jueves, 6 de julio de 2023

OpenAI ya ha anunciado su estrategia para prevenir riesgos con la superinteligencia: la superalineación

OpenAI ya ha anunciado su estrategia para prevenir riesgos con la superinteligencia: la superalineación

OpenAI ha anunciado en un comunicado en su blog parte de su nueva estrategia. La llaman 'superalineación', están creando un equipo de trabajo específico para dedicarse a ella, y se da un plazo de cuatro años para cumplir su objetivo.

¿Qué objetivo? Ser capaces de controlar sistemas de IA mucho más inteligentes que el ser humano, de ahí el nombre 'superalineación': capacidad para alinear la superinteligencia con la voluntad humana. Algo así como las tres leyes de la robótica de Asimov, pero más amplio y aplicado a la IA.

Prevenir rebeldías

El término 'superinteligencia' que usa OpenAI viene a ser la evolución de 'AGI' (Inteligencia Artificial General). Si AGI hace referencia a la capacidad de la IA de replicar tareas humanas, superinteligencia se refiere a un nivel de capacidad muy superior al humano, preparado para resolver problemas a escala global que hasta ahora no podían ser resueltos.

Desde OpenAI consideran que la superinteligencia podría ser una realidad esta misma década, y que su capacidad, muy poderosa, también entraña un riesgo que podría llevar "al desempoderamiento de la humanidad o incluso a la extinción humana".

Hiperbolizado o no, este riesgo es el que quieren enfrentar los creadores de ChatGPT con la creación de su equipo de superalineación, que se basa en el uso de IA para controlar la propia IA. Si hasta ahora las técnicas se basan en aprendizaje automático a partir de la retroalimentación humana, donde son personas quienes se encargan de las bases de ese entrenamiento, la superalineación requerirá niveles de retroalimentación difíciles de lograr únicamente con humanos: harían falta muchísimos y extremadamente cualificados y especializados.

Un ejemplo de esta complejidad la dio la propia OpenAI en otro artículo de su blog hace unas semanas: en él explicaban cómo el razonamiento matemático complejo ya no solo se hacía hacia la consecución del resultado correcto, sino también hacia el proceso.

Uno de los ejemplos usados, un problema de trigonometría, tuvo una gran mayoría de intentos fallidos, pero lograron que el modelo reconociese la solución correcta.

Esa verificación, de cada paso de cada intento, necesita humanos con una alta cualificación en Matemáticas. Es lo que OpenAI busca reemplazar por una IA basada en aprendizaje automático que se alinee en la intención humana, no es la voluntad que pueda desarrollar la propia IA.

Para ello debe dar una señal de entrenamiento en tareas difíciles de evaluar para los humanos, asistida por IA; automatizar la búsqueda de comportamientos y componentes internos problemáticos, y entrenar deliberadamente modelos desalineados para confirmar que sus técnicas detectan los peores tipos de desalineaciones. Algo similar a lo que llevamos años viendo con las redes generativas antagónicas.

En el plazo de cuatro años que se ha marcado OpenAI deberán resolver los principales desafíos técnicos centrales de la alineación de la superinteligencia. Eso supone lograrlo hacia 2027, cerca de los últimos años de la década, el plazo en el que la empresa cree factible la llegada de esa superinteligencia.

Imagen destacada | Xataka con Midjourney.

En Xataka | Los grandes expertos de la IA comparten un mensaje sobre el "riesgo de extinción": les bastan 22 palabras.



via Robótica e IA - Xataka https://ift.tt/FLdVJtH

miércoles, 5 de julio de 2023

Steam ha empezado a bloquear juegos con elementos creados con inteligencia artificial: estas son sus razones

Steam ha empezado a bloquear juegos con elementos creados con inteligencia artificial: estas son sus razones

Puede que muchos desarrolladores de videojuegos se vean tentados de utilizar herramientas generativas para crear algunos elementos para sus proyectos. Este tipo de movimiento podría tener sentido en un mundo donde el auge de la inteligencia artificial (IA) está transformando drásticamente ciertas mecánicas de trabajo.

