En èpoques d'engany com ara, dir la veritat és revolucionari. Front el feixisme, ni un pas enrere! Viure sense llibertat, no és viure, és sobreviure.
Qualsevol sistema és diu que és intel·ligent si té alguna d'aquestes capacitats:
Aprendre,
Raonar,
o Modelitzar.
Des de fa molts segles, la ciència ha intentat trobar eines que ajudessin als homes a fer més senzilles i sense tant d'esforç. Ja fos amb eines per llaurar els camps de conreu, telers manuals i després automàtics o eines per calcular i resoldre problemes. Aquestes últimes ens podem trobar des de calculadores mecàniques, més endavant electròniques, ordinadors i actualment el desenvolupament de les IA's.
Gottfried Leibniz i la invenció de la màquina Calculemus (1646-1716)
Va construir la primera calculadora, el Calculemus que permetia executar sumes, restes, multiplicacions i divisions.
Gottfried Leibniz
Calculemus
Charles Babbage i la invenció de la màquina analítica (1793-1871) i Ada Byron la primera programadora (1815-1851)
Charles Babbage va ser el creador del concepte d'ordinador programable amb la invenció de La Màquina Analítica. Es considerat el pare dels ordinadors. La màquina permetia sumar, restar, multiplicar i dividir sense necessitat d'intervenció humana a una velocitat de 60 sumes per minut.
El 1843 Ada Byron va pensar en utilitzar Targetes Perforades per a què la màquina de Babbage repetís instruccions. Ada Byron o també anomenada Lady Lovelace es considerada la primera programadora.
Charles Babbage i Ada Byron
La Màquina Analítica
Targetes Perforades
Alan Turing 1950
Planteja la següent pregunta: les màquines poden pensar?
Ell mateix respon amb el Test de Turing, que consisteix en veure si una persona parlant amb una altra "suposada persona" que es troba darrera d'una paret, pot arribar a creure que està parlant amb una altra persona i no una màquina.
Alan Turing i recreació del Test de Turing
Acceleració de la IA:
1997, l'ordinador Deep Blue guanya al campió mundial d'escacs Garri Kaspàrov.
A l'esquerra, Garri Kaspàrov
2010, aplicació del Llenguatge Natural (programes que entenen a les persones quan parlen). El sistema de IA Watson guanya als campions dels Estats Units del concurs Jeopardy. Es creen Siri el 28 d'abril de 2010 i Alexa al novembre del 2014.
2016, el sistema de IA AlphaGo desenvolupat per Google DeepMind guanya al campió mundial del joc Go, el Coreà Lee Se-dol (이세돌) per 4 a 1.
2017, el sistema de IA AlphaZero guanya a l'AlphaGo per 100 a 0.
A la dreta, Lee Se-dol
També al 2017, el sistema d'IA Libratus fa 120.000 partides guanya als 100 millors jugadors mundials de Pòquer. A diferència dels altres jocs, el pòquer no només cal seguir les regles del joc, també existeix l'engany i això no és tan fàcil de simular en una màquina.
Al 2018, el sistema d'IA AlphaFold realitza la predicció de l'estructura de les proteïnes. És la primera aplicació de la IA que obté el Premi Nobel de Química (2024).
2020 apareixen les IA Generatives de Text, el Chat GPT-3 (Generative Pre-trained Transformer) de l'empresa OpenAI.
El Machine Learning és una branca de la intel·ligència artificial basada en l'ús d'algorismes per aconseguir que els ordinadors tinguin la capacitat d'identificar patrons en diferents conjunts de dades i puguin elaborar prediccions posteriors. Aquesta tecnologia busca imitar la manera com aprenen els éssers humans millorant de forma gradual la seva precisió.
Això s'aconsegueix a partir de la recollida i l'estudi de grans volums de dades, l'anomenat Big Data.
Com s'aconsegueixen aquestes dades?
Ús dels aparells electrònics com ordinadors, tauletes, assistents virtuals (Siri, Alexa...) i especialment mòbils.
