Ciència

Què pot fer realment la IA avui?

La intel·ligència artificial no té consciència, només és eficient en tasques específiques

Sorgeixen noves oportunitats laborals gràcies a la IA generativa i els seus avenços

En els últims anys, la intel·ligència artificial (IA) ha passat de ser un concepte de ciència-ficció a una realitat omnipresent en les nostres vides. Tot i això, aquest ràpid avenç ha generat una gran quantitat de mites i falses creences. Una de les més comunes és que la IA té consciència pròpia i pot pensar com els humans. Aquesta idea, alimentada per pel·lícules de ciència-ficció, està lluny de la realitat actual. Carme Torras, investigadora de l’Institut de Robòtica i Informàtica Industrial (CSIC-UPC) de Barcelona, explica que “els sistemes d’IA actuals són extremament eficients en tasques específiques, però no tenen comprensió real del que fan ni consciència de si mateixos”.

Per entendre millor què pot fer realment la IA, és útil conèixer els diferents tipus que n’hi ha. La IA feble o estreta, que és la més comuna avui, està dissenyada per realitzar tasques específiques i no té capacitat de generalització més enllà del seu àmbit concret. Un exemple és el sistema de reconeixement facial que utilitza el nostre telèfon mòbil per desbloquejar-se.

Un pas més enllà trobem la IA generativa, que ha guanyat molta atenció recentment amb sistemes com ChatGPT o DALL-E 2, d’OpenAI. Aquests sistemes poden generar text, imatges o, fins i tot, música basant-se en les dades amb què han estat entrenats. El professor de la UPC i investigador del Barcelona Supercomputing Center Jordi Torres destaca que “la IA generativa està obrint noves possibilitats en camps com el disseny, la publicitat i, fins i tot, la creació artística, però és important entendre que aquestes IA no creen des del no-res, sinó que combinen i transformen la informació que han après”.

Un altre mite comú és que la IA pot aprendre i millorar per si mateixa indefinidament. Si bé és cert que alguns sistemes d’IA utilitzen tècniques d’aprenentatge automàtic per millorar amb l’experiència, aquest està limitat pel seu disseny i les dades disponibles. Per exemple, el projecte AlphaFold de Google DeepMind ha aconseguit predir l’estructura de les proteïnes amb una precisió sense precedents, però aquest èxit es limita a aquest àmbit i no implica que el sistema pugui aplicar aquest coneixement a altres camps.

La IA general (AGI, segons la seva sigla en anglès) és un concepte més ambiciós que busca crear sistemes amb capacitats cognitives similars a les humanes. Aquesta IA seria capaç d’aprendre i aplicar coneixements en diversos dominis, però encara està en fase teòrica. El director de l’Institut d’Investigació en Intel·ligència Artificial del CSIC, Ramon López de Mántaras, adverteix que “estem molt lluny de crear una IA general”. “Els desafiaments tècnics i conceptuals són enormes, i no queda clar si serà possible amb les tecnologies actuals”, afegeix.

Més enllà de l’AGI, alguns teòrics parlen de la possibilitat d’una superintel·ligència artificial, que superaria àmpliament les capacitats humanes en tots els àmbits. Aquesta idea, popularitzada per autors com Nick Bostrom, genera tanta fascinació com preocupació. La cofundadora i directora científica de la Fundació Ellis Alacant, Núria Oliver, assenyala que “la superintel·ligència és un concepte especulatiu”. “Actualment hauríem de centrar-nos en els reptes ètics i socials que planteja la IA que ja existeix, com la privacitat de les dades o els biaixos algorítmics”, sosté Oliver.

Un altre mite comú és que la IA eliminarà la majoria dels llocs de treball. Si bé és cert que la IA està transformant moltes indústries, també està creant noves oportunitats laborals. Un estudi recent del Centre d’Estudis del Canvi Tecnològic i l’Ocupació de la UOC suggereix que, tot i que alguns llocs de treball desapareixeran, en sorgiran altres de relacionats amb el desenvolupament, manteniment i supervisió de sistemes d’IA.

A Catalunya, per exemple, el centre tecnològic Eurecat està treballant per integrar la IA en els processos industrials, per millorar l’eficiència i la competitivitat de les empreses locals. El professor de la Universitat Rovira i Virgili Lluís Alfons Ariño afirma que “la IA no està reemplaçant treballadors, sinó augmentant les seves capacitats”. “Estem veient com operaris de fàbrica treballen en col·laboració amb robots intel·ligents, i milloren la productivitat i la seguretat”, sosté Ariño.

Un altre aspecte que sovint es mal interpreta és la capacitat de la IA per prendre decisions ètiques. Tot i que és possible programar sistemes d’IA per seguir certes regles ètiques, la comprensió profunda de dilemes morals complexos és fora del seu abast actual. El projecte Courage de la Universitat Pompeu Fabra investiga com incorporar consideracions ètiques en el disseny d’algorismes d’IA, però aquest és un desafiament complex que requereix una col·laboració estreta entre tecnòlegs, filòsofs i experts en ètica.