Ahora bien, también existe la posibilidad de que esta alternativa que podría utilizarse para ahorrar tiempo y dinero acabe convirtiéndose en un dolor de cabeza. Es que la plataforma de distribución propiedad de Valve ha adoptado una nueva postura de cara al contenido generado por IA que puede dejar algunos títulos fuera de juego.

Juegos con contenido generado con IA en Steam

Según un comunicado enviado esta semana a la página Ars Technica, Steam ha cerrado parcialmente la puerta a los juegos con contenido generado por IA. Decimos parcialmente porque solo rechazará la publicación de juegos cuyos elementos creados con tecnología generativa “no infrinjan los derechos de autor existentes”.

La cuestión no acaba ahí y tiene un alcance mayor. No basta con que la herramienta utilizada para generar dichos elementos permita su utilización comercial, pues los datos con los que ha sido entrenado el modelo de IA tampoco deben infringir los derechos de autor. Ciertamente, este escenario bastante complejo sobre la mesa.

Inteligencia Artificial 1

Gran parte de los modelos de IA disponibles en la actualidad han sido entrenados con contenido protegido por derechos de autor de diferentes fuertes agrupado en enormes datasets. Entre los ejemplos más resonantes encontramos a DALL·E de OpenAI, la compañía dirigida por Sam Altman o Stable Diffusion, de Runway y LMU Munich.

Desde Valve reflexionan al respecto y aseguran que “existe cierta incertidumbre legal relacionada con los datos utilizados para entrenar modelos de IA”. Asimismo, remarcan que es responsabilidad del desarrollador asegurarse de cumplir con los requisitos de publicación de juegos señalados en su programa Steamworks.

Ciertamente estamos presenciado los primeras etapas de lo que parece ser un largo camino evolutivo de las herramientas generativas y su relación con los derechos de autor. En Adobe parecen haber previsto este escenario y han anunciado que sus modelos Firefly se entrenarán con contenido libre de derechos de autor o cuyas licencias hayan expirado.

Imágenes: Steam | Hitesh Choudhary

En Xataka: Sony está por detrás en la guerra por el juego en la nube. Si sus planes se cumplen, no por mucho tiempo



via Robótica e IA - Xataka https://ift.tt/WnYqcER

Una cámara de vigilancia compatible con Alexa? Son estas

Cámara de vigilancia compatible con Alexa

La domótica es una realidad que está permitiendo que aquello que hace no tantos años veíamos en el cine y en las series espectaculares de ciencia ficción se haga realidad. Los hogares se están volviendo cada vez más inteligentes y aspectos esenciales que nos hacen la vida más cómoda y también segura están a la orden del día. Cuando la delincuencia está en aumento y muchas familias temen que un okupa les quite su vivienda o que un ladrón entre a darles el susto, tener una cámara de vigilancia es casi una necesidad actualmente. Aunque tiene muchas utilidades. ¿Es posible tener una cámara de vigilancia compatible con Alexa?

No es más que un robot, un mini aparato que habla y nos responde, como si dentro hubiese una cabeza pensante, una vieja sapiencia o a veces diera la impresión que incluso una mini alma escondida dentro de una cajita digital que se confunde entre los objetos decorativos del lugar. Sin embargo, es casi una compañera fiel de las nuevas generaciones, que resuelve nuestras dudas y nos ayuda a controlar otros sistemas tecnológicos del hogar.

A continuación, queremos ayudarte a conocer más acerca de los sistemas de seguridad y vigilancia, explicándote datos interesantes acerca de las cámaras de vigilancia, tan útiles hoy en día, y su compatibilidad con Alexa. Muy pronto, sabrás por qué es tan importante.

