El poder del procesamiento del lenguaje natural

Resumen La opinión convencional en torno a la IA ha sido que, si bien los ordenadores tienen ventaja sobre los humanos en lo que respecta a la toma de decisiones basada en datos, no pueden competir en tareas cualitativas. Sin embargo, eso está cambiando. Las herramientas de procesamiento del lenguaje natural (PLN) han avanzado rápidamente y pueden ayudar con la escritura, la codificación y el razonamiento específico de una disciplina. Las empresas que quieran utilizar esta nueva tecnología deberían centrarse en lo siguiente: 1) Identificar los activos de datos de texto y determinar cómo se pueden aprovechar las últimas técnicas para añadir valor a la empresa, 2) comprender cómo puede aprovechar las tecnologías del lenguaje basadas en la IA para tomar mejores decisiones o reorganizar sus habilidades labor, 3) comience a incorporar nuevas herramientas de IA basadas en el lenguaje para una variedad de tareas a fin de comprender mejor sus capacidades y 4) no subestime el potencial transformador de la IA. • • • Hasta hace poco, la sabiduría convencional era que, si bien la IA era mejor que los humanos en tareas de toma de decisiones basadas en datos, todavía era inferior a los humanos para cognitivos y creativos. Pero en los últimos dos años, la IA basada en los idiomas ha avanzado a pasos agigantados, cambiando las nociones comunes de lo que puede hacer esta tecnología. Los avances más visibles se han producido en lo que se denomina «procesamiento del lenguaje natural» (PNL), la rama de la IA que se centra en cómo los ordenadores pueden procesar el lenguaje como lo hacen los humanos. Se ha utilizado para escribir un artículo para El guardián, y Publicaciones de blog creadas por IA se han vuelto virales —hazañas que no eran posibles hace unos años. La IA incluso sobresale en tareas cognitivas como la programación, donde es capaz de generar programas para videojuegos sencillos a partir de instrucciones humanas. Sin embargo, aunque estas acrobacias pueden llamar la atención, ¿son realmente indicativas de lo que esta tecnología puede hacer por las empresas?

Lo que puede hacer la PNL

La herramienta de procesamiento del lenguaje natural más conocida es GPT-3, de OpenAI, que utiliza la inteligencia artificial y las estadísticas para predecir la siguiente palabra de una oración en función de las palabras anteriores. Los profesionales de la PNL llaman a estas herramientas «modelos lingüísticos» y se pueden utilizar para tareas de análisis sencillas, como clasificar documentos y analizar la opinión en bloques de texto, así como para tareas más avanzadas, como responder preguntas y resumir informes. Los modelos lingüísticos ya están reformulando el análisis de texto tradicional, pero el GPT-3 fue un modelo lingüístico especialmente fundamental porque, 10 veces más grande que cualquier modelo anterior en el momento del lanzamiento, fue el primer modelo lingüístico grande, lo que le permitió realizar tareas aún más avanzadas, como la programación y resolver problemas de matemáticas a nivel del instituto. La última versión, llamada Instruir a GPT, ha sido perfeccionado por los humanos para generar respuestas que se ajusten mucho mejor a los valores humanos y las intenciones de los usuarios, y el último modelo de Google muestra más avances impresionantes en el lenguaje y el razonamiento. Para las empresas, las tres áreas donde GPT-3 ha parecido muy prometedor son escritura, codificación y razonamiento específico de una disciplina. OpenAI, el creador del GPT-3 financiado por Microsoft, ha desarrollado un modelo lingüístico basado en GPT-3 destinado a actuar como asistente de los programadores generando código a partir de la entrada en lenguaje natural. Esta herramienta, Codex, ya impulsa productos como Copilot para la filial GitHub de Microsoft y es capaz de crear un videojuego básico simplemente escribiendo las instrucciones. Ya se esperaba que esta capacidad transformadora cambiar la naturaleza de la forma en que los programadores hacen su trabajo, pero los modelos siguen mejorando — lo último del laboratorio de IA DeepMind de Google, por ejemplo, demuestra las habilidades de pensamiento crítico y lógica necesarias para superar a la mayoría de los humanos en las competiciones de programación. Los modelos como el GPT-3 se consideran modelos de fundación , un área de investigación emergente en IA, que también funciona para otros tipos de datos, como imágenes y vídeo. Los modelos básicos incluso se pueden entrenar en múltiples formas de datos al mismo tiempo, como los de OpenAI DALLAS · 2, que es entrenado en idioma e imágenespara generar renderizados en alta resolución de escenas u objetos imaginarios simplemente a partir de indicaciones de texto. Debido a su potencial para transformar la naturaleza del trabajo cognitivo, los economistas esperan que los modelos de base puede afectar a todos los sectores de la economía y podría conducir a aumentos del crecimiento económico similares a los de la revolución industrial.

