El futuro de la inteligencia artificial no es ChatGPT
NOTI-AMERICA.COM | CHILE
En los últimos años, la inteligencia artificial generativa ha revolucionado industrias y conversaciones alrededor del mundo. Modelos como ChatGPT, Gemini o LLaMA han demostrado el potencial de los sistemas de lenguaje largo (LLM), permitiendo a las personas interactuar con IA de formas nunca antes imaginadas.
Sin embargo, a medida que estos modelos siguen avanzando, también emergen desafíos significativos que ponen en duda su sostenibilidad y futuro a largo plazo. A pesar de la inversión y la creciente popularidad de los LLM, surgen limitaciones que podrían marcar el fin de estos gigantes.
El costo energético y computacional, la falta de coherencia en sus respuestas, y los sesgos derivados de sus datos de entrenamiento son solo algunas de las barreras que hacen que muchos expertos piensen en otras alternativas. Frente a este panorama, la IA podría estar a las puertas de una transformación radical.
¿Por qué los LLM podrían estar quedándose obsoletos?
Los modelos de lenguaje largo, como ChatGPT, funcionan gracias a la tecnología de transformers, que permite procesar grandes cantidades de texto y generar respuestas coherentes. Su crecimiento ha sido vertiginoso, llegando a dominar el panorama tecnológico actual. Sin embargo, este crecimiento también ha venido acompañado de serios desafíos.
Una de las principales preocupaciones es el enorme consumo de energía que requieren para su entrenamiento y operación.
Por ejemplo, entrenar un modelo como GPT-3 implica un uso masivo de electricidad, que no solo tiene un impacto ambiental, sino que también es costoso. A largo plazo, esta demanda de recursos podría convertirse en un obstáculo para seguir desarrollando LLM de mayor tamaño.
Por otro lado, está la cuestión de la coherencia en las respuestas. Si bien estos modelos pueden generar textos impresionantes, en conversaciones largas o tareas complejas, suelen cometer errores y presentar incoherencias.
A esto se suma el hecho de que, debido a los datos con los que se entrenan, estos sistemas heredan sesgos que pueden llevar a respuestas inexactas o incluso problemáticas.
