La IA se pasea por el campo
Noticias recientes de Inteligencia Artificial que importan a los negocios
Analizamos el impacto de la Inteligencia Artificial en el sector agrícola, del que se habla poco, pero que puede cambiar para siempre la forma de producir alimentos. Los grandes modelos de lenguaje producen resultados cada vez más sorprendentes y no parece que hayamos tocado techo aún. Veremos, a partir de dos trabajos académicos, qué podemos hacer para medir su progreso de manera más objetiva, y si, conforme aumentamos su tamaño, pueden seguir emergiendo nuevas habilidades. Por último, reflexionaremos sobre un artículo que alerta sobre la necesidad de que las grandes corporaciones introduzcan la figura del CAIO (Chief Artificial Intelligence Officer).
La mayor fábrica del mundo
Una de las principales características de la Inteligencia Artificial es que su capacidad de transformación va más allá de los negocios nativos digitales. La visión por computador es un campo que ha experimentado una auténtica revolución gracias al deep learning, dando paso a una era en la que el software ya tiene la capacidad de ver y percibir lo que ocurre su entorno. Este nuevo paradigma posibilita la automatización de tareas en sectores tradicionalmente menos digitalizados como es la agricultura. Al igual que sucede con la conducción autónoma, el ritmo de adopción está siendo mucho más lento de lo esperado. Sin embargo, esto podría cambiar en los próximos años si analizamos los movimientos que hoy están haciendo las grandes empresas que suministran maquinaria al sector agrícola.
John Deere, uno de los mayores fabricantes enfocados en este sector, acaba de anunciar una máquina que mediante técnicas de visión artificial es capaz de eliminar las malas hierbas de manera automática y con precisión milimétrica. Esto permite un menor consumo de herbicida, con la consiguiente disminución del impacto medioambiental. La misma máquina se puede utilizar también para aplicar otros productos químicos sobre la planta, como insecticidas, fungicidas y fertilizantes, cuando se ha detectado la necesidad y con la dosis justa. Como suele ocurrir con empresas de gran tamaño, esta tecnología ha llegado tras la adquisición de la startup Blue River Technology en 2017. Para hacernos una idea de la apuesta que hace John Deere, basta con ver que el equipo de IA de la empresa, que surgió tras esta adquisición, ha pasado de 50 a 400 empleados en los últimos 5 años.
El siguiente paso que se está empezando a vislumbrar es la conducción autónoma de toda esta maquinaria. Observando al mismo fabricante, John Deere anuncia el primer tractor de arado autónomo disponible a partir del próximo otoño. Además, por medio de la adquisición de la startup Bear Flag Robotics, incorporará su tecnología para convertir sus tractores existentes en autónomos. Si con la pulverizadora el beneficio se refleja en un aumento del rendimiento de la plantación con un coste menor en productos químicos, con la conducción autónoma se ataca uno de los mayores problemas que acontecen en el campo: la falta de mano de obra.
Y, por último, debemos hablar también de los avances en la automatización del proceso de recogida de fruta. Es una tarea más difícil de lo que parece, pues no sólo requiere de los avances de visión artificial, sino también del control robótico para extraer las frutas de las plantas sin provocarles ningún daño que impida la posterior venta al público. Así que todavía estamos lejos de ver robots que se adapten a la gran variedad de plantas que existen, pero sí que empezamos a ver máquinas especializadas en un sólo tipo de fruta. Por ejemplo, la empresa Fieldwork Robotics acaba de presentar un prototipo capaz de recoger la frambuesa, una fruta caracterizada por su gran fragilidad.
En definitiva, parece que la revolución silenciosa de la que hablábamos en el anterior Explicable, además de en la industria, también se está produciendo en el campo.
En un periodo de inflación como el que estamos viviendo, la tecnología puede jugar un papel clave para abaratar los costes de producción y garantizar alimentos a una población cada vez más numerosa.
Del mismo modo, también es importante que cualquier agricultor tenga las mismas oportunidades para acceder a esta tecnología, para que no se convierta el campo en una gran fábrica en manos de unas pocas empresas que son las únicas que pueden afrontar su elevado coste de adquisición.
Hay que subir el listón
Desde la aparición de GPT-3 en 2020, el campo del Procesamiento de Lenguaje Natural (NLP, Natural Language Processing en inglés) ha dado un paso de gigante en la resolución de tareas de comprensión del lenguaje. Lo que resulta más curioso de estos grandes modelos es que son entrenados para la única tarea de predecir la siguiente palabra de un corpus de texto enorme. Y a pesar de esto, una vez entrenados, son capaces de resolver múltiples tareas de lenguaje a partir del contexto previo o prompt adecuado. Por ejemplo, análisis de sentimiento, traducción automática, detección de reconocimiento de entidades, y prácticamente cualquier otra tarea de NLP que podamos describir en lenguaje natural mediante el prompt. GPT-3 es uno de los primeros modelos de Inteligencia Artificial que es capaz de realizar un amplio conjunto de tareas para las que no ha sido entrenado explícitamente, gracias a la flexibilidad que ofrece este prompt para definir la tarea con sencillas instrucciones.