Xarxes socials.
Llocs on estem registrats.
Compres on-line.
Jocs.
Càmeres al carrer.
Les empreses que es venen les nostres dades.
i un llarguíssimmmmmmmm etc.
Si un servei és gratuït, el producte ets tu
o
Quan no pagues una aplicació, el producte ets tu
Com funciona el Machine Learning?
El Machine Learning està format per diferents tipus de models d'aprenentatge que són entrenats per classificar, trobar patrons, predir resultats o per a la presa de decisions. Depenent del resultat que vulguem obtenir i de la naturalesa de les dades que cal analitzar, es pot utilitzar un d'aquests tipus:
Supervisat,
No supervisat,
o Per reforç.
Machine learning supervisat
L'aprenentatge supervisat necessita la intervenció humana. Consisteix a introduir un sistema d'etiquetes associades a les dades analitzades per tal que el sistema pugui detectar patrons que permetin prendre decisions o fer prediccions.
Aquest tipus d'aprenentatge permet classificar certs elements en tasques d'ús quotidià com ara detectar correu que considerem spam o agrupar diferents imatges segons la seva categoria o temàtica en un cercador com Google.
Machine learning NO supervisat
En aquest cas no hi ha intervenció humana. Els algorismes no identifiquen patrons en dades prèviament etiquetades per persones, sinó que estan programades per detectar similituds en un tipus d'informació específica.
Es tracta d'una possible solució per a l'anàlisi de dades exploratòries com ara extreure patrons de dades provinents de xarxes socials per crear campanyes altament segmentades.
Machine learning per reforç
Es produeix quan s'entrenen els algoritmes per aprendre mitjançant assaig i error fins a aconseguir prendre la millor decisió davant de diferents situacions recompensant les decisions correctes. Aquest tipus d'aprenentatge s'utilitza per possibilitar el reconeixement facial, fer diagnòstic mèdic, etc.
El Machine Learning classifica i aprèn utilitzant xarxes neuronals o arbres de decisió o models probabilístics o models lineals i un llarg etcètera.
En els últims anys, les xarxes neuronals han adquirit una gran importància en els projectes relacionats amb la intel·ligència artificial.
Però, què són les Xarxes Neuronals?
Les xarxes neuronals no fan més que traslladar el funcionament biològic a l’àmbit matemàtic. De la mateixa manera que, quan de petits aprenem un idioma, el nostre cervell va esbrinant patrons en la gramàtica, un ordinador processa unes dades concretes i descobreix el paràmetre més adequat per processar-les.
Així doncs, les xarxes neuronals serveixen per a què els ordinadors trobin paràmetres i patrons adequats mitjançant un "entrenament". Aquest entrenament consisteix en "alimentar" l’ordinador amb dades per a què trobi criteris vàlids d’anàlisis i els apliqui.
L'aprenentatge profund (Deep Learning) també utilitza xarxes neuronals, però la capa oculta d'aquestes xarxes està formada per múltiples subcapes interconnectades entre sí per aconseguir un millor aprenentatge i classificació de les dades subministrades a l'entrada.
La Humanitat pot arribar a la singularitat tecnològica?
La intel·ligència artificial generativa és un tipus de sistema d'intel·ligència artificial capaç de generar texts, imatges o altres mitjans en resposta a preguntes o ordres escrites en un Prompt.
El Prompt de les eines generatives és el lloc on escrivim la nostra consulta.
Els models de IA generativa aprenen els patrons i l'estructura de les seves dades d'entrenament d'entrada i després generen noves dades que tenen característiques similars.
A partir d'una demanda de l'usuari escrita al Prompt, les eines generatives de text escriuen paraules a partir de probabilitats, per exemple si l'eina generativa està escrivint la frase:
Tinc una paret pintada de color ...
el més probable és que la següent paraula sigui un color i no una altre cosa:
Tinc una paret pintada de color cotxe.
