“ChatGPT és la punta de l’iceberg de la intel·ligència artificial”. Amb aquesta sentència ha inaugurat el director del Centre of Innovation for Data tech and Artificial Intelligence (CIDAI), Joan Mas, la novena edició d’un AI & Big Data Congress que ha deixat ben clara una cosa: ens trobem tot just al principi d’una revolució que, després de dècades d’incubació, encara té moltes coses a dir. Això sí: no ho farà sense humans al seu costat.

L’esdeveniment coordinat per Eurecat ha girat de manera inevitable al voltant del hype tecnològic del moment, la IA generativa, una tècnica que, a diferència d’altres aplicacions que també han generat polseguera, es percep molt més tangible. “En els últims anys hem parlat de metavers, blockchain, quàntica… Però ara estem davant d’una transformació diferent, perquè el retorn que estem tenint és immediat”, ha sentenciat el cap de transformació i innovació de negoci a Europa, Orient Mitjà i Àfrica de SAP, Ernesto Rincón. I és que la seva adopció ha estat pràcticament consecutiva, tal com explica el cap de dades i intel·ligència de NTT DATA EMEAL, David Pereira: “La sortida a la llum de ChatGPT va canviar moltes estratègies d’inversió i implementació de la IA a les empreses. Només dos mesos després del llançament, el gener de 2023, ja hi havia més de 900 companyies que el feien servir a escala empresarial”.

Rincón: “En els últims anys hem parlat de metavers, blockchain, quàntica… Però ara estem davant d’una transformació diferent, perquè el retorn que estem tenint és immediat”

Aquesta explosió és especialment rellevant quan es té en compte que la intel·ligència artificial és una tecnologia que acumula dècades a l’esquena. “La IA feia 70 anys que avançava tranquil·leta, al ritme d’un tren, fins que el 2015 comença a expandir-se amb l’aprenentatge profund, el processament de llenguatge natural, la visió computacional o els models transformer”, ha relatat Inma Martínez, pionera tecnològica i consultora a la Global Partnership on Artificial Intelligence (GPAI). Avui és ja molt complicat trobar un sector productiu que no hagi implementat alguna aplicació concreta basada en algoritmes i processament d’informació.

Del camp a la conducció autònoma

I és que allà on hi ha dades disponibles, la intel·ligència artificial troba un camí per optimitzar processos, aportar precisió i evitar la incertesa. Martínez ho exemplifica amb un dels sectors que aparentment pot semblar més allunyat dels algoritmes, l’agricultura: “L’ESA et dona les dades dels seus satèl·lits de manera gratuïta. Amb aquesta informació, molta gent està creant solucions pel camp que resolen molts problemes”. Aplicacions, ha continuat, que calculen en quines zones s’ha d’aplicar l’insecticida o la temperatura del sòl i envien la informació a través de WhatsApp als pagesos, unes tasques que, fins fa poc, es decidien de manera intuïtiva.

La capacitat d’analitzar dades aparentment desordenades i extreure’n conclusions acaba resultant d’utilitat arreu, des del món de la medicina, fins a la logística, passant per àmbits com els ports o l’automatització de fàbriques. I entre tots ells, l’automoció és una de les indústries amb un lligam més ferm. “L’any 83, BMW i Mercedes Benz van decidir posar IA als sistemes de frens, però no ho van dir a ningú. Ho van fer perquè quan anem a alta velocitat per un camí i ens toca fer una corba marcada, l’impuls és frenar, que és el que no s’ha de fer. Però l'any 83 ningú s’atrevia a dir-ho”, ha assegurat Martínez, qui té clar que d’aquí a cinc anys als carrers ja circularan de cotxes amb conducció automatitzada, una fita que si avui no és una realitat, no és pels límits tecnològics, sinó perquè “encara no tenim la regulació necessària per decidir què passa si succeeix un accident”.

Martínez: "Probablement, veurem cotxes automatitzats en els pròxims cinc anys, i no perquè no es puguin fer ara, sinó perquè no tenim la regulació necessària per decidir què passa si succeeix un accident"

La responsabilitat darrere dels models funcionals

Com ha remarcat Martínez, la intel·ligència artificial s’aplica des de fa anys de múltiples maneres i a tota mena d’indústries, però fins fa relativament poc els models logarítmics es dissenyaven cadascun per executar una acció determinada. “La IA generativa ha portat un nou concepte, els models fundacionals. La gran diferència és que ja no tenim un model per tasca, sinó un únic model, entrenat amb una base de coneixement molt àmplia, al qual li preguntem amb llenguatge natural”, ha detallat el director de tecnologia nacional de Microsoft, Alberto Pinedo. Popularitzats especialment a partir del 2021 amb el llançament del GPT-3 d’OpenAI, són models amb capacitats “molt per sobre del que molts pensaven” en àmbits com les matemàtiques, la física o l'estudi del llenguatge. “No és que siguin més o menys intel·ligents, sinó que poden relacionar conceptes d’una manera molt potent”, ha aclarit Pinedo.

El que va començar com un model basat en converses textuals ha evolucionat prou per ser capaç d’interpretar imatges, vídeos o continguts auditius —ben aviat, el mateix ChatGPT ho incorporarà com a funcionalitats—. Tanmateix, en tots els casos la clau continua sent la matèria primera: la informació amb què s’entrenen els models. “La IA no sap si una cosa és vertadera o falsa. Ens hem d’enfocar en les dades, assegurar que siguin verídiques”, ha reclamat Martínez, qui reconeix que combatre els biaixos és un dels aspectes que més maldecaps provoca als desenvolupadors.

Pinedo: “La gran diferència és que ja no tenim un model per tasca, sinó un únic model, entrenat amb una base de coneixement molt àmplia, al qual li preguntem amb llenguatge natural”

I de la mateixa manera que cal proveir-la de grans masses d’informació verídica i no esbiaixada, també és molt important parar atenció a com interactuem amb la màquina. Pinedo ha explicat que des de Microsoft treballen en quatre aspectes principals: el grounding (dir-li a l’assistent amb quin to i registre ha de contestar), l’ús de plugins per incorporar noves capacitats, el prompt flow (una eina per documentar l’origen de la informació) i, especialment, la seguretat. “Ens hem d’assegurar que si es treballa amb dades confidencials es mantingui la privacitat, no es facin servir per entrenar ni reentrenar models i que el cicle de vida de tots aquests processos segueixi un procés ordenat”, ha incidit.

Al cap i la a fi, tots els ponents tenen clara una cosa: la intel·ligència artificial no és una solució omnipotent, sinó una eina. O un copilot, com la denominen a Microsoft. “Sempre hi haurà una persona que decidirà si el resultat és correcte o no i si escollirà fer-lo servir”, ha insistit Pinedo. “Els problemes del futur els resoldrem amb la nostra creativitat, el nostre coneixement i el nostre saber com treballa la gent. El superpoder de la IA és l’optimització”, ha rematat Martinez.