En el episodio de hoy de Un podcast ninja sobre Big Data hablamos de las oportunidades dentro del campo de la Inteligencia Artificial. Esas que están ahí, listas para que las descubramos.
En el episodio 1 analizaba El informe sobre el futuro del empleo. Edición 2020.
Según este informe, en 2025 se habrán destruido 85 millones de puestos de trabajo en el mundo debido a que puedan ser automatizados de alguna manera.
Sin embargo, también dice que se crearán 97 millones de puestos de trabajo nuevos, que no existen todavía y que estarán más adaptados a la adopción de nuevas tecnologías.
Esto, era el episodio 1, y lo grabé hace un año y medio aproximadamente…
Desde entonces han pasado tantas cosas que parece que grabé ese episodio en la edad de los metales.
Las ideas principales sobre la Inteligencia Artificial siguen siendo válidas, pero un poco demasiado vitaminadas.
Por un lado está ese miedo a que la IA destruya puestos de trabajo, a que nos pueda sustituir a todos y luego, un día de repente, se convierta en una Inteligencia Artificial General que ya directamente nos lleve a la extinción.
Y entonces, para evitar esto hay que regularizarla.
Incluso salió esa carta abierta en la que se pedía que había que parar el desarrollo de la Inteligencia Artificial durante 6 meses porque básicamente se nos estaba yendo de las manos.
Petición liderada por Elon Musk, por cierto, la misma persona que seguidamente fundó una empresa de Inteeligencia Artificial y que hace unos días sacaba su propio chatbot tipo ChatGPT
Todo eso está muy bien, la regulación es necesaria bajo las premisas correctas.
Sin embrago, tanto “miedo” a la Inteligencia Artificial nos hace un poco ciegos a las oportunidades.
En esta charla de la Escuela de Negocios de Stanford, Andrew NG habla precisamente de esto, de las oportunidades que están por ser descubiertas gracias a los avances de la Inteligencia Artificial y particularmente de las posibilidades que ofrecen los grandes modelos del lenguaje.
A estas alturas todos conocemos a ChatGPT y otros grandes modelos del lenguaje similares.
Los modelos del lenguaje lo que hacen básicamente es que dado un poco de texto (el prompt) generan la continuación de ese texto.
En el caso de los chatbots, si le hacemos una pregunta o le damos una instrucción la continuación natural de ese texto es la respuesta a lo que hemos preguntado.
Este tipo de Inteligencia Artificial generativa se basa en aprendizaje supervisado.
Las IA generativas han sido entrenadas sobre muchísimos textos de manera que predicen cuál es la siguiente palabra a partir del prompt que le damos.
Es un proceso iterativo porque la palabra que predicen se añade al prompt original y se vuelve a repetir el proceso.
Iterando es como va construyendo frases y textos más elaborados.
Así que con la suficiente cantidad de texto (datasets de entrenamiento de cientos de miles de millones de palabras) y los modelos lo suficientemente grandes (billones de parámetros) tenemos a GPT-4.
Un modelo que a la base es un modelo de aprendizaje supervisado.
Evidentemente hay más chicha en ChatGPT que un modelo de aprendizaje supervisado pero el corazón del modelo es ese.
Hasta ahora ChatGPT se dirige básicamente al consumidor final.
A cualquiera de nosotros.
Esto es lo que ha hecho pasar a OpenAI de ser una empresa conocida sólo por la gente que ya estaba dentro del mundo de la Inteligencia Artificial a estar en boca de todo el mundo.
Ahora mismo podemos entrar en la web de OpenAI y le preguntamos a ChatGPT lo que sea, o le pedimos lo que sea.
Incluso, le podemos decir que escriba código por nosotros.
Cosa que ha puesto a algunos programadores a temblar.
Pero…
¿Y si estos programadores en vez de tener muchísimo miedo porque una IA generativa va a escribir código por ellos y les va a reemplazar, utilizaran esta herramienta a su favor?
A día de hoy, la gran mayoría de proyectos de Inteligencia Artificial están relacionados con el aprendizaje supervisado.
Hemos hablado mil veces del flujo que siguen este tipo de proyectos:
Vale.
Eso era antes de los grandes modelos del lenguaje.
Ahora, gracias a estos modelos se puede agilizar este flujo de trabajo un montón.
Para empezar es posible que ni siquiera necesitemos la parte de recoger datos, que no haga falta ni entrenar un modelo y que la parte de despliegue se simplifique siendo equivalente al despliegue de cualquier otra aplicación sin Inteligencia Artificial.
Tiempo total de ejecución del proyecto: una semanilla.
Parece imposible… ¿verdad?
Os pongo un ejemplo.
Desarrollar el típico modelo que detecta si un usuario ha quedado contento a partir de su valoración.
Si lo planteamos como el típico problema de aprendizaje supervisado tendríamos que recolectar un montón de reseñas y opiniones de miles de usuarios y etiquetar cada una a mano como reseña positiva o negativa.
Con eso tendríamos nuestro conjunto de datos de entrenamiento.
Fijaos la cantidad de horas que habremos pasado etiquetando valoraciones…
Luego, con ese dataset entrenaríamos el modelo, que después podríamos desplegar para clasificar nuevas valoraciones en buenas o malas.
Con un gran modelo del lenguaje todo este proceso se convierte en preguntarle al modelo si la reseña que le pasamos es positiva o negativa.
Fin.