Hoy en día, tenemos modelos de lenguaje mucho más avanzados que GPT-3, que superan los benchmarks establecidos. Se trata de las pruebas que se crean para medir el desempeño de estos modelos en diferentes áreas cognitivas: comprensión, razonamiento, aritmética, etc. Sin embargo, sabemos que superar un benchmark pensado para medir la capacidad de razonamiento de un modelo, no implica que ese modelo sea capaz de razonar. Así que es necesario aumentar la dificultad de estas pruebas para medir de una manera más objetiva el desempeño real, siempre teniendo en cuenta que aún estamos lejos de las capacidades cognitivas de un humano.
En este sentido, acaba de aparecer una publicación científica con un nuevo benchmark llamado BIG-bench, y pensado para los futuros grandes modelos de lenguaje. Este trabajo ha sido una macro-colaboración de 444 investigadores pertenecientes a 132 instituciones, incluyendo universidades y empresas que hacen investigación de IA aplicada, como Google. El resultado son 204 tareas de NLP que han aplicado a los grandes modelos de lenguaje existentes, demostrando que todavía queda mucho recorrido para seguir mejorando las prestaciones actuales.
Cinco días más tarde, se publica otro paper de Google en colaboración con la Universidad de Stanford, donde revelan un hallazgo sorprendente con respecto a los grandes modelos de lenguaje: las habilidades que muestran estos modelos emergen a partir de un tamaño dado. Es decir, el modelo es incapaz de resolver una tarea concreta, ni siquiera parcialmente, hasta que tiene el tamaño adecuado. Las implicaciones que puede tener este hallazgo, de confirmarse, son muy relevantes para el campo del deep learning: no podemos predecir las habilidades que pueden llegar a tener estos modelos en el futuro cuando aumente su escala, en base a lo que vemos que pueden hacer con el tamaño de hoy. Por el momento, este comportamiento medido y demostrado en el artículo, replica con exactitud lo que hemos presenciado en la última década. Aún así, nos seguimos haciendo la misma pregunta: ¿existe un techo en las habilidades que se pueden lograr con el deep learning y los métodos de aprendizaje actuales? En los próximos años tendremos la respuesta.
Más información:
Nueva figura en las corporaciones: CAIO
Ya hemos hablado en otras ocasiones que la Inteligencia Artificial está convirtiendo la ola del software en un tsunami, estando cada vez más presente en todas las empresas. Desde que apareció la IA como tecnología de propósito general, nos encontramos en un periodo de asimilación de cambios en el que no existen normas que la regulen. Esto está empezando a cambiar, con la inminente aprobación de un reglamento que regulará la IA en Europa y de obligado cumplimiento para todas las empresas que operen en los países miembros. EE.UU. también ha anunciado un comité donde representantes de la administración pública, universidades y empresa privada sentarán las bases de una futura regulación en el país norteamericano. Además del esfuerzo legislativo, existe otra corriente en la sociedad que clama por una IA ética y que puede tener un impacto en la imagen que proyectan las empresas.
Ante este panorama, las grandes corporaciones tienen el desafío de desarrollar tecnología que cumpla con la legislación una vez entre en vigor, y hacer frente a las posibles demandas legales o daños en su reputación que puedan sufrir.
Según el artículo del que nos hacemos eco, estas corporaciones necesitan con gran celeridad la figura del CAIO (Chief Artificial Intelligence Officer), un puesto en el nivel ejecutivo con un perfil híbrido entre tecnología y leyes. Esta figura sería la encargada de supervisar el uso de la IA en la organización, para cumplir con la ley y con los principios éticos del momento.
Vivimos en una época donde la tecnología juega un papel cada vez más decisivo en la competitividad de las empresas, y deben ser todas las áreas las que la comprendan y hagan un uso responsable de la misma.
Ya observamos a muchas grandes empresas que cuentan con este perfil, que además de velar por los aspectos legales, ayuda a coordinar los esfuerzos de introducir la IA en la organización lo antes posible. No sabemos el recorrido que tendrá esta figura, que hoy puede estar de moda, pero que podría ser de forma temporal mientras las empresas se ponen al día. Es de esperar que a medida que el grado de adopción de la IA aumenta en las empresas, el peso y la responsabilidad del uso de esta tecnología no recaiga en una única persona.
Más info: https://venturebeat.com/2022/06/07/this-ai-attorney-says-companies-need-a-chief-ai-officer-pronto/
Gracias por leer Explicable. Si te ha gustado esta edición, no te olvides de dar al ♡ y de compartirla por redes sociales o por email con otras personas a las que les pueda gustar. Si quieres suscribirte, déjanos tu correo a continuación.
Excelente resumen para estar actualizado en lo más destacado en lo concerniente a la IA
Muy interesante, como siempre! Este tema del CAIO da para muchas consideraciones doctrinarias, estaré pendiente de los ulteriores desarrollos que informen al respecto. Gracias!