Un asistente de investigación de IA basada en el lenguaje

En mi propio trabajo, he estado analizando cómo las herramientas basadas en GPT-3 pueden ayudar a los investigadores en el proceso de investigación. Actualmente trabajo con Debería, una empresa de San Francisco que desarrolla una herramienta de razonamiento abierta (llamada Obtener) que pretende ayudar a los investigadores a responder a las preguntas en minutos u horas en lugar de semanas o meses. Elicit se ha diseñado para un número creciente de tareas específicas relacionadas con la investigación, como el resumen, el etiquetado de datos, la reformulación, la lluvia de ideas y las revisiones de literatura. He descubierto, no es sorprendente, que Eclit funciona mejor para algunas tareas que para otras. Tareas como el etiquetado de datos y el resumen siguen siendo ásperas, con resultados ruidosos y una precisión irregular, peroinvestigación de Debería y investigación de OpenAI promete para el futuro. Por ejemplo, la tarea de reformular es útil para escribir, pero la falta de integración con las aplicaciones de procesamiento de textos hace que no sea práctica por ahora. Las tareas de lluvia de ideas son ideales para generar ideas o identificar temas que se pasan por alto y, a pesar de los resultados ruidosos y las barreras para la adopción, actualmente son valiosas para una variedad de situaciones. Sin embargo, de todas las tareas que ofrece Eclit, la reseña de literatura me parece la más útil. Como Eligt es asistente de investigación de IA, esto es una especie de pan y mantequilla, y cuando tengo que empezar a profundizar en un nuevo tema de investigación, se ha convertido en mi recurso preferido. Todo esto está cambiando la forma en que trabajo. Paso mucho menos tiempo intentando encontrar contenido existente que sea relevante para mis preguntas de investigación, porque sus resultados son más aplicables que otras interfaces de búsqueda académica más tradicionales, como Google Scholar. También estoy empezando a integrar las tareas de lluvia de ideas en mi trabajo y mi experiencia con estas herramientas ha inspirado mi última investigación, que busca utilizar modelos básicos para apoyar la planificación estratégica.

¿Cómo pueden prepararse las organizaciones para el futuro?

Identifique sus activos de datos de texto y determine cómo se pueden aprovechar las últimas técnicas para añadir valor a su empresa.

Sin duda conoce la valor de los datos, pero puede que siga pasando por alto algunos activos de datos esenciales si no utiliza el análisis de texto y la PNL en su organización. Los datos de texto son valiosos para gestión de la experiencia del cliente y comprensión de la voz del cliente, pero piense en otros activos de datos de texto de su organización: correos electrónicos, informes de analistas, contratos, comunicados de prensa, archivos e incluso se pueden transcribir reuniones y llamadas telefónicas. Hay tantos datos de texto y no necesita modelos avanzados como el GPT-3 para extraer su valor. Cara de abrazo, una startup de PNL, lanzada recientemente AutoLP, una nueva herramienta que automatiza los modelos de formación para tareas estándar de análisis de texto simplemente cargando sus datos en la plataforma. Los datos aún necesitan etiquetas, pero muchas menos que en otras aplicaciones. Debido a que muchas empresas han hecho apuestas ambiciosas en la IA solo para luchar por introducir valor en el negocio principal, sean cautelosos para no ser demasiado entusiastas. Este puede ser un buen primer paso que sus ingenieros de aprendizaje automático actuales, o incluso científicos de datos con talento, puedan gestionar. Para dar el siguiente paso, de nuevo, identifique sus activos de datos. Muchos sectores, e incluso divisiones de la organización, utilizan vocabularios muy especializados. Mediante una combinación de sus activos de datos y conjuntos de datos abiertos, forme un modelo para las necesidades de sectores o divisiones específicos. Piense en las finanzas. No querrá un modelo especializado en finanzas. Quiere un modelo personalizado para la banca comercial o para los mercados de capitales. Y los datos son críticos, pero ahora son datos sin etiquetar, y cuantos más, mejor. Los modelos especializados como este pueden generar un valor incalculable para su empresa.

Comprenda cómo puede aprovechar las tecnologías lingüísticas basadas en la IA para tomar mejores decisiones o reorganizar su mano de obra cualificada.

La IA basada en el lenguaje no reemplazará los trabajos, pero automatizará muchas tareas, incluso para los responsables de tomar decisiones. Startups como Verneek están creando herramientas similares a eLicit para que todo el mundo pueda tomar decisiones basadas en datos. Estas nuevas herramientas trascenderán la inteligencia empresarial tradicional y transformarán la naturaleza de muchas funciones en las organizaciones. Los programadores son solo el principio. Tiene que empezar a entender cómo se pueden utilizar estas tecnologías para reorganizar su mano de obra cualificada. La próxima generación de herramientas como el Codex de OpenAI conducirá a programadores más productivos, lo que probablemente signifique menos programadores dedicados y más empleados con conocimientos de programación modestos que los utilicen para un número cada vez mayor de tareas más complejas. Puede que esto no sea cierto para todos los desarrolladores de software, pero tiene importantes implicaciones para tareas como el procesamiento de datos y el desarrollo web.

