Cuando OpenAI lanzó ChatGPT el 30 de noviembre de 2022, nadie pensó que en los próximos seis meses, con la llegada de una nueva generación de inteligencia artificial, la sociedad humana marcaría el comienzo de un cambio vertiginoso. Desde la aparición del aprendizaje profundo a principios de la década de 2010, la inteligencia artificial ha entrado en su tercera ola de desarrollo. El lanzamiento del algoritmo Transformer en 2017 impulsó el aprendizaje profundo en la era de los grandes modelos. OpenAI estableció la familia GPT basada en la parte Decoder de Transformer.
ChatGPT ha ganado rápidamente popularidad en todo el mundo, sorprendiendo por su capacidad para llevar a cabo conversaciones coherentes y profundas, al mismo tiempo que revela habilidades como el razonamiento y el pensamiento lógico que encarnan la inteligencia. Con el desarrollo continuo del preentrenamiento de IA de modelos grandes, la innovación continua de los algoritmos de contenido generado por inteligencia artificial (IA generativa) y la IA multimodal cada vez más común, la tecnología de IA generativa representada por ChatGPT se ha acelerado hasta convertirse en la última dirección de Desarrollo de IA. Esta aceleración está impulsando a la inteligencia artificial hacia la próxima era de crecimiento y prosperidad significativos, lo que tendrá un profundo impacto en el desarrollo económico y social. Los directores ejecutivos pueden encontrar recomendaciones detalladas para adoptar Gen AI en mi reciente artículo de Harvard Business Review: Lo que los directores ejecutivos deben saber sobre los costos de adoptar GenAI.
La definición y los antecedentes de la tecnología de IA generativa
La inteligencia artificial generativa se refiere a la producción de contenidos a través de tecnología de inteligencia artificial. Implica entrenar un modelo para producir contenido nuevo similar al material de capacitación. A diferencia de la IA tradicional, que se centra principalmente en identificar y predecir patrones en los datos existentes, la IA generativa enfatiza la creación de datos nuevos y creativos. El principio clave es aprender y comprender la distribución de datos para generar nuevos datos con características similares. Esta tecnología tiene aplicaciones en diversos campos como imágenes, texto, audio y video. Entre estas aplicaciones, ChatGPT es un ejemplo notable. ChatGPT es una aplicación de chatbot desarrollada por OpenAI basada en el modelo GPT-3.5 y que ha ganado gran popularidad. En sólo dos meses después de su lanzamiento, tenía más de 100 millones de usuarios activos mensuales, superando la tasa de crecimiento de cualquier aplicación web de consumo en la historia. La tecnología de inteligencia artificial generativa, representada por el modelo de lenguaje grande y el modelo de generación de imágenes, se ha convertido en la tecnología a nivel de plataforma de la nueva generación de inteligencia artificial, promoviendo un salto de valor en diversas industrias.
El crecimiento explosivo de la inteligencia artificial generativa se debe en gran medida al desarrollo de tres áreas tecnológicas de inteligencia artificial: algoritmos generativos, modelos previamente entrenados y tecnología multimodal.
Algoritmo generador: Con la innovación continua de los algoritmos generativos, la inteligencia artificial ahora es capaz de generar varios tipos de contenido, incluidos texto, código, imágenes, voz, etc. La IA generativa marca un cambio de la IA analítica, que se centra en analizar, juzgar y predecir patrones en los datos existentes, a la IA generativa, que deriva y crea contenido completamente nuevo basado en datos aprendidos.
Modelo previamente entrenado: Los modelos previamente entrenados o los modelos grandes cambian drásticamente las capacidades de las técnicas de IA generativa. A diferencia del pasado, cuando los investigadores tenían que entrenar modelos de IA individualmente para cada tarea, el entrenamiento previo de modelos grandes ha popularizado los modelos de IA generativos y ha mejorado sus aplicaciones industriales. Estos modelos grandes tienen una sólida comprensión del lenguaje y capacidades de generación de contenido.
Tecnología de inteligencia artificial multimodal: La tecnología multimodal permite que los modelos generativos de IA generen contenido a través de diversas modalidades, como convertir texto en imágenes o videos. Esto mejora la versatilidad de los modelos de IA generativa.
Tecnologías básicas de la inteligencia artificial generativa.
