Evolución de la IA y su potencial: Preguntas y respuestas con Google
Resumen de una reciente mesa redonda dedicada a la IA con altos directivos de Google Asia, moderada por el gestor de carteras Richard Clode.
8 minutos de lectura
Aspectos destacados:
- Los grandes modelos transformadores del lenguaje están dando impulso a la IA generativa, suscitando un enorme interés entre los clientes.
- Los hiperescaladores se están beneficiando de la necesidad de infraestructura en la nube, el mecanismo de suministro de la IA generativa.
- La disrupción responsable está acaparando la atención, lo que es muy positivo para las perspectivas a largo plazo del sector tecnológico.
P: La IA existe desde hace décadas, ¿por qué estamos asistiendo a un resurgimiento actualmente?
Muchas empresas, entre ellas Google, llevan utilizando la IA desde hace años para mejorar sus productos y servicios, ya sea para obtener unos resultados de búsqueda más precisos o para sugerir mejores rutas en Maps. Otro uso habitual de la IA ha sido el texto predictivo, por ejemplo, en Gmail. Google fue pionera en el concepto de modelos transformadores como tecnología, que puso en código abierto. GPT de ChatGPT son las siglas en inglés de generative pre-transformer, es decir, pretransformador generativo.
Ahora se dan los fundamentos que crean las oportunidades para la IA. La velocidad de procesamiento es mucho mayor. Se requiere un enorme rendimiento para entrenar grandes modelos lingüísticos con cientos de miles de millones de parámetros. En segundo lugar, la explosión masiva de datos es el combustible que permite a estos modelos poder producir resultados y efectos aún mejores.
Al mismo tiempo, estos grandes modelos de lenguaje (LLM) se están desarrollando rápidamente y volviéndose más inteligentes, y el aprendizaje se está acelerando. Las posibilidades de aplicación de la IA generativa son enormes. Los LLM impulsan la IA generativa. Si hoy le preguntas a Google Search cuánto es 2+2, te responderá que 4, no porque sea inteligente, sino porque aparece en algún documento con el que se han entrenado los LLM de Google.
La capacidad de predicción es lo que hace que la IA resulte tan interesante. Las empresas y organizaciones suelen plantearse tres preguntas clave: ¿Cómo podemos ahorrar costes con la IA? ¿Cómo pueden ser más productivos los empleados? ¿Cómo mejorar la experiencia del cliente? Un asistente de soporte digital es un ejemplo de uso real para la IA generativa y, a medida que se integra en los procesos, resulta más útil.
También es clave la monetización de los datos que ha comenzado. Las interfaces de programación de aplicaciones (API) que permiten que dos componentes de software (como una aplicación y un teléfono móvil) se comuniquen entre sí solían ser gratuitas. Recientemente hemos visto cómo redes sociales muy conocidas, como Twitter y Reddit, cobran a los desarrolladores por acceder a los datos de sus aplicaciones. Las empresas tratan de rentabilizar sus datos y, sobre todo, evitar que todo el mundo se dedique a hacer scraping en Internet para crear LLM.
P: ¿Qué áreas tienen más potencial para las aplicaciones de IA?
Por lo que respecta a los consumidores, la atención se centra en las herramientas y servicios que pueden mejorar sus vidas. Hay gran variedad de interacciones con los consumidores que van a ser mucho más fáciles y envolventes debido a la IA. Por su parte, las empresas utilizan la IA para potenciar el crecimiento de sus negocios.
El tercer elemento es la responsabilidad: ¿cuáles son las oportunidades para mejorar la sociedad en su conjunto? Tenemos que proteger a las personas de los peligros potenciales de la IA mediante salvaguardias y regulación. ¿Cómo podemos mejorar la vida de las personas y cómo puede hacerlo la IA de manera mucho más eficiente? Algunos ámbitos en los que la IA ya está ayudando son el diagnóstico de enfermedades a gran escala, la previsión de inundaciones, y en EE. UU. está siendo un año récord de nuevos fármacos, gracias a que la IA está facilitando esa productividad.
P: ¿Dónde se utiliza actualmente la IA generativa?
Todos los productos de Google llevan IA incorporada. Google está viendo un interés real de los consumidores por interactuar con esta tecnología y utilizarla de formas interesantes. Hay numerosos ámbitos que resultan fascinantes y tienen un enorme potencial con la ayuda de la IA. El deseo humano básico de buscar información relevante y de naturaleza semántica es muy potente. Podemos tener un viaje asistido por IA mediante un servicio de asistencia de RR. HH, un servicio de asistencia de un banco, un servicio de asistencia de viajes o cualquier otra necesidad del cliente. La IA ayuda a encontrar datos. La IA generativa que emplea grandes modelos de lenguaje tiene la capacidad de consultar de forma natural cualquier fuente de datos y puede entrenarse de una forma determinada para adaptarse a ella.