També cal desmitificar la idea que la IA és infal·lible. Com qualsevol tecnologia, la IA pot cometre errors i està subjecta a biaixos presents en les dades d’entrenament. El cas del sistema Compas als Estats Units, utilitzat per predir la reincidència criminal i que va resultar tenir biaixos racials, és un exemple notori d’aquest problema. Per abordar aquesta qüestió, el Barcelona Supercomputing Center està desenvolupant eines per auditar algorismes d’IA i detectar possibles biaixos abans que s’implementin en sistemes reals.

Finalment, cal desmuntar la creença que la IA és una tecnologia completament autònoma. En realitat, darrere cada sistema d’IA hi ha equips humans que el dissenyen, entrenen i supervisen. El coordinador del Grup de Recerca en Intel·ligència Artificial de la UPC, Ulises Cortés, emfatitza: “La IA és una eina poderosa, però necessita la guia i la supervisió humana per ser efectiva i beneficiosa per a la societat.”

La IA és una tecnologia fascinant i potent, però és important entendre les seves capacitats i limitacions reals. Mentre continuem avançant en aquest camp, serà determinant mantenir un diàleg informat entre científics, indústria, governs i societat civil per aprofitar al màxim el potencial de la IA mentre abordem els seus reptes ètics i socials.

Whisper: Transcriu l’àudio automàticament

Whisper d’OpenAI és una eina avançada per transcriure àudios a text. Entrenada amb més d’un milió d’hores d’àudio, ofereix transcripcions ràpides i precises en diversos idiomes. Ideal per a periodistes i professionals que necessiten transcripcions fiables, Whisper redueix el temps i l’esforç necessaris.

Opus Clip: Crea clips virals amb un sol clic

Opus Clip transforma vídeos llargs en clips curts i virals amb un sol clic. Analitza el contingut per trobar els moments més rellevants, afegint subtítols i emojis per destacar-los. Ideal per a creadors de contingut, aquesta eina facilita la creació de vídeos atractius per a xarxes socials com TikTok i YouTube Shorts.

Gemini: La IA multimodal de Google

Google Gemini és un model d’IA dissenyat per superar GPT-4, amb capacitats multimodals per entendre text, imatges, àudio i codi. Creat per Google, busca liderar el mercat de la IA amb respostes més naturals i eficients, oferint una major flexibilitat en l’ús de dades i millorant la interacció amb els usuaris.

Numerous.ai: Adeu a tasques repetitives

Numerous.ai transforma els fulls de càlcul en eines d’automatització de tasques repetitives, utilitzant prompts com fórmules d’Excel. Permet generar etiquetes de SEO, extreure informació de correus i escriure textos a partir de dades. Integrada a Excel i Google Sheets, millora la productivitat eficientment.

Diccionari

Descens del gradient

El descens del gradient és un mètode d’optimització utilitzat per minimitzar funcions de pèrdua en models d’aprenentatge automàtic. Funciona ajustant iterativament els paràmetres del model en la direcció oposada al gradient de la funció de pèrdua respecte a aquests paràmetres, fins a trobar el mínim local o global.

Heurística

Una heurística és una estratègia o regla pràctica utilitzada per trobar solucions a problemes complexos de manera ràpida i eficient, sovint sacrificant exactitud a canvi de velocitat. Les heurístiques són útils en situacions on els mètodes exactes són intractables degut al temps o als recursos necessaris.

Hiperparàmetre

Un hiperparàmetre és un paràmetre del model que es defineix abans de l’entrenament i que no es pot ajustar directament a partir de les dades. Exemples d’hiperparàmetres inclouen la taxa d’aprenentatge, el nombre de capes d’una xarxa neuronal i la mida del lot. La selecció adequada dels hiperparàmetres és crucial per al rendiment del model.

Inferència

La inferència en intel·ligència artificial es refereix al procés d’utilitzar un model entrenat per fer prediccions o prendre decisions basades en noves dades. Durant la inferència, el model aplica el coneixement adquirit durant l’entrenament per analitzar la informació d’entrada i generar una sortida adequada, com classificar una imatge o traduir un text.



Identificar-me. Si ja sou usuari verificat, us heu d'identificar. Vull ser usuari verificat. Per escriure un comentari cal ser usuari verificat.
Nota: Per aportar comentaris al web és indispensable ser usuari verificat i acceptar les Normes de Participació.
[X]

Aquest és el primer article gratuït d'aquest mes

Ja ets subscriptor?

Fes-te subscriptor per només 48€ per un any (4 €/mes)

Compra un passi per només 1€ al dia