\n<\/p>\n
Los valets virtuales m\u00e1s famosos que existen hoy en d\u00eda (Siri, Alexa y el Asistente de Google) son mucho menos impresionantes que los \u00faltimos chatbots impulsados \u200b\u200bpor inteligencia artificial como ChatGPT o Google Bard. Cuando los frutos del reciente auge de la IA generativa se integren adecuadamente en esos robots asistentes heredados, seguramente se volver\u00e1n mucho m\u00e1s interesantes.<\/p>\n
Para obtener una vista previa de lo que sigue, prob\u00e9 un asistente de voz de IA experimental llamado vimGPT. Cuando le ped\u00ed que \u00absuscribiera a WIRED\u00bb, se puso a trabajar con una habilidad impresionante, encontr\u00f3 la p\u00e1gina web correcta y accedi\u00f3 al formulario en l\u00ednea. Si tuviera acceso a los datos de mi tarjeta de cr\u00e9dito, estoy bastante seguro de que lo habr\u00eda acertado.<\/p>\n
Aunque no es una prueba de inteligencia para un ser humano, comprar algo en l\u00ednea en la web abierta es mucho m\u00e1s complicado y desafiante que las tareas que normalmente realizan Siri, Alexa o el Asistente de Google. (Establecer recordatorios y obtener resultados deportivos es cosa de 2010). Requiere dar sentido a la solicitud, acceder a la web para encontrar el sitio correcto y luego interactuar correctamente con la p\u00e1gina o los formularios relevantes. Mi ayudante naveg\u00f3 correctamente a la p\u00e1gina de suscripci\u00f3n de WIRED e incluso encontr\u00f3 el formulario all\u00ed, presumiblemente impresionado por la perspectiva de recibir todo el periodismo entretenido y revelador de WIRED por solo $1 al mes, pero cay\u00f3 en el \u00faltimo obst\u00e1culo porque no ten\u00eda una tarjeta de cr\u00e9dito. VimGPT utiliza el navegador de c\u00f3digo abierto Chromium de Google que no almacena informaci\u00f3n del usuario. Mis otros experimentos demostraron que el agente es, sin embargo, muy experto en buscar v\u00eddeos divertidos de gatos o encontrar vuelos baratos.<\/p>\n
VimGPT es un programa experimental de c\u00f3digo abierto creado por Ishan Shah, un desarrollador solitario, no un producto en desarrollo, pero puedes apostar que Apple, Google y otros est\u00e1n haciendo experimentos similares con miras a actualizar Siri y otros asistentes. VimGPT se basa en GPT-4V, la versi\u00f3n multimodal del famoso modelo de lenguaje de OpenAI. Al analizar una solicitud, puede determinar en qu\u00e9 hacer clic o escribir de manera m\u00e1s confiable que el software de s\u00f3lo texto, que tiene que intentar darle sentido a la web desenredando HTML desordenado. \u00abDentro de un a\u00f1o, esperar\u00eda que la experiencia de usar una computadora fuera muy diferente\u00bb, dice Shah, quien dice que construy\u00f3 vimGPT en s\u00f3lo unos d\u00edas. \u00abLa mayor\u00eda de las aplicaciones requerir\u00e1n menos clics y m\u00e1s chat, y los agentes se convertir\u00e1n en una parte integral de la navegaci\u00f3n por la web\u00bb.<\/p>\n
Shah no es la \u00fanica persona que cree que el siguiente paso l\u00f3gico despu\u00e9s de los chatbots como ChatGPT son los agentes que usan computadoras y navegan por la Web. Ruslan Salakhutdinov, profesor de la Universidad Carnegie Mellon que fue director de investigaci\u00f3n de IA de Apple de 2016 a 2020, cree que Siri y otros asistentes est\u00e1n en camino a una poderosa actualizaci\u00f3n de la IA. \u00abLa pr\u00f3xima evoluci\u00f3n ser\u00e1n los agentes que puedan realizar tareas \u00fatiles\u00bb, afirma Salakhutdinov. Ser\u00eda \u00fatil conectar a Siri a una IA que impulse ChatGPT, dice, \u201cpero tendr\u00e1 mucho m\u00e1s impacto si le pido a Siri que haga cosas y ella simplemente resuelve mis problemas por m\u00ed\u201d.<\/p>\n
Salakhutdinov y sus estudiantes han desarrollado varios entornos simulados dise\u00f1ados para probar y perfeccionar las habilidades de los ayudantes de IA que pueden hacer las cosas. Incluyen un sitio web ficticio de comercio electr\u00f3nico, una versi\u00f3n simulada de un tablero de mensajes similar a Reddit y un sitio web de anuncios clasificados. Este campo de pruebas virtual para poner a prueba a los agentes se llama VisualWebArena.<\/p>\n<\/div>\n