Sundar Pichai, consejero delegado de Google y Alphabet, afirmó que su enfoque de la IA tiene que ser audaz, pero también responsable. La forma en que se desarrolle y adopte la IA puede ser beneficiosa para la sociedad, ya sea transformando la asistencia sanitaria, frenando el cambio climático o de otras formas que, a la larga, podrían mejorar nuestras vidas. El proyecto Green Light de Google emplea la inteligencia artificial genérica y las tendencias de conducción para ayudar a reducir las emisiones de los automóviles, creando los patrones y rutas de tráfico más eficientes.
Por lo que respecta a la mejora de la productividad de los empleados, un desarrollador de software dedica por término medio un mínimo de 30 minutos al día a buscar soluciones. La tecnología de IA puede ayudar acelerando el proceso, al ofrecer una solución en cuestión de segundos y escribir el código para adoptar la solución. Este ejemplo de uso de la IA ya está muy extendido y abarca todos los sectores, ya sean los servicios financieros, las telecomunicaciones, el comercio minorista, la salud, el comercio electrónico, las administraciones públicas, etc.
P: ¿Por qué la nube es un mecanismo de suministro clave para la IA? ¿Qué mueve a los hiperescaladores a necesitar microchips especializados que conllevan importantes costes de I+D?
La IA generativa no es una sola tecnología, sino un conjunto de tecnologías, la más fundamental de las cuales es la infraestructura. Andrew Ng, de la Universidad de Stanford, señaló: «La inteligencia artificial es la nueva electricidad». Si ampliamos esa frase, los datos son el combustible que bombea la red, y la red es en realidad la nube. Los datos en la nube y la IA están muy interconectados; los hiperescaladores en la nube se están convirtiendo en el núcleo y el centro de todo lo que tiene que ver con la IA. La nube es la infraestructura en la base, necesaria para gestionar, tratar y almacenar grandes conjuntos de datos. Uber Eats ha impulsado toda su interfaz de IA conversacional gracias a las API y la infraestructura de Google. Y, lo que es más importante, los macrodatos (big data) son el catalizador de la nube, porque para rediseñar realmente la arquitectura y poder aprovechar la IA genérica, y hacer que los datos sean accesibles, se requiere una infraestructura en la nube.
La necesidad de chips a medida se justifica por tres razones: la relación precio-rendimiento, la sostenibilidad y la enorme complejidad de los LLM para satisfacer las necesidades complejas y personalizadas de los clientes. Google se ha aliado con NVIDIA por lo que respecta a GPU (procesamiento gráfico), pero también ha innovado históricamente en TPU, o unidades de procesamiento tensorial. Las TPU son circuitos integrados de aplicación específica (ASIC) desarrollados por Google para acelerar las cargas de trabajo de aprendizaje automático.
Los chips de propósito de uso general actuales únicamente realizan multiplicaciones estándar, pero los grandes conjuntos de datos complejos (zettabytes de información) requieren multiplicaciones matriciales, que las CPU estándar (que ejecutan el sistema operativo y las aplicaciones) no pueden realizar. Por eso surgieron los aceleradores, diseñados por empresas como nVIDIA y Marvell Technology. En la actualidad, el mayor modelo de lenguaje de Google tiene alrededor de 540.000 millones de parámetros. El próximo tendrá alrededor de un billón de parámetros.
Por lo que respecta a los factores de coste y sostenibilidad, cuanto más eficiente sea, menor será el coste de responder la consulta. Los costes de formación e inferencia de los grandes modelos de lenguaje también tienen una gran intensidad de carbono, de ahí el deseo y la necesidad de que los hiperescaladores diseñen su propio silicio.
P: ¿Cuáles son las principales inquietudes relacionadas con la IA ante lo potente que puede llegar a ser?
La disrupción responsable es sumamente importante, porque afecta a la vida de las personas, los empleos, los gobiernos y las economías. En general, las empresas tecnológicas están adoptando un enfoque mucho más reflexivo al respecto que en el pasado, lo cual es muy positivo para el sector.
La seguridad en cuanto a la privacidad de los datos y la ciberdelincuencia es inherente a cualquier nueva tecnología en desarrollo. La IA también plantea un problema de explicabilidad. Cuando se hace una pregunta a un chatbot o a una IA conversacional y este ofrece una respuesta, ¿cómo explica cómo ha llegado a esa respuesta? Se trata de un problema que afecta especialmente a las organizaciones en las que los clientes confían al máximo, como los gobiernos y los bancos.
La explicabilidad es un problema difícil en un gran modelo de lenguaje. Cuando dos personas interactúan, no es tan fácil predecir cómo va a responder la otra, porque depende del contexto, de dónde y cuándo se encuentren, etc. Lo mismo sucede con la IA generativa y los grandes modelos de lenguaje. Unido a esto está la «alucinación» cuando a la IA generativa se le ocurre algo totalmente inventado.