Razones para tener una cámara de vigilancia en casa o en el trabajo

Ya sea porque tengas un jardín y quieras vigilar qué intrusos entran a él, que pueden ser vecinos curiosos, cacos o animalitos desvergonzados que acceden sin permiso. O porque tengas una mascota en casa y te guste echarle un ojo cuando estás fuera. E incluso si tienes niños pequeños y necesitas estar pendiente de qué están haciendo en cada momento. Las razones por las cuales te vendrá bien adquirir una cámara de vigilancia son infinitas. A fin de cuentas, para eso están. Son otro de esos grandes inventos que vienen a facilitarnos la vida.

Tener una cámara vigilante es una garantía que aumentará tu seguridad y te dará esa paz necesaria ante la incertidumbre cuando no puedes estar presente con mil ojos puestos en un lugar.

Si estas cámaras las puedes manejar mediante comandos de voz, mucho mejor. Por eso, nos gusta que nuestra cámara sea compatible con Alexa.

¿Por qué te interesa que tu cámara de vigilancia sea compatible con Alexa?

Cámara de vigilancia compatible con Alexa

Alexa te da la posibilidad incluso de tener conectada tu cámara de vigilancia con otros dispositivos inteligentes de la casa. Con el asistente virtual, podrás usar comandos de voz Alexa para controlar y monitorear tus cámaras de seguridad, siempre que sean compatibles.

Pero, ¿cuáles son las ventajas que esto nos ofrece? ¿Realmente nos interesa fijarnos en este detalle a la hora de comprar una cámara de vigilancia? ¿Importa tanto que tenga compatibilidad con el asistente de Amazon? Vamos a explicarte con detalle.

¿Qué tiene de ventajoso tener una cámara de vigilancia compatible con Alexa?

Las ventajas de que nuestra cámara de vigilancia sea compatible con el asistente virtual Alexa son las siguientes.

La cámara se integra mejor en tu entorno para un funcionamiento más eficiente

Cualquier dispositivo inteligente vinculado a Alexa puede vincularse a la cámara de vigilancia. Esto permite aumentar la eficacia del sistema de seguridad, porque puedes conectar la cámara con cerraduras inteligentes de tus puertas, para cerrarlas si se te olvidó o para alertarte si se intenta forzar; o usar sistemas de iluminación o de voz para ahuyentar intrusos.

Uso en modo manos libres

Los comandos de voz que integra Alexa nos permite dar órdenes a los distintos dispositivos si no podemos usar las manos y pedir, por ejemplo, que nos muestre una grabación, o que haga alguna acción. ¿Qué tiene de ventaja esto? Pues que no tendrás que buscar tu móvil, perder varios minutos en abrir la app, etc. Y el tiempo es oro cuando estamos ante algún tipo de amenaza.

Avisos por notificaciones

¿Quieres estar al tanto de todo lo que ocurre en tu hogar mientras no estás? Activa las alertas y notificaciones para la cámara de vigilancia. Podrás despreocuparte, tomarte unas vacaciones y desconectar, porque, si hay que destacar o anormal en tu vivienda, el sistema Alexa te avisará mediante una notificación, por ejemplo, si se detecta algún movimiento en la vivienda.

Crear rutinas personalizadas

Las rutinas hacen pensar a los extraños que hay gente en la vivienda. Los cacos están muy pendientes de si las luces se encienden, si se escucha un televisor o las persianas llevan tiempo inmóviles. Con Alexa como aliada de las cámaras de vigilancia, tienes de extra la ayuda del asistente virtual para crear rutinas que muestren movimiento y vida en la vivienda. Así, nadie se atreverá a entrar, porque pensarán que estás en casa.

Por ejemplo, establece que se enciendan las luces, que se encienda la tele o que otros dispositivos, siempre vinculados con Alexa, se pongan en marcha a determinadas horas o cuando suceda algún patrón que las active.

¿Cómo deben ser las cámaras de vigilancia compatibles con Alexa?

