Puede ser imprudente extrapolar a partir de una muestra de uno (yo). Pero confieso que mi memoria no es perfecta: olvido algunas cosas, confundo otras y de vez en cuando “recuerdo” hechos que nunca sucedieron. Sospecho que algunos lectores del Financial Times pueden estar igualmente confusos. Una máquina inteligente podría llamar a esto alucinación humana.
Introducción: Reflexiones sobre la confiabilidad de la inteligencia artificial
El crecimiento exponencial de los modelos generativos de inteligencia artificial (IA) ha generado un debate sobre su confiabilidad y precisión. Este artículo profundiza en este tema, explorando la comparación entre la memoria humana y la capacidad de las máquinas para procesar y recordar información.
Puede leer también | La inteligencia artificial en las cámaras socava rápidamente la privacidad
1. La falibilidad humana y la memoria selectiva
El testimonio de John Dean durante las audiencias de Watergate sirve como ejemplo emblemático de la imperfección de la memoria humana. Aunque Dean era conocido como "la grabadora humana", se demostró que sus recuerdos eran susceptibles a errores y reinterpretaciones, destacando así la dificultad inherente de definir la verdad y la exactitud en los relatos humanos.
Puede leer también | NVIDIA exhibe una demostración del Protocolo Encubierto potenciada por la inteligencia artificial de Inworld
2. Memoria semántica vs. episódica: ¿Un dilema compartido con las IA?
El psicólogo Ulric Neisser distinguió entre memoria semántica y episódica, sugiriendo que los seres humanos pueden recordar la esencia general de eventos pasados, aunque con imprecisiones en los detalles específicos. De manera similar, los modelos de lenguaje grandes (LLM) pueden tener una memoria episódica robusta debido a la cantidad de datos que procesan, pero carecen de una comprensión contextual profunda.
Puede leer también | Los ensayos de ajedrez llevados a cabo por Google proporcionan información sobre cómo mejorar la inteligencia artificial.
3. Mejorando la precisión y la veracidad de las IA generativas
Los investigadores están abordando el desafío de mejorar la precisión y reducir las alucinaciones de los LLM. Una metodología reciente llamada Safe, desarrollada por investigadores de Google DeepMind, utiliza la Búsqueda de Google para verificar la factualidad de las respuestas generadas por el modelo, superando a los anotadores humanos en términos de precisión y eficiencia.
Puede leer también | Inteligencia Artificial: EI impacto Transformador en los Teléfonos y en la Totalidad de Internet.
4. Creatividad vs. factualidad: Un equilibrio necesario
Aunque las alucinaciones pueden ser una característica deseable en términos de creatividad, es crucial distinguir entre la creatividad y la exactitud factual. Los LLM a menudo pueden confundir ambas, como se ilustra en el ejemplo del copiloto de Microsoft Bing proporcionando información incorrecta sobre el récord mundial de cruzar el Canal de la Mancha.
Puede leer también | La Inteligencia Artificial: Un Legado que se Remonta al Pasado.
5. La importancia del toque humano en la creación y recepción de contenido
Maria Schnell de RWS destaca la importancia de adaptar el contenido a la audiencia específica, subrayando que la precisión puede ser automatizada, pero la relevancia y comprensión cultural requieren un enfoque humano. En un mundo inundado de contenido, la capacidad de las IA para comprender el contexto y el público sigue siendo un desafío.
Puede leer también | Galaxy S24: Revelada una Emocionante Función de Edición de Fotos con Inteligencia Artificial.
Conclusión: La colaboración entre humanos y máquinas
A pesar de las limitaciones de las IA, la colaboración entre humanos y máquinas puede conducir a resultados fructíferos al capitalizar sus fortalezas complementarias y mitigar sus respectivas debilidades.
Puede leer también | Samsung Galaxy S24: Perspectiva Realista sobre la Inteligencia Artificial.