Este año, el Instituto Tecnológico de Massachusetts (MIT) se aventura nuevamente en el territorio de las predicciones, ignorando lo obvio para resaltar tendencias específicas y emocionantes. Destacan cuatro áreas que marcarán el rumbo de la inteligencia artificial en 2024.
La revolución para el usuario común serán los bots personalizados
Tanto Google como OpenAI han lanzado herramientas basadas en la Web que permiten a cualquiera convertirse en desarrollador de aplicaciones de IA generativa. Este enfoque democratizado podría hacer que la inteligencia artificial sea verdaderamente útil para el usuario común. Los modelos de vanguardia, como GPT-4 y Gemini, son multimodales, lo que significa que pueden procesar no solo texto sino también imágenes y videos. Esta capacidad abre la puerta a una variedad de nuevas aplicaciones, desde agentes inmobiliarios que generan descripciones de propiedades hasta creativos que manipulan fácilmente contenido multimodal.
No obstante, la efectividad de este plan depende de la fiabilidad de estos modelos. Los modelos de lenguaje a menudo inventan información y están plagados de sesgos. Además, son vulnerables a manipulaciones, especialmente si se les permite navegar por Internet. Estos problemas siguen sin resolverse, y las empresas tecnológicas deberán abordarlos cuando la novedad comience a desvanecerse.
En el contexto de estas tendencias, la startup alicantina 1MillionBot ha emergido como un actor clave en la escena de la inteligencia artificial generativa. Con su solución estrella, Millie, la empresa está liderando el camino hacia la creación de chatbots personalizados de manera accesible para el público en general. La plataforma Millie permite a los usuarios no solo personalizar el contenido de los chatbots, sino también adaptar el comportamiento del modelo a sus necesidades específicas.
Segunda ola de generación de video
Después de la explosión de modelos generativos que producen imágenes fotorrealistas en 2022, la atención se centra ahora en llevar esta capacidad al ámbito del video. Las herramientas como DALL-E (OpenAI), Stable Diffusion (Stability AI) y Firefly (Adobe) inundaron Internet con imágenes asombrosas, pero ahora el enfoque se traslada a la generación de video.
Aunque las primeras incursiones en esta área se tradujeron en resultados distorsionados, la tecnología ha avanzado rápidamente. Empresas como Runway están lanzando nuevas versiones de herramientas de generación de video cada pocos meses. Según el MIT, su último modelo, Gen-2, produce videos de calidad sorprendente.
Desinformación electoral generada por IA: un desafío para la democracia
Las elecciones de 2024 se enfrentan a una amenaza creciente: la desinformación electoral generada por inteligencia artificial y deepfakes. Ejemplos de políticos utilizando estas herramientas para atacar a sus oponentes ya son evidentes en Argentina, Eslovaquia y Estados Unidos. La facilidad con la que se pueden crear deepfakes plantea un riesgo significativo para la percepción de la verdad en línea.
En un clima político ya de por sí inflamado y polarizado, las consecuencias podrían ser graves. La lucha contra la proliferación de este contenido será crucial en 2024, pero las técnicas para rastrear y mitigar aún están en las primeras etapas de desarrollo.
Convergencia entre IA y robótica
Al igual que los modelos de lenguaje monolíticos como GPT, se están desarrollando modelos generales para robots que permiten realizar a las máquinas múltiples tareas sin la necesidad de modelos especializados.
Empresas como DeepMind han lanzado modelos generales como Robocat y RT-X, que aprenden de forma autónoma mediante prueba y error para controlar varios brazos robóticos. Aunque esta tendencia promete una revolución en la capacidad de los robots para realizar tareas diversas, la falta de datos sigue siendo un desafío. A diferencia de la inteligencia artificial generativa, que se basa en conjuntos de datos masivos de texto e imágenes, los robots tienen pocas fuentes de datos para aprender tareas industriales o domésticas.
Esta convergencia entre inteligencia artificial y robótica promete un futuro emocionante, pero también plantea desafíos significativos. La falta de datos para entrenar robots en diversas tareas y el riesgo de sesgos en la inteligencia artificial generativa son obstáculos que deben abordarse de manera colaborativa para garantizar un progreso ético y sostenible.