Si quieres calidad cien por cien y efectividad al cien por cien, no debes conformarte con cualquier cámara. Observa que el modelo que compres tenga unas características y calidad suficientes:

  • Vídeos de alta calidad que muestre todos los detalles con nitidez suficiente.
  • Visión nocturna. Debe funcionar incluso en condiciones de poca luz. Porque la seguridad se hace necesaria especialmente por la noche.
  • Que tenga sensores para detectar el movimiento.
  • Capacidad para almacenar en la nube y que siempre tengas la posibilidad de revisar tus grabaciones, porque nunca se sabe cuándo lo puedes necesitar.

Ya que inviertes, invierte bien.

¿Qué cámaras de vigilancia compatibles con Alexa debo comprar?

Hay algunos modelos de cámaras de vigilancia compatibles con Alexa que tienen buenas calificaciones entre los usuarios. Son los siguientes.

Ring Stick Up Cam

Cámara de vigilancia compatible con alexa Ring

La Ring Stick Up Cam tiene a su favor que funciona mediante comandos de voz, es inalámbrica y envía alertas en tiempo real cuando detecta movimiento. Además, ofrece una excelente calidad de imagen.

Google Nest Cam IQ Indoor

Cámara de vigilancia compatible con Alexa Google

La Google Nest Cam IQ Indoor tiene reconocimiento facial y una calidad de vídeo sin precedentes. También ofrece la posibilidad de recibir alertas, hacer seguimiento a personas y manejo por comandos de voz.

Arlo Pro 3

Cámara de vigilancia compatible con alexa Arla

La Arlo Pro 3 ofrece visión nocturna en color y una resolución maravillosa de imagen con 2K para vídeo. Transmite en vivo y puedes ver la imagen en cualquier dispositivo compatible con Alexa.

Son algunas opciones de cámara de vigilancia compatible con Alexa que puedes comprar con todas las garantías.



via Actualidad Gadget https://ift.tt/JMzUY3R

ChatGPT Plus permitía usar Bing. Hasta que descubrió que se estaba usando para saltarse los muros de pago de los medios

ChatGPT Plus permitía usar Bing. Hasta que descubrió que se estaba usando para saltarse los muros de pago de los medios

Hace unos meses OpenAI, la organización creadora de ChatGPT, puso a disposición de los usuarios de ChatGPT Plus (la versión de pago) un plugin para usar Bing desde el chatbot. Gracias a este plugin, los usuarios podían acceder a información actualizada vía Internet, pero algunos lo han estado usando para saltarse el muro de pago de algunos medios, como The Atlantic o The New York Times. Ante esta situación, OpenAI ha tomado medidas.

El "truco". Según comparten los usuarios de Reddit, donde este "truco" se ha hecho viral, bastaba con pedirle a ChatGPT Plus que extrajese el texto de cierta URL. Al pedirle eso, aparentemente ChatGPT copiaba el texto completo aunque estuviese detrás de un muro de pago. En condiciones normales, acceder a ese contenido (protegido) implicaría pagar al medio.

¿Cómo es esto posible? Una posible explicación sería que algunos paywalls simplemente se superponen al contenido, que está cargado y disponible en su totalidad, pero escondido tras una cortina, barra, pop-up, etc. El contenido se carga por completo y luego se oculta. Una opción es que ChatGPT pueda acceder a dicho contenido, en tanto que está cargado, y sea capaz de imprimirlo en la pantalla del usuario a pesar del paywall. Así pues, es probable que con un muro de pago que no cargue el contenido por completo hasta que el usuario haya iniciado sesión y pagado este truco no funcione.

A los problemas, soluciones. OpenAI, que no ha estado exento de crítica por haber usado el contenido (algunas veces protegido) disponible en Internet para entrenar a sus modelos de inteligencia artificial, ha preferido cortar por lo sano. "Nos hemos enterado de que la versión beta de ChatGPT Browser puede mostrar ocasionalmente contenido de formas que no deseamos. Por ejemplo, si un usuario pide específicamente el texto completo de una URL, puede que inadvertidamente se cumpla esta petición", afirman desde la organización. La solución ha sido tajante:

"Desde el 3 de julio de 2023, hemos desactivado la función Navegar con Bing beta por precaución mientras solucionamos este problema para hacer lo correcto con los propietarios de contenidos. Estamos trabajando para restablecer la beta lo antes posible y agradecemos tu comprensión".

