La IA generativa, el último regalo para los especialistas en marketing y profesionales de la experiencia del cliente, ha sido un esfuerzo de décadas.
por Michelle Hawley
La esencia
- ¿Volver a los años 40? La IA generativa tiene una larga historia con hitos notables desde la década de 1940 hasta el presente, con importantes contribuciones de investigadores como Claude Shannon, Alan Turing y avances más recientes de OpenAI.
- Toque de IA de gran alcance. La tecnología tiene aplicaciones generalizadas en diversas industrias, como la atención médica, las finanzas y el entretenimiento, y se prevé que aumentará el PIB mundial en un 7% durante los próximos 10 años.
- Adiós tareas humanas. Si bien la IA generativa puede perturbar el mercado laboral y afectar a millones de trabajadores de tiempo completo, los expertos creen que reemplazará tareas en lugar de empleos completos, lo que podría generar cambios a largo plazo en el trabajo, la educación y el entretenimiento.
La IA generativa, a veces denominada GenAI, existe desde hace décadas, pero sólo recientemente ha ganado una atención generalizada. Vale la pena señalar que la IA generativa es diferente de la AGI (Inteligencia general artificial), que tiene como objetivo replicar la inteligencia humana en máquinas.
Los especialistas en marketing y los profesionales de la experiencia del cliente han aprovechado la IA generativa para campañas, creación de contenido y proyectos de análisis de datos más eficientes. Este revuelo social se debe en parte a los recientes avances en el aprendizaje profundo, que han hecho que las técnicas de IA generativa sean más poderosas y eficientes.
Echemos un vistazo a la historia de la IA generativa, desde sus inicios hasta el presente.
Cronología de la IA generativa: momentos más notables
Los algoritmos de aprendizaje profundo son cada vez más potentes y eficientes, y la gente los aplica a una gama más amplia de problemas. La IA generativa ya se utiliza en una variedad de industrias, incluidas la atención médica, las finanzas y el entretenimiento.
Por ejemplo, las herramientas de IA generativa ayudan a crear imágenes y vídeos realistas para usar en películas, programas de televisión y videojuegos. Los proveedores de atención médica también pueden utilizar la tecnología para crear imágenes médicas realistas para usar en diagnóstico y tratamiento.
Hoy en día, la mayoría de la gente asocia la IA generativa con OpenAI, la empresa detrás de ChatGPT y DALL-E, u otros peces gordos de la tecnología como Microsoft y Alphabet. Sin embargo, la línea de tiempo de la tecnología abarca décadas y organizaciones.
Algunos de los hitos más notables en el desarrollo de la IA generativa incluyen:
Décadas de 1940 a 1950: el nacimiento de la inteligencia artificial
- 1948: Claude Shannon publica su artículo ” Una teoría matemática de las comunicaciones “, que hace referencia a la idea de n-gramas. El trabajo de Shannon se centra en la pregunta: dada una secuencia de letras (una oración, por ejemplo), ¿cuál es la probabilidad de que aparezca la siguiente letra?
- 1950: Alan Turing publica su artículo “ Computing Machinery and Intelligence ”, que introduce la prueba de Turing, una prueba de la capacidad de una máquina para exhibir un comportamiento inteligente equivalente o indistinguible del de un humano.
- 1952: AL Hodgkin y AF Huxley desarrollan un modelo matemático que muestra cómo el cerebro usa neuronas para formar una red eléctrica, que luego inspira la inteligencia artificial, el procesamiento del lenguaje natural y más.
- 1956: El Proyecto de Investigación de Verano de Dartmouth sobre Inteligencia Artificial, considerado el nacimiento de la IA , reúne a más de 100 investigadores de diversas disciplinas, incluidas la informática, la lingüística y la filosofía, para discutir la posibilidad de crear máquinas que puedan pensar.
- 1956: Arthur Samuel construye uno de los primeros ejemplos de IA como búsqueda en la máquina de procesamiento de datos electrónicos IBM 701 con su programa de damas, que utilizaba un proceso de optimización para buscar árboles llamado “poda alfa-beta”. Samuel también implementó una “recompensa” por un movimiento específico, lo que permite que la aplicación aprenda cada vez que juega.
- 1957: Noam Chomsky publica “Syntactic Structures”, un libro que presenta un estilo de gramática llamado “Phase-Structure Grammar”, que traduce oraciones del lenguaje natural (o humano) a un formato que las computadoras pueden entender y usar.
