\n<\/p>\n
El pasado mes de marzo, apenas<\/span> Dos semanas despu\u00e9s del lanzamiento de GPT-4, los investigadores de Microsoft anunciaron silenciosamente un plan para compilar millones de API (herramientas que pueden hacer de todo, desde pedir una pizza hasta resolver ecuaciones f\u00edsicas y controlar el televisor de la sala de estar) en un compendio que ser\u00eda hecho accesible a grandes modelos de lenguaje (LLM). Este fue solo un hito en la carrera entre la industria y el mundo acad\u00e9mico para encontrar las mejores formas de ense\u00f1ar a los LLM c\u00f3mo manipular herramientas, lo que potenciar\u00eda el potencial de la IA m\u00e1s que cualquiera de los impresionantes avances que hemos visto hasta la fecha.<\/p>\n El proyecto de Microsoft tiene como objetivo ense\u00f1ar a la IA c\u00f3mo utilizar todas y cada una de las herramientas digitales de una sola vez, un enfoque inteligente y eficiente. Hoy en d\u00eda, los LLM pueden hacer un buen trabajo recomend\u00e1ndole ingredientes para pizza si describe sus preferencias diet\u00e9ticas y puede redactar un di\u00e1logo que podr\u00eda utilizar cuando llame al restaurante. Pero la mayor\u00eda de las herramientas de inteligencia artificial no pueden realizar pedidos, ni siquiera en l\u00ednea. En contraste, la herramienta Asistente de Google, de siete a\u00f1os de antig\u00fcedad, puede sintetizar una voz en el tel\u00e9fono y completar un formulario de pedido en l\u00ednea, pero no puede elegir un restaurante ni adivinar su pedido. Sin embargo, al combinar estas capacidades, una herramienta que utilice IA podr\u00eda hacerlo todo. Un LLM con acceso a sus conversaciones pasadas y a herramientas como calculadoras de calor\u00edas, una base de datos de men\u00fas de restaurantes y su billetera de pago digital podr\u00eda determinar que est\u00e1 tratando de perder peso y desea una opci\u00f3n baja en calor\u00edas; encuentre el restaurante m\u00e1s cercano con los ingredientes que le gusten. y realizar el pedido de entrega. Si tiene acceso a su historial de pagos, podr\u00eda incluso adivinar con qu\u00e9 generosidad suele dar propinas. Si tiene acceso a los sensores de su reloj inteligente o rastreador de actividad f\u00edsica, podr\u00eda detectar cu\u00e1ndo su nivel de az\u00facar en la sangre es bajo y pedir el pastel antes de que se d\u00e9 cuenta de que tiene hambre.<\/p>\n Quiz\u00e1s las aplicaciones potenciales m\u00e1s convincentes del uso de herramientas sean aquellas que brindan a las IA la capacidad de mejorar. Supongamos, por ejemplo, que le pide ayuda a un chatbot para interpretar alguna faceta de la antigua ley romana de la que nadie hab\u00eda pensado incluir ejemplos en la capacitaci\u00f3n original del modelo. Un LLM facultado para buscar en bases de datos acad\u00e9micas y desencadenar su propio proceso de formaci\u00f3n podr\u00eda afinar su comprensi\u00f3n del derecho romano antes de responder. El acceso a herramientas especializadas podr\u00eda incluso ayudar a que un modelo como este se explique mejor. Si bien los LLM como GPT-4 ya hacen un trabajo bastante bueno al explicar su razonamiento cuando se les pregunta, estas explicaciones surgen de una \u00abcaja negra\u00bb y son vulnerables a errores y alucinaciones. Pero un LLM que utilice herramientas podr\u00eda analizar sus propios aspectos internos, ofreciendo evaluaciones emp\u00edricas de su propio razonamiento y explicaciones deterministas de por qu\u00e9 produjo la respuesta que produjo.<\/p>\n Si se le da acceso a herramientas para solicitar comentarios humanos, un LLM que utilice herramientas podr\u00eda incluso generar conocimiento especializado que a\u00fan no est\u00e1 capturado en la web. Podr\u00eda publicar una pregunta en Reddit o Quora o delegar una tarea a un humano en Mechanical Turk de Amazon. Incluso podr\u00eda buscar datos sobre las preferencias humanas mediante encuestas, ya sea para proporcionarle una respuesta directamente o para perfeccionar su propia capacitaci\u00f3n para poder responder mejor a las preguntas en el futuro. Con el tiempo, las IA que utilizan herramientas podr\u00edan empezar a parecerse mucho a los humanos que utilizan herramientas. Un LLM puede generar c\u00f3digo mucho m\u00e1s r\u00e1pido que cualquier programador humano, por lo que puede manipular los sistemas y servicios de su computadora con facilidad. Tambi\u00e9n podr\u00eda usar el teclado y el cursor de su computadora como lo har\u00eda una persona, permiti\u00e9ndole usar cualquier programa que usted utilice. Y podr\u00eda mejorar sus propias capacidades, utilizando herramientas para hacer preguntas, realizar investigaciones y escribir c\u00f3digo para incorporarlo a s\u00ed mismo.<\/p>\n Es f\u00e1cil ver c\u00f3mo este tipo de uso de herramientas conlleva enormes riesgos. Imagine que un LLM pudiera encontrar el n\u00famero de tel\u00e9fono de alguien, llamarlo y grabar subrepticiamente su voz, adivinar qu\u00e9 banco usa seg\u00fan los proveedores m\u00e1s importantes de su \u00e1rea, hacerse pasar por \u00e9l en una llamada telef\u00f3nica con el servicio de atenci\u00f3n al cliente para restablecer su contrase\u00f1a y liquidar su cuenta para hacer una donaci\u00f3n a un partido pol\u00edtico. Cada una de estas tareas invoca una herramienta simple (una b\u00fasqueda en Internet, un sintetizador de voz, una aplicaci\u00f3n bancaria) y el LLM escribe la secuencia de acciones utilizando las herramientas.<\/p>\n Todav\u00eda no sabemos qu\u00e9 tan exitosos ser\u00e1n estos intentos. Por muy fluidos que sean los LLM, no fueron creados espec\u00edficamente para operar herramientas, y queda por ver c\u00f3mo sus primeros \u00e9xitos en el uso de herramientas se traducir\u00e1n en casos de uso futuros como los que se describen aqu\u00ed. Como tal, darle a la IA generativa actual acceso repentino a millones de API, como planea hacer Microsoft, podr\u00eda ser un poco como dejar suelto a un ni\u00f1o peque\u00f1o en un dep\u00f3sito de armas.<\/p>\n<\/div>\n