Lo que las 10 principales historias de IA en 2022 revelan sobre 2023

Al mirar hacia atrás a las principales historias de IA del año de VentureBeat, está claro que los avances de la industria, incluidos, en particular, la IA generativa, son vastos y poderosos, pero solo el comienzo de lo que está por venir.

Por ejemplo, OpenAI, el laboratorio de investigación de inteligencia artificial detrás de las herramientas de IA que explotaron este año, incluidos DALL-E 2 y ChatGPT, debutó con avances que llamaron la atención del público en general y de la industria tecnológica. La generación de texto a imagen de DALL-E y las nuevas capacidades de ChatGPT para producir contenido de formato largo y de alta calidad hicieron que los creativos se preguntaran si pronto se quedarán sin trabajo y, de todos modos, ¿quién es el propietario del contenido que crean estas herramientas?

Mientras tanto, la próxima iteración de avances puede no estar muy lejos para OpenAI. Este otoño, Ray, la tecnología de aprendizaje automático detrás de las operaciones a gran escala de OpenAI, presentó su próximo hito: Ray 2.0. La actualización funcionará como una capa de tiempo de ejecución y está diseñada para simplificar la creación y gestión de grandes cargas de trabajo de IA, lo que permitirá a empresas como OpenAI avanzar aún más en 2023.

Aunque la IA generativa lideró gran parte de la cobertura de tendencias de este año, no fue la única área de la IA donde se generaron olas que tuvieron un efecto dominó. Intel presentó lo que afirma es el primer detector de falsificaciones profundas en tiempo real, que funciona analizando el «flujo sanguíneo» sutil en videos y produce resultados en minutos con una precisión del 96%. Es una herramienta que puede volverse cada vez más útil para mantener la integridad a medida que las capacidades generativas de video e imagen de IA se vuelven aún más realistas.

Y AI aparentemente continuó «comiéndose» el mundo tal como lo conocemos, incluso los casos de uso de tecnología más mundanos, ya que los algoritmos más complejos se reorientaron con mejoras impulsadas por AI este año. Google lanzó una versión beta de Simple ML para su herramienta Google Sheets para renovar las capacidades de la plataforma para cálculos y gráficos, mientras que DeepMind presentó su primera IA para impulsar algoritmos de multiplicación de matrices más rápidos, que algunos dicen que pueden usarse para mejorar toda la industria de la informática.

Junto con los avances logrados en IA este año, varias empresas se dirigen al 2023 con menos empleados de IA debido a los despidos como resultado de la economía en declive, incluida Meta. Como parte de sus 11,000 despidos, el gigante de la tecnología y las redes sociales despidió a todo un equipo de infraestructura de aprendizaje automático este otoño, lo que fue una sorpresa, dado que la compañía dijo que planea aumentar su enfoque en la IA.

Si bien el futuro puede ser incierto para algunos profesionales de la IA a corto plazo, los expertos no anticipan que esto afectará significativamente el progreso de la IA a largo plazo. Ha habido argumentos de que la IA, en algunos aspectos, se ha topado con un muro o se ha ralentizado a lo que un director ejecutivo de la industria se refirió como una «Edad de Piedra». Otros han respondido contra afirmaciones como estas, incluido el renombrado científico informático y pionero de las redes neuronales artificiales Geoffrey Hinton, quien le dijo a VentureBeat que el rápido progreso que estamos viendo en la IA continuará acelerándose.

De cara al futuro, Andrew Ng, fundador de Landing AI y DeepLearning AI, dijo a VentureBeat que la próxima década de progreso en IA girará en gran medida en torno a sus capacidades de IA generativa y cambiará hacia la IA centrada en datos.

“A medida que avancemos colectivamente en esto durante los próximos años, creo que habilitará muchas más aplicaciones de IA, y estoy muy entusiasmado con eso”, dijo Ng en una entrevista anterior.

Es seguro que el progreso continuará, pero no sin obstáculos en el camino. A medida que la legislación sobre la regulación de la IA continúa desarrollándose, será importante que las organizaciones contraten ejecutivos, tal vez un director general de IA, que conozcan sus beneficios, consecuencias y capacidades en constante evolución. Hasta entonces, lo que se espera para 2023 es progreso, no perfección.

Aquí hay más de nuestras 10 mejores historias de IA de 2022:

1. Andrew Ng predice los próximos 10 años en IA
   George Anandiotis escribió esta historia del 21 de marzo, una entrevista con Andrew Ng, fundador de Landing AI y DeepLearning AI, copresidente y cofundador de Coursera y profesor adjunto en la Universidad de Stanford. Ng le dijo a VentureBeat que gran parte del enfoque en la IA durante la última década se ha centrado en los grandes datos. En las próximas décadas, predice un cambio hacia la IA centrada en datos.