Redes generativas adversarias (GAN): Introducido por Ian Goodfellow y su equipo en 2014, GAN es una forma de modelo generativo. Constan de dos componentes: generador y discriminador. El generador crea nuevos datos, mientras que el discriminador evalúa la similitud entre los datos generados y los datos reales. Mediante un entrenamiento iterativo, el generador se vuelve experto en producir datos cada vez más realistas.
Autocodificador variacional (VAE): VAE es un método de generación probabilístico. Utilizan codificadores y decodificadores para generar datos. El codificador asigna los datos de entrada a una distribución en el espacio latente, mientras que el decodificador toma muestras de datos de esta distribución y genera nuevos datos.
Red neuronal recurrente (RNN): RNN es una arquitectura de red neuronal diseñada para el procesamiento de datos secuenciales. Tienen la capacidad de memoria para capturar información temporal dentro de una secuencia. En la inteligencia artificial generativa, los RNN desempeñan un papel en la generación de secuencias como texto y música.
Modelo de transformador: La arquitectura Transformer se basa en el mecanismo de autoatención y ha logrado importantes avances en el procesamiento del lenguaje natural. Es adecuado para tareas generativas como la generación de texto y la traducción automática.
Aplicaciones y casos de uso de la inteligencia artificial generativa
generación de texto
La generación de lenguaje natural es una aplicación clave de la inteligencia artificial generativa, capaz de producir texto realista en lenguaje natural. La IA generativa puede escribir artículos, historias, poemas y más, proporcionando nuevas vías creativas para escritores y creadores de contenido. Además, también puede potenciar el sistema de diálogo inteligente y mejorar la experiencia interactiva entre los usuarios y la inteligencia artificial.
ChatGPT (abreviatura de Chat Generative Pre-trained Transformer) es un robot de chat de inteligencia artificial desarrollado por OpenAI y lanzado en noviembre de 2022. Adopta un modelo de lenguaje a gran escala basado en la arquitectura GPT-3.5 y se entrena mediante aprendizaje por refuerzo. Actualmente, ChatGPT participa en interacciones basadas en texto y puede realizar una variedad de tareas, incluida la generación automática de texto, preguntas y respuestas y resúmenes.
generación de imágenes
La generación de imágenes es una de las aplicaciones más populares de la inteligencia artificial generativa. Inteligencia artificial estable Se lanzó un modelo de difusión estable y se iteró rápidamente a través de código abierto, reduciendo significativamente las barreras técnicas al arte generado por IA. Los consumidores pueden suscribirse a su producto DreamStudio para ingresar mensajes de texto y producir obras de arte. El producto ha atraído a más de 1 millón de usuarios en más de 50 países de todo el mundo.
Creación y Generación Audiovisual
La inteligencia artificial generativa se puede utilizar en la síntesis de voz para producir un habla realista. Por ejemplo, los modelos generativos pueden crear un habla realista aprendiendo las características del habla humana, lo cual es adecuado para asistentes virtuales, traducción de voz, etc. AIGC también es adecuado para la generación de música. La inteligencia artificial generativa puede crear nuevas obras musicales basadas en estilos y melodías determinados, inspirando nuevas ideas entre los músicos. Esta tecnología ayuda a los músicos a explorar eficazmente combinaciones de estilos y elementos musicales, y es adecuada para la creación musical y la publicidad musical.
películas y juegos
La inteligencia artificial generativa puede producir personajes, escenas y animaciones virtuales, enriqueciendo las posibilidades creativas de la producción de películas y juegos. Además, la inteligencia artificial puede generar historias y experiencias de juego personalizadas basadas en las preferencias y comportamientos de los usuarios.
Investigación científica e innovación.
La inteligencia artificial generativa puede explorar nuevas teorías y métodos experimentales en química, biología, física y otros campos, ayudando a los científicos a descubrir nuevos conocimientos. Además, puede acelerar la innovación y el desarrollo tecnológico en áreas como el diseño de fármacos y la ciencia de materiales.
campo de generación de código
Después de entrenar con lenguaje natural y miles de millones de líneas de código, algunos modelos de IA generativa dominan múltiples lenguajes de programación, incluidos Python, JavaScript, Go, Perl, PHP, Ruby, etc. Pueden generar el código de programa correspondiente basado en instrucciones en lenguaje natural.
GitHub Copilot es una herramienta de generación de código de IA desarrollada conjuntamente por GitHub y OpenAI. Proporciona sugerencias de código basadas en nombres o edición de código contextual. Ha sido entrenado en miles de millones de líneas de código de repositorios públicos en GitHub y es compatible con la mayoría de los lenguajes de programación.
