Buscar
Cerrar este cuadro de búsqueda.

Estado de la Inteligencia Artificial (IA)

 

El Índice AI es una iniciativa independiente del Instituto Stanford para la Inteligencia Artificial centrada en el ser humano (HAI), dirigida por el Comité Directivo del Índice AI, un grupo interdisciplinario de expertos de todo el mundo académico y la industria.

 

Rastrea, recopila, destila y visualiza datos relacionados con la Inteligencia Artificial, lo que permite a los responsables de la toma de decisiones tomar medidas significativas para promover la IA de manera responsable y ética teniendo en cuenta a los humanos.

 

 

El Índice de IA de 2023, cubre el mundo de la Inteligencia Artificial desde los logros de desempeño técnico, los avances en ética, las tendencias en educación y políticas hasta el impacto económico, la I+D y la contratación y la escena laboral.

 

Sirve como una de las fuentes más creíbles y autorizadas de datos e información sobre IA para proporcionar a los legisladores, investigadores, periodistas, ejecutivos y al público en general una comprensión más profunda del campo.

 

La misión de Stanford HAI es promover la investigación, la educación, las políticas y la práctica de la IA para mejorar la condición humana.

 

 

El estado de la IA en 14 puntos.

 

1. Ampliación de los LLM

 

Los grandes modelos de lenguaje de idiomas  siguen escalando en tamaño y costo.

 

GPT-2, lanzado en 2019 y considerado el primer gran modelo de lenguaje, tenía 1500 millones de parámetros y su entrenamiento costó aproximadamente $50000.

 

En 2021, se lanzó PaLM con 540 mil millones de parámetros y costó aproximadamente $8 millones.

 

No es solo PaLM: en general, los grandes modelos multimodales y de idiomas son cada vez más grandes y más caros, dado que se trata de estimaciones, se han calificado como medias, altas o bajas;

  • Medias; Donde se piensa que la estimación es una estimación de nivel medio.
  • Altas; Donde se piensa que es una sobre estimación
  • Bajas; Donde se piensa que puede ser una subestimación.

 

2. Se necesitan nuevos puntos de referencia

 

En el aspecto técnico, las herramientas de IA actuales siguen cumpliendo o superando los puntos de referencia.

 

Se vio una saturación de referencia en 2022, en 2023 la tendencia es mucho más pronunciada.

 

Esto demuestra que los sistemas de IA se han vuelto cada vez más capaces en los puntos de referencia más antiguos y requerirán pruebas más difíciles para ser desafiados por completo.

 

¿Qué tan buena es la IA?

 

De acuerdo con la mayoría de los puntos de referencia de rendimiento técnico que tenemos hoy, es casi perfecto.

 

Pero eso no significa que la mayoría de las herramientas de Inteligencia Artificial funcionen como queremos, según Vanessa Parli, directora asociada de programas de investigación en el Instituto Stanford para la IA centrada en el ser humano y miembro del comité directivo del índice AI.

 

Cita el ejemplo de ChatGPT;

 

Ha habido mucho entusiasmo y cumple bastante bien con algunos de estos puntos de referencia, pero en ocasiones da respuestas incorrectas, dice cosas que no queremos que diga y sigue siendo difícil interactuar con ella.

 

Según el Índice de IA más reciente;

 

La mayoría de los puntos de referencia están llegando a un punto en el que no podemos hacerlo mucho mejor, con una precisión del 80-90 %

 

Realmente necesitamos pensar en cómo nosotros, como humanos y sociedad, queremos interactuar con la IA y desarrollar nuevos puntos de referencia a partir de ahí, un objetivo que debe alcanzar el sistema de IA.

 

Se está viendo una saturación entre estos puntos de referencia, simplemente no hay ninguna mejora que hacer.

 

Los investigadores ya están comenzando a construir mejores puntos de referencia.

 

Stanford HAI, sede del Center for Research on Foundation Models (CRFM), iniciativa interdisciplinaria nacida del Stanford Institute for Human-Centered Artificial Intelligence (HAI) que tiene como objetivo lograr avances fundamentales en el estudio, desarrollo e implementación de modelos de cimentaciones, señala como modelo más óptimo a HELM.

 

HELM, analiza múltiples escenarios y múltiples tareas y es más completo que los puntos de referencia vistos en el pasado.

 

Considera no solo la precisión, sino también la equidad, la toxicidad, la eficiencia, la robustez y más.

 

Debido a que los puntos de referencia guían la dirección del desarrollo de la IA, deben alinearse más con la forma en que nosotros, como humanos y como sociedad, queremos interactuar con estas herramientas.

