Mantenerse al d\u00eda con una industria que evoluciona tan r\u00e1pidamente como la IA es una tarea dif\u00edcil. Entonces, hasta que una IA pueda hacerlo por usted, aqu\u00ed hay un resumen \u00fatil de historias recientes en el mundo del aprendizaje autom\u00e1tico, junto con investigaciones y experimentos notables que no cubrimos por s\u00ed solos.<\/p>\n
Esta semana en AI, Microsoft present\u00f3 una nueva distribuci\u00f3n de teclado de PC est\u00e1ndar con una tecla \u00abCopilot\u00bb. Escuchaste correctamente: en el futuro, las m\u00e1quinas con Windows tendr\u00e1n una tecla dedicada para iniciar el asistente Copilot impulsado por IA de Microsoft, reemplazando la tecla Control derecha.<\/p>\n
Se imagina que la medida pretende se\u00f1alar la seriedad de la inversi\u00f3n de Microsoft en la carrera por el dominio de la IA para los consumidores (y las empresas, en realidad). Es la primera vez que Microsoft cambia la distribuci\u00f3n del teclado de Windows en ~30 a\u00f1os; Est\u00e1 previsto que las computadoras port\u00e1tiles y los teclados con la tecla Copilot se env\u00eden a finales de febrero.<\/p>\n
\u00bfPero es todo fanfarroner\u00eda? \u00bfLos usuarios de Windows realmente desear<\/em> \u00bfUn atajo de IA, o el tipo de IA de Microsoft?<\/p>\n Microsoft ciertamente hizo un espect\u00e1culo al inyectar a casi todos sus productos nuevos y antiguos la funcionalidad \u201cCopilot\u201d. Con discursos llamativos, demostraciones ingeniosas y, ahora, una clave de IA, la compa\u00f1\u00eda est\u00e1 haciendo que su tecnolog\u00eda de IA destaque y apuesta por esto para impulsar la demanda.<\/p>\n La demanda no es algo seguro. Pero para ser justos. Algunos proveedores han logrado convertir los \u00e9xitos virales de la IA en \u00e9xitos. Mire OpenAI, el creador de ChatGPT, que supuestamente super\u00f3 los 1.600 millones de d\u00f3lares en ingresos anualizados a finales de 2023. La plataforma de arte generativo Midjourney aparentemente tambi\u00e9n es rentable, y a\u00fan no ha recibido ni un centavo de capital externo.<\/p>\n Enf\u00e1sis en algunos, <\/em>aunque. La mayor\u00eda de los proveedores, agobiados por los costos de capacitaci\u00f3n y ejecuci\u00f3n de modelos de inteligencia artificial de vanguardia, han tenido que buscar tramos de capital cada vez mayores para mantenerse a flote. Por ejemplo, se dice que Anthropic est\u00e1 recaudando 750 millones de d\u00f3lares en una ronda que elevar\u00eda el total recaudado a m\u00e1s de 8 mil millones de d\u00f3lares.<\/p>\n Microsoft, junto con sus socios de chips AMD e Intel, espera que el procesamiento de IA pase cada vez m\u00e1s de los costosos centros de datos al silicio local, mercantilizando la IA en el proceso, y bien podr\u00eda tener raz\u00f3n. La nueva l\u00ednea de chips de consumo de Intel incluye n\u00facleos dise\u00f1ados a medida para ejecutar IA. Adem\u00e1s, los nuevos chips para centros de datos como el de Microsoft podr\u00edan hacer que el entrenamiento de modelos sea una tarea menos costosa de lo que es actualmente.<\/p>\n Pero no hay garant\u00eda. La verdadera prueba ser\u00e1 ver si los usuarios de Windows y los clientes empresariales, bombardeados con lo que equivale a publicidad de Copilot, muestran apetito por la tecnolog\u00eda y pagan por ella. Si no lo hacen, puede que no pase mucho tiempo antes de que Microsoft tenga que redise\u00f1ar el teclado de Windows una vez m\u00e1s.<\/p>\n Aqu\u00ed hay algunas otras historias destacadas de IA de los \u00faltimos d\u00edas:<\/p>\n Quiz\u00e1s recuerde varios ejemplos de trabajos interesantes realizados durante el \u00faltimo a\u00f1o que implicaron realizar cambios menores en im\u00e1genes que hacen que los modelos de aprendizaje autom\u00e1tico confundan, por ejemplo, la imagen de un perro con la imagen de un autom\u00f3vil. Lo hacen a\u00f1adiendo \u00abperturbaciones\u00bb, cambios menores en los p\u00edxeles de la imagen, en un patr\u00f3n que s\u00f3lo el modelo puede percibir. O al menos ellos pensamiento<\/em> S\u00f3lo el modelo pod\u00eda percibirlo.<\/p>\n Un experimento realizado por investigadores de Google DeepMind demostr\u00f3 que cuando se alteraba una imagen de flores para que pareciera m\u00e1s felina a la IA, era m\u00e1s probable que las personas describieran esa imagen como m\u00e1s felina a pesar de que definitivamente ya no se parec\u00eda a un gato. Lo mismo ocurre con otros objetos comunes como camiones y sillas.