Chat GPT, su uso y las otras inteligencias artificiales

Chat GPT, su uso y las otras inteligencias artificiales

  05 junio    Carlos Espinoza

---

Durante la fase de pruebas del ChatGPT, los investigadores le pidieron al modelo que resolviera el siguiente problema matemático:

"Dos trenes salen de diferentes ciudades, uno viajando a 60 km/h y el otro a 80 km/h. ¿Cuánto tiempo lleva al tren más rápido alcanzar al tren más lento si la distancia entre las ciudades es de 200 km?".

GPT-3 proporcionó una respuesta precisa y detallada, calculando el tiempo requerido para que el tren más rápido alcance al tren más lento.

Sin embargo, lo sorprendente aquí es que ChatGPT en realidad no comprende conceptos como velocidad, distancia o tiempo de la manera en que lo haría una persona. Lo que hizo para resolver el problema fue basarse en patrones y asociaciones aprendidos de los datos de entrenamiento y generó una respuesta plausible utilizando su capacidad para inferir relaciones matemáticas básicas.

Los modelos de lenguaje, el núcleo del ChatGPT
Un modelo es una representación (siempre incompleta) de algún fenómeno de la realidad. Dado que en un computador se puede construir casi cualquier modelo (visual, matemático, etc.), siempre ha existido la idea de “modelar” el lenguaje natural.

Un modelo de lenguaje entonces es una representación computacional que permite a las máquinas entender -y producir- lenguaje natural. El software que ejecuta un modelo de lenguaje es un sistema de inteligencia artificial (IA), que ha sido entrenado en una gran cantidad de texto para aprender las reglas gramaticales, las estructuras lingüísticas y las relaciones entre palabras en un determinado idioma o conjunto de idiomas.

El objetivo principal de un modelo de lenguaje es calcular la probabilidad de una secuencia de palabras en función del contexto anterior. Esto implica que el modelo pueda predecir la siguiente palabra o palabras en una oración dado un contexto previo. Al aprender a través de grandes cantidades de datos textuales, el modelo adquiere conocimientos sobre la coherencia, la gramática y las asociaciones semánticas en el lenguaje.

Los modelos de lenguaje pueden ser utilizados para una variedad de tareas:

• Corrección gramatical y ortográfica: Los modelos de lenguaje pueden ayudar a identificar y corregir errores gramaticales y ortográficos en texto escrito. Los modelos pueden analizar la estructura y el contexto de las oraciones para sugerir correcciones precisas.
• Traducción automática: Los modelos de lenguaje pueden aprender las correspondencias entre diferentes idiomas y generar traducciones coherentes y precisas.
• Análisis de sentimiento: Los modelos de lenguaje pueden utilizarse para analizar el sentimiento en el texto, es decir, determinar si un texto transmite emociones positivas, negativas o neutras. Esto es útil en áreas como el análisis de opiniones en redes sociales, la detección de tendencias o la monitorización de la satisfacción del cliente.
• Respuesta a preguntas: Los modelos de lenguaje pueden utilizarse para responder preguntas basadas en el contexto proporcionado. Pueden entender la pregunta y generar respuestas relevantes, utilizando la información contextual y el conocimiento previo aprendido durante el entrenamiento.
• Generación de texto: Los modelos de lenguaje también pueden generar texto coherente y relevante en diferentes contextos. Esto puede ser útil en aplicaciones como la generación automática de resúmenes, la redacción asistida o la creación de diálogos para chatbots.

¿Qué es el ChatGPT? 

Para decirlo de manera simple, el ChatGPT es un software que se ejecuta en un sistema informático potente y utiliza una base de datos bastante grande como parte de su entrenamiento.

Ya yendo a los detalles, podemos decir que tiene las siguientes características novedosas: 

• El “programa” que se ejecuta cuando usamos ChatGPT es un “modelo de lenguaje”, denominado GPT-3.5, el cual contiene un algoritmo avanzado de IA. 
• Dicho algoritmo es el que permite a ChatGPT responder preguntas y generar respuestas en lenguaje natural. 
• Los datos que se usaron para el entrenamiento de ChatGPT fueron grandes cantidades de texto, incluyendo libros, artículos, sitios web, conversaciones y otros tipos de texto. 

