PaLM 2, el nuevo modelo lingüístico lanzado recientemente por Google, supone un avance significativo en la realización de chatbots cada vez más avanzados e inteligentes. Los chatbots inteligentes, también conocidos como asistentes virtuales o bots de conversación, son programas informáticos diseñados para interactuar con usuarios humanos a través de conversaciones escritas o habladas. Están diseñados para simular conversaciones humanas y proporcionar respuestas útiles y relevantes a las preguntas o solicitudes de los usuarios.
Índice de temas
Cómo funciona PaLM 2 de Google Bard
Este modelo lingüístico de nueva generación se basa en tres pilares conceptuales:
- Optimización de los recursos computacionales: el tamaño del modelo y el conjunto de entrenamiento se han escalado proporcionalmente para conseguir una red de menor tamaño, mejorando al mismo tiempo el rendimiento y la calidad de los resultados.
- Mejora del conjunto de datos de entrenamiento: el conjunto de datos incluye una mezcla de contenidos en muchos idiomas, artículos científicos, páginas web, ecuaciones matemáticas y código en distintos lenguajes de programación.
- Flexibilidad arquitectónica: PaLM 2 se diseñó con una arquitectura flexible que le permite comprender distintos aspectos del lenguaje y adaptarse a un espectro más amplio de tareas.
Estos tres objetivos permitieron a los investigadores obtener un modelo con un rendimiento optimizado que destaca en diversas tareas, como el razonamiento, la traducción, la generación de código y la escritura creativa.
El modelo Palm 2 fue anunciado por Google durante el evento Google I/O 2023 y actualmente está integrado en 25 productos de la compañía, entre ellos el asistente conversacional Bard y aplicaciones de productividad como Google Docs, Sheets y Slides. La Palm 2 es también la base de otros modelos especializados, como Med-Palm 2 y Sec-Palm, dedicados a la medicina y la seguridad, respectivamente.
Dentro de Google Bard y PaLM 2
PaLM 2 destaca especialmente por sus avanzadas capacidades multilingües. Entrenado con textos en más de 100 lenguas distintas, el modelo demostró una notable capacidad para comprender, generar y traducir textos complejos en varios idiomas, prestando especial atención a los matices de significado del vocabulario. El modelo es capaz de manejar modismos, poemas e incluso adivinanzas, una tarea muy difícil de por sí. PaLM 2 también superó con éxito exámenes académicos avanzados de competencia lingüística.
El conjunto de datos con el que se entrenó PaLM 2 incluye publicaciones científicas y páginas web que contienen expresiones matemáticas. Como resultado, el modelo demuestra mejores capacidades en términos de lógica, razonamiento de sentido común y habilidades matemáticas.
Además, el conjunto de entrenamiento de PaLM 2 incluye un número considerable de archivos que contienen código fuente abierto en distintos idiomas. Esto significa que la IA es capaz de generar código de calidad en lenguajes de programación populares como Python y JavaScript, pero también puede generar código especializado en lenguajes como Prolog, Fortran y Verilog. PaLM 2 es, por lo tanto, una excelente herramienta para desarrolladores de software, capaz de sugerir soluciones a problemas de ingeniería de software y codificación.
PaLM 2 frente a GPT-4
Con sus 540.000 millones de parámetros, el modelo Palm2 está reconocido como uno de los principales modelos lingüísticos del mundo, con un rendimiento comparable al del conocido modelo GPT-4 de OpenAI, que cuenta con 600.000 millones de parámetros. Sin embargo, estos modelos presentan diferencias arquitectónicas y de entrenamiento que se traducen en un rendimiento distinto para tareas diferentes.
El modelo de Google destaca en razonamiento y generación de código, mientras que GPT-4 obtiene mejores resultados en comprensión y generación de texto articulado.
Probamos los dos modelos con un problema de lógica para explorar sus capacidades de comprensión y razonamiento. Empezamos con una pregunta lógica sencilla. La pregunta que planteamos a la IA es: “Un joven recibió 1.024 euros como regalo, cada día gasta la mitad de lo que tiene. ¿Después de cuántos días se quedará sin un solo euro?”.
GPT-4
La respuesta de GPT-4 es: “El joven nunca se quedará completamente sin dinero si sigue gastando cada día la mitad de lo que tiene. Cada vez que gasta la mitad de su dinero, siempre se queda con una cierta cantidad. Por ejemplo, el primer día gasta 512 euros y se queda con 512 euros. El segundo día gasta 256 euros y se queda con 256 euros. Y así sucesivamente. Por lo tanto, aunque la cantidad de dinero que tiene disminuya continuamente, nunca llegará a cero”.
Bard
La respuesta de Bard, potenciada por PaLM 2, es: “La respuesta a la pregunta depende de cómo se interprete el problema. Si uno considera la respuesta matemáticamente correcta, el joven nunca se quedará sin nada. Si se divide un número indefinidamente por la mitad, se obtiene un número que tiende a cero, pero que nunca llega a cero. Por tanto, la respuesta matemática es “días infinitos”.
“Si se considera la respuesta de forma más pragmática, el joven se quedará sin un solo euro el día 12. De hecho, el día 12, el joven tendrá 0,50 euros, que no son suficientes para comprar nada. Entonces, la respuesta a la pregunta es “12 días”, si se considera la respuesta de forma pragmática”.