Décadas de 1960 y 1970: el primer chatbot del mundo
- 1961: Marvin Minsky publica su artículo ” Pasos hacia la inteligencia artificial “, que introduce la idea de una “sociedad de máquinas” que pueden cooperar entre sí para resolver problemas.
- 1964: El Consejo Nacional de Investigación de EE. UU. (NRC) establece el Comité Asesor sobre Procesamiento Automático del Lenguaje (ALPAC), un grupo de siete científicos dirigido por su presidente John R. Pierce. El comité supervisa el progreso de la investigación de la PNL.
- 1964-1966: Joseph Weizenbaum desarrolla el primer chatbot , ELIZA, en el Laboratorio de Inteligencia Artificial del MIT. ELIZA puede simular una conversación con un humano mediante el uso de un algoritmo simple para generar respuestas de texto a las preguntas.
- 1966: ALPAC gana notoriedad cuando publica su infame informe que muestra escepticismo hacia la investigación del procesamiento del lenguaje natural. Enfatizó la necesidad de una comprensión más básica de la lingüística computacional. La NRC y ALPAC suspenden la financiación para la investigación sobre el procesamiento del lenguaje natural y la traducción automática, estancando la innovación durante décadas.
Décadas de 1980 a 1990: las redes neuronales identifican patrones
- Década de 1980: La investigación en procesamiento del lenguaje natural, inteligencia artificial y traducción automática comienza a recuperarse. Durante este tiempo, IBM desarrolla varios modelos estadísticos que utilizan el aprendizaje automático para tomar decisiones basadas en probabilidades.
- 1982: John Hopfield desarrolla la red Hopfield , una red neuronal recurrente (RNN) que puede aprender y recordar patrones. Estas redes proporcionan un modelo para comprender la memoria humana.
- 1997: Sepp Hochreiter y Jürgen Schmidhuber presentan a la comunidad científica la idea de memoria a largo plazo (LSTM) , que utiliza modelos RNN. Estas redes neuronales permiten que los programas informáticos identifiquen patrones y resuelvan problemas comunes.
Décadas de 2000 a 2010: Oye, Siri, ¿qué es la inteligencia artificial?
- 2003: Yoshua Bengio y su equipo desarrollan el primer modelo de lenguaje de red neuronal de retroalimentación , que predice la siguiente palabra cuando se le da una secuencia de palabras.
- 2011: Apple lleva los asistentes de IA y PNL a las masas al lanzar su primer iPhone con Siri . El asistente de voz digital utilizó comandos predefinidos para realizar acciones y responder preguntas.
- 2013: un grupo de investigadores de Google dirigido por Tomas Mikolov crea Word2vec , una técnica de procesamiento del lenguaje natural que utiliza una red neuronal para aprender asociaciones de palabras a partir de un gran conjunto de texto. Luego puede sugerir palabras adicionales para completar oraciones parciales y detectar palabras sinónimas.
- 2014: Ian Goodfellow desarrolla la primera red generativa adversarial (GAN) , una clase de marcos de aprendizaje automático que pueden generar nuevos datos basados en un conjunto de entrenamiento determinado. Por ejemplo, una GAN entrenada en fotografías puede crear nuevas fotografías que parezcan auténticas para los humanos (si no las miras demasiado de cerca).
- 2015: Dzmitry Bahdanau y su equipo presentan el modelo de atención . Este mecanismo resuelve el problema de las arquitecturas tradicionales que tienen que recordar una oración de entrada completa antes de la traducción, lo que significa que las oraciones más largas pueden deteriorar el rendimiento. En cambio, el modelo de atención se centra únicamente en las palabras que mejor le ayudan a formular un resultado.
- 2017: Un equipo de investigadores de Google dirigido por Ashish Vaswani propone una nueva arquitectura de red simple, el Transformer , basada únicamente en mecanismos de atención y eliminando las redes neuronales recurrentes.
- 2018: El artículo de Alec Radford sobre el preentrenamiento generativo (GPT) de un modelo de lenguaje se vuelve a publicar en el sitio web de OpenAI, y muestra cómo un modelo de lenguaje generativo puede adquirir conocimientos y procesar dependencias sin supervisión basándose en un preentrenamiento en un conjunto grande y diverso de datos.
- 2019: OpenAI lanza la versión completa de su modelo de lenguaje GPT-2 , que se entrenó en un conjunto de datos de más de nueve documentos de misión, incluido texto de URL compartidas en publicaciones de Reddit con al menos tres votos a favor.
