El poder del procesamiento del lenguaje natural

Hasta hace poco, la opinión generalizada era que, aunque la IA era mejor que los humanos en las tareas de toma de decisiones basadas en datos, seguía siendo inferior a los humanos en las cognitivas y creativas. Pero en los dos últimos años la IA basada en el lenguaje 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" (PLN), la rama de la IA centrada en cómo los ordenadores pueden procesar el lenguaje como lo hacen los humanos. Se ha utilizado para escribir un artículo para The Guardian, y las entradas de blog escritas por la IA se han hecho virales, hazañas que no eran posibles hace unos años. La IA destaca incluso en tareas cognitivas como la programación, donde es capaz de generar programas para videojuegos sencillos a partir de instrucciones humanas. Sin embargo, aunque estas proezas puedan 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 IA y la estadística para predecir la siguiente palabra de una frase basándose en las palabras precedentes. Los profesionales de la PNL llaman a herramientas como ésta "modelos lingüísticos", y pueden utilizarse para tareas analíticas sencillas, como clasificar documentos y analizar el sentimiento en bloques de texto, así como para tareas más avanzadas, como responder preguntas y resumir informes. Los modelos lingüísticos ya están remodelando la analítica de texto tradicional, pero el GPT-3 fue un modelo lingüístico especialmente fundamental porque, al ser 10 veces mayor que cualquier modelo anterior en el momento de su lanzamiento, fue el primer modelo lingüístico de gran tamaño, lo que le permitió realizar tareas aún más avanzadas, como programar y resolver problemas matemáticos de nivel de bachillerato. La última versión, denominada InstructGPT, ha sido afinada por humanos para generar respuestas mucho más acordes con los valores humanos y las intenciones de los usuarios, y el último modelo de Google muestra nuevos e impresionantes avances en materia de lenguaje y razonamiento. Para las empresas, las tres áreas en las que la GPT-3 ha parecido más prometedora son la escritura, la codificación y el razonamiento específico de una disciplina. OpenAI, el creador de GPT-3 financiado por Microsoft, ha desarrollado un modelo de lenguaje basado en GPT-3 destinado a actuar como asistente de los programadores generando código a partir de entradas en lenguaje natural. Esta herramienta, Codex, ya está impulsando productos como Copilot para GitHub, la filial de Microsoft, y es capaz de crear un videojuego básico simplemente tecleando instrucciones. Ya se esperaba que esta capacidad transformadora cambiara la naturaleza de la forma en que los programadores realizan su trabajo, pero los modelos siguen mejorando: el 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 competiciones de programación. Los modelos como el GPT-3 se consideran modelos fundacionales -un área de investigación emergente de la IA- que también funcionan para otros tipos de datos como imágenes y vídeo. Los modelos fundacionales pueden incluso entrenarse con múltiples formas de datos al mismo tiempo, como el DALL-E 2 de OpenAI, que se entrena con lenguaje e imágenes para generar representaciones de alta resolución de escenas u objetos imaginarios simplemente a partir de prompt de texto. Debido a su potencial para transformar la naturaleza del trabajo cognitivo, los economistas esperan que los modelos basados puedan afectar a todos los ámbitos de la economía y podrían provocar un aumento del crecimiento económico similar al de la revolución industrial. Un asistente de investigación de IA basado en el lenguaje En mi propio trabajo, he estado estudiando cómo las herramientas basadas en GPT-3 pueden ayudar a los investigadores en el proceso de investigación. Actualmente colaboro con Ought, una empresa de San Francisco que está desarrollando una herramienta de razonamiento abierto (llamada Elicit) con la que se pretende ayudar a los investigadores a responder preguntas en cuestión de minutos u horas en lugar de semanas o meses. Elicit está diseñada para un número cada vez mayor de tareas específicas relevantes para la investigación, como el resumen, el etiquetado de datos, la reformulación, la lluvia de ideas y las revisiones bibliográficas. He descubierto -no es sorprendente- que Elicit funciona mejor para algunas tareas que para otras. Tareas como el etiquetado de datos y el resumen siguen siendo toscas, con resultados ruidosos y una precisión irregular, pero