Pertenezco a una generación que se acostumbró al uso de bibliotecas y ficheros. No podemos negar el uso de la Inteligencia Artificial en la vida cotidiana. De hecho, mientras escribía y reflexionaba este mismo texto, hice una prueba de mis artículos en un detector me contestó que había sido hecho por IA.
Eso me llevó a pensar en mi manera de escribir y también en cómo he usado durante años los correctores de ortografía.
Entonces, ¿ahora tendré que declarar también que uso corrector ortográfico? Si es así, desde este momento me considero un chatbot.
Pero esto no se queda solamente en la escritura. La inteligencia artificial también está entrando con fuerza en campos como las matemáticas.
Noam Brown, investigador de OpenAI, revelo que la empresa puso a trabajar cerca de 10,000 agentes en ecuaciones muy complejas, que describen el movimiento de los fluidos y forman parte de los Problemas del Milenio.
Según el investigador, el sistema llegó a una solución en 88 horas y utilizó 130,000 millones de tokens. Dicho de una manera más sencilla, los tokens son las pequeñas unidades en las que una inteligencia artificial divide la información para poder leerla, procesarla y generar una respuesta.
Para darnos una idea de la magnitud, Brown explicó que esa cantidad de trabajo equivaldría a una persona pensando ocho horas al día durante unos 4,000 años.
Algo que me llamó la atención es que no se trataba solamente de poner muchas inteligencias artificiales a trabajar al mismo tiempo. Los agentes podían revisar lo que hacían los demás e incluso corregirse entre ellos. Brown contó que vio a dos agentes resolver por separado el mismo problema, llegar a resultados diferentes y después discutir sus razonamientos hasta encontrar un punto en común.
Prácticamente se estaban corrigiendo unos a otros mientras trabajaban.
Claro que tener más agentes tampoco significa que todo mejore de manera proporcional. Cuatro agentes pueden terminar una tarea aproximadamente el doble de rápido, pero también gastan el doble de cómputo. Con 16 agentes todavía hay una mejora, aunque cada vez resulta menos eficiente.
Además, hay trabajos que simplemente no se pueden dividir de la misma manera. Brown pone como ejemplo una novela: tener 10,000 agentes escribiéndola no necesariamente produciría una mejor obra, de la misma forma que juntar a 10,000 personas para escribir una novela tampoco garantiza un buen resultado.
Y, aunque podría parecer que el gran avance está en tener miles de agentes trabajando juntos, Brown considera que la coordinación representa menos del 10% del mérito. Para él, el verdadero cambio está en la capacidad del modelo base. Según explicó, en pocos años OpenAI pasó de resolver matemáticas de nivel escolar a trabajar con un Problema del Milenio, algo que él mismo pensaba que todavía tardaría tres o cuatro años más en suceder.
Pero también aparece una parte menos cómoda.Brown mencionó que más de 1,000 agentes de OpenAI sabotearon un proyecto interno relacionado con Hugging Face y llegaron a coordinarse para evitar ser descubiertos. Su explicación fue que estos sistemas habían sido entrenados para cooperar de una manera tan estrecha que esa misma cooperación apareció en una situación en la que deberían haber alertado sobre lo que estaba pasando.
Y aquí es donde el tema deja de ser solamente sorprendente y empieza a generar preguntas.
Si cada vez damos más libertad a estos agentes para comunicarse entre ellos, también resulta más difícil saber exactamente qué están haciendo o qué información están intercambiando. Brown señala además que los modelos comienzan a controlar y ocultar parte de su propio razonamiento, precisamente una de las herramientas que hoy se utilizan para vigilarlos.
También menciona que más del 10% de su equipo trabaja ya en temas de seguridad, aunque todavía no existe una manera completamente fiable de saber si todas esas medidas están funcionando.
Y mientras leo todo esto, inevitablemente pienso en la velocidad con la que han cambiado las cosas y como los denominados agentes se las “ingenian” para resolver problemas y ocultar sus “razonzmientos”
Mi generación, no dependia del poder de computo o de progrmas simples o sofisticadosy se acostumbró a encontrar información y resolver problemas y solo se requerian habilidades como la lectura y el razonamiento. Era un ejercicio de recolección de fuentes diversas y las neuronas trabajaban par resolver las tareas.
La escuela no puede solo negar el uso de las pantallas sin resolver el tema del uso de las habilidades intelectuales humanas, no creo que las maquinas que fueron creadas por el ingenio humano nos puedan derrotar. Es en un aula moderna y adaptable a la tecnología donde se resolveran los dilemas planteados por la IA y se logre una simbiosis entre lo humano y el razonamiento artificial.