   “Hace diez años, subestimé la cantidad de trabajo que se necesitaría para desarrollar el aprendizaje profundo, y creo que mucha gente hoy en día está subestimando la cantidad de trabajo… que se necesitará para desarrollar la IA centrada en datos al máximo. potencial”, dijo Ng. “Pero a medida que avancemos colectivamente en esto durante los próximos años, creo que habilitará muchas más aplicaciones de IA, y estoy muy entusiasmado con eso”.

2. Los meta despidos afectan a todo un equipo de investigación de ML centrado en la infraestructura
   La escritora sénior Sharon Goldman se desplazó hasta altas horas de la noche por Twitter el 9 de noviembre, el día en que Meta anunció que despediría a 1000 empleados. En una declaración pública, Mark Zuckerberg había compartido un mensaje a los empleados de Meta que indicaba, para algunos, que aquellos que trabajan en inteligencia artificial (IA) y aprendizaje automático (ML) podrían evitar la peor parte de los recortes.

   Sin embargo, Thomas Ahle, un científico investigador de Meta que fue despedido, tuiteó que él y toda la organización de investigación llamada Probability, que se enfocaba en aplicar el aprendizaje automático en toda la pila de infraestructura, fueron despedidos. El equipo tenía 50 miembros, sin incluir a los gerentes, dijo.

3. OpenAI presenta las series ChatGPT y GPT-3.5 mientras los rumores de GPT-4 vuelan Mientras los rumores de GPT-4 continuaron volando en NeurIPS 2022 el 30 de noviembre, OpenAI logró hacerse cargo de las noticias con ChatGPT, un nuevo modelo en la familia GPT-3 de AI- impulsó modelos de lenguaje grande (LLM) que, según se informa, mejora a sus predecesores al manejar instrucciones más complejas y producir contenido de mayor calidad y formato más largo.

   ChatGPT ha estado disponible por solo unas pocas semanas, pero no ha dejado de ser noticia desde su lanzamiento.

4. DeepMind presenta la primera IA en descubrir algoritmos de multiplicación de matrices más rápidosSe consideró uno de los acertijos matemáticos más difíciles de descifrar: ¿podría la IA crear sus propios algoritmos para acelerar la multiplicación de matrices, una de las tareas más fundamentales del aprendizaje automático? En un artículo publicado en Nature el 5 de octubre, el laboratorio de investigación DeepMind presentó AlphaTensor, el «primer sistema de inteligencia artificial para descubrir algoritmos novedosos, eficientes y comprobablemente correctos». El laboratorio propiedad de Google dijo que la investigación «arroja luz» sobre una pregunta matemática abierta de 50 años sobre cómo encontrar la forma más rápida de multiplicar dos matrices.

   AlphaTensor, según una publicación del blog de DeepMind, se basa en AlphaZero, un agente que ha demostrado un rendimiento sobrehumano en juegos de mesa como el ajedrez y el Go. Este nuevo trabajo lleva el viaje de AlphaZero más allá, pasando de jugar juegos a abordar problemas matemáticos sin resolver.

5. Google lleva el aprendizaje automático a las hojas de cálculo en línea con Simple ML for Sheets

   El 7 de diciembre, Sean Michael Kerner compartió la noticia de que Google planeaba llevar el aprendizaje automático a su herramienta Hojas de cálculo. Si bien los cálculos y gráficos simples han sido parte de la experiencia de la hoja de cálculo durante mucho tiempo, el aprendizaje automático (ML) no lo ha sido. A menudo se considera que ML es demasiado complejo de usar, mientras que las hojas de cálculo están destinadas a ser accesibles para cualquier tipo de usuario.

   Google anunció una versión beta del complemento Simple ML for Sheets. Hojas de cálculo de Google tiene una arquitectura extensible que permite a los usuarios beneficiarse de complementos que amplían la funcionalidad predeterminada de la aplicación. En este caso, Google Sheets se beneficia de la tecnología ML que Google desarrolló por primera vez en el proyecto TensorFlow de código abierto. Con Simple ML for Sheets, los usuarios no necesitarán usar un servicio TensorFlow específico, ya que Google ha desarrollado el servicio para que sea lo más accesible posible.