las investigaciones de Ought y las de OpenAI son prometedoras para el futuro. Por ejemplo, la tarea de reformulación es útil para escribir, pero la falta de integración con las aplicaciones de procesamiento de textos la hace poco práctica por ahora. Las tareas de lluvia de ideas son estupendas para generar ideas o identificar temas que se pasan por alto y, a pesar de los ruidosos resultados y las barreras para su adopción, actualmente son valiosas para diversas situaciones. Sin embargo, de todas las tareas que ofrece Elicit, la revisión bibliográfica me parece la más útil. Dado que Elicit es un asistente de investigación de IA, esto es algo así como su pan de cada día, y cuando necesito empezar a indagar en un nuevo tema de investigación, se ha convertido en mi recurso al que acudir. Todo esto está cambiando mi forma de trabajar. Paso mucho menos tiempo intentando encontrar contenido existente relevante para mis preguntas de investigación porque sus resultados son más aplicables que otras interfaces más tradicionales para la búsqueda académica como Google Scholar. También estoy empezando a integrar tareas de lluvia de ideas en mi trabajo, y mi experiencia con estas herramientas ha inspirado mi última investigación, que trata de utilizar modelos de fundamentos para apoyar la planificación estratégica. ¿Cómo pueden las organizaciones prepararse para el futuro? Identifique sus activos de datos de texto y determine cómo pueden aprovecharse las últimas técnicas para añadir valor a su empresa. Seguramente es consciente del valor de los datos, pero aún puede estar pasando por alto algunos activos de datos esenciales si no está utilizando el análisis de texto y la PNL en toda su organización. Los datos de texto son ciertamente valiosos para la gestión de la experiencia del cliente y para comprender la voz del cliente, pero piense en otros activos de datos de texto en su organización: correos electrónicos, informes de analistas, contratos, comunicados de prensa, archivos, incluso se pueden transcribir reuniones y llamadas telefónicas. Hay muchos datos de texto y no necesita modelos avanzados como el GPT-3 para extraer su valor. Hugging Face, una start-up de PNL, acaba de lanzar AutoNLP, una nueva herramienta que automatiza el entrenamiento de modelos para tareas estándar de análisis de texto con sólo cargar sus datos en la plataforma. Los datos siguen necesitando etiquetas, pero muchas menos que en otras aplicaciones. Dado que muchas empresas han hecho apuestas ambiciosas por la IA sólo para luchar por aportar valor al negocio principal, manténgase cauto para no caer en el exceso de celo. Este puede ser un buen primer paso que sus ingenieros de aprendizaje automático existentes -o incluso científicos de datos con talento- pueden gestionar. Para dar el siguiente paso, de nuevo, identifique sus activos de datos. Muchos sectores, e incluso divisiones dentro de su organización, utilizan vocabularios muy especializados. Mediante una combinación de sus activos de datos y conjuntos de datos abiertos, entrene un modelo para las necesidades de sectores o divisiones específicos. Piense en las finanzas. Usted no quiere un modelo especializado en finanzas. Quiere un modelo personalizado para la banca comercial, o para los mercados de capitales. Y los datos son fundamentales, pero ahora son datos sin etiquetar, y cuantos más mejor. Los modelos especializados de este tipo pueden desbloquear un valor incalculable para su empresa. Comprenda cómo podría aprovechar las tecnologías lingüísticas basadas en la IA para tomar mejores decisiones o reorganizar su mano de obra especializada. La IA basada en el lenguaje no sustituirá puestos de trabajo, pero automatizará muchas tareas, incluso para los responsables de la toma de 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 sólo el principio. Tiene que empezar a comprender cómo pueden utilizarse estas tecnologías para reorganizar su mano de obra cualificada. La próxima generación de herramientas como el Codex de OpenAI dará lugar a programadores más productivos, lo que probablemente signifique menos programadores dedicados y más empleados con modestos conocimientos de programación 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 implicaciones significativas para tareas como el procesamiento de datos y el desarrollo web. Empiece a incorporar nuevas herramientas de IA basadas en el lenguaje para una variedad de tareas con el fin de comprender mejor sus capacidades. En estos