Ya ha habido quejas. No es la primera vez que este asunto se pone sobre la mesa. En los inicios de ChatGPT, medios como Wall Street Journal o CNN exigieron que, en tanto que ChatGPT había sido entrenado con su contenido, OpenAI debería licenciar los derechos o lo que es lo mismo, pagar por ello.Bing con ChatGPT, el chatbot de Microsoft, al menos referencia las webs de las que extrae la información.

Imagen | Unsplash

Más información | OpenAI

En Xataka | Le he pedido a ChatGPT que me organice las vacaciones. Se ve que la IA es de morro fino



via Robótica e IA - Xataka https://ift.tt/Tyb15ep

A muchos mineros cripto se les acabó el chollo. La IA les ha permitido reinventarse

A muchos mineros cripto se les acabó el chollo. La IA les ha permitido reinventarse

El pasado 22 de septiembre de 2022 la red Ethereum dijo adiós a los mineros. El cambio de esquema de funcionamiento tras 'The Merge' provocó que de la minería de ETH se pasara al llamado 'staking'. Eso hizo que millones de tarjetas gráficas que se habían dedicado a minar esas criptomonedas quedaran como trastos casi inútiles. Y entonces llegó la inteligencia artificial.

Las GPUs que minaban ahora entrenan modelos de IA. Como indican en The Wall Street Journal, algunas empresas que antes vendían sistemas de minado ('rigs') compuestos por varias tarjetas gráficas se han adaptado a los nuevos tiempos. Ahora que lo de minar criptomonedas ya no es lo que era, muchas está redirigiendo sus pasos al campo de la inteligencia artificial, donde esas mismas GPUs pueden servir para entrenar modelos de IA.

Reconversión. En WSJ ponen ejemplos como el de la empresa española Satoshi Spain. De vender equipos de minería de criptomonedas han reconvertido su estrategia y desde hace tiempo ofrecen su nube de servidores con GPUs para poder alquilar esa potencia de cálculo y dedicarla especialmente al campo de la inteligencia artificial. Alejandro Ibáñez de Pedro, fundador de la empresa, explicaba cómo "aún puedes sacar dinero de tu rig de minería. Es la minería 2.0".

"GPUs oscuras". El auge de la minería cripto hizo que durante varios años conseguir una tarjeta gráfica a precios razonables fuera casi imposible. Casi todas acababan siendo adquiridas por entidades dedicadas a la minería de criptomonedas. Cuando la red Ethereum —la más relevante para quienes usaban estos rigs— dijo adiós a estos sistemas de minado, esas tarjetas gráficas quedaron sin propósito. Will Mason, responsable de una startup de IA, calificaba esas GPUs entonces abandonadas a su suerte como "GPUs oscuras".

Lo malo, la memoria. Para minar criptomonedas como ETH, estas tarjetas gráficas resolvían un complejo algoritmo que se ajustaba perfectamente a las prestaciones de GPUs convencionales. La cosa cambia al reutilizarlas para entrenar modelos de IA, y lo hace porque hay un requisito importante en ese proceso: la memoria. Las tarjetas gráficas para videojuegos suelen contar con cantidades limitadas de memoria de vídeo, y eso hace que sea necesario combinar muchas para poder obtener sistemas de entrenamiento de IA válidos, además de invertir en añadir memoria principal y también una gran capacidad de almacenamiento a estos sistemas, que trabajan con ingentes volúmenes de datos.

Una idea que no es nueva. En realidad usar tarjetas gráficas de videojuegos en el ámbito de la inteligencia artificial es algo que se lleva haciendo bastante tiempo. En Xataka contábamos en 2021 cómo Andrés Torrubia (@antor), experto en el campo de la IA, se había montado una bestia con seis RTX 3090 de 24 GB de memoria de vídeo, pero no para minar criptodivisas, sino para investigar en el campo del aprendizaje profundo. Como él mismo explicaba, "el motivo de elegir las 3090 es la memoria, que es calve para DL". Con otras tarjetas más modestas podría trabajar, pero todo iría más lento porque como explicaba, los modelos de lenguaje basados en transformadores —como el usado en ChatGPT— "son muy glotones en memoria".

