GPT: Creación, Aprendizaje, AGI, Futuro y Riesgos

Creación de GPT
La historia de GPT comienza en OpenAI, una organización de investigación de inteligencia artificial con sede en San Francisco, California. Fue en junio de 2018 cuando OpenAI presentó por primera vez su modelo de lenguaje llamado GPT-1, acrónimo de "Generative Pre-trained Transformer". Este modelo se convirtió en el punto de partida para la creación de ChatGPT.

Proceso de Aprendizaje de GPT
GPT utiliza un modelo de «aprendizaje automático» para procesar grandes cantidades de datos de lenguaje natural y aprender a comprender y generar texto. Este modelo se entrena con una gran cantidad de datos de lenguaje natural para que la máquina pueda comprender el contexto y generar texto coherente.
El proceso de preentrenamiento de GPT, o “Generative Pretrained Transformer”, es un proceso en el que el modelo se entrena en un gran conjunto de datos de texto antes de ser afinado para tareas específicas. Este modelo se entrena ajustando sus parámetros para minimizar la diferencia entre sus predicciones y las palabras reales en el texto.

Durante este proceso, el modelo se entrena en un conjunto de datos de texto, donde se le proporciona una secuencia de palabras y se le pide que prediga la siguiente palabra en la secuencia. A través de este proceso, GPT aprende a entender el contexto de las palabras y a generar texto que es gramaticalmente correcto y contextualmente relevante.

Es importante mencionar que este proceso de preentrenamiento es una parte crucial del éxito de GPT, ya que permite al modelo aprender una amplia gama de patrones de lenguaje y conocimientos generales antes de ser afinado para tareas específicas.
¿Qué es GPT?
GPT, que significa “Generative Pretrained Transformer”, es un modelo de lenguaje desarrollado por OpenAI. Este modelo utiliza una arquitectura de red neuronal llamada “transformador” para generar texto que es gramaticalmente correcto y contextualmente relevante.

GPT es “preentrenado”, lo que significa que se entrena en un gran corpus de texto antes de ser afinado para tareas específicas. Esto le permite generar texto que es coherente y relevante para una amplia gama de temas.

¿Cómo aprende GPT?
GPT aprende a través de un proceso llamado “aprendizaje supervisado”. Durante este proceso, el modelo se entrena en un conjunto de datos de texto, donde se le proporciona una secuencia de palabras y se le pide que prediga la siguiente palabra en la secuencia.

El modelo se entrena ajustando sus parámetros para minimizar la diferencia entre sus predicciones y las palabras reales en el texto. A través de este proceso, GPT aprende a entender el contexto de las palabras y a generar texto que es gramaticalmente correcto y contextualmente relevante.

¿Qué es AGI?
La Inteligencia Artificial General (IAG), aunque en inglés se presenta como el término AGI, se describe como un tipo de IA que permite comprender, aprender y realizar tareas intelectuales de forma muy parecida al cerebro humano. En otras palabras, es la capacidad de la IA de aprender del mismo modo que los humanos.
La Inteligencia Artificial General (IAG), también conocida por sus siglas en inglés AGI (Artificial General Intelligence), se describe como un tipo de IA que tiene la capacidad de comprender, aprender y realizar tareas intelectuales de manera muy similar al cerebro humano. En otras palabras, es la capacidad de la IA de aprender del mismo modo que los humanos.

Algunos expertos suelen referirse a ella como IA fuerte, IA completa o acción inteligente general. Sin embargo, muchos se muestran escépticos de denominarla como “IA fuerte” para los programas informáticos que experimentan sensibilidad o conciencia, algo que nada tiene que ver con lo que hablamos.

La AGI no pretende tener capacidades cognitivas generales, es decir, son programas diseñados para resolver un solo problema y, por tanto, no experimentan conciencia, solo buscan imitarla. Algunos ejemplos son los vehículos autónomos y el superordenador Watson de IBM.

Dicho esto, la AGI en informática se plantea como un sistema inteligente con un conocimiento exhaustivo o completo y capacidades de computación cognitiva.

Futuro de GPT y AGI
El futuro de la IA, Google, GPT-4 y el mundo laboral: esto es lo que opina el CEO de OpenAI, Sam Altman4. Altman califica de "cosa ridícula" la rumorología que rodea a GPT-4. Altman ya insinuó en septiembre de 2021 que GPT-4 podría diferenciarse de GPT-3 por la eficiencia y la calidad de los datos más que por el mero número de parámetros. Ahora, se ha hecho una nueva afirmación de que GPT-5 completará su entrenamiento este año y podría traer consigo una gran revolución de IA.

Posibles Riesgos de GPT y AGI para la Humanidad
Pese a sus enormes virtudes, un nuevo estudio ha extraído 6 implicaciones de seguridad que están relacionadas con el uso de ChatGPT. Se incluye: generación de servicios fraudulentos, recopilación de información dañina, divulgación de datos privados, generación de texto malicioso, generación de código malicioso y producción de contenido ofensivo. La IA generativa como ChatGPT podría eliminar hasta 300 millones de puestos de trabajo en todo el mundo.
Los avances en la creación de robots autónomos han sido significativos en los últimos años, gracias a la integración de tecnologías como la inteligencia artificial, sensores y sistemas de toma de decisiones. Estos robots son capaces de ejecutar actividades y tareas sin la intervención directa de un ser humano.

En la era de la Industria 4.0, se espera que los robots autónomos sean capaces de interactuar y cooperar activamente con los humanos. Esto es posible gracias a tecnologías como Big Data, Inteligencia Artificial (Machine Learning, Deep Learning), que permiten estructurar el flujo de información proveniente de los sensores en inmensas bases de datos.

Sin embargo, es importante mencionar que, aunque la tecnología está avanzando rápidamente, la creación de robots completamente autónomos es un desafío complejo que implica muchos factores, incluyendo consideraciones éticas y de seguridad. Por lo tanto, es difícil predecir un marco de tiempo exacto para cuando se podrán crear robots autónomos utilizando tecnologías de aprendizaje automático.