momentos, herramientas como Elicit apenas están surgiendo, pero ya pueden ser útiles de formas sorprendentes. De hecho, la sugerencia anterior se inspiró en una de las tareas de lluvia de ideas de Elicit condicionada por mis otras tres sugerencias. La sugerencia original en sí no era perfecta, pero me recordó algunos temas críticos que había pasado por alto, y revisé el artículo en consecuencia. En las organizaciones, tareas como ésta pueden ayudar al pensamiento estratégico o a los ejercicios de planificación de escenarios. Aunque existe un enorme potencial para este tipo de aplicaciones, ahora mismo los resultados son todavía relativamente rudimentarios, pero ya pueden aportar valor en su estado actual. La conclusión es que debe fomentar una amplia adopción de herramientas de IA basadas en el lenguaje en toda su empresa. Es difícil anticipar cómo podrían utilizarse estas herramientas en los distintos niveles de su organización, pero la mejor manera de hacerse una idea de esta tecnología puede ser que usted y otros líderes de su empresa la adopten por sí mismos. No apueste el barco porque parte de la tecnología puede no funcionar, pero si su equipo adquiere una mejor comprensión de lo que es posible, entonces estará por delante de la competencia. Recuerde que aunque la IA actual no esté preparada para sustituir a los directivos, los directivos que entienden la IA están preparados para sustituir a los directivos que no la entienden. No subestime el potencial transformador de la IA. Los grandes modelos de base como el GPT-3 exhiben capacidades para generalizar a un gran número de tareas sin ningún entrenamiento específico para cada tarea. Los recientes avances en esta tecnología son un paso significativo hacia la generalización a nivel humano y la inteligencia artificial general, que son los objetivos últimos de muchos investigadores de IA, incluidos los de OpenAI y DeepMind de Google. Estos sistemas tienen un enorme potencial disruptivo que podría conducir a un crecimiento económico explosivo impulsado por la IA, lo que transformaría radicalmente los negocios y la sociedad. Aunque usted aún se muestre escéptico ante una IA radicalmente transformadora como la inteligencia artificial general, es prudente que los líderes de las organizaciones estén al tanto de los primeros indicios de progreso debido a su tremendo potencial disruptivo. Considere que el antiguo jefe de Google, Eric Schmidt, espera una inteligencia artificial general en 10-20 años y que el Reino Unido adoptó recientemente una posición oficial sobre los riesgos de la inteligencia general artificial. Si las organizaciones hubieran prestado atención a la advertencia de Anthony Fauci en 2017 sobre la importancia de la preparación ante una pandemia, podrían haberse 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 forma similar a la crisis de la cadena de suministro, la inacción o el uso irresponsable de la IA por parte de las empresas podría tener efectos generalizados y perjudiciales para la sociedad (por ejemplo, el aumento de la desigualdad o los riesgos específicos de la automatización). Sin embargo, a diferencia de la crisis de la cadena de suministro, los cambios sociales derivados de la IA transformadora serán probablemente irreversibles y podrían incluso seguir acelerándose. Las organizaciones deben empezar a prepararse ahora no sólo para sacar provecho de la IA transformadora, sino para poner de su parte para evitar futuros indeseables y garantizar que la IA avanzada se utilice para beneficiar equitativamente a la sociedad. Las herramientas de IA basadas en el lenguaje están aquí para quedarse Las potentes herramientas generalizables de IA basada en el lenguaje, como Elicit, ya están aquí, y son sólo la punta del iceberg; las herramientas basadas en modelos de fundamentos multimodales están preparadas para transformar los negocios de formas que aún son difíciles de predecir. Para empezar a prepararse ahora, empiece a conocer sus activos de datos de texto y la variedad de tareas cognitivas que implican los distintos roles de su organización. Adopte de forma agresiva las nuevas tecnologías de IA basadas en el lenguaje; algunas funcionarán bien y otras no, pero sus empleados se adaptarán más rápidamente cuando pase a la siguiente. Y no olvide adoptar estas tecnologías usted mismo: es la mejor manera de que empiece a comprender sus futuras funciones en su organización.

El poder del procesamiento del lenguaje natural

Resumen.

Partner Center