Si estás leyendo este artículo, es probable que hayas oído hablar (o al menos estés interesado) en saber más sobre la IA Generativa. Y no eres el único.
Según Google Trends, el término de búsqueda «IA Generativa» ha experimentado un notorio aumento de interés desde principios de año, lo que significa que se trata claramente de un tema muy candente en el mundo actual, con repercusiones en todos los sectores de la sociedad. (¿Has visto la noticia de que NVIDIA -el principal actor del mercado de GPU- alcanzó brevemente una valoración de 1 billón de dólares? Fuente: Reuters)
En este artículo, vamos a explicar las principales expresiones relacionadas con la IA Generativa y cómo se relacionan entre sí, una visión general de las ofertas actuales de IA Generativa en Google Cloud Platform, y algunos recursos que puedes utilizar en tu propio viaje de aprendizaje.
Esperamos que disfrutes de este artículo y que te resulte útil en tu exploración del mundo de la IA Generativa.
Empecemos por el principio
Actualmente, en los medios de comunicación, se lanzan muchos términos relacionados con la IA sin contexto ni explicación, así que vamos a empezar por el principio y vamos a dar algunas definiciones de términos que seguro que has oído antes.
La Inteligencia Artificial (IA) se refiere al campo de estudio relacionado con los sistemas inteligentes (sistemas que simulan el conocimiento humano) que no necesitan programación explícita para derivar conocimiento. Debemos pensar en la IA como pensamos en la Química, la Física o la Historia.
El aprendizaje automático (o ML, por sus siglas en inglés) se refiere a una rama particular de la IA en la que los sistemas inteligentes obtienen conocimientos a partir de patrones en los datos subyacentes. Otras ramas conocidas de la IA son (entre otras) la optimización, la visión por ordenador y la robótica.
Deep Learning (o DL) se refiere a un subconjunto de modelos de ML cuya estructura se basa en redes neuronales artificiales. Otros subconjuntos de modelos de ML muy conocidos son (entre otros) los modelos basados en árboles (como Random Forests o XGBoost) o los métodos de agrupación.
La IA generativa (GenAI) se refiere a un tipo de red neuronal artificial que puede generar nuevos datos basándose en el conjunto de datos de entrenamiento a partir del cual se modeló. Otros tipos de ANNs son lasNNs discriminativas, que atribuyen etiquetas o clasifican los nuevos datos que se le muestran basándose en los patrones aprendidos previamente en el conjunto de datos de entrenamiento. Dentro de la IA Generativa, podemos encontrar modelos dedicados al lenguaje (por ejemplo, los LLM – Large Language Models), audio, vídeo, imagen y 3D, entre otros muchos campos.
Nota: Aunque se refiere a los datos subyacentes utilizados para crear estos modelos, otro concepto que merece la pena mencionar es el de datos estructurados frente a datos no estructurados. Los datos estructurados son aquellos que están muy organizados, normalmente de forma tabular, como los que se encuentran en las bases de datos relacionales. Los datos no estructurados se refieren a datos que no son tan fáciles de catalogar debido a su falta de formatos predeterminados, como imágenes, vídeo o audio.
¿Cómo puedes utilizar modelos de IA Generativa en GCP?
A principios de mayo de este año, Google Cloud Platform puso a disposición en versión preliminar su Generative AI Studio dentro de Vertex AI. Google define Generative AI Studio como «una herramienta de la consola Google Cloud para crear y probar rápidamente prototipos de modelos de IA generativa». [1] Esto significa que no necesitas desarrollar tus propios modelos de IA Generativa desde cero (lo que puede ser una tarea bastante compleja, por no hablar del tiempo que lleva), y puedes empezar a experimentar y crear prototipos dentro de GCP con los modelos preentrenados de Google para evaluar si un determinado enfoque es realmente adecuado para tu caso de uso.
Actualmente, dentro de Generative AI Studio se pueden encontrar dos escenarios de uso principales:
- Lenguaje: con modelos preparados para resolver tareas como Resumir, Clasificar, Extraer, Escribir e Idear (que contiene mi favorito personal, un Generador de Meme).
- Habla: con modelos preparados para resolver tareas como Habla-a-Texto y Texto-a-Habla.
Con estos modelos preentrenados, puedes resolver varias tareas recurrentes como el Análisis de Sentimiento, el Análisis de Contratos, o incluso crear un agente de chat capaz de resumir automáticamente interacciones previas y crear listas de seguimiento. También puede ajustar estos modelos preentrenados a las necesidades específicas de sus casos de uso, sin necesidad de recrear todo el modelo desde cero.
También está disponible en la vista previa del nuevo Model Garden, que contiene varios modelos fundacionales listos para la empresa y específicos para cada tarea. Puedes encontrar modelos de origen directamente creados por Google (como PaLM 2), modelos de código abierto (como BERT) que gozan de la confianza de la comunidad y, en el futuro, Google espera poner también a disposición modelos de terceros.
En un futuro próximo se avecina algo muy emocionante: Escenarios relacionados con la imagen.
Esperamos ver ofertas en generación de imágenes, clasificación, búsqueda y recomendación. Algunos afortunados probadores ya tienen una vista previa de esta increíble función, así que esperemos que pronto esté disponible. Como teaser, os dejo con la imagen que ha compartido Google para presentar esta herramienta.
Fuente: Vertex AI Image Generation – Imagen generada usando Vertex AI Image Generation a partir del prompt: 4K video game concept art, urban jungle, cityscape inspired by new york city, detailed rendering.
Recursos
Dado que la IA Generativa se está generalizando y es un tema tan candente, Google ofrece una ruta de aprendizaje para ayudarte a adquirir nuevas habilidades en este campo sin coste alguno.
Puedes encontrar el Generative AI Learning Path aquí, y cubre temas como (pero no limitados a):
- Grandes modelos lingüísticos
- IA responsable
- Generación de imágenes
- Mecanismo de atención
- Modelos transformadores
Este itinerario de aprendizaje es una excelente forma de aprender los conceptos en profundidad de la mano del propio Google y tener contacto directo con estas herramientas en el entorno de Google Cloud Platform completando los laboratorios.
Conclusión
En primer lugar, gracias por dedicar los últimos minutos de tu tiempo a leer mi visión general de la IA Generativa y las herramientas de Google Cloud Platform para la IA Generativa. Esperamos que hayas comprendido mejor las expresiones de moda y que te haya despertado la curiosidad por este campo.
La IA generativa está creciendo a un ritmo increíblemente rápido, y a veces parece que cada día sale un nuevo producto al mercado, lo que a su vez significa que cada día se producen nuevos y emocionantes avances. Pero también puede significar que ha llegado el momento de reflexionar sobre la ética y la IA responsable.
Sobre este tema, hoy les dejo con el caso empresarial de IA responsable de Google, así como con las Prácticas de IA responsable de Google, que espero leáis y pongáis en práctica en vuestro uso diario de la IA Generativa.