La inteligencia artificial sirve para emular características o capacidades exclusivas de los seres humanos. Recurrentemente, la utilizan para generar flujos de texto coherente sin necesidad de entrenamiento previo, solo basta una instrucción. Sin embargo, no ha resultado tan prometedora como para suplantar el intelecto humano. Carece de sentido común, cometen constantes errores y sus respuestas sonpeligrosas o indescifrables.
Los científicos no ceden en la búsqueda de una tecnología completamente eficaz para que la IA tenga sentido común y un óptimo desarrollo en el ámbito del lenguaje. El año pasado, un modelo de inteligencia artificial denominado GPT-3, creado por la empresa OpenAI, cautivó a muchos tecnólogos de Sillicon Valley, por su aparente dominio del lenguaje. Parecía que su capacidad de imitar el texto escrito por personas era un hito en el camino hacia la verdadera inteligencia artificial.
GPT-3 tiene lo mejor y lo peor de la inteligencia artificial
GPT-3 se entrenó con miles de libros de texto y la mayor parte del contenido de Internet, así lograba unir palabras y frases. Costó más de diez millones de dólares. Arram Sabeti, fundador de una empresa emergente que opera en Silicon Valley, quedó atónito al ver cómo funcionaba la tecnología. «Es mucho más coherente que ningún otro sistema de lenguaje basado en IA que yo conozca. Tan solo hay que proporcionarle una instrucción y el algoritmo añadirá el texto que considere más oportuno», dijo.
Además, consiguieron que escriba canciones, relatos, comunicados de prensa, tablaturas de guitarra, entrevistas, ensayos y manuales técnicos. «Es divertido y aterrador. Tengo la sensación de haber visto el futuro», admitió Sabeti.
Sus desarrolladores también evaluaron la capacidad de GPT-3 para resumir documentos legales, sugerir respuestas en servicios de atención al cliente, proponer códigos informáticos, crear juegos de rol basados en texto y hasta identificar personas en situación de riesgo. Así descubrieron que GPT-3 carecía de cualquier tipo de comprensión del mundo real y de las implicaciones connotativas de las palabras con las que trabaja. El modelo, suele repetir palabras o se contradice en los párrafos de texto más largos. A menudo cometía errores tontos y divertidos. Se necesitan varios intentos para que genere algo sensato y correcto gramaticalmente.
Este modelo de IA, como ocurre con los bots conversacionales más modestos, puede generar discursos de odio o estereotipos racistas y sexistas si se busca que lo haga, lo cual refleja fielmente las asociaciones presentes en sus datos de entrenamiento, pero no puede crear. Le falta la imaginación.
Uso de inteligencia artificial en la ciencia
Aunque no le ha ido bien a la tecnología basada en IA en la creación de modelos de comunicación, el laboratorio de investigación de DeepMind (empresa matriz de Google) en Londres, el Reino Unido, ha completado probablemente su logro más grande hasta la fecha: un mapa completo de proteínas humanas tridimensionales, mediante la inteligencia artificial.
Las proteínas, moléculas esenciales para la vida, son largas, complejas y tienen determinado su propósito en el organismo que depende de su estructura y de cómo se plieguen. Desde hace muchos años este ha sido un foco de la investigación científica intensiva. Son difíciles de analizar y requieren complejos experimentos para determinar su forma final.
Este innovador sistema creado por la filial de Google, con su potente inteligencia artificial llamada AlphaFold, ha sido capaz de predecir con gran exactitud la estructura proteica de la mayor parte de las proteínas que integran el cuerpo humano (un 98%). También las proteínas de otros 20 animales comunes en las investigaciones científicas, Finalmente, consiguió alrededor de 350.000 estructuras de proteínas por predicción y sin necesidad de experimentos largos y complicados.
Tecnología para el futuro
El hallazgo, publicado en la revista Nature, hará que se lleven a cabo una variedad de investigaciones sobre el funcionamiento del cuerpo o el diseño de nuevos medicamentos. DeepMind considera que todos los datos serán públicos y gratuitos para que cualquier persona pueda descargarlos y analizarlos o usarlos por su cuenta. La idea es seguir realizando predicciones de estructuras de proteínas y publicar alrededor de 100 millones de ellas.
Hasta el año 2018 las mejores tecnologías de este tipo sólo acertaban en torno a un 40%. Ahora, con el uso del algoritmo AlphaFold se ha podido alcanzar una precisión de hasta un 95%. Se trata de la misma tecnología que identifica los comandos presentes en un teléfono inteligente que reconoce las caras en las fotos o traduce un idioma a otro. Muchos expertos dicen que AlphaFold es una de las aplicaciones más potentes de la tecnología.
“Pensé que tardaría otros diez años. Esto ha sido un cambio total”, señaló Randy Read, profesor de la Universidad de Cambridge.
No obstante, el sistema no puede sustituir completamente los experimentos físicos. Se utiliza junto con el trabajo en la mesa de laboratorio, donde ayuda a los científicos a determinar qué experimentos deben realizar y a llenar los vacíos cuando los experimentos fallan.
Lea también en Cambio16.com:
Conforme a los criterios de 
Saber más