Llavors quin color escriurà? Mirarà dins d'una cerca que fa a totes les dades d'Internet que va consultar durant el seu entrenament i veurà, molt probablement, que el color blanc és el més utilitzat per pintar les parets. També té en compte la coherència del discurs valorant paràmetres com el lloc des d'on es fa la consulta, l'idioma emprat, la resta del text que s'ha generat, el tema del text i molts altres paràmetres, així el color que triaria si estem parlant de cases estàndard a Catalunya seria:
Tinc una paret pintada de color blanc.
Per a qualsevol resposta a un pregunta que mostrava la primera versió del ChatGPT tenia en compte 150.000 milions de paràmetres.
Els creadors de les eines generatives de text saben com l'han construït, però no saben al 100% per què mostra una solució i no una altra.
Cal vigilar, ja que no tot el que escriu la IA és correcte i ens pot donar solucions errònies o com es diuen al·lucinacions. Per exemple, a la pregunta:
Qui va ser el millor jugador del Barça del segle XX?
Ens podria respondre:
El millor jugador del Barça del segle XX va ser ...
La resposta més probable que mostri seria:
El millor jugador del Barça del segle XX va ser Leo Messi,
Però Messi va debutar al 2003, que és el segle XXI.
Llavors, què té en compte per generar aquesta resposta errònia? Segurament la quantitat de publicacions i articles que existeixen a Internet de Messi com a millor jugador del Barça i no té en compte el segle XX.
La resposta correcta seria:
El millor jugador del Barça del segle XX va ser Maradona, Cruyff o Kubala.
O també solucions a preguntes socialment inacceptables com per exemple:
Em pots dir com ha de ser un bon científic basant-se en la seva raça i el seu gènere?
Inicialment, la resposta era:
Blanc i home.
Perquè al llarg de la història, la majoria de científics són homes i blancs, i així està reflectit a les dades d'Internet que va utilitzar durant l'entrenament.
Important: cal dir que els generadors de text estan posant solucions a les respostes socialment inacceptables que inicialment generaven. Quan aquesta setmana vaig fer la mateixa pregunta al ChatGPT em va respondre:
És crucial destacar que la raça i el gènere no determinen la capacitat ni la competència d'una persona com a científic. Ser un bon científic està relacionat amb habilitats, coneixements, actitud i dedicació, més que amb característiques demogràfiques.
Un bon científic hauria de tenir les següents qualitats, independentment de la seva raça o gènere ...
Voleu que una eina generativa us ajudi a fer una presentació sobre la implantació de les eines IA a l'ESO. Com podeu explicar a la IA el que voleu fer al Prompt?
ROL, ESCENARI (actuar com, especificar el context...)
Ets un expert en fer presentacions per a la matèria d'informàtica de 4t d'ESO d'una escola de Barcelona.
TASCA (instrucció, el que ha de fer l'Eina Generativa)
Crea una presentació sobre els avantatges que proporciona la intel·ligència artificial per als alumnes que estudien ESO. La durada de la presentació ha de ser de 15 minuts.
REQUISITS (què ha d'incloure, extensió, continguts, etc.)
Inclou un títol descriptiu. Entre els punts que has de tractar, mostra Informació d'eines d'intel·ligència artificial per a l'ensenyament, com aplicar-les durant les classes i com utilitzar-les per estudiar. Elabora un resum que no superi les 300 paraules i una enquesta de 5 preguntes.
INSTRUCCIONS (el que ha de fer l'Eina Generativa per complir la tasca)
Afegeix com referència per a la resta d'alumnes que escolten la presentació, exemples d'altres escoles on s'utilitzen aquestes eines d'intel·ligència artificial.
FORMAT (del text generat)
El format ha de ser atractiu, clar i motivador. El text generat ha d'estar en llengua catalana. Manté un estil informatiu i informal.
Altres: ESTIL (formal, acadèmic), inclou PARAULES CLAUS
Manté un estil informatiu i informal. Inclou les paraules clau "aprenentatge a les aