John Naughton
El modelo de procesamiento del lenguaje ChatGPT irrumpió en un mundo atónito y el aire se llenó de chillidos de alegría y gritos de indignación o lamento. Los de alegría eran los que se quedaban paralizados al descubrir que una máquina podía, aparentemente, realizar un encargo escrito de forma competente. La indignación se debe al miedo al despido de personas cuyo empleo requiere la capacidad de escribir prosa profesional. Y las lamentaciones proceden de personas serias (muchas de ellas profesores de distintos niveles) cuyo trabajo diario consiste en corregir redacciones escritas hasta ahora por estudiantes.
Hasta aquí, todo previsible. Si algo sabemos de la historia es que, por lo general, sobrestimamos el impacto a corto plazo de las nuevas tecnologías de la comunicación, mientras que subestimamos enormemente sus implicaciones a largo plazo. Así ocurrió con la prensa escrita, el cine, la radio y la televisión e Internet. Y sospecho que acabamos de subirnos al mismo tiovivo cognitivo.
Sin embargo, antes de apretar el botón del pánico, merece la pena examinar la naturaleza de la bestia. Se trata de lo que los expertos en aprendizaje automático denominan un gran modelo lingüístico (LLM) al que se ha añadido una interfaz conversacional. El modelo subyacente se ha entrenado con cientos de terabytes de texto, la mayoría de ellos probablemente extraídos de Internet, por lo que se podría decir que ha “leído” (o en todo caso ingerido) casi todo lo que se ha publicado en línea. Como resultado, ChatGPT es bastante hábil imitando el lenguaje humano, una facilidad que ha animado a muchos de sus usuarios al antropomorfismo, es decir, a ver el sistema más como un ser humano que como una máquina. De ahí los chillidos de alegría antes mencionados, y también algún que otro usuario despistado que parece creer que la máquina es de algún modo “sensible”.
El antídoto más conocido contra esta tendencia a antropomorfizar sistemas como ChatGPT es Talking About Large Language Models (Hablando de grandes modelos lingüísticos), un artículo reciente del distinguido académico de la IA Murray Shanahan, disponible en arXiv. En él explica que los LLM son modelos matemáticos de la distribución estadística de “tokens” (palabras, partes de palabras o caracteres individuales, incluidos los signos de puntuación) en un vasto corpus de texto generado por humanos. Así, si se le da al modelo una pregunta del tipo “La primera persona que pisó la luna fue … ” y responde “Neil Armstrong”, no es porque el modelo sepa algo sobre la Luna o la misión Apolo, sino porque en realidad le estamos planteando la siguiente pregunta: “Dada la distribución estadística de las palabras en el vasto corpus público de textos [en inglés], ¿qué palabras tienen más probabilidades de seguir la secuencia ‘The first person to walk on the moon was’? Una buena respuesta a esta pregunta es ‘Neil Armstrong'”.
Se trata de “predecir la siguiente ficha”, que es lo que ocurre con muchas de las tareas que asociamos a la inteligencia humana. Esto puede explicar por qué tanta gente está tan impresionada por el rendimiento de ChatGPT. Está resultando útil en muchas aplicaciones: resumir artículos largos, por ejemplo, o elaborar un primer borrador de una presentación que luego se puede retocar. Una de sus capacidades más inesperadas es la de ayudar a escribir código informático. Dan Shipper, un experto en software, cuenta que pasó las Navidades experimentando con él como asistente de programación, y llegó a la conclusión de que: “Es increíblemente bueno para ayudarte a empezar un nuevo proyecto. Te quita todo el trabajo de investigar y pensar y buscar cosas y lo elimina… En 5 minutos puedes tener funcionando el trozo de algo que antes te habría llevado unas cuantas horas poner en marcha”. Su advertencia, sin embargo, es que primero hay que saber programar.
Ese me parece el principio de la sabiduría sobre ChatGPT: en el mejor de los casos, es un asistente, una herramienta que aumenta las capacidades humanas. Y está aquí para quedarse. En ese sentido, me recuerda, curiosamente, al software de hojas de cálculo, que irrumpió en el mundo empresarial como un rayo en 1979, cuando Dan Bricklin y Bob Frankston escribieron VisiCalc, el primer programa de hojas de cálculo, para el ordenador Apple II, que entonces se vendía sobre todo en tiendas de aficionados. Un día, Steve Jobs y Steve Wozniak se dieron cuenta de que muchas de las personas que compraban su ordenador no llevaban barba ni coleta, sino traje. Y que el software vende hardware, no al revés.
La noticia no pasó desapercibida para IBM y llevó a la empresa a crear el PC y a Mitch Kapor a escribir el programa de hoja de cálculo Lotus 1-2-3 para él. Con el tiempo, Microsoft escribió su propia versión y la llamó Excel, que ahora funciona en todas las máquinas de todas las oficinas del mundo desarrollado. Pasó de ser una intrigante pero útil ampliación de las capacidades humanas a ser un accesorio mundano, por no mencionar la razón por la que Kat Norton (alias “Miss Excel”) supuestamente gana sumas de seis cifras al día enseñando trucos de Excel en TikTok. Lo más probable es que alguien, en algún lugar, esté planeando hacer lo mismo con ChatGPT. Y utilizando el bot para escribir los scripts.