No hay que recolectar valoraciones, no hay que etiquetarlas a mano y ni hay que entrenar un modelo.
Cualquier desarrollador puede crear este tipo de aplicaciones sin conocimientos súper profundos sobre Machine Learning y cómo entrenar modelos.
De hecho, hay muchos casos de personas que están muy atentas a estas oportunidades y han creado empresas basando sus productos en añadir una capa de desarrollo a una inteligencia artificial generativa.
Muchas de estas herramientas simplemente han añadido una capa de usabilidad a la API de ChatGPT y cobran por ello.
Han visto la oportunidad.
También es verdad que si el valor añadido no es muy grande, muchas de estas herramientas tienen las patas muy cortas.
Facturan mucho en un corto espacio de tiempo si llegan a hacerse virales pero enseguida aparecen competidores.
Al final si el valor que añaden es pequeño son fáciles de copiar.
Pero oye, han visto la oportunidad y la han sabido aprovechar.
Además es que la IA generativa y en particular estos modelos del lenguaje han democratizado bastante el acceso a la inteligencia artificial también por parte de las empresas pequeñas y medianas.
Hace un tiempo, aprovechar los beneficios de la inteligencia artificial era algo al alcance de unos pocos.
¿Qué empresas cumplían estas condiciones?
Pues empresas tecnológicas grandes como Google, Meta, Netflix, Uber, Amazon…
Empresas con un músculo financiero muy fuerte que podían aprovechar el Machine Learning para recomendar películas o productos a sus usuarios o mostrar la publicidad a cada usuario que generase el mayor retorno económico.
Al fin y al cabo estos proyectos costaban millones de dólares y, por tanto, quedaban lejos del alcance de empresas más pequeñas, sin presupuesto para contratar un equipo para dedicarse exclusivamente a sacar valor de los datos.
Imaginad el caso de una fábrica mediana que quisiera implementar un sistema de detección de productos defectuosos en su línea de producción.
No se lo puede permitir o simplemente no le compensa.
Sin embargo, van apareciendo herramientas que permiten ajustar modelos ya creados sin necesidad siquiera de saber programación.
Por ejemplo, en Google Cloud se pueden personalizar modelos de clasificación de imágenes con herramientas no code como AutoML.
También es posible utilizar modelos pre-entrenados a través de APIs para reconocimiento de texto, clasificación de imágenes o ajustar modelos del lenguaje para nuestro caso personal.
Estas herramientas nocode o lowcode y estos modelos pre-entrenados bajan las barreras de entrada al mundo de la Inteligencia Artificial a empresas más pequeñas.
Es un poco parecido a lo que pasó en el primer internet…
En esos tiempos para hacer una página web había que saber programar, había que saber de HTML y de CSS.
Las empresas que podían permitirse tener una página web eran aquellas que eran lo suficientemente grandes como para destinar presupuesto a un equipo de programadores que se encargara de montar todo el tinglado.
Con el paso del tiempo han ido apareciendo herramientas que permiten que cualquiera con tiempo y ganas se pueda montar una página web con más o menos gracia sin tener ni papa de html, de css o de javascript.
Eso no quiere decir que se hayan extinguido los desarrolladores web. Ni mucho menos.
Simplemente, que tener presencia en internet se ha democratizado y ahora es accesible a empresas pequeñas o incluso a personas particulares que directamente se ganan la vida en Internet.
De la misma manera que no van a desaparecer los programadores porque ChatGPT sepa escribir código, es más, están por ver las opciones de monetizació del nuevo marketplace de GPTs que ha abierto OpenAI.
De momento es una cosa muy básica pero ahí podría haber mucho camino a recorrer.
Hay un montón de proyectos que aún están por descubrir ya sea a través de empresas nuevas o de empresas ya existentes que pueden beneficiarse de la utilización de IA.
Por ejemplo, el propio Andrew dedica parte de su tiempo a una aceleradora de startups que tienen una idea relacionada con la Inteliegencia Artificial.
Evidentemente, tanto él como su equipo son ninjas de la Inteligencia Artificial nivel sensei y podrían crear cualquier producto de Inteligencia Artificial que quisieran.
Sin embargo, como él mismo dice, es mucho más eficiente asociarse con expertos en el entorno en el que nace la startup.
Por ejemplo, se han asociado con la antigua CEO de Tinder para crear una app que mentoriza al usuario sobre relaciones sentimentales.
Rollo un chatbot que os aconseja sobre vuestra vida amorosa.
Como ex-CEO de Tinder, Renate Nyborg, ya tiene experiencia en cómo van estas apps y el equipo de Andrew aporta el conocimiento sobre IA.
También han lanzado una startup que permite que barcos mercantes adapten su ruta según las condiciones para ahorrar combustible y otras muchas.
Igual el equipo de Andrew no sabe nada de mercantes, rutas marítimas, logística y condiciones atmosféricas pero con los socios correctos pueden llevar a esta startup a buen puerto.
Espero que el episodio de hoy os sea de provecho y que aprendáis algo de valor.
Si es así, no olvidéis dejar una valoración de 5 estrellas del podcast en Apple podcasts, en Spotify, en Ivoox o donde quiera que escuchéis el podcast.
Recordad que si tenéis cualquier duda o pregunta podéis contactar conmigo a través del formulario de contacto o podemos seguir la conversación en Twitter.
Muchas gracias por estar ahí y os espero en el próximo episodio de Un Podcast Ninja sobre Big Data.