El principal repte que cal fer front en vers a l'aparició de les capacitats de la Inteligència Artificial (IA) és diferent a quan van apareixer les calculadores digitals o els inicis de la Internet quan es va estar a l'abast de la societat gràcies al que va permetre el concepte d'infraestructura al núvol. Intenet a l'empresa al seus inicis va ser una opció, la IA és una necessitat.
Tot i que qualsevol tecnologia disrutpiva que hagi comportat una revolució, te el potencial de crèixer molt ràpidament, no acostuma a tenir una adopció generalitzada fins que la societat li troba aplicacions útils i aquestes siguin amigables i fàcil per accedir-hi. La IA generativa està en vies de trobar aplicacions concretes en l'àmbit de l'empresa per anar més enllà d'un públic bàsic com a primers usuaris.
El que podria estar passant és semblant al que va passar als inicies de la internet donat que va haver un gran embolic d'idees sense haver trobat un marc de referencia o estàndard per desenvolupar-se. Els éssers humans necessitem temps i cooperació per establir els estàndards i que aquests siguin adoptats i seguits. De fet, avui en dia, una cosa tan mundana com mesurar el temps és increïblement complicat.
L'estandardització pot esdevenir un punt feble per al desenvolupament de la IA donat que, els mètodes utilitzats per entrenar els models i ajustar els resultats es mantenen en secret, de manera que les preguntes bàsiques sobre com funcionen són difícils de respondre. Per exemple, OpenAI ha promocionat la capacitat del GPT-4 per aprovar nombroses proves estandarditzades, però el model realment entenia les proves o simplement s'entrenava per reproduir les respostes correctes? I què significa això per a la seva capacitat per afrontar noves tasques?
Avui en dia, en l'àmbit de la recerca encara no hi ha un acord sobre la resposta o sobre els mètodes que es podrien utilitzar per arribar a una conclusió.
Fins i tot és complicat determinar estàndards, dissenyar i produir el maquinari físic necessari per a l'ús generalitzat d'eines IA basades en models de llenguatge com seria el GPT-4.
El ritme d'innovació que aporta la IA implica una necessitat immediata de recerca computacional la qual, va per endevant de la capacitat de la indústria tecnològica per desenvolupar noves capacitats de maquinari.
Mentrestant, cal trobar maneres de fer front a aquestes limitacions. Formar un potent Large Language Model (LLM) des de zero pot presentar oportunitats exclusives, però només és viable per a grans organitzacions i amb bona capacitat financera. La implementació d'un servei que utilitzi un model existent és molt més assequible com per exemple, el ChatGPT-3.5, Turbo d'Open AI, que tenen un preu d'accés assequible mitjançant l'API. Però els costos encara són més grans quan un servei basat en IA esdevé popular. En qualsevol cas, desplegar la IA per a un ús il·limitat no és pràctic, cosa que fa prendre decisions difícils.
La majoria de les tarifes dels serveis basats en l'IA generativa inclouen un límit al volum de contingut que generaran al mes. Aquestes tarifes podrien frenar l'automatizació de tasques. Fins i tot OpenAI, malgrat els seus recursos, limita els usuaris que paguen ChatGPT.
Els desenvolupadors d'eines impulsades per l'IA també s'enfronten a un repte el qual és tan antic, com els mateixos ordinadors: dissenyar una bona interfície d'usuari. Un poderós LLM capaç de realitzar moltes tasques hauria de ser una eina inigualable, però la capacitat d'una eina per realitzar una tasca és irrellevant si la persona que l'utilitza no sap per on començar. Tot i que ChatGPT és accessible, crear una taca amb una IA a través del xat pot resultar poc intuitiu quan cal centrar-se en una tasca molt específica.
Per altre banda, hi ha opinions que manifesten que deixar les eines completament obertes tendeix a confondre els usuaris més que ajudar. Per això, la formació per utilitzar l'IA serà una feina en si mateixa. En concrent, és un problema que ja ha generat controvèrsia i amenaça el treball fet per construir eines d'IA per a feines sensibles i importants per evitat alucinicions. Els LLM tenen una capacitat increïble per generar text únic, fent bromes i teixint narracions sobre personatges imaginaris. Tanmateix, aquest avantatge és un obstacle quan la precisió i l'exactitud són fonamentals, perquè els LLM sovint presentaran fonts inexistents o declaracions incorrectes com a fets.
Les funcions específiques en empreses regulades de determinats sectors com serien el bancàri, les assegurances, la sanitat, tindran dificultats per trobar un equilibri amb la privadesa de dades molt estrictes i altres requisits reguladors que eviten la discriminació.
Un altre repte serà el criteri per contractar persones per a una feina completament nova si el LLM peremten prescidnr de qualsevol altra persona que fes aquesta feina i així centrar-se en tasques més complexes. Les empreses poden respondre a aquest repte escollint empleats que tinguin experiència amb eines d'IA. De fet pot haver una fricció entre l'experiència necessària per utilitzar les eines d'IA de manera eficaç i l'eficiència que l'IA promet oferir. Per exemple, contractar persones per a una determinda feina llavors, els LLM podrien alliberar qualsevol altra persona que ja treballava per centrar-
Fer més feina amb IA podria pagar la pena malgrat aquests problemes. Això ja va passar a la revolució informàtica: molta gent necessita formació per utilitzar Word i Excel, però pocs van oferir màquines d'escriure o paper gràfic com a millor alternativa. Tot i així, està clar que un futur en el qual s'automatitzin totes les feines no passarà en un interval de temps breu.
Ramon Gallart
Cap comentari:
Publica un comentari a l'entrada