 

3. Los altos costos ambientales de la capacitación

 

Los grandes modelos  emiten grandes cantidades de emisiones de carbono, a través de una gran cantidad de parámetros en los modelos, la efectividad del uso de energía de los centros de datos e incluso la eficiencia de la red.

 

El emisor de carbono más pesado con diferencia fue el GPT-3, pero incluso el BLOOM, relativamente más eficiente, necesitó 433 MWh de energía para entrenar.

 

4. Más IA, más problemas

 

Según el repositorio de incidentes y controversias de IA, algoritmos y automatización, los problemas informados son 26 veces mayores en 2021 que en 2022.

 

Debido tanto a un aumento en el uso de IA como a una mayor conciencia de su uso indebido.

 

Algunos de esos problemas informados incluyeron una falsificación, tecnología de reconocimiento facial para tratar de rastrear a los pandilleros y evaluar su riesgo, y tecnología de vigilancia para escanear y determinar los estados emocionales de los estudiantes.

 

 

5. Más documentos relacionados con la ética

 

La Conferencia sobre Equidad, Responsabilidad y Transparencia, o FAccT, experimentó un aumento del doble en las presentaciones, eso demuestra un mayor interés en la ética de la IA y el trabajo relacionado.

 

 

6. Aumento de la demanda laboral de IA

 

Se produjo un aumento en las ofertas de trabajo que buscaban habilidades de IA en todos los sectores, y la cantidad de ofertas de trabajo de IA en general fue notablemente mayor, principalmente en el sector información.

 

 

7. Caídas de inversión corporativa desde 2021

 

La inversión corporativa, fusiones, adquisiciones, participaciones minoritarias, inversión privada y ofertas públicas, cayó en 2022.

 

 

8. La fiebre de los robots de China

 

Las instalaciones robóticas aumentaron  en todo el mundo, siendo China el país que priorizó la integración de robots.

 

En 2021, China instaló más robots que el resto del mundo combinado y, en la actualidad, el país representa el 51,8 % de todas las instalaciones robóticas industriales.

 

 

9. La industria atrae talento, el gobierno se retrasa

 

Cuando los doctores en IA recién emitidos dejan la escuela, la mayoría se dirige a trabajos de la industria.

 

La cantidad de nuevos doctores que se dirigen a funciones de gobierno es un escaso 0,7%, relativamente sin cambios en la última media década.

 

 

10. Más países aprueban legislación relacionada con la IA

 

Los cuerpos legislativos de 127 países aprobaron 37 leyes que incluían las palabras «Inteligencia Artificial» el año pasado.

 

Estados Unidos encabezó la lista, al aprobar nueve leyes, seguido de España (5) y Filipinas (4).

 

Los proyectos de ley incluyeron uno en Filipinas que discutía las reformas educativas para enfrentar los desafíos causados por las nuevas tecnologías, incluida la IA.

 

Un proyecto de ley español centrado en la no discriminación y la responsabilidad en los algoritmos de IA y una ley que establece un programa de capacitación en IA a través de la Oficina de Administración y Presupuesto de EE. UU.

 

Desde 2016, los países han aprobado 123 proyectos de ley relacionados con la IA.

 

 

11. El presupuesto federal de EEUU para IA aumenta

 

El gobierno de los EEUU continúa transfiriendo fondos a la investigación y el desarrollo de IA.

 

En 2022, las agencias gubernamentales de EEUU asignaron $1.7 mil millones a I+D de IA, más que el año anterior y un aumento con respecto a 2021.

 

 

12. Más mujeres se gradúan en Ciencias de la Computación

 

Aunque la IA y los campos STEM en general, continúan luchando con la diversidad, más mujeres están ingresando al campo.

 

El porcentaje de mujeres entre los graduados de licenciatura en ciencias de la computación aumentó, continuando una tendencia más amplia en la última década.

 

13. Diversidad étnica más amplia

 

Los licenciados en ciencias de la computación se están volviendo más diversos étnicamente.

 

Si bien los estudiantes blancos aún constituyen la mayoría de los nuevos graduados, la proporción de nuevos graduados que son asiáticos, hispanos o multi raciales ha aumentado constantemente durante la última década.

 

14. Más mujeres docentes

 

Más mujeres están siendo contratadas como profesoras de informática, informática y educación continua.

 

Aunque el cuerpo docente de las universidades de América del Norte todavía está muy sesgado por los hombres, la proporción de mujeres ha alcanzado ahora un nuevo máximo.

 

 

Referencias;

hai.stanford.edu/news/2023-state-ai-14-charts

hai.stanford.edu/news/ai-benchmarks-hit-saturation

aiaaic.org/aiaaic-repository

Imagen;

lindo-icono-isometrico-robot-inteligencia-artificial > de macrovector > en Freepik > freepik.es