Bard de Google ha incorporado una función de verificación, que aprovecha su fuerza en la búsqueda para comprobar los hechos, con el objetivo de ayudar a que la IA resulte una experiencia más tranquilizadora y positiva. Identificar y acabar con la desinformación son aspectos en los que se hace incide especialmente.
En cuanto a los datos propios y la preocupación por el scraping, Google considera que el acceso a los grandes modelos de lenguaje se democratizará, ya sea desde Google, OpenAI, Meta, etc. Los grandes modelos lingüísticos suelen entrenarse con datos genéricos de libre acceso. Las empresas obtienen un valor real cuando combinan sus propios datos con la potencia de un gran modelo lingüístico. Es entonces cuando empiezan a beneficiarse de la integración de los datos de los clientes en bases de datos propias con plataformas frontales y de fondo.
Nota: altos directivos de Google – Mitesh Agarwal, director de Tecnología de Google Cloud APAC, y Simon Kahn, director de Marketing de Google APAC.
Inferencia de IA: la primera fase del aprendizaje automático es la fase de formación, en la que se desarrolla la inteligencia registrando, almacenando y etiquetando la información. En la segunda fase, el motor de inferencia aplica reglas lógicas a la base de conocimientos para evaluar y analizar la nueva información, que puede utilizarse para aumentar la toma de decisiones humana.
Computación: se refiere a la potencia de procesamiento, memoria, redes, almacenamiento y otros recursos necesarios para el éxito informático de cualquier programa.
CPU: la unidad central de procesamiento es el centro de control que ejecuta el sistema operativo y las aplicaciones de la máquina interpretando, procesando y ejecutando las instrucciones de los programas de hardware y software.
IA generativa: se refiere a modelos de aprendizaje profundo que se entrenan con grandes volúmenes de datos sin tratar para generar «nuevos contenidos», incluido texto, imágenes, audio y vídeo.
GPU: una unidad de procesamiento gráfico realiza complejos cálculos matemáticos y geométricos necesarios para el renderizado de gráficos.
Hiperescaladores: empresas que proporcionan infraestructura para servicios de nube, conexión a redes e Internet a escala. Algunos ejemplos de hiperescaladores son Google Cloud, Microsoft Azure, Meta Platforms, Alibaba Cloud y Amazon Web Services (AWS).
LLM (gran modelo de lenguaje): tipo especializado de inteligencia artificial que se ha entrenado con grandes cantidades de texto para entender contenidos existentes y generar contenidos originales.
Software de código abierto: código diseñado para ser accesible públicamente, por lo que respecta a su visualización, modificación y distribución.
TPU: la tarea principal de las unidades de procesamiento tensorial es el procesamiento matricial, que es una combinación de operaciones de multiplicación y acumulación. Las TPU contienen miles de multiplicadores-acumuladores que se conectan directamente entre sí para componer una gran matriz física.
Modelo transformador: una red neuronal que aprende el contexto y, por tanto, el significado, rastreando relaciones en datos secuenciales.
Información importante
Los sectores tecnológicos pueden verse muy afectados por la obsolescencia de la tecnología existente, unos ciclos de producto cortos, las caídas de los precios y beneficios, la competencia de nuevos participantes del mercado y las condiciones económicas generales. Una inversión concentrada en un solo sector podría ser más volátil que la rentabilidad de inversiones menos concentradas y que el mercado.
Estas son las opiniones del autor en el momento de la publicación y pueden diferir de las opiniones de otras personas/equipos de Janus Henderson Investors. Las referencias realizadas a valores concretos no constituyen una recomendación para comprar, vender o mantener ningún valor, estrategia de inversión o sector del mercado, y no deben considerarse rentables. Janus Henderson Investors, su asesor afiliado o sus empleados pueden tener una posición en los valores mencionados.
La rentabilidad histórica no predice las rentabilidades futuras. Todas las cifras de rentabilidad incluyen tanto los aumentos de las rentas como las plusvalías y las pérdidas, pero no refleja las comisiones actuales ni otros gastos del fondo.
La información contenida en el presente artículo no constituye una recomendación de inversion.
Comunicación Publicitaria.
Información importante
Le recomendamos que lea la siguiente información acerca de los fondos relacionados con el presente artículo.
- Las acciones/participaciones pueden perder valor con rapidez y, por lo general, implican un mayor riesgo que los bonos o los instrumentos del mercado monetario. Como resultado, el valor de su inversión puede bajar.
- Las acciones de sociedades pequeñas o medianas pueden ser más volátiles que las acciones de grandes sociedades, y en ocasiones puede ser difícil valorar o vender acciones en tiempos y precios deseados, lo que aumenta el riesgo de pérdida.