6. 10 años después, la ‘revolución’ del aprendizaje profundo continúa, dicen los pioneros de la IA Hinton, LeCun y Li. Cuando la escritora senior Sharon Goldman se dio cuenta de que septiembre de 2022 era el décimo aniversario de la investigación de redes neuronales clave, conocida como AlexNet, que condujo al aprendizaje profundo. revolución en 2012, se acercó al pionero de la IA Geoffrey Hinton.

   Con entrevistas con Hinton y otras luminarias líderes en IA, incluidos Yann LeCun y Fei-Fei Li, este artículo es una mirada retrospectiva a una década de IA en auge, así como una inmersión profunda en lo que está por venir en IA.

7. ¿El DALL-E 2 de OpenAI acabará con las carreras creativas?

   El acceso beta ampliado de OpenAI a DALL-E 2, su poderosa solución de IA de generación de imágenes, hizo que el mundo de la tecnología se emocionara a fines de julio, pero también dejó a muchos con preguntas.

   Por un lado, ¿qué significa el uso comercial de las imágenes impulsadas por IA de DALL-E para las industrias creativas y los trabajadores? ¿Los reemplazará?

   Según OpenAI, la respuesta es no. DALL-E es una herramienta que «mejora y amplía el proceso creativo», dijo un portavoz de OpenAI a VentureBeat. Al igual que un artista miraría diferentes obras de arte en busca de inspiración, DALL-E puede ayudar a un artista a idear conceptos creativos.

   Desde que se publicó este artículo, ha continuado el debate y la crítica sobre la propiedad de las imágenes generadas por IA. Ciertamente no terminará pronto.

8. Intel presenta un detector de falsificaciones profundas en tiempo real y afirma una tasa de precisión del 96 %El 16 de noviembre, Intel presentó FakeCatcher, que dice es el primer detector de falsificaciones profundas en tiempo real, es decir, medios sintéticos en los que se reemplaza a una persona en una imagen o video existente con la semejanza de otra persona.

   Intel afirma que el producto tiene una tasa de precisión del 96 % y funciona analizando el «flujo de sangre» sutil en los píxeles de video para obtener resultados en milisegundos.

   Con las amenazas de falsificación profunda que se avecinan, este tipo de tecnología de detección de falsificación profunda se está volviendo cada vez más importante. La pregunta es, ¿realmente funciona?

9. ¿Quién es el propietario de las imágenes DALL-E? Los expertos legales en IA opinan En otra entrega de lo que se ha convertido en un drama generador de texto a imagen en curso, la escritora senior Sharon Goldman exploró las ramificaciones legales de herramientas como DALL-E 2.

   Cuando OpenAI anunció el acceso beta ampliado a DALL-E en julio, la compañía ofreció a los usuarios de suscripción paga derechos de uso completos para reimprimir, vender y comercializar las imágenes que crean con el poderoso generador de texto a imagen.

   Una semana después, los profesionales creativos de todas las industrias ya estaban llenos de preguntas. Encabezando la lista: ¿Quién posee las imágenes publicadas por DALL-E, o para el caso, otros generadores de texto a imagen impulsados ​​por inteligencia artificial, como Imagen de Google? ¿El dueño de la IA que entrena al modelo? ¿O el humano que incita a la IA?

   Bradford Newman, quien dirige la práctica de aprendizaje automático e inteligencia artificial del bufete de abogados global Baker McKenzie, en su oficina de Palo Alto, dijo que la respuesta a la pregunta «¿Quién es el propietario de las imágenes DALL-E?» está lejos de ser claro. Y, enfatizó, las consecuencias legales son inevitables.

10. Ray, la tecnología de aprendizaje automático detrás de OpenAI, sube de nivel a Ray 2.0Sean Michael Kerner escribió este artículo del 23 de agosto sobre la infraestructura que admite OpenAI: Ray. En los últimos dos años, una de las formas más comunes para que las organizaciones escalen y ejecuten cargas de trabajo de inteligencia artificial cada vez más grandes y complejas ha sido con el marco Ray de código abierto, utilizado por empresas desde OpenAI hasta Shopify e Instacart. Ray permite que los modelos de aprendizaje automático (ML) se escalen a través de los recursos de hardware y también se puede usar para admitir flujos de trabajo de MLops en diferentes herramientas de ML. El próximo hito importante de la herramienta debutó en Ray Summit en San Francisco. Ray 2.0 amplía la tecnología con el nuevo Ray AI Runtime (AIR) que está diseñado para funcionar como una capa de tiempo de ejecución para ejecutar servicios de ML.