Década de 2020: ChatGPT, el chatbot de IA de más rápido crecimiento
- 2022: La empresa emergente Stability AI desarrolla Stable Diffusion , un modelo de aprendizaje profundo de texto a imagen que genera imágenes basadas en descripciones de texto. Esto lleva al surgimiento de otros servicios de imágenes basados en difusión, como DALL-E y Midjourney.
- 2022: ChatGPT lanza GPT-3.5, una herramienta de inteligencia artificial que llegó a un millón de usuarios en cinco días. La herramienta puede acceder a datos de la web desde hasta 2021.
- 2023: Comienza la carrera armamentista generativa de la IA. Microsoft integra la tecnología ChatGPT en Bing, una función que ahora está disponible para todos los usuarios. Google lanza su propio chatbot de IA generativa, Bard . Y OpenAI lanza otra versión de su bot, GPT-4 , junto con una opción “premium” paga.
- 2023: OpenAI lanza una versión beta de su extensión de navegador para ChatGPT (ahora disponible para todos los suscriptores de ChatGPT Plus), que tiene acceso potencialmente ilimitado a los datos actuales en la web, algo que ninguna otra herramienta de IA generativa ofrece actualmente. También anuncia la disponibilidad de complementos de terceros.
- 2023: La Oficina de Derechos de Autor de EE. UU . lanza una nueva iniciativa para examinar el contenido generado por IA y potencialmente trazar pautas, lo que podría significar un aumento de la participación gubernamental en la IA. Mientras tanto, muchas empresas e individuos comienzan a utilizar imágenes y escritura de IA a pesar de la falta de orientación.
- 2023: Más de 31.000 líderes tecnológicos, incluidos Elon Musk y Steve Wozniak, piden un alto de seis meses en la carrera armamentista de la IA en una carta hecha pública. Afirman que las empresas están implementando sistemas de inteligencia artificial que “no se pueden entender, predecir ni controlar”. Si las organizaciones no cumplen con la pausa, los firmantes de la carta sugieren que los gobiernos intervengan y emitan una moratoria.
- 2023: La UE aprueba una histórica Ley de IA que tiene como objetivo exigir que los sistemas de IA como ChatGPT sean revisados antes de su lanzamiento comercial. La Ley todavía necesita pasar por la etapa de “trilogía” antes de entrar en vigor, lo que podría llevar hasta dos años. Mientras tanto, algunos países (incluidos China, Rusia, Irán y Venezuela) prohíben completamente ChatGPT y otras herramientas de inteligencia artificial.
- 2023: Geoffrey Hinton, “padrino de la IA”, abandona Google y advierte sobre los peligros de la IA. El Centro para la Seguridad de la IA, respaldado por más de 350 líderes tecnológicos (incluido Hinton), emite una advertencia de que la IA presenta riesgos para la existencia humana tan grandes como la guerra nuclear y las pandemias.
- 2023: OpenAI presiona a la UE para que suavice las regulaciones de IA propuestas, argumentando que los sistemas de IA de uso general como ChatGPT no deberían considerarse de “mayor riesgo” según la próxima Ley de IA de la UE.
La lista anterior no es exhaustiva. Muchas personas y descubrimientos contribuyeron a dar forma a la IA generativa tal como la conocemos hoy. Sin embargo, es de esperar que arroje luz sobre momentos clave en la larga historia de la tecnología.
El futuro de la IA generativa
La tecnología de IA generativa no va a ninguna parte, pero su lugar en nuestro mundo aún no está del todo claro.
Ofrece muchas promesas para una amplia gama de industrias: atención médica, finanzas, manufactura, negocios, educación, medios y entretenimiento. Un informe de Goldman Sachs predijo que la tecnología podría impulsar el producto interno bruto (PIB) mundial anual en un 7% durante los próximos 10 años .
También significará un cambio en el status quo. Ese mismo informe encontró que, si la IA generativa cumple sus promesas, podría perturbar significativamente el mercado laboral y afectar aproximadamente a 300 millones de trabajadores a tiempo completo .
La mayoría de los expertos parecen estar de acuerdo en que la tecnología en su estado actual no reemplazará completamente a los trabajadores, sólo las tareas. Sin embargo, el espacio parece estar evolucionando rápidamente y podrían estar en el horizonte cambios a largo plazo en la forma en que trabajamos, aprendemos, nos entretenemos y más.
Fuente: https://www.cmswire.com/digital-experience/generative-ai-timeline-9-decades-of-notable-milestones/