo de preguntas y redactar textos. Es casi. CASI. Una «AGI que no es consciente de sí misma ni necesita serlo para poder razonar».

Boyan Slat: Con ChatGTP realmente se siente como si estuviéramos al borde de una nueva revolución copernicana, una en la que la humanidad se vuelve a sentir menos ‘especial’ una vez más, al darse cuenta de que no somos los únicos agentes creativos del universo y nuestras mentes no son nada. más que una gran pieza de software.

Peter Wang: Acabo de tener una conversación de 20 minutos con ChatGPT sobre la historia de la física moderna. Si tuviera esta mierda como tutor durante la escuela secundaria y la universidad… OMG. Creo que básicamente podemos reinventar el concepto de educación a escala. La universidad como la conocemos dejará de existir.

Aaron Levie: ChatGPT es uno de esos raros momentos en la tecnología en los que ves un atisbo de cómo todo va a ser diferente en el futuro.

Y esta es solo una pequeña representación de los miles de mensajes que se están publicando en esa línea, la mayoría de los cuales podrían representarse perfectamente con el emoji 🤯

Bienvenido a la era de la Inteligencia Aumentada

Pero ahora volvamos un poco a la realidad, para pensar en las bases de esta revolución que bien se puede representar con la metáfora que propone Javi López al haber quitado el tapón a una presa y comenzar a salir el agua que se había estado acumulando durante décadas, porque la Inteligencia Artificial se viene desarrollando desde la época de Alan Turing, pero hasta ahora eran pocas las aplicaciones con un gran impacto que podíamos aprovechar en nuestro día a día, más allá de los filtros antispam del correo electrónico, los traductores automáticos o las sugerencias de palabras en un buscador.

La gran diferencia es que ahora tenemos una herramienta a la que podemos recurrir constantemente para ayudarnos con nuestro trabajo, por el momento quizás a la altura de lo que ha supuesto para nosotros Google en las últimas décadas, pero probablemente la utilidad será aún mayor en cuanto comencemos a coger práctica, porque a diferencia del buscador, en esta ocasión la tecnología no solo viene a facilitarnos el trabajo sino que realmente puede hacer el trabajo por nosotros.

Así que bienvenido a la era de la Inteligencia Aumentada de la que hace tiempo nos hablaba Ricardo Forcano como la extensión de la inteligencia humana mediante el uso de sistemas de Inteligencia Artificial o la era de la Inteligencia Artificial Humanista de la que hablaba Tom Gruber hace unos años exponiendo el llamativo ejemplo del uso de la IA por parte de los oncólogos que eran capaces de mejorar sus diagnósticos de cáncer cuando trabajaban con esta tecnología.

Correspondientemente la inteligencia artificial llega para potenciar la inteligencia humana, ya que a medida que las máquinas se hacen más inteligentes nosotros también nos hacemos más inteligentes. Al combinar la capacidad del humano y de la máquina se establece un modelo de colaboración que tiene como resultado un rendimiento sobrehumano, lo cual permite superar nuestras limitaciones cognitivas, como ocurre con el caso de la memoria y muchas otras cosas.

Me has convencido, quiero empezar a usar ChatGPT

Aunque esta lista es meramente representativa y seguramente se va a quedar obsoleta en poco tiempo, veamos algunos ejemplos de cosas que podemos empezar a hacer ayudados por ChatGPT, u otras Inteligencias Artificiales Generativas, y que quizás puedan servirnos para mejorar cosas que ya hacíamos antes o que no nos atrevíamos a hacer:

1. Comienza por revisar a qué dedicas tu tiempo, en qué programas informáticos pasas más tiempo, porque las GenAI pueden ayudarte a mejorar la redacción de correos, a crear fórmulas en excel, a decidir el contenido de presentaciones, a estructurar la agenda de una reunión de trabajo, a comenzar a aplicar una nueva metodología de trabajo, a usar una nueva app, …
2. Empieza a hacer cosas que antes quizás no hacías pero que pueden enriquecer mucho tu actividad profesional, como por ejemplo escribir de cara al público, ya que una gran parte de los usuarios de redes sociales solo son meros observadores, ahora usando las GenAI puedes empezar a crear tu propio contenido de lo que quieras comunicar.
3. Adopta el hábito de contrastar tus ideas, una actitud muy sana cuando puede realizarse con otras personas, como compañeros de trabajo o mentores, pero que muchas veces no hacemos por falta de oportunidad, ahora podemos hacer estas consultas a una GenAI que recopila el conocimiento de las personas a las que se ha dedicado a estudiar.
4. Amplifica el alcance de tu trabajo, no solo haciendo más y mejor lo que antes hacías sino adentrándote en nuevas categorías profesionales, como puede ser el mundo del desarrollo de software, que tantas oportunidades ofrece, ya que ahora puedes tener a tu lado un mentor o compañero de trabajo que te acompañará en todo el proceso de aprendizaje.
5. Desarrolla tu faceta creativa, ya que no es casualidad que precisamente los mayores avances en Inteligencia Artificial provengan del mundo de la creatividad, como es el caso de la creación de imágenes, vídeos o música. Si las GenAI demuestran esa gran capacidad para crear arte digital es precisamente porque la han copiado de los humanos.
6. Mejora la forma la que tomas decisiones, ya que las GenAI pueden analizar por ti grandes cantidades de datos de forma rápida y precisa, lo que te permitirá tomar decisiones más acertadas y eficientes. Esto puede ser utilizado en diferentes ámbitos, como la toma de decisiones empresariales o la predicción de tendencias en el mercado.
7. Traza un camino claro de a dónde quieres llegar ahora que puedes apoyarte en esta nueva herramientas. Quizás sea un buen momento para analizar tus debilidades y probar cómo se pueden compensar gracias a esta nueva tecnología. Aprovecha para definir unos objetivos al respecto, algo para lo que de hecho puedes recurrir a ChatGPT en busca de ayuda.
8. Reinventa tu trabajo o dale un vuelco a tu carrera profesional. Es tan amplio el abanico de posibilidades que ofrece esta nueva tecnología que van a surgir miles de oportunidades para aquellos que sean capaces de sacarle el máximo partido, así que si estás pensando en hacer cambios importantes en tu vida ahora tienes una enorme ventana de oportunidad.
9. Aprovecha las GenAI para desarrollar nuevos productos y servicios que se adapten a las necesidades y deseos de los consumidores. Esto puede ser utilizado para crear soluciones personalizadas, o para desarrollar productos y servicios que se ajusten de forma precisa a las necesidades de tus clientes.
10. Emprende o intraemprende, ya no vas a estar solo, porque la soledad del emprendedor es de las cosas que más desgaste producen, al tener que tomar siempre las decisiones basadas en nuestra visión de las cosas, ahora podemos contrastar todas nuestras ideas con toda la gente cuyo conocimiento ha extraído ChatGPT en su entrenamiento.

Nota: algunas de estas ideas han sido propuestas por ChatGPT ¿sabrías identificarlas?

Y hasta aquí este primer acercamiento a los cambios en las formas de trabajo que pueden producirse próximamente tras la aparición de las GenAI y especialmente de ChatGPT. En próximos artículos seguiremos profundizando en ello porque todo apunta que va a dar mucho juego y en Futurizable no nos vamos a quedar fuera del partido.

Etiquetas: ChatPGT, Extreme Programming, GenAI, Inteligencia Artificial Generativa, OpenAI, Pair Programming