“Hubo un cambio de simplemente presentar modelos a realmente construir productos”, dijo Arvind Narayanan, profesor de ciencias de la computación de la Universidad de Princeton y coautor del nuevo libro “AI Snake Oil: What Artificial Intelligence Can Do, What It Can’t, and How to Tell The Difference”, que trata sobre lo que la inteligencia artificial puede y no puede hacer, y cómo saber la diferencia.
Las primeras 100 millones de personas aproximadamente que experimentaron con ChatGPT tras su lanzamiento hace dos años buscaron activamente el chatbot, encontrándolo increíblemente útil en algunas tareas o risiblemente mediocre en otras. Ahora, esta tecnología de inteligencia artificial generativa está integrada en un número creciente de servicios tecnológicos, ya sea que la estemos buscando o no, por ejemplo, a través de las respuestas generadas por IA en los resultados de búsqueda de Google o nuevas técnicas de IA en herramientas de edición de fotos.
“Lo que principalmente estaba mal con la IA generativa el año pasado es que las empresas estaban lanzando estos modelos realmente poderosos sin una forma concreta de que las personas los utilizaran”, explicó Narayanan. “Lo que estamos viendo este año es la construcción gradual de estos productos que pueden aprovechar esas capacidades y hacer cosas útiles para las personas”.
Al mismo tiempo, desde que OpenAI lanzó GPT-4 en marzo de 2023 y los competidores introdujeron modelos de lenguaje de IA de gran rendimiento similares, estos modelos han dejado de volverse significativamente “más grandes y cualitativamente mejores”, restableciendo las expectativas exageradas de que la IA estaba avanzando cada pocos meses hacia una inteligencia mejor que la humana, añadió Narayanan. Eso también significó que el discurso público ha pasado de “¿la IA nos va a matar?” a tratarla como una tecnología normal, dijo.