Una opción a las nubes comerciales. Normalmente quienes necesitan entrenar modelos recurren a las grandes infraestructuras en la nube que plantean empresas como Microsoft o Amazon, pero esas empresas de minería cripto que se han reconvertido ofrecen una alternativa. En WSJ explican cómo esos recursos de estas nuevas infraestructuras están siendo usadas por startups de IA o universidades que tienen problemas a la hora de acceder a máquinas para entrenar sus modelos.

Miles de GPUs unidas. Han surgido incluso startups como la india Monster, que ha logrado reunir 30.000 de esos chips que antes se usaban para minería de criptomonedas. Las han adaptado y han creado un centro de datos dedicado a ofrecer servicios de computación en la nube. Su fundador, Saurabh Vij, ha llegado a acuerdos con mineros para comprarles las GPUs que ellos ya no iban a utilizar. No fue del todo difícil, porque como él mismo comentaba, cuando la minería ETH se acabó "la gente comenzó a entrar en pánico".

Imagen | Pixabay

En Xataka | Empecé a minar bitcoins cuando solo valían dos dólares



via Robótica e IA - Xataka https://ift.tt/Az7iK0w

martes, 4 de julio de 2023

Google tiene claro cómo va a entrenar sus modelos de IA. Cogiendo todo lo que publiquemos en internet

Google tiene claro cómo va a entrenar sus modelos de IA. Cogiendo todo lo que publiquemos en internet

Uno suele saber a lo que atenerse cuando usa servicios de Google. Es el Gran Hermano definitivo, y sabemos que la recolección de datos es una constante al usar cualquiera de sus plataformas. Es un sacrificio que aceptamos implícitamente al usar herramientas como Gmail, YouTube o Google Maps, pero las cosas pueden ir aún más allá. De hecho, lo acaban de hacer.

Nuevos términos de privacidad. Como indican en Gizmodo, Google actualizó hace unos días su política de privacidad. Lo hicieron con un cambio importante que hace mención específica a cómo entrenan sus modelos de inteligencia artificial. En el documento oficial explican lo siguiente:

"Google puede recoger información públicamente disponible online, o a partir de otras fuentes públicas, para ayudar a entrenar modelos de IA de Google y desarrollar productos y funciones como el Traductor de Google, Bard y funciones de IA de Cloud".

Si es contenido público, lo usarán (potencialmente). Es importante destacar que Google habla de información públicamente disponible online. La empresa parece por tanto reservarse el derecho de recopilar y potencialmente aprovechar contenidos de toda la web, y hacerlo precisamente por el hecho de que ese contenido es público.

Cuidado con lo que publicas. Eso hace que una vez más no sea mala idea reflexionar sobre todo lo que publicamos o subimos en internet sin más. A menos que marquemos esos contenidos como privados o protegidos por derechos de autor, Google los podrá usar para cosas como entrenar sus modelos de inteligencia artificial. Lo dicen bien en Gizmodo: lo importante ya no es tanto quién puede ver esa información que publicamos, sino cómo va a acabar usándola (porque podrá acabar haciéndolo).

Transparencia casi nula. Y mientras esto pasa, las empresas que ofrecen modelos de IA generativa siguen sin ofrecer datos claros sobre cómo entrenan sus plataformas. Google es una de las pocas que expone esos "datasets" utilizados en algunos modelos: el llamado Google C4 es un gigantesco conjunto de datos que permiten descubrir que las fuentes más relevantes son Google Patents, Wikipedia y Scribd.

