En una presentación en Exposición mundial de inteligencia artificial y big dataAdam Craven, director de Alineación Yarrojan luz sobre las aplicaciones prácticas de la IA y los peligros que a menudo se pasan por alto en el revuelo que la rodea.
Craven, con una amplia experiencia en funciones de ingeniería y liderazgo en McKinsey & Company, HSBC, Nokia, entre otros, compartió sus experiencias como consultor que ayuda a los ejecutivos de nivel C a navegar por el complejo panorama de la adopción de la IA. El mensaje central giraba en torno a comprender la IA más allá de las exageraciones para tomar decisiones informadas que se alineen con los objetivos de la organización.
Rompiendo el revuelo sobre la IA
Craven introdujo un enfoque sistemático para desmitificar la IA, enfatizando la necesidad de dividir el concepto general en componentes más pequeños y manejables. Describió los atributos clave de las redes neuronales, las incrustaciones y los transformadores, centrándose en los grandes modelos de lenguaje como base compartida.
- Redes neuronales —descritas como probabilísticas y adaptables— forman la columna vertebral de la IA, imitando los procesos de aprendizaje humano.
- Incrustaciones permiten a las computadoras navegar entre niveles de abstracción, algo similar a la cognición humana.
- transformadores (el mecanismo de “atención”) son el eje de la revolución de la IA, ya que permiten a las máquinas comprender el contexto y el significado.
Los LLM como motores de búsqueda e investigación
Craven evalúa si los LLM por sí solos son buenos motores de búsqueda. Entienden excepcionalmente bien la intención de búsqueda, pero no tienen acceso a una gran cantidad de datos, no brindan resultados precisos ni fuentes de referencia, todos los cuales son requisitos clave de búsqueda.
Sin embargo, Craven destacó que los modelos de lenguajes grandes (LLM) son potentes motores de resumen para la investigación. Destacó su capacidad para resumir datos, traducir entre idiomas y servir como asistentes de investigación:
Craven advirtió que no se debe confiar únicamente en los LLM para tareas complejas, y mostró un estudio en el que los consultores que utilizaron modelos lingüísticos tuvieron un desempeño inferior en análisis matizados.
Desvalorizar la IA: establecer expectativas realistas
La presentación concluyó con casos de uso prácticos para organizaciones, como herramientas de documentación, toma de decisiones de alto nivel, herramientas de revisión de código y tomadores de decisiones multimodales. Craven recomendó una evaluación cuidadosa de cuándo los LLM son útiles, asegurándose de que se alineen con los valores y principios de la organización.
Sin embargo, Craven advierte contra las afirmaciones infladas sobre el desempeño de la IA, citando ejemplos en los que los modelos de lenguaje mejoraron ciertas tareas pero fallaron en otras. Instó a la audiencia a considerar el contexto y los matices al evaluar el impacto de la IA, evitando expectativas injustificadas.
Craven ofreció información útil para la implementación, instando a las organizaciones a capturar datos para uso futuro, crear casos de prueba para casos de uso específicos y aplicar un marco sistemático para desarrollar una estrategia. El énfasis permaneció en ver más allá de las exageraciones, ahorrando millones mediante la incorporación estratégica de IA en los flujos de trabajo existentes.
En un mundo inundado de promesas de IA, el enfoque pragmático de Adam Craven proporciona una hoja de ruta para que las organizaciones aprovechen el poder de la IA y eviten los errores comunes.
¿Quiere aprender más sobre IA y big data de la mano de los líderes de la industria? Verificar Exposición de IA y Big Data que tendrá lugar en Amsterdam, California y Londres. El evento integral comparte ubicación con Exposición de seguridad cibernética y nube y Semana de la Transformación Digital.
Explore otros próximos eventos y seminarios web de tecnología empresarial impulsados por TechForge aquí.
Fuente: Desmitificando la IA y viendo más allá de las exageraciones