- Si un Fondo tiene una gran exposición a un país o una región geográfica en concreto, lleva un nivel más alto de riesgo que un fondo que está mucho más diversificado.
- El Fondo se centra en determinados sectores o áreas de inversión y puede verse muy afectado por factores como los cambios en la regulación gubernamental, el aumento de la competencia de precios, los avances tecnológicos y otros acontecimientos adversos.
- El Fondo sigue un enfoque de inversión sostenible, que puede provocar una sobreponderación y/o infraponderación en determinados sectores y, por lo tanto, un rendimiento diferente al de los fondos que tienen un objetivo similar, pero que no integran criterios de inversión sostenible a la hora de seleccionar valores.
- El Fondo podrá utilizar derivados con el fin de reducir el riesgo o gestionar la cartera de forma más eficiente. Sin embargo, esto conlleva otros riesgos, en particular, que la contraparte de un derivado no pueda cumplir sus obligaciones contractuales.
- Si el Fondo mantiene activos en divisas distintas de la divisa base del Fondo o si usted invierte en una clase de acciones/ participaciones de una divisa diferente a la del Fondo (a menos que esté "cubierto"), el valor de su inversión puede verse afectado por las variaciones de los tipos de cambio.
- Cuando el Fondo, o una clase de acciones/participaciones con cobertura, trata de mitigar los movimientos del tipo de cambio de una divisa en relación con la divisa base, la propia estrategia de cobertura puede tener un impacto positivo o negativo en el valor del Fondo debido a las diferencias en los tipos de interés a corto plazo entre las divisas.
- Los valores del Fondo podrían resultar difíciles de valorar o de vender en el momento y al precio deseados, especialmente en condiciones de mercado extremas, cuando los precios de los activos pueden estar bajando, lo que aumenta el riesgo de pérdidas en las inversiones.
- El Fondo podría perder dinero si una contraparte con la que negocia el Fondo no está dispuesto o no es capaz de cumplir sus obligaciones, o como resultado de un fallo o retraso en los procesos operativos o del fallo de un proveedor externo.
Specific risks
- Las acciones/participaciones pueden perder valor con rapidez y, por lo general, implican un mayor riesgo que los bonos o los instrumentos del mercado monetario. Como resultado, el valor de su inversión puede bajar.
- Si un Fondo tiene una gran exposición a un país o una región geográfica en concreto, lleva un nivel más alto de riesgo que un fondo que está mucho más diversificado.
- El Fondo se centra en determinados sectores o áreas de inversión y puede verse muy afectado por factores como los cambios en la regulación gubernamental, el aumento de la competencia de precios, los avances tecnológicos y otros acontecimientos adversos.
- Este Fondo puede tener una cartera especialmente concentrada en relación con su universo de inversión u otros fondos de su sector. Un evento adverso que afecte incluso a un número reducido de tenencias podría generar una volatilidad o pérdidas significativas para el Fondo.
- El Fondo podrá utilizar derivados con el fin de reducir el riesgo o gestionar la cartera de forma más eficiente. Sin embargo, esto conlleva otros riesgos, en particular, que la contraparte de un derivado no pueda cumplir sus obligaciones contractuales.
- Si el Fondo mantiene activos en divisas distintas de la divisa base del Fondo o si usted invierte en una clase de acciones/ participaciones de una divisa diferente a la del Fondo (a menos que esté "cubierto"), el valor de su inversión puede verse afectado por las variaciones de los tipos de cambio.
- Cuando el Fondo, o una clase de acciones/participaciones con cobertura, trata de mitigar los movimientos del tipo de cambio de una divisa en relación con la divisa base, la propia estrategia de cobertura puede tener un impacto positivo o negativo en el valor del Fondo debido a las diferencias en los tipos de interés a corto plazo entre las divisas.
- Los valores del Fondo podrían resultar difíciles de valorar o de vender en el momento y al precio deseados, especialmente en condiciones de mercado extremas, cuando los precios de los activos pueden estar bajando, lo que aumenta el riesgo de pérdidas en las inversiones.
- El Fondo podría perder dinero si una contraparte con la que negocia el Fondo no está dispuesto o no es capaz de cumplir sus obligaciones, o como resultado de un fallo o retraso en los procesos operativos o del fallo de un proveedor externo.
Specific risks
8 minutos de lectura
Aspectos destacados:
- Los grandes modelos transformadores del lenguaje están dando impulso a la IA generativa, suscitando un enorme interés entre los clientes.
- Los hiperescaladores se están beneficiando de la necesidad de infraestructura en la nube, el mecanismo de suministro de la IA generativa.
- La disrupción responsable está acaparando la atención, lo que es muy positivo para las perspectivas a largo plazo del sector tecnológico.