Las siglas "GPT" en ChatGPT significan "Generative Pre-trained Transformer". El término "Generative" hace referencia a que el modelo es capaz de generar contenido nuevo y original, como texto, imágenes o música, que se asemeje a la creatividad humana. "Pre-trained" indica que el modelo ha sido entrenado previamente en grandes cantidades de datos para aprender patrones y estructuras del lenguaje. "Transformer" se refiere a la arquitectura subyacente del modelo, que utiliza una red neuronal de tipo Transformer para procesar y generar texto de manera eficiente. O sea que GPT es un modelo de lenguaje pre-entrenado basado en Transformers que puede generar respuestas coherentes y contextuales en función de las entradas de texto que recibe.

Los modelos de lenguaje son un tipo de IA, pero existen otros tipos de IA que también se han visto favorecidos por el impulso, en los últimos años, de factores como los avances en el hardware, el aumento de la disponibilidad de datos y la mejora de los algoritmos de aprendizaje automático: 

• IA basada en reglas: Este enfoque de IA utiliza reglas y lógica predefinidas para realizar tareas específicas. Las reglas son diseñadas por expertos humanos y el sistema sigue esas reglas para tomar decisiones y realizar acciones. Ejemplo: un sistema experto de diagnóstico médico que analiza síntomas y datos clínicos. 
• Aprendizaje automático (Machine Learning): En el aprendizaje automático, los algoritmos se entrenan con grandes conjuntos de datos para reconocer patrones y tomar decisiones basadas en esos patrones. Puede ser supervisado, donde se proporciona información etiquetada, o no supervisado, donde el algoritmo encuentra patrones por sí mismo. Ejemplo: un algoritmo que analiza datos históricos y predice patrones de compra y ofrece recomendaciones personalizadas 
• Redes neuronales profundas: Las redes neuronales profundas son un subconjunto del aprendizaje automático y se inspiran en la estructura y el funcionamiento del cerebro humano. Estas redes están compuestas por múltiples capas de neuronas artificiales y son capaces de realizar tareas complejas, como el reconocimiento de imágenes o el procesamiento del lenguaje natural. Ejemplo: reconocimiento de imágenes, identificación y clasificación de objetos (perros, gatos, automóviles), aplicaciones de Smart City. 
• IA basada en el conocimiento: Este enfoque utiliza bases de conocimiento previas para razonar y tomar decisiones. Los sistemas de IA basados en el conocimiento utilizan una representación formal del conocimiento experto en un dominio específico para resolver problemas. Ejemplo: un sistema de recomendación de películas que usa una base de conocimientos sobre gustos y preferencias y similitudes con otros usuarios (Netflix).
  
  

Usos del ChatGPT

Con ChatGPT se puede hacer muchísimas cosas, es muy temprano para predecir todas las aplicaciones de esta singular tecnología. Los usos más comunes, a la fecha, son los siguientes:

• Generar textos de correos, cartas, guiones, programas de clase, esquemas de libros, etc., a partir de una idea y mejor aún si se le orienta dándole contexto y propósito.
• Creación de instructivos, tutoriales, etc., sobre productos específicos.
• Escribir código de programas en cualquier lenguaje de programación

Evidentemente esta es una pequeña lista del potencial que tiene ChatGPT. Solo basta leer sobre las implicancias que está teniendo en el sistema educativo y en las tendencias de empleo que se están revisando a nivel mundial. Otro síntoma de lo disruptivo de esta tecnología es el auge de las empresas de tecnología ligadas a IA, como por ejemplo NVIDIA.

Si no has empezado a usar ChatGPT, te estás perdiendo de una experiencia maravillosa. Hay numerosos tutoriales en línea, así que no hay excusa, empieza de una vez.