¿Qué sigue para la IA en 2024?

La industria de las nuevas tecnologías se ha vuelto tan cambiante que es imposible predecir cuál será el futuro de la Inteligencia Artificial. Sin embargo, el MIT se aventura a presentarnos algunas de las tendencias que debemos de tener en cuenta en 2024.

• Chatbots personalizados

Los gigantes de la IA, Google y OpenAI están desarrollando plataformas fáciles de usar que permiten a las personas personalizar modelos de lenguaje y crear sus propios mini chatbots que satisfagan sus necesidades específicas, sin necesidad de conocimientos de codificación.

En 2024 la IA generativa estará más al alcance de las personas sin conocimientos técnicos con el objetivo de poder exprimir la inversión que se lleva haciendo entorno a estas nuevas tecnologías.

El éxito de este plan dependerá de si estos modelos de IA funcionan de manera confiable. Los modelos lingüísticos a menudo inventan cosas y los modelos generativos están llenos de sesgos. Por el momento, las empresas tecnológicas no han solucionado ninguno de estos problemas.

• La segunda ola de IA generativa será vídeo

Este año, la nueva frontera que traspasa la IA es la conversión de texto a vídeo.

Si estos años atrás hemos empezado a ver un avance en esta tecnología, 2024 será el año en que veremos su versión más mejorada y avanzada.

En este sentido, Runway, una startup que crea modelos de vídeo generativo, ha organizado un festival anual de cine de IA que muestra películas experimentales realizadas con una variedad de herramientas de IA.

El último modelo que ha desarrollado la startup se llama Gen-2, el cual genera vídeos de tan solo unos segundos de duración pero la calidad de la imagen es sorprendente.

Para no quedarse atrás, los gigantes del cine como Paramount o Disney están explorando el uso de la IA generativa en toda su línea de producción. Algunos de los usos que se han identificado de la IA en este ámbito son, por ejemplo, sincronizar bien los labios de los actores cuando se graba la película en otro idioma o potenciar todavía más los efectos especiales.

• La desinformación electoral generada por IA estará en todas partes

La desinformación electoral y los deepfakes generados por IA representan grandes problemas a medida que va aumentando la participación considerablemente el número de personas que participan en las elecciones.

Un claro ejemplo es el respaldo de Donald Trump a grupos que generan memes racistas y sexistas en Estados Unidos.

Aunque es difícil medir el impacto de estas publicaciones en los resultados electorales, el aumento de estas es alarmante y dificulta distinguir la información real que encontramos online.

La creación de deepfakes, se ha vuelto más accesible a todas las personas gracias a la IA generativa, lo que hace que incluso fuentes convencionales puedan ser engañados con información falsa de terceros.

Las técnicas para rastrear y mitigar este contenido aún están en desarrollo, por el momento se están usando marcas de agua como SynthID de Google DeepMind pero esta práctica es voluntaria y no acaba de ser completamente segura.

Además, las plataformas de redes sociales son lentas para eliminar la información errónea y, muchas veces, aunque una publicación sea eliminada siempre hay alguien que ya se ha hecho con ella antes, lo que hace necesario un esfuerzo masivo en tiempo real para combatir las noticias falsas generadas por IA en el próximo año.

• Robots que realizan múltiples tareas

Inspirados por las técnicas centrales de la IA generativa, se están desarrollando robots de uso general capaces de realizar una amplia gama de funciones.

En lugar de múltiples modelos especializados, ahora se prefieren modelos únicos y monolíticos que pueden abordar diversas funciones, desde codificación hasta escritura de guiones. Esto se refleja en modelos como GPT-3 de OpenAI y GPT-4 y Gemini de Google DeepMind, que pueden abordar tareas visuales y lingüísticas.

Este enfoque se está extendiendo al ámbito de los robots, donde se busca entrenar modelos únicos para realizar múltiples tareas en lugar de especializarse en una sola.

Ejemplos recientes incluyen Robocat y RT-X de DeepMind, que aprenden a controlar varios brazos robóticos y se basan en grandes conjuntos de datos. Sin embargo, la principal limitación sigue siendo la falta de datos, aunque se están desarrollando técnicas para que los robots generen sus propios datos de entrenamiento mediante ensayo y error.

Este enfoque ya ha tenido éxito en los coches autónomos, donde empresas emergentes están utilizando un único modelo para controlar el coche. Esto ha permitido a empresas más pequeñas competir con gigantes de la industria. Con estos avances, se espera que los robots en general experimenten un impulso significativo en su capacidad y versatilidad en un futuro cercano.

Para saber más, haz click aquí.