Modelos
Entre las fuentes de datos la Wikipedia parece quedarse pequeña frente a otras fuentes como Reddit o la navegación web en bruto, que recopila información públicamente disponible de internet ("Common Crawl"). Fuente: LifeArchitect

Sin embargo no hay apenas datos sobre Infiniset, el conjunto de datos usados para el modelo de lenguaje LaMDA utilizado en Bard. De PaLM2 no sabemos mucho, y tampoco está demasiado claro cómo entrenó OpenAI el modelo GPT-3 —hay un estudio de sus ingenieros que no aclara demasiado la cuestión— y la opacidad se ha convertido en una máxima últimamente: las empresas desvelan cada vez menos detalles porque la competencia es feroz.

Pero todas usan internet sin piedad. Lo que sí está claro es que los contenidos publicados en internet en todo tipo de plataformas —blogs, redes sociales, foros, etc— acaba siendo potencialmente usada para entrenar esos modelos de datos. Lo que no sabemos en la mayoría de los casos es si eso que nosotros publicamos estará o no, y sin saber las fuentes concretas, tampoco es posible entender hasta qué punto los ChatGPT o Bard del mundo pueden tener ciertos sesgos en un sentido u otro.

Por eso Reddit y Twitter están tomando medidas. Lo que acaba de hacer Google al cambiar su política de privacidad tiene mucho que ver con la decisión de Reddit y Twitter de limitar el acceso a sus APIs: si no se paga, no se podrá acceder a ellas. O lo que es lo mismo: si no se paga, usar las enormes cantidades de contenido publicado en esas redes es mucho más difícil para empresas que quieren entrenar sus modelos de IA con esos datos.

Internautas sin voz ni voto. Y mientras, los internautas que publicamos esos contenidos no parecemos poder hacer nada al respecto. Cuando publicamos algo en internet, sea donde sea, normalmente lo hacemos de forma automática y sin pensar en si ese contenido debería estar sujeto a alguna licencia. Mi blog, por ejemplo, usa una licencia Creative Commons que requiere atribución. Aunque el dataset Google C4 ha recopilado algunos de mis posts para su entrenamiento, a mí jamás se me ha pedido permiso (en realidad no tendrían que hacerlo obligatoriamente) ni se me ha citado o atribuido (que sí deberían hacer según esa licencia).

¿Demandas a la vista? Google, como todas las demás, están aprovechando internet como su particular campo de entrenamiento para trabajar en el campo de la inteligencia artificial, pero eso podría acabar costándole caro. OpenAI y Microsoft están ahora en medio de una demanda por GitHub Copilot y todo el código que esa herramienta ha usado sin pedir permiso a los programadores.

A Stable Diffusion le pasa algo similar con Getty, cansada de que la IA le robe sus fotos. El propio David Holz, fundador de Midjourney, admitía que al entrenar su modelo "No hay realmente una forma de coger cien millones de imágenes y saber de  dónde provienen. Estaría bien que las imágenes tuvieran metadatos  incrustados sobre el propietario del copyright o algo así. Pero eso no  existe; no hay ningún registro".

La AI Act persigue este tipo de problemas. Mientras tanto en la Unión Europea progresa la aprobación definitiva de la AI Act, su primer intento de regular la inteligencia artificial. En esta normativa hay un apartado específico dedicado a la transparencia, y teóricamente se exigirá a las empresas que desarrollan modelos de IA que expliquen de dónde provienen los datos de entrenamiento. 

Eso es mucho más fácil de hacer que de dedir aparentemente, pero nos enfrentamos a un futuro en el que este tipo de recopilación masiva de datos puede tener problemas adicionales: ya no solo de posible violación de privacidad, sino de su uso en según qué escenarios. En Xataka nos hemos puesto en contacto con los responsables de Google, y actualizaremos la noticia si recibimos más información sobre estos cambios en su política de privacidad.

