Mantenerse al día con una industria tan movida como la inteligencia artificial es un desafío de gran envergadura. Así que mientras espera a que un sistema de inteligencia artificial pueda hacerlo por usted, aquí tiene un práctico resumen de las historias recientes en el mundo del aprendizaje automático, junto con investigaciones y experimentos destacados que no hemos cubierto individualmente.
Esta semana en inteligencia artificial, OpenAI firmó su primer cliente de educación superior: la Universidad Estatal de Arizona. ASU colaborará con OpenAI para llevar ChatGPT, el chatbot con inteligencia artificial de OpenAI, a los investigadores, personal y profesores de la universidad. Se llevará a cabo un desafío abierto en febrero para invitar a profesores y personal a enviar ideas sobre cómo utilizar ChatGPT.
El acuerdo entre OpenAI y ASU ilustra el cambio de opiniones sobre la inteligencia artificial en la educación a medida que la tecnología avanza más rápido que los planes de estudio. El verano pasado, las escuelas y colegios se apresuraron a prohibir ChatGPT debido a temores de plagio y desinformación. Desde entonces, algunos han revertido sus prohibiciones, mientras que otros han comenzado a organizar talleres sobre herramientas de inteligencia artificial y su potencial educativo.
El debate sobre el papel de la inteligencia artificial en la educación no se resolverá pronto. Pero, por lo que vale, me encuentro cada vez más en el bando de partidarios.
Sí, la inteligencia artificial tiene defectos como hacer resúmenes pobres, ser tendenciosa y tóxica, y fabricar contenido. Pero también puede ser utilizada para el bien.
Considere cómo una herramienta como ChatGPT podría ayudar a los estudiantes con dificultades en una tarea. Podría explicar un problema matemático paso a paso o generar un esquema para un ensayo. También podría proporcionar la respuesta a una pregunta que tardaría mucho más tiempo en buscar en Google.
Ahora, existen preocupaciones válidas sobre el fraude académico, o al menos lo que podría considerarse fraude dentro de los límites de los planes de estudios actuales. He escuchado de forma anecdótica que estudiantes, en particular estudiantes universitarios, utilizan ChatGPT para escribir grandes partes de trabajos y preguntas de ensayos en exámenes para hacer en casa.
Este no es un problema nuevo: los servicios de redacción de ensayos pagados han existido durante mucho tiempo. Pero ChatGPT reduce drásticamente la barrera de entrada, algunos educadores argumentan.
Hay evidencia que sugiere que estos temores están exagerados. Pero dejando eso de lado por un momento, consideremos qué lleva a los estudiantes a hacer trampa en primer lugar. A menudo, los estudiantes son recompensados por las calificaciones, no por el esfuerzo o la comprensión. La estructura de incentivos está distorsionada. ¿Es de extrañar, entonces, que los niños vean las tareas escolares como casillas que marcar en lugar de oportunidades para aprender?
Entonces, permitamos que los estudiantes tengan acceso a la inteligencia artificial y permitamos a los educadores probar maneras de aprovechar esta nueva tecnología para llegar a los estudiantes donde están. No tengo muchas esperanzas de una reforma educativa drástica. Pero quizás la inteligencia artificial servirá como un trampolín para planes de lecciones que entusiasmen a los niños con temas que nunca hubieran explorado previamente.
Aquí hay algunas otras historias de inteligencia artificial destacadas de los últimos días:
El tutor de lectura de Microsoft: Microsoft esta semana lanzó Reading Coach, su herramienta de inteligencia artificial que proporciona a los aprendices práctica personalizada en la lectura, disponible de forma gratuita para cualquier persona con una cuenta de Microsoft.
Transparencia algorítmica en la música: Los reguladores de la UE solicitan leyes para obligar a las plataformas de transmisión de música a una mayor transparencia algorítmica. También quieren abordar la música generada por inteligencia artificial y deepfakes.
Los robots de la NASA: NASA recientemente presentó una estructura robótica autoensamblable que, según Devin, bien podría convertirse en una parte crucial de la mudanza fuera del planeta.