Sin embargo, es importante señalar que la respuesta matemática sigue siendo correcta.
En este caso, el modelo PaLM 2 proporciona una respuesta más completa, demostrando una comprensión más profunda del problema y adaptando la respuesta no sólo a los aspectos matemáticos, sino también al contexto real.
Med-PaLM 2: PaLM 2 en la medicina
Google presentó recientemente una nueva verticalización de su IA generativa, Med-PaLM 2, un modelo de lenguaje médico desarrollado para responder con precisión y en tiempo real a preguntas relacionadas con la medicina.
Med-PaLM 2 se diferencia de PaLM 2 en su entrenamiento y puesta a punto orientados al ámbito médico. Para su entrenamiento se utilizó un conjunto de datos específico que contiene información médica procedente de artículos científicos, exámenes médicos, preguntas de pacientes y datos clínicos.
El éxito de Med-Palm 2 es notable. Fue el primer modelo lingüístico que superó el nivel de experto en el conjunto de datos MedQA, con una precisión del 85%, y el primer sistema de inteligencia artificial que alcanzó la suficiencia en el conjunto de datos MedMCQA, con una puntuación del 72,3%. Además, Med-Palm 2 es capaz de generar respuestas largas y detalladas a las preguntas de los pacientes relacionadas con la salud, respuestas consideradas precisas, seguras y útiles tanto por los médicos como por los usuarios.
Las aplicaciones prácticas de Med-Palm 2 son numerosas. Puede facilitar discusiones informativas entre médicos y pacientes, proporcionando respuestas claras y comprensibles a preguntas sobre condiciones médicas, tratamientos y medicamentos. Med-Palm 2 también puede ayudar a los profesionales sanitarios a encontrar información relevante en textos médicos complejos y no estructurados, como historiales médicos o publicaciones científicas. La capacidad del modelo para generar resúmenes, análisis e hipótesis a partir de los datos disponibles resulta inestimable para los estudiosos en busca de nuevos conocimientos.
Actualmente, Google sigue desarrollando y probando Med-Palm 2 en colaboración con clientes seleccionados de Google Cloud, explorando posibles casos de uso, compartiendo opiniones y evaluando formas seguras y responsables de utilizar esta tecnología.
El futuro de los chatbots
La flexibilidad y las posibilidades de personalización de PaLM 2 desempeñan un papel clave en la configuración de la evolución futura de los chatbots y la IA generativa en general. Sistemas como ChatGPT y Bard están cambiando no sólo el proceso de generación de contenidos, sino también la forma en que los usuarios interactúan con la información en la web. A menudo, es más útil (y rápido) pedir respuestas a la IA que realizar una búsqueda en Google. Con las indicaciones adecuadas, los chatbots permiten optimizar el proceso para obtener la información correcta en el contexto específico del usuario.
Otro aspecto clave en la evolución de las interacciones conversacionales con IA son las API, es decir, las interfaces de programación a través de las cuales las respuestas de los modelos generativos pueden integrarse en los servicios existentes. Muchos proveedores de servicios han empezado a integrar activamente los chatbots en los procesos, llevando la IA a lo cotidiano para la automatización de los flujos de trabajo empresariales y personales.
Los chatbots están experimentando un rápido desarrollo y evolución, y es probable que continúen cambiando en el futuro. En el futuro serán más inteligentes, conversacionales, personalizados y versátiles. Su capacidad para comprender y atender las necesidades de los usuarios continuará mejorando, y jugarán un papel cada vez más importante en una variedad de aplicaciones, desde el servicio al cliente hasta la automatización de tareas y la asistencia en la vida diaria.
La IA en Argentina, más allá de los asistentes virtuales
Según una encuesta llevada a cabo por COPC Inc. en 2022, se reveló que el objetivo más mencionado en la implementación de soluciones basadas en inteligencia artificial fue “Mejorar la experiencia del cliente“, con un impresionante 87%. Además, el 83% de los encuestados afirmaron que utilizan principalmente soluciones basadas en IA en aplicaciones de contacto con sus clientes. La IA tiene una amplia gama de usos que tienen un impacto directo en la Experiencia del Cliente (CX). Según un estudio realizado en 2023 por CX Optimization, los usos más comunes incluyen la creación de contenido, el perfilado del cliente y la reducción de llamadas internas.
Sin embargo, es importante destacar que la IA va mucho más allá de ser simplemente un chatbot. A menudo, se pone demasiado énfasis en desarrollar IA que pueda reemplazar a los agentes, cuando en realidad hay un gran potencial de desarrollo de IA en áreas que pueden respaldar el viaje del cliente.
Germán Enrico y Diego Malat de Kenwin, una empresa líder en CX, señalan que existen numerosos elementos cotidianos donde se puede aplicar la IA en Argentina y la región, como aspectos conversacionales, entrenamiento, predicciones, transcripciones en tiempo real, análisis, entre otros. Esto ha llevado a un enfoque creciente en experimentos y pilotos antes de implementaciones a gran escala en el campo de la IA.
Prohibida su reproducción total o parcial.