<\/p>\n Cr\u00e9ditos de imagen:<\/strong> Google DeepMind<\/p>\n<\/div>\n \u00bfPor qu\u00e9? \u00bfC\u00f3mo? Los investigadores realmente no lo saben, y todos los participantes sintieron que estaban eligiendo al azar (de hecho, la influencia, aunque confiable, apenas est\u00e1 por encima del azar). Parece que somos m\u00e1s perceptivos de lo que pensamos, pero esto tambi\u00e9n tiene implicaciones sobre la seguridad y otras medidas, ya que sugiere que las se\u00f1ales subliminales podr\u00edan propagarse a trav\u00e9s de im\u00e1genes sin que nadie se d\u00e9 cuenta.<\/p>\n Esta semana surgi\u00f3 del MIT otro experimento interesante que involucra la percepci\u00f3n humana, que utiliz\u00f3 el aprendizaje autom\u00e1tico para ayudar a dilucidar un sistema particular de comprensi\u00f3n del lenguaje. B\u00e1sicamente, algunas oraciones simples, como \u201cCamin\u00e9 hasta la playa\u201d, apenas requieren capacidad cerebral para decodificarlas, mientras que otras complejas o confusas como \u201cen cuyo sistema aristocr\u00e1tico se efect\u00faa una revoluci\u00f3n sombr\u00eda\u201d producen una activaci\u00f3n mayor y m\u00e1s amplia, medida por resonancia magn\u00e9tica funcional.<\/p>\n El equipo compar\u00f3 las lecturas de activaci\u00f3n de humanos que leen una variedad de oraciones de este tipo con c\u00f3mo las mismas oraciones activaron el equivalente de \u00e1reas corticales en un modelo de lenguaje grande. Luego hicieron un segundo modelo que aprendi\u00f3 c\u00f3mo los dos patrones de activaci\u00f3n se correspond\u00edan entre s\u00ed. Este modelo fue capaz de predecir, para oraciones novedosas, si afectar\u00edan la cognici\u00f3n humana o no. Puede que suene un poco arcano, pero definitivamente es s\u00faper interesante, cr\u00e9anme.<\/p>\n A\u00fan es una cuesti\u00f3n abierta si el aprendizaje autom\u00e1tico puede imitar la cognici\u00f3n humana en \u00e1reas m\u00e1s complejas, como la interacci\u00f3n con interfaces de computadora. Sin embargo, hay mucha investigaci\u00f3n y siempre vale la pena echarle un vistazo. Esta semana tenemos SeeAct, un sistema de investigadores del estado de Ohio que funciona fundamentando laboriosamente las interpretaciones de un LLM sobre posibles acciones en ejemplos del mundo real.<\/p>\n Cr\u00e9ditos de imagen:<\/strong> Universidad del Estado de Ohio<\/p>\n<\/div>\n B\u00e1sicamente, puede pedirle a un sistema como GPT-4V que cree una reserva en un sitio, y sabr\u00e1 cu\u00e1l es su tarea y que debe hacer clic en el bot\u00f3n \u00abhacer reserva\u00bb, pero realmente no sabe c\u00f3mo hacerlo. . Al mejorar la forma en que percibe las interfaces con etiquetas expl\u00edcitas y conocimiento del mundo, puede hacerlo mucho mejor, incluso si solo tiene \u00e9xito una fracci\u00f3n de las veces. Estos modelos de agentes tienen un largo camino por recorrer, \u00a1pero de todos modos se esperan muchas reclamaciones importantes este a\u00f1o! Acabo de escuchar algunos hoy.<\/p>\n A continuaci\u00f3n, consulte esta interesante soluci\u00f3n a un problema que no ten\u00eda idea de que exist\u00eda pero que tiene mucho sentido. Los barcos aut\u00f3nomos son un \u00e1rea prometedora de automatizaci\u00f3n, pero cuando el mar est\u00e1 enojado es dif\u00edcil asegurarse de que van por buen camino. El GPS y los giroscopios no son suficientes, y la visibilidad tambi\u00e9n puede ser mala, pero lo m\u00e1s importante es que los sistemas que los gobiernan no son demasiado sofisticados. Por lo tanto, pueden desviarse completamente del objetivo o desperdiciar combustible en grandes desv\u00edos si no conocen nada mejor, un gran problema si est\u00e1s usando la bater\u00eda. \u00a1Ni siquiera hab\u00eda pensado en eso!<\/p>\n La Universidad Mar\u00edtima y Oce\u00e1nica de Corea (otra cosa que aprend\u00ed hoy) propone un modelo de b\u00fasqueda de rutas m\u00e1s poderoso basado en la simulaci\u00f3n de movimientos de barcos en un modelo computacional de din\u00e1mica de fluidos. Proponen que esta mejor comprensi\u00f3n de la acci\u00f3n de las olas y su efecto sobre los cascos y la propulsi\u00f3n podr\u00eda mejorar seriamente la eficiencia y seguridad del transporte mar\u00edtimo aut\u00f3nomo. \u00a1Incluso podr\u00eda tener sentido usarlo en embarcaciones guiadas por humanos cuyos capitanes no est\u00e1n muy seguros de cu\u00e1l es el mejor \u00e1ngulo de ataque para una borrasca u ola determinada!<\/p>\n Por \u00faltimo, si desea un buen resumen de los grandes avances en inform\u00e1tica del a\u00f1o pasado, que en 2023 se superpusieron enormemente con la investigaci\u00f3n de ML, consulte la excelente revisi\u00f3n de Quanta.<\/p>\n<\/p><\/div>\n\n
M\u00e1s aprendizajes autom\u00e1ticos<\/h2>\n
![\"\"](\"https:\/\/techcrunch.com\/wp-content\/uploads\/2024\/01\/action_grounding.png\")
<\/p>\n