Comience a incorporar nuevas herramientas de IA basadas en idiomas para una variedad de tareas a fin de comprender mejor sus capacidades.

En este momento están surgiendo herramientas como Eclit, pero ya pueden resultar útiles de formas sorprendentes. De hecho, la sugerencia anterior se inspiró en una de las tareas de lluvia de ideas de Eclit condicionada a mis otras tres sugerencias. La sugerencia original en sí no era perfecta, pero me recordó algunos temas críticos que había pasado por alto y he revisado el artículo en consecuencia. En las organizaciones, tareas como esta pueden ayudar en los ejercicios de pensamiento estratégico o planificación de escenarios. Aunque existe un enorme potencial para este tipo de aplicaciones, en este momento los resultados siguen siendo relativamente crudos, pero ya pueden añadir valor en su estado actual. La conclusión es que tiene que fomentar la adopción amplia de las herramientas de IA basadas en el lenguaje en todo su negocio. Es difícil anticipar cómo se usarán estas herramientas en los diferentes niveles de la organización, pero la mejor manera de entender esta tecnología puede ser que usted y otros líderes de su empresa la adopten ustedes mismos. No apueste el barco por ello, porque puede que parte de la tecnología no funcione, pero si su equipo entiende mejor lo que es posible, estará por delante de la competencia. Recuerde que, si bien la IA actual puede no estar preparada para reemplazar a los gerentes, los gerentes que entienden la IA están preparados para reemplazar a los gerentes que no la entienden.

No subestime el potencial transformador de la IA.

Los modelos de bases grandes como el GPT-3 exhiben habilidades para generalizar a un gran número de tareas sin ningún tipo de formación específica de tareas. El progreso reciente en esta tecnología es un paso significativo hacia la generalización a nivel humano y la inteligencia artificial general, que son los objetivos finales de muchos investigadores de IA, incluidos los de OpenAI y DeepMind de Google. Dichos sistemas tienen un enorme potencial disruptivo que podría conducir a un crecimiento económico explosivo impulsado por la IA, lo que transformar radicalmente los negocios y la sociedad. Si bien puede que todavía se muestre escéptico ante la IA radicalmente transformadora como la inteligencia general artificial, es prudente que los líderes de las organizaciones sean conscientes de las primeras señales de progresodebido a su tremendo potencial disruptivo. Considere al ex jefe de Google Eric Schmidt espera inteligencia artificial general dentro de 10 a 20 años y que el Reino Unido tomó recientemente una posición oficial sobre los riesgos de la inteligencia general artificial. ¿Habían prestado atención las organizaciones a Advertencia de Anthony Fauci de 2017 sobre la importancia de la preparación para una pandemia, es posible que se hayan evitado los efectos más graves de la pandemia y la consiguiente crisis de la cadena de suministro Ignorar el potencial transformador de la IA también conlleva riesgos y, de manera similar a la crisis de la cadena de suministro, la inacción o el uso irresponsable de la IA por parte de las empresas podrían tener efectos generalizados y perjudiciales en la sociedad (por ejemplo, un aumento de la desigualdad o los riesgos específicos del dominio derivados de la automatización). Sin embargo, a diferencia de la crisis de la cadena de suministro, los cambios sociales derivados de la IA transformadora probablemente sean irreversibles e incluso podrían seguir acelerándose. Las organizaciones deberían empezar a prepararse ahora no solo para capitalizar la IA transformadora, sino también para hacer su parte para evitar futuros indeseables y garantizar que la IA avanzada se utiliza para beneficiar de manera equitativa a la sociedad.

Las herramientas de IA basadas en el lenguaje llegaron para quedarse

Aquí están aquí potentes herramientas de IA generalizables y basadas en el lenguaje como Eclit, que son solo la punta del iceberg; las herramientas multimodales basadas en modelos de bases están preparadas para transformar los negocios de formas que aún son difíciles de predecir. Para empezar a prepararse ahora, empiece a comprender sus activos de datos de texto y la variedad de tareas cognitivas que implican las diferentes funciones de su organización. Adopte agresivamente nuevas tecnologías de IA basadas en el lenguaje; algunas funcionarán bien y otras no, pero sus empleados se adaptarán más rápido cuando pase a la siguiente. Y no olvide adoptar estas tecnologías usted mismo, esta es la mejor manera de que empiece a entender sus futuras funciones en su organización.   por Ross Gruetzemacher