IA generativa: no todo es ChatGPT
Con la introducción de herramientas como Midjourney y ChatGPT, la IA generativa irrumpió en la conciencia mundial y está cobrando impulso rápidamente. Impulsado primero por la exploración de oportunidades de uso de la generación más joven en áreas como el arte y la creación de contenido, el interés público se ha convertido en un revuelo en los medios. Dado que se estima que el mercado de la IA generativa alcanzará más de $109 mil millones para 2030, las conversaciones sobre esta tecnología han cambiado rápidamente para centrarse en una aplicación más amplia y en las formas en que el contenido generado por las herramientas impulsadas por la IA podría plantear desafíos que antes no se habían considerado.
Si bien la mayoría de los líderes de TI están de acuerdo en que la inteligencia artificial (IA) cambia las reglas del juego a nivel mundial, algunos temen que la IA generativa y las herramientas de aprendizaje automático puedan estar abriendo la caja de Pandora, especialmente con respecto a la presentación de contenido escrito o información que elude los procesos estándar de investigación de antecedentes. publicación.
Las preocupaciones centradas en el abuso potencial de las herramientas generativas para la producción de información pseudocientífica, el contenido "informativo" que parece factual (pero erróneo), etc., no son infundadas. Sin embargo, hay una distinción importante que se debe hacer entre la información presentada por herramientas como ChatGPT y las herramientas diseñadas para industrias o casos de uso más específicos.
Tomemos, por ejemplo, la IA generativa para fines de diseño. En los últimos años, las tecnologías de inteligencia artificial y aprendizaje automático han encontrado un uso práctico en el diseño de productos, la arquitectura y la ingeniería (A&E) y la automatización industrial. Incorporada con éxito en herramientas como la plataforma Fusion 360 de Autodesk, la IA generativa ha revolucionado silenciosamente el proceso de diseño en sí mismo, permitiendo el modelado digital iterativo, que desbloquea una innovación sin precedentes.
Lo que diferencia los valiosos resultados generados por máquinas de los resultados carentes de sustancia (y, a menudo, descaradamente incorrectos) de herramientas como ChatGPT es simple: los conjuntos de datos en los que se basan. Puede ser útil pensar en esos conjuntos de datos como bibliotecas enormes. ChatGPT, por ejemplo, responde a una consulta de instrucción al hacer referencia a una enorme biblioteca de idiomas, un conjunto de datos de texto y contenido escrito equivalente a años de contenido histórico de Internet. Pero más grande no es, en este caso, mejor; uno solo tiene que leer uno o dos hilos de Twitter para darse cuenta de que la mayoría del contenido público no es necesariamente de alta calidad, y mucho menos objetivamente correcto. En la frase familiar de los informáticos de todo el mundo, la basura que entra es igual a la basura que sale.
Por el contrario, las herramientas generativas de inteligencia artificial y aprendizaje automático entrenadas en conjuntos de datos de información altamente examinada específica para sus propósitos únicos producirán resultados de calidad relevantes para su uso. Para continuar con la analogía de la biblioteca, imagine a un estudiante de secundaria encargado de responder una pregunta complicada de ingeniería. En el primer caso, el estudiante tiene acceso a una biblioteca que contiene diez años de contenido de redes sociales y, en el segundo caso, acceso a la biblioteca del departamento de ingeniería de su universidad. Con acceso a un conjunto de datos de alta calidad, es más probable que incluso un estudiante mediocre produzca una respuesta de alta calidad.
Comprender este concepto es clave al evaluar el valor de la IA generativa y el aprendizaje automático para casos de uso específicos. Las industrias con el potencial de beneficiarse más del uso de tecnologías generativas son aquellas en las que el acceso a datos especializados se cruza con necesidades complejas. La rápida adopción en verticales como A&E, diseño industrial y desarrollo de productos ya ha demostrado que esto es cierto, y estas industrias ya están cosechando los frutos de la innovación y el desarrollo impulsados por la IA.
Las industrias que aún se beneficiarán enormemente de la evolución de la IA generativa incluyen la construcción, la medicina y la investigación científica. Dentro de los campos médicos y científicos, es poco probable que las herramientas impulsadas por IA se adopten rápidamente. A pesar de la amplia disponibilidad de datos de alta calidad dentro de estos campos, las preocupaciones relacionadas con la privacidad del paciente, la ciberseguridad y la regulación práctica y la supervisión de la implementación probablemente reducirán las tasas de implementación en hospitales e instalaciones de investigación durante bastante tiempo.
Por el contrario, la industria de la construcción puede tener dificultades para digitalizar sus datos, pero en general es más receptiva a la rápida incorporación de la IA generativa (y a la realización de su potencial para la transformación de toda la industria). Las complejidades físicas y las interdependencias críticas de la programación y secuenciación de la construcción plantean desafíos únicos para la optimización, pero estos desafíos se superan fácilmente con herramientas impulsadas por IA alimentadas por conjuntos de datos calificados, y los beneficios inmediatos son innegables.
La adopción de estas tecnologías dentro de los sectores de la construcción y el desarrollo depende de la digitalización y parametrización de grandes cantidades de datos relacionados con los entornos construidos. En sus etapas iniciales, la entrada manual de los detalles del proyecto es la realidad actual para la mayoría de los desarrolladores. Aún así, las herramientas impulsadas por IA para la optimización de la construcción ya están desbloqueando caminos hacia una construcción más rápida, segura y sostenible. A medida que estas bases de conocimiento y conjuntos de datos privados evolucionen, también lo hará el mundo de la construcción tal como lo conocemos, ya que los constructores y desarrolladores podrán acceder a la sabiduría de todos los proyectos ejecutados previamente para optimizar sin problemas (e instantáneamente) los esfuerzos actuales y futuros.
En resumen, la IA generativa está revelando caminos nuevos y emocionantes hacia la innovación, en muchos sectores y silos de la industria. Evitar su uso basándose en ejemplos de ChatGPT que salió mal es simplemente malinterpretar la tecnología en su esencia, así como el emocionante potencial para el uso de esa tecnología cuando se maneja sabiamente.
