Aunque en el presente la inteligencia artificial está en boca de todos, tanto su pasado como futuro siguen siendo una incógnita para la mayoría. Un melón que se tenía que abrir sí o sí.
Table of Contents
Un poco de historIA
Podríamos decir que todo empezó con Ada Lovelace y la introducción del concepto de algoritmo:
Entrada -> proceso -> salidas
¿Cuándo nace la IA?
Podríamos establecer las fechas para el entorno de los años 50, una fecha clave fue 1956 con la Conferencia de Darmouth
John McCarthy propone la reunión y en la conferencia se tratan temas como: computadoras; procesamiento de lenguaje natural; redes neuronales; Teoría de la Información (Claude Shannon)…
En busca de la AGI:
«Nace” la idea de perceptrón con Rossenblat (1958):
Ajuste automático de los pesos (w) -> Machine Learning -> ¿KAN?
Marvin Minsky avisa del excesivo hype y de que no se están haciendo avances significantes.
1962 BackPropagation (Inspirado en Leibniz)
Regla de la cadena; composición de funciones…
En la década de los 2000: Nube, Big Data, Deep Learning, Smartphones…
¿Pero qué es lo que buscamos?
Podemos distinguir:
- IA débil: tareas específicas
- IA generativa (LLM): capaz de crear (textos, imágenes…)
- AGI: inteligencia artificial general
¿Qué limitaciones nos encontramos?
- Hardware: con el que juegan con el FOMO empresas como NVIDIA. Necesitamos arquitecturas de hardware que permitan una mayor eficiencia en los sistemas
- Energía y su distribución: tal vez la red no esté preparada para la generación y distribución de tales cantidades de energía
- Los reguladores: EEUU y China están dando vía libre al desarrollo de la IA y todo lo relacionado con ella, pero Europa…
Si quieres leer el texto consolidado del resumen de la Ley de la IA, te lo dejamos aquí
¿Qué retos tenemos por delante?
- La generación de datos sintéticos: la calidad de los modelos no depende únicamente de ellos, los datos son la clave
“Los datos sintéticos son datos generados artificialmente en lugar de ser recogidos mediante observaciones del mundo real. Estos datos pueden ser utilizados en diversas aplicaciones, especialmente en contextos donde los datos reales son escasos, costosos de obtener, sensibles o están protegidos por cuestiones de privacidad.”
- Implicaciones sociales, económicas, geopolíticas…
Es un nuevo paradigma, completamente desconocido para nosotros
-> sistema complejo (no complicado)
¿De qué nos podremos fiar? ¿Lo físico ganará un papel más importante? ¿Cómo serán los conflictos bélicos? ¿Cómo serán las redes sociales y nuestra interacción con ellas?…
Tampoco nos debemos dejar llevar por el hype
La AGI puede estar a 2, 5, 10 años… Las empresas juegan con el hype del momento
GPT4.o ¿AGI? No, ¡GPT4.o es un LLM!
Recordemos el “human in the loop”:
No tenemos hardware capaz:
- Modelos cada vez más caros y exigentes
- Necesidad de computación en tiempo real e.g. conducción autónoma (sistemas LIDAR, no GPS)
- Hardware especializado (NPU y TPU)
Eficiencia energética:
- Consumo MUY demandante
- Refrigeración
Latencia y ancho de banda ¿Computación cuántica?
¿Te gusta el podcast?
Entonces te encantarán los episodios premium y la comunidad.
Sobre este podcaster ninja
En internet soy Pau Ninja y aunque tengo muchos blogs de mil temáticas que me parecen interesantes… Sólo tengo un podcast. Este. En la senda hacia el conocimiento cambié la katana por un micrófono para combatir la sed de curiosidad.