Comprensión y análisis de contenidos.
Bloomberg lanzó recientemente un modelo de lenguaje grande (LLM) diseñado para el campo financiero llamado BloombergGPT. Al igual que ChatGPT, utiliza el modelo Transformer y tecnología de preentrenamiento a gran escala para el procesamiento del lenguaje natural, con 500 mil millones de parámetros. El conjunto de datos previo al entrenamiento de BloombergGPT contiene principalmente noticias y datos financieros de Bloomberg, lo que crea un conjunto de datos que contiene 363 mil millones de etiquetas para respaldar diversas tareas de la industria financiera.
BloombergGPT está diseñado para mejorar la comprensión y el análisis de los datos y noticias financieros de los usuarios. Genera texto en lenguaje natural relacionado con las finanzas basado en la entrada del usuario, como resúmenes de noticias, análisis de mercado y recomendaciones de inversión. Sus aplicaciones abarcan análisis financiero, consultoría de inversiones, gestión de activos, etc. Por ejemplo, en la gestión de activos, puede predecir los precios futuros de las acciones y los volúmenes de negociación basándose en datos históricos y condiciones del mercado, proporcionando asesoramiento de inversión y apoyo en la toma de decisiones a los administradores de fondos. En términos de noticias financieras, BloombergGPT generará automáticamente resúmenes de noticias e informes de análisis basados en datos y eventos del mercado, brindando información financiera oportuna y precisa.
agente de inteligencia artificial
En abril de 2023, se lanzó en GitHub un proyecto de código abierto llamado AutoGPT. Hasta el 16 de abril de 2023, el proyecto ha recibido más de 70.000 estrellas. AutoGPT funciona con GPT-4 y puede lograr de forma autónoma cualquier objetivo definido por el usuario. Al recibir una tarea, AutoGPT analizará automáticamente el problema, propondrá un plan de ejecución y lo ejecutará hasta que se cumplan los requisitos del usuario.
Además de agentes de inteligencia artificial independientes, también es posible formar una «sociedad virtual de inteligencia artificial» compuesta por múltiples agentes de inteligencia artificial. GenerativeAgents, como se titula «GenerativeAgents: simulación interactiva del comportamiento humanoLa Universidad de Stanford y Google colaboraron para construir con éxito una «ciudad virtual» donde conviven 25 agentes.
Las principales empresas de asesoramiento empresarial predicen que el mercado de la inteligencia artificial generativa alcanzará los 110.000 millones de dólares en 2030.
Operaciones de la Generación AI
Operar GenAI implica un enfoque integral que cubre todo el ciclo de vida de un modelo GenAI, desde el desarrollo hasta la implementación y el mantenimiento continuo. Cubre todos los aspectos, como la gestión de datos, la capacitación y optimización de modelos, la implementación y monitoreo de modelos y la mejora continua. GenAI MLOps son prácticas importantes para garantizar el éxito de los proyectos GenAI. Al adoptar prácticas de MLOps, las organizaciones pueden mejorar la confiabilidad, escalabilidad, mantenibilidad y tiempo de comercialización de los modelos GenAI.
MLOps de Canonical proporciona una solución integral de código abierto que se integra perfectamente Kubeflow fascinante, Charmed MLFlow y Charmed Spark. Este enfoque libera a los profesionales de tener que lidiar con problemas de compatibilidad de herramientas, permitiéndoles centrarse en el modelado. Charmed Kubeflow sirve como núcleo de un ecosistema en constante expansión, trabajando con otras herramientas adaptadas a las necesidades individuales de los usuarios y validadas en diferentes plataformas, incluida cualquier distribución K8 compatible con CNCF y varios entornos de nube. Comisariada por el operador de software de código abierto Juju, Charmed Kubeflow facilita la implementación, integración y gestión del ciclo de vida de aplicaciones a cualquier escala y en cualquier infraestructura. Los profesionales pueden implementar selectivamente los componentes necesarios del paquete, lo que refleja la componibilidad de las herramientas MLOps de Canonical, un aspecto importante al implementar el aprendizaje automático en diferentes entornos. Por ejemplo, aunque Kubeflow consta de aproximadamente 30 elementos, debido a los diferentes requisitos de las operaciones escalables y de borde, es suficiente implementar solo tres elementos (Isto, Seldon y MicroK8) en el tiempo de ejecución de borde.
