Evaluación de diferentes tipos de aplicaciones de IA generativa

0
2
Evaluación de diferentes tipos de aplicaciones de IA generativa

putilov_denis – stock.adobe.com


La IA abarca muchas técnicas para desarrollar modelos de software que pueden realizar un trabajo significativo, incluidas las redes neuronales, los algoritmos genéticos y el aprendizaje por refuerzo. Anteriormente, solo los humanos podían realizar este trabajo. Ahora, estas técnicas pueden construir diferentes tipos de modelos de IA.

Los modelos de IA generativos son uno de los tipos más importantes de modelos de IA. Un modelo generativo crea cosas. Cualquier herramienta que use IA para generar una nueva salida (una nueva imagen, un nuevo párrafo o un nuevo diseño de pieza de máquina) incorpora un modelo generativo.

Las diversas aplicaciones de los modelos generativos

La IA generativa funciona en un amplio espectro de aplicaciones, incluidas las siguientes:

  • Interfaces de lenguaje natural. Al realizar síntesis tanto de voz como de texto, estos sistemas de IA potencian asistentes digitales como Alexa de Amazon, Siri de Apple y Google Assistant, así como herramientas que resumen automáticamente el texto o generan comunicados de prensa a partir de un conjunto de datos clave.
  • Síntesis de imágenes. Estos sistemas de IA crean imágenes basadas en instrucciones o direcciones. Si se les pide, crearán la imagen de un pájaro kiwi comiendo un kiwi mientras están sentados en una gran llave de candado. Se pueden utilizar para crear anuncios, diseños de moda o guiones gráficos de producción de películas. DALL-E, Midjourney y Wombo Dream son ejemplos de generadores de imágenes de IA.
  • Síntesis espacial. La IA también puede crear espacios y objetos tridimensionales, tanto reales como digitales. Puede diseñar edificios, habitaciones e incluso planos de toda la ciudad, así como espacios virtuales para el juego o la colaboración al estilo del metaverso. Spacemaker es un programa arquitectónico del mundo real, mientras que BuilderBot de Meta (en desarrollo) se centrará en espacios virtuales.
  • Diseño de producto y síntesis de objetos. Ahora que el público es más consciente de la impresión 3D, vale la pena señalar que la IA generativa puede diseñar e incluso crear objetos físicos como piezas de máquinas y artículos para el hogar. AutoCAD y SOL75 son herramientas que utilizan IA para realizar o ayudar en el diseño de objetos físicos.

Muchas herramientas aprovechan modelos de IA tanto generativos como discriminativos. Los modelos discriminativos, por el contrario, identifican las cosas. Cualquier herramienta que utilice IA para identificar, categorizar, etiquetar o evaluar la autenticidad de un artefacto (físico o digital) incorpora un modelo discriminatorio. Por lo general, un modelo discriminativo no dice categóricamente qué es algo, sino qué es lo más probable en función de lo que ve.

Diagrama del método de entrenamiento GAN
método de entrenamiento GAN

Cómo funcionan juntos los modelos generativo y discriminativo

Una red adversarial generativa (GAN) utiliza un modelo generativo para crear resultados y un modelo discriminativo adversario para evaluarlos, con bucles de retroalimentación entre los dos. Por ejemplo, un GAN podría tener la tarea de escribir reseñas de restaurantes falsas. El modelo generativo intentaría crear reseñas aparentemente reales y luego pasarlas, junto con las reseñas reales, al modelo discriminativo. El discriminador actúa como adversario del modelo generativo, tratando de identificar las falsificaciones.

Los bucles de retroalimentación aseguran que el ejercicio entrene a ambos modelos para un mejor desempeño. El discriminador, al que luego se le dice qué entradas eran reales y cuáles falsas después de evaluarlas, se ajusta para identificar mejor las falsificaciones y no marcar las reseñas reales como falsas. El generador mejora en la generación de falsificaciones indetectables a medida que aprende qué falsificaciones identificó con éxito el discriminador y qué revisiones auténticas etiquetó incorrectamente.

Este fenómeno se aplica en las siguientes industrias:

  • Finanzas. Los sistemas de inteligencia artificial observan los flujos de transacciones en tiempo real y los analizan en el contexto del historial de una persona para juzgar si una transacción es auténtica o fraudulenta. Todos los principales bancos y compañías de tarjetas de crédito utilizan dicho software ahora; algunos desarrollan los suyos propios y otros utilizan soluciones disponibles en el mercado.
  • Fabricación. Los sistemas de IA de fábrica pueden ver flujos de entradas y salidas usando cámaras, rayos X, etc. Pueden señalar o desviar piezas y productos que probablemente sean defectuosos. Kyocera Communications y Foxconn usan IA para la inspección visual en sus instalaciones.
  • Cine y medios. Así como las herramientas generativas pueden crear imágenes falsas (por ejemplo, un pájaro kiwi comiendo kiwi en una tecla), la IA discriminatoria puede identificar imágenes o archivos de audio falsos. La división Jigsaw de Google se enfoca en parte en desarrollar tecnología para hacer que la detección de falsificaciones profundas sea más confiable y fácil.
  • Las redes sociales y la industria de la tecnología. Los sistemas de inteligencia artificial pueden observar las publicaciones y los patrones en las publicaciones para ayudar a detectar cuentas falsas de bots de desinformación u otros malos actores. Meta ha utilizado IA durante años para ayudar a encontrar cuentas falsas y marcar o bloquear información errónea de COVID relacionada con la pandemia.

La IA generativa bien puede convertirse en una palabra de moda tecnológica ampliamente conocida, como la automatización, y sus innumerables aplicaciones demuestran que esta rama naciente de la IA llegó para quedarse. Para enfrentar los desafíos modernos que enfrenta la industria de la tecnología, tiene sentido que esta tecnología se expanda y se arraigue profundamente en más y más empresas.


Profundice en las estrategias comerciales de IA




LEAVE A REPLY

Please enter your comment!
Please enter your name here