John Naughton
El modelo de procesamiento del lenguaje ChatGPT irrumpió en un mundo atónito y el aire se llenó de chillidos de alegría y gritos de indignación o lamento. Los de alegría eran los que se quedaban paralizados al descubrir que una máquina podía, aparentemente, realizar un encargo escrito de forma competente. La indignación se debe al miedo al despido de personas cuyo empleo requiere la capacidad de escribir prosa profesional. Y las lamentaciones proceden de personas serias (muchas de ellas profesores de distintos niveles) cuyo trabajo diario consiste en corregir redacciones escritas hasta ahora por estudiantes.
Hasta aquí, todo previsible. Si algo sabemos de la historia es que, por lo general, sobrestimamos el impacto a corto plazo de las nuevas tecnologías de la comunicación, mientras que subestimamos enormemente sus implicaciones a largo plazo. Así ocurrió con la prensa escrita, el cine, la radio y la televisión e Internet. Y sospecho que acabamos de subirnos al mismo tiovivo cognitivo.
Sin embargo, antes de apretar el botón del pánico, merece la pena examinar la naturaleza de la bestia. Se trata de lo que los expertos en aprendizaje automático denominan un gran modelo lingüístico (LLM) al que se ha añadido una interfaz conversacional. El modelo subyacente se ha entrenado con cientos de terabytes de texto, la mayoría de ellos probablemente extraídos de Internet, por lo que se podría decir que ha “leído” (o en todo caso ingerido) casi todo lo que se ha publicado en línea. Como resultado, ChatGPT es bastante hábil imitando el lenguaje humano, una facilidad que ha animado a muchos de sus usuarios al antropomorfismo, es decir, a ver el sistema más como un ser humano que como una máquina. De ahí los chillidos de alegría antes mencionados, y también algún que otro usuario despistado que parece creer que la máquina es de algún modo “sensible”.
El antídoto más conocido contra esta tendencia a antropomorfizar sistemas como ChatGPT es Talking About Large Language Models (Hablando de grandes modelos lingüísticos), un artículo reciente del distinguido académico de la IA Murray Shanahan, disponible en arXiv. En él explica que los LLM son modelos matemáticos de la distribución estadística de “tokens” (palabras, partes de palabras o caracteres individuales, incluidos los signos de puntuación) en un vasto corpus de texto generado por humanos. Así, si se le da al modelo una pregunta del tipo “La primera persona que pisó la luna fue … ” y responde “Neil Armstrong”, no es porque el modelo sepa algo sobre la Luna o la misión Apolo, sino porque en realidad le estamos planteando la siguiente pregunta: “Dada la distribución estadística de las palabras en el vasto corpus público de textos [en inglés], ¿qué palabras tienen más probabilidades de seguir la secuencia ‘The first person to walk on the moon was’? Una buena respuesta a esta pregunta es ‘Neil Armstrong'”.
Se trata de “predecir la siguiente ficha”, que es lo que ocurre con muchas de las tareas que asociamos a la inteligencia humana. Esto puede explicar por qué tanta gente está tan impresionada por el rendimiento de ChatGPT. Está resultando útil en muchas aplicaciones: resumir artículos largos, por ejemplo, o elaborar un primer borrador de una presentación que luego se puede retocar. Una de sus capacidades más inesperadas es la de ayudar a escribir código informático. Dan Shipper, un experto en software, cuenta que pasó las Navidades experimentando con él como asistente de programación, y llegó a la conclusión de que: “Es increíblemente bueno para ayudarte a empezar un nuevo proyecto. Te quita todo el trabajo de investigar y pensar y buscar cosas y lo elimina… En 5 minutos puedes tener funcionando el trozo de algo que antes te habría llevado unas cuantas horas poner en marcha”. Su advertencia, sin embargo, es que primero hay que saber programar.
Ese me parece el principio de la sabiduría sobre ChatGPT: en el mejor de los casos, es un asistente, una herramienta que aumenta las capacidades humanas. Y está aquí para quedarse. En ese sentido, me recuerda, curiosamente, al software de hojas de cálculo, que irrumpió en el mundo empresarial como un rayo en 1979, cuando Dan Bricklin y Bob Frankston escribieron VisiCalc, el primer programa de hojas de cálculo, para el ordenador Apple II, que entonces se vendía sobre todo en tiendas de aficionados. Un día, Steve Jobs y Steve Wozniak se dieron cuenta de que muchas de las personas que compraban su ordenador no llevaban barba ni coleta, sino traje. Y que el software vende hardware, no al revés.
La noticia no pasó desapercibida para IBM y llevó a la empresa a crear el PC y a Mitch Kapor a escribir el programa de hoja de cálculo Lotus 1-2-3 para él. Con el tiempo, Microsoft escribió su propia versión y la llamó Excel, que ahora funciona en todas las máquinas de todas las oficinas del mundo desarrollado. Pasó de ser una intrigante pero útil ampliación de las capacidades humanas a ser un accesorio mundano, por no mencionar la razón por la que Kat Norton (alias “Miss Excel”) supuestamente gana sumas de seis cifras al día enseñando trucos de Excel en TikTok. Lo más probable es que alguien, en algún lugar, esté planeando hacer lo mismo con ChatGPT. Y utilizando el bot para escribir los scripts.
Via
Compartir esto: