Per Héctor Martinez,
Project Manager Database Solutions
No hi ha cap dubte que des que OpenAI va fer el llançament públic de ChatGPT el novembre de 2022, moltes coses han canviat.
Des de llavors, la intel·ligència artificial generativa ha guanyat protagonisme i s’ha tornat més accessible, generant-nos una pregunta: com puc aprofitar aquesta “nova” tecnologia en els meus processos de negoci?
Origens
Per comprendre els avenços actuals, cal guanyar perspectiva. La primera xarxa neuronal es va presentar el 1951 per Marvin Minsky, i el terme Intel·ligència Artificial va ser encunyat el 1956 durant la famosa conferència de Dartmouth, promoguda per John McCarthy. Tot i això, per què seguim parlant dels mateixos conceptes més de 60 anys després?
Els avenços en IA han estat intermitents, i això és degut als “hiverns de la intel·ligència artificial”: períodes en què, després de grans avenços (primaveres), es va perdre la confiança en la tecnologia a causa de les limitacions de l’època:
- Primer hivern (1974-1980), marcat per les limitacions tecnològiques de l’època.
- Segon hivern (1987-1993), on dominaven sistemes experts en una única tasca, difícils de mantenir o escalar.
- Tercer hivern (2000-2005), una etapa on l’aprenentatge automàtic es veia restringit per la manca de grans volums de dades.
Què és el que ha canviat?
Alguns dels avenços que ens han portat a una nova primavera de la Intel·ligència Artificial són fàcilment detectables:
- L’ús de GPUs a IA ha permès a la IA fer un salt tecnològic.
- La Computació al Núvol ha simplificat la gestió i escalabilitat de les infraestructures.
- L’increment exponencial de dades disponibles ha donat ales a l’aprenentatge automàtic.
- L’accés a grans volums de dades ha alimentat l’ aprenentatge automàtic i ha permès models més precisos i sofisticats.
Però potser el canvi més destacable ha estat l’accessible que s’ha convertit la Intel·ligència Artificial Generativa, cosa que ha permès formar l’ecosistema necessari per arrencar una primavera de la Intel·ligència Artificial. Un moment ideal per a la implementació empresarial d’aquestes solucions, amb més comprensió per part dels usuaris i gran quantitat d’exemples pràctics en què inspirar-se.
Intel·ligència Artificial Generativa
La Intel·ligència Artificial generativa, ha revolucionat la creació de contingut en diversos formats, incloent-hi text, imatges, àudio, vídeo i codi. Tot i això, aquestes tecnologies, encara que impressionants en la seva capacitat per generar respostes coherents, no tenen un coneixement concret.
Els LLMs, com ChatGPT, són essencialment màquines de predicció sofisticades que generen contingut basant-se en patrons estadístics apresos de les dades d’entrenament, sense una veritable comprensió o coneixement del món.
La seva capacitat per generar un contingut coherent pot portar a una confiança excessiva en les respostes, però la tendència a les “al·lucinacions” (generar informació inexacta o completament falsa) presenta riscos considerables.
És crucial implementar i desplegar una estratègia de governança sobre la IA que no només garanteixi el compliment de normatives i regulacions, sinó que també eviti possibles efectes negatius.
La millor manera d’aconseguir-ho és ajudar aquests models a obtenir informació de primera mà, la nostra. Podem permetre que un model existent tingui accés a les nostres dades mitjançant Retrieval-Augmented Generation (RAG). Caldrà identificar, estandarditzar i segmentar de forma prèvia, creant “embedings” que el nostre model pugui processar, però evitarem haver de reentrenar-lo.
La nostra àrea de Business Management Solutions et pot ajudar a desplegar aquest tipus de solucions, així com altres de més exigents. Per permetre que el model aprengui i s’adapti al context i llenguatge propis de l’organització, caldrà fer un fine-tuning. Per aconseguir-ho caldrà reentrenar un model existent amb dades específiques de l’empresa. Aquesta darrera opció requereix més temps d’implementació, però permet una solució alineada a la companyia.
De tota manera, si necessitem més flexibilitat i completa adaptació al nostre camp, l’opció és entrenar el nostre propi model.
El teu model, Les teves regles
Si el servei requereix més flexibilitat, així com adaptació al context i les particularitats del teu camp de servei, la millor opció és entrenar el teu propi model des de zero. Aquesta estratègia, encara que més complexa i exigent en termes de recursos, ofereix avantatges significatius per a empreses amb necessitats molt específiques o que operen en nínxols de mercat altament especialitzats.
Cal entendre que el procés d’entrenar el nostre propi model s’allunya del món dels LLM i altres IA generatives, amb un entrenament previ del qual no en coneixem els detalls, per centrar-nos en les nostres dades.
Els especialistes en Business Intelligence and Analytics d’Abast estan formats per ajudar-te a assolir aquest objectiu, creant un nou model completament personalitzat, ajustat a les necessitats i objectius específics de la teva empresa.
En el procés de creació d’un nou model, serà vital una anàlisi detallada de les necessitats específiques de l’empresa. Això implica comprendre a fons el procés de negoci, objectiu o desafiament que ha d’abordar el model.
Un dels processos que esten més el temps d’aquest tipus de solucions són les dades. Cal tenir en compte el tipus i la quantitat de dades disponibles per a l’entrenament, això implica la seva identificació, estandardització i segmentació.
Un cop disposem de l’objectiu i les dades de qualitat, entraríem en un cicle d’entrenament i ajust, en què serà important definir un procés de validació i no oblidar-se del rendiment.
En aquests casos, el coneixement de la tecnologia és fonamental, ja sigui per escollir l’algorisme adequat al procés o per desplegar una infraestructura adequada a les necessitats de temps o costos.
A Abast estem preparats per acompanyar-te en qualsevol d’aquestes estratègies. Podem donar-vos suport tant en la implementació primerenca de models existents, integrant bases de coneixement com documents no estructurats, bases de dades o documentació interna, com en el disseny d’un model personalitzat. Analitzant quin algorisme s’adapta millor als objectius de la teva empresa i quina és la infraestructura més adequada per assegurar una solució escalable, eficient i cost-effective.
Propers reptes
Un cop desplegat el nostre model ens faltaran dos punts per cobrir per garantir l’èxit.
El Govern de la IA suposa diversos reptes, el més visible és complir marcs de regulació, però l’impacte d’un ús no segur de la Intel·ligència Artificial. Caldrà, doncs, desenvolupar estratègies per garantir el compliment d’aquests canvis normatius, així com garantir l’entrada i la sortida de dades del nostre model de forma segura, però seguint un estàndard ètic i de transparència.
El darrer punt tracta sobre el Manteniment de la IA. Assolir integrar les nostres infraestructures existents per facilitar futurs entrenaments o assolir un desplegament escalable poden marcar la diferència perquè el nostre sistema sigui sostenible en el temps.
Un viatge, el del desplegament d’una Intel·ligència Artificial sostenible en el temps i preparada per a reptes futurs, en què pots comptar amb Abast. Contacta’ns a través del nostre formulari web.