Cuando le preguntan a Jonathan Tseng, analista de empresas de hardware y semiconductores del mercado americano, si está preparado para una era dominada por las máquinas, él se ríe y responde: “Esto no es Terminator”. Al calor de la popularidad en las últimas semanas de ChatGPT, Fidelity International ha tenido una charla con Tseng para determinar hasta qué punto los inversores pueden participar en el desarrollo de las IA.
El analista habla de que “hay muchas percepciones erróneas sobre que la IA va a sustituir muchos trabajos y deberíamos comprender qué es y qué no es”. Procede a realizar algunos apuntes: “Hay inteligencia general avanzada, pero estamos muy lejos de alcanzarla. Dentro de esa inteligencia está el machine learning y el deep learning, en el que los ordenadores se comportan de forma humana mediante el uso de redes neuronales. El deep learning es donde están sucediendo cosas fascinantes”, resume Tseng.
Entonces, ¿hacia dónde se dirige la IA? El analista afirma que hay muchos procesos en marcha. “Lo que resulta fascinante es que la gente está descubriendo que los modelos más grandes están dando mejores resultados”. Pone como ejemplo los modelos basados en el lenguaje: de GPT2, con 1.500 millones de parámetros, ha saltado a alrededor de mil millones en GPT 3, “y ha producido resultados interesantes para Google, Facebook, Microsoft y otros”. “Así que todos estos tipos tienen una nueva herramienta y una nueva arma para usar los unos contra los otros”, reflexiona el experto.
Tseng realiza una distinción en materia de competencia entre tecnológicas. En primer lugar, habla de que se están produciendo “avances algorítmicos en términos de fórmulas y acercamientos, y necesitas datos para alimentar a la bestia y entrenar estos modelos. Muchos de los avances algorítmicos han sido de código abierto – OpenAI, el creador de ChatGPT, es uno de los líderes-, lo que es inusual”, explica. Es decir, que “todo el mundo puede acceder a la misma fórmula”. Ahora bien, no todas las tecnológicas tienen acceso a los mismos datos para entrenar esos modelos. “Ahí es donde los operadores tradicionales tienen ventaja, tanto en términos de datos que entrenar como de recursos financieros para financiar la formación, porque entrenar estos modelos puede costar cientos de millones de dólares”, observa el experto.
Tseng se fija en otra ventaja competitiva de las grandes tecnológicas: “Creo que las aplicaciones de las grandes empresas ya están instaladas directamente en el teléfono inteligente y, de hecho, en el cerebro, porque pasamos todo el día con el teléfono inteligente. Así que esto favorece a los grandes operadores tradicionales frente a los nuevos operadores disruptivos”.
Por qué el deep learning es tan importante
Volviendo a la referencia de que es en el segmento de deep learning donde están sucediendo avances reseñables, el analista de Fidelity explica que estos sistemas destacan por dos características. La primera, porque “pueden encontrar una aguja en un pajar”, en el sentido de que estos sistemas son capaces de encontrar información de forma detallada mejor de lo que pueden hacerlo los humanos. “Y, de forma más importante, también pueden hacer el procedimiento inverso”, añade el experto. Pone como ejemplo que los sistemas de aprendizaje profundo pueden detectar de entre más de 10.000 imágenes cuál es la que tiene gatos y viceversa, “son muy buenos generando imágenes de gatos”. El problema, continuando con la analogía, es que “el ordenador no sabe que es un gato. Solo sabe que está generando una imagen relacionada con los ítems estadísticos previos que ha visto, pero no los comprende”. De la misma manera, ChatGPT puede replicar una conversación como si fuera un humano, y es muy bueno generando ese tipo de respuestas, “pero no tiene ni idea de si es la respuesta correcta”.
Por tanto, el analista distingue entre máquinas que pueden hacer tareas al servicio de los humanos, y tareas que sustituyan la mano de obra humana. Pone otro ejemplo: una IA puede generar el fondo para un set de grabación o un dibujo animado o una imagen; “estas máquinas pueden hacer eso todo el día, mejor y más barato que un humano”. Pero, “si tienes una tarea en la que necesitas que salga correcta, como aterrizar un avión en una pista… mala idea”. El margen de error importa, en resumen.
Pone otro ejemplo, el de los chatbots para moderación de la conversación digital: “La IA es genial al eliminar el ruido, pero al final todavía necesitas un humano que modere para poder determinar el 1% que estaba equivocado o no. Lo que pasa aquí es que el humano utiliza una herramienta y no pierde su trabajo. Tan solo cambia la naturaleza del trabajo y permite a los humanos poder hacer tareas de mayor nivel”, resume.
Entonces, ¿qué beneficios comerciales presenta potencialmente el uso de IA? El analista de Fidelity admite que “es difícil de decir en este momento”. Utiliza otra analogía para explicarlo: “El 4G fue una tecnología fascinante. El 4G creó Uber, Airbnb o Instagram. Todas aparecieron porque tenías un móvil y estabas conectado todo el tiempo. Pero fue muy difícil diagnosticarlo con anticipación. Lo que se podía predecir es que el 4G se implantaría y que Apple vendería iPhones”. De manera similar, el experto explica que, “si piensas que se va a producir una revolución de IA, entonces Nvidia y otros van a vender chips”, por lo que, por tanto, ahora la forma más fácil de participar en esta tendencia es “en comerciantes de armas”.