Imagen | Xataka con Bing Image Creator

En Xataka | OpenAI ha usado millones de textos para entrenar a ChatGPT. El problema es que muchos de ellos tienen copyright



via Robótica e IA - Xataka https://ift.tt/wx4EvHP

Diseñar una CPU es una tarea titánica que puede llevar años: una inteligencia artificial lo ha hecho en cinco horas

Diseñar una CPU es una tarea titánica que puede llevar años: una inteligencia artificial lo ha hecho en cinco horas

Cuando del diseño de una unidad central de procesamiento (CPU, por sus sigas en inglés) se trata, los plazos pueden ser enormes. Estamos hablando del componente central de cada ordenador, una especie de cerebro electrónico que se encarga de procesar las instrucciones del dispositivo. Dada su importancia y complejidad, este tipo de procesos requiere de pericia y rigurosidad de principio a fin.

En la actualidad, los diseñadores de este tipo de componentes han empezado a recurrir a la inteligencia artificial para optimizar una partes de esta titánica tarea. Ahora bien, ¿podría una IA asumir casi la totalidad de este desafío? Esto es lo que se ha preguntado (y ha intentado responder) un grupo de investigadores de diferentes países pertenecientes a la Universidad de Ciencia y Tecnología de China.

Poniendo a prueba los límites de diseño de las máquinas

Los investigadores publicaron recientemente un resumen de la investigación en el que brindan algunos detalles interesantes de sus hallazgos. El diseño de una CPU con un enfoque tradicional requiere de una gran cantidad de trabajo manual de los ingenieros para construir la arquitectura, el diseño lógico y demás. El equipo de expertos eligió un camino diferente para facilitar todo el proceso.

Entrenaron un modelo de aprendizaje automático con datos de diseño de una CPU con arquitectura RISC-V. Después, recurrieron a un diagrama de decisión binaria (BSD, por sus sigas en inglés) y al método Monte Carlo para mejorar la precisión y la eficiencia del diseño impulsado por IA. Según los investigadores, consiguieron un resultado favorable en un 99,99999999999%, todo en aproximadamente 5 horas.

Cpu Disenado Inteligencia Artificial 2

Sobre el papel, el proyecto avanzó a pasos agigantados, pero todavía quedaba una gran pregunta sobre la mesa: si funcionaría es un escenario real. Entonces, los investigadores dieron lugar al siguiente paso, que consistió en fabricar una CPU RISC-V32IA bajo un proceso de 65 nanómetros. ¿El resultado? Una unidad central de procesamiento capaz de alcanzar una velocidad de hasta 300 MHz.

Cpu Disenado Inteligencia Artificial 43

Las pruebas fueron incluso más allá. Se probó la CPU creada por la IA con un sistema operativo Linux (kernel 5.15) y se verificó su funcionalidad. En los puntos de referencia de Drystone, la CPU RISC-V demostró una funcionalidad equivalente a una Intel 80486SX (i486). Si bien sus características se asemejan a un componente diseñado hace tres décadas, desde el laboratorio se muestran optimistas.

“En comparación con las CPU diseñadas por humanos, nuestro enfoque reduce el ciclo de diseño en aproximadamente mil veces porque el proceso de programación manual y verificación del diseño tradicional de la CPU se elimina por completo”, aseguran en el resumen, y reflexionan sobre la posibilidad de que en el futuro se desarrolle una IA autoevolutiva en materia de diseño de componentes electrónicos.

Los resultados obtenidos por estos investigadores pueden ser analizados desde diferentes ángulos, pero hay uno posiblemente en común: que es resultado del auge de la inteligencia artificial y de los esfuerzos de dotar a las máquinas de habilidades que durante mucho tiempo han sido exclusivas de los humanos. De momento, eso sí, las capacidades de la IA para alcanzar el razonamiento y la creatividad todavía son objeto de debate.

Imágenes: Universidad de Ciencia y Tecnología de China

En Xataka: El mayor error de Elon Musk es acabar con lo más valioso que tenía Twitter: el 'doomscrolling'

En Xataka: Antes teníamos la ley de Moore, ahora tenemos la 'ley de Huang' que perfila el futuro de NVIDIA y ARM



via Robótica e IA - Xataka https://ift.tt/2h3fpn8