Samsung Galaxy, ahora con inteligencia artificial: En el evento de lanzamiento del Galaxy S24 de Samsung, la compañía presentó las diversas formas en que la inteligencia artificial podría mejorar la experiencia del teléfono inteligente, incluyendo la traducción en tiempo real para llamadas, respuestas y acciones sugeridas y una nueva forma de buscar en Google mediante gestos.
El solucionador de geometría de DeepMind: DeepMind, el laboratorio de I+D en inteligencia artificial de Google, esta semana presentó AlphaGeometry, un sistema de inteligencia artificial que el laboratorio afirma que puede resolver tantos problemas de geometría como un medallista de oro promedio de la Olimpiada Matemática Internacional.
OpenAI y la participación colectiva: En otras noticias de OpenAI, la startup está formando un nuevo equipo, Alignment Collectivo, para implementar ideas del público sobre cómo garantizar que sus futuros modelos de inteligencia artificial se «alineen con los valores de la humanidad». Al mismo tiempo, está cambiando su política para permitir aplicaciones militares de su tecnología. (Hablando de mensajes contradictorios).
Un plan Pro para Copilot: Microsoft ha lanzado un plan pago orientado al consumidor para Copilot, la marca paraguas de su portafolio de tecnologías generadoras de contenido impulsadas por inteligencia artificial, y ha flexibilizado los requisitos de elegibilidad para las ofertas de nivel empresarial de Copilot. También lanzó nuevas características para usuarios gratuitos, incluida una aplicación de teléfono inteligente de Copilot.
Modelos engañosos: La mayoría de los humanos aprenden la habilidad de engañar a otros humanos. Entonces, ¿pueden los modelos de inteligencia artificial aprender lo mismo? Sí, parece que sí, y de manera aterradora, son excepcionalmente buenos en ello, según un nuevo estudio de la startup de inteligencia artificial Anthropic.
Demo de robótica escenificada de Tesla: El robot humanoide Optimus de Tesla está haciendo más cosas, esta vez doblando una camiseta en una mesa en un centro de desarrollo. Pero resulta que el robot no es autónomo en absoluto en la etapa actual.
Más aprendizaje automático
Una de las cosas que dificulta la aplicación más amplia de cosas como el análisis satelital impulsado por inteligencia artificial es la necesidad de entrenar modelos para reconocer formas o conceptos que pueden ser bastante esotéricos. Identificar el contorno de un edificio: fácil. Identificar campos de escombros después de una inundación: ¡no tan fácil! Los investigadores suizos de EPFL esperan facilitar esto con un programa que llaman METEOR.
«El problema en las ciencias ambientales es que a menudo es imposible obtener un conjunto de datos lo suficientemente grande para entrenar programas de inteligencia artificial para nuestras necesidades de investigación», dijo Marc Rußwurm, uno de los líderes del proyecto. Su nueva estructura para el entrenamiento permite que un algoritmo de reconocimiento sea entrenado para una nueva tarea con solo cuatro o cinco imágenes representativas. Los resultados son comparables a los modelos entrenados con muchos más datos. Su plan es llevar el sistema del laboratorio al producto con una interfaz de usuario para que la usen las personas comunes (es decir, investigadores no especializados en inteligencia artificial). Puede leer el artículo que publicaron aquí.
Yendo en la otra dirección: la creación de imágenes es un campo de intensa investigación, ya que hacerlo de manera eficiente podría reducir la carga computacional para las plataformas generadoras de inteligencia artificial. El método más común se llama difusión, que refinada gradualmente una fuente de ruido puro en una imagen objetivo. El Laboratorio Nacional de Los Álamos tiene un nuevo enfoque que llaman Difusión Blackout, que en lugar de empezar desde una imagen negra pura.
Esto elimina la necesidad de ruido al inicio. Pero el avance real está en lo que el marco lleva a cabo en «espacios discretos» en lugar de continuos, reduciendo considerablemente la carga computacional. Afirman que funciona bien y a un menor costo, pero definitivamente está lejos de ser ampliamente lanzado. No estoy calificado para evaluar la efectividad de este enfoque (las matemáticas van más allá de mí), pero los laboratorios nacionales no suelen exagerar algo así sin razón. Voy a preguntar a los investigadores si tienen más información.
Los modelos de inteligencia artificial están surgiendo en todas las ciencias naturales, donde su capacidad para filtrar la señal del ruido produce nuevas ideas y ahorra dinero en horas de entrada de datos de los estudiantes graduados.
Australia está aplicando la tecnología de detección de incendios forestales de Pano AI a su «Triángulo Verde», una importante región forestal. Me encanta ver que las startups se utilicen de esta manera; no solo podría ayudar a prevenir incendios, sino que también produce datos valiosos para las autoridades forestales y de recursos naturales. Cada minuto cuenta con los incendios forestales (o bushfires, como los llaman allí), por lo que las notificaciones tempranas podrían marcar la diferencia entre decenas y miles de acres de daños.
La reducción del permafrost como se mide con el modelo antiguo, a la izquierda, y el nuevo modelo, a la derecha.
Los Los Alamos reciben una segunda mención (me di cuenta mientras repasaba mis notas) ya que también están trabajando en un nuevo modelo de inteligencia artificial para estimar la disminución del permafrost. Los modelos existentes para esto tienen una baja resolución, prediciendo niveles de permafrost en sectores de aproximadamente 1/3 de una milla cuadrada. Sin duda, es útil, pero con más detalle se obtienen resultados menos engañosos para áreas que podrían parecer un 100% de permafrost a una escala mayor pero claramente menos cuando se mira más de cerca. A medida que progresa el cambio climático, estas mediciones deben ser exactas.
Los biólogos están encontrando maneras interesantes de probar y usar modelos de inteligencia artificial o relacionados con ella en las muchas sub-áreas de ese dominio. En una conferencia reciente escrita por mis amigos de GeekWire, se mostraban herramientas para rastrear cebras, insectos e incluso células individuales en sesiones de presentación de carteles.
Y en el lado de la física y la química, los investigadores de Argonne NL están investigando la mejor forma de empaquetar el hidrógeno para su uso como combustible. Es conocido que el hidrógeno libre es extremadamente difícil de contener y controlar, por lo que atarlo a una molécula ayudante especial lo mantiene bajo control. El problema es que el hidrógeno se une a casi cualquier cosa, por lo que existen miles de millones de posibilidades para las moléculas ayudantes. Pero clasificar conjuntos enormes de datos es una especialidad del aprendizaje automático.
«Estábamos buscando moléculas orgánicas líquidas que retuvieran el hidrógeno durante mucho tiempo, pero no tan fuertemente que no pudieran ser eliminadas fácilmente a pedido», dijo Hassan Harb, del proyecto. Su sistema clasificó 160 mil millones de moléculas, y mediante un método de filtrado con inteligencia artificial pudieron revisar 3 millones por segundo, por lo que todo el proceso final llevó alrededor de medio día. (Por supuesto, estaban utilizando un supercomputador bastante grande). Identificaron 41 de los mejores candidatos, que es un número insignificante para que el equipo experimental los pruebe en el laboratorio. Con suerte, encuentran algo útil: no quiero tener que lidiar con fugas de hidrógeno en mi próximo coche.
Para terminar con una palabra de precaución: un estudio en Science encontró que los modelos de aprendizaje automático utilizados para predecir cómo responderían los pacientes a ciertos tratamientos eran altamente precisos… dentro del grupo de muestra en el que fueron entrenados. En otros casos, básicamente no ayudaron en absoluto. Esto no significa que no deban ser utilizados, pero respalda lo que muchos en el negocio han estado diciendo: la inteligencia artificial no es la solución milagrosa y debe ser probada a fondo en cada nueva población y aplicación en la que se aplique.
