Google enseña IA a explicarte chistes

Sí, lo leiste bien. En medio de tantos avances extraños en la tecnología, uno de ellos es que el Google está enseñando a Generación de Contenidos para explicarte chistes. Esta idea surgió de una reflexión de investigadores de la Google que buscan desarrollar más y más chatbots con la capacidad surrealista de sonar como un humano.

Por supuesto, cuando se trata de Inteligencia Artificial, la primera reacción de las personas es dar un paso atrás, ya que básicamente es una tecnología que reproduce lo que se enseña y nada más que eso, un hecho que puede traer altos márgenes de error a los resultados. Pero lo que se está desarrollando es más que la parte “operativa”. O Procesamiento del lenguaje natural (PNL) se está trabajando para que las máquinas puedan asimilar y responder de acuerdo al lenguaje y contexto humano.

¿Como sucedió esto?

Os modelos de lenguaje grande (Large Language Models/LLM en inglés) son herramientas de Inteligencia Artificial que pueden leer, resumir, traducir textos e incluso predecir palabras futuras en oraciones de forma similar a como los humanos solemos hablar y escribir. O Google Drive, por ejemplo, ya ofrece esta función.

Como ejemplo práctico tenemos el GPT-3 que está cada vez más en auge. Esta tecnología de IA permite Chatbots desarrollar una "comunicación humana" extrañamente precisa. Desde entonces, el grupo de investigación Google comenzó un entrenamiento Procesamiento del Lenguaje Natural, llamado Palmera, que a pesar de generar textos en el molde LLM, también se está desarrollando para interpretar y explicar chistes.

En los ejemplos de artículo lo que explica más sobre el proyecto, el equipo de investigadores demuestra la capacidad del prototipo para desarrollar el razonamiento lógico y otras situaciones complejas del lenguaje que exigen un conocimiento denso de los contextos, algo que hasta entonces era una habilidad atribuida a la capacidad humana. Para lograr esta hazaña, están adoptando una técnica relacionada con la cadena de pensamientos. Este método mejora el rendimiento del sistema a través de simulaciones de los pasos que los seres humanos desarrollan en el proceso de pensamiento al tratar de resolver problemas lógicos.

Y las capas no se detienen ahí. Con el desarrollo de esta tecnología, la Inteligencia Artificial puede profundizar, reconociendo e interpretando bromas, incluso aquellas para confundir a las personas.

Exemplo: ¿Cuál es la diferencia entre una cebra y un paraguas? Uno es un animal rayado que recuerda a los caballos, y el otro es un dispositivo que usas para evitar que la lluvia caiga sobre ti.

Explicación: esta broma es en realidad una anti-broma. El problema es que la respuesta es obvia, por lo que la broma resulta ser el hecho de que esperabas una respuesta divertida.

Detrás del método de cadena de pensamiento de PaLM se encuentra una de las mayores bases de datos de modelos de lenguaje jamás construida, con un total de 540 mil millones de parámetros hasta la fecha. En este caso, se entiende por “parámetros” los elementos que se entrenan durante el proceso de aprendizaje del sistema cada vez que se alimenta con nuevos datos de contextualización.

Este crecimiento permitió al equipo de investigadores de la Google alcance una amplia gama de resultados de alta calidad sin tener que dedicar esfuerzos a entrenar la IA para contextos específicos e individuales caso por caso. Es decir, aquí tenemos la capacidad de un sistema para aprender una amplia gama de funciones complejas a partir de tareas con pocos ejemplos de entrenamiento.

Riesgos éticos en el proyecto

Aunque la técnica para el desarrollo GPT-3 está cada vez más canalizado, muchos expertos en ética en tecnología están en contra de estos proyectos que implican grandes modelos de lenguaje y el uso de la Inteligencia Artificial en su conjunto. Uno de ellos es el investigador. Timnit Gebru, un científico informático e investigador respetado que fue expulsado del equipo de ética de IA en el Google en 2020 después de escribir un artículo en desacuerdo sobre el desarrollo del proyecto.

en el texto de gebrú y sus coautores, se discute el hecho de que los grandes modelos LLM desarrollados por el equipo de investigadores de la Google son intrínsecamente riesgosos y pueden ser potencialmente dañinos para las personas que forman parte de grupos sociales considerados minoritarios, después de que todas las pautas de este tipo aún no sean leídas por el mecanismo. a pesar de GPT-3 se puede leer como una tecnología actual, en particular, tiene un historial de retorno respuestas prejuiciosas e incluso racista.

Según un extracto del artículo de gebrú, “la mayor parte de la tecnología del lenguaje está, de hecho, construida para satisfacer, ante todo, las necesidades de aquellos que ya tienen más privilegios en la sociedad”. Ella agrega además: 

“Si bien la documentación permite una posible responsabilidad, similar a cómo podríamos responsabilizar a los autores por sus textos producidos, los datos de capacitación no documentados perpetúan el daño sin recurso. Si los datos de entrenamiento se consideran demasiado grandes para documentarlos, no se pueden intentar comprender sus características para mitigar algunos de estos problemas documentados o incluso desconocidos”. 

Timnit Gebru, especialista en ética de la inteligencia artificial

¿Qué opinas de los avances tecnológicos relacionados con la Inteligencia Artificial? ¡Dinos en los comentarios!

Véase también:

¿Los videojuegos como materias en la escuela? Entender

Cómo los YouTubers están cambiando la forma en que consumimos Noticias

fuente: Vicio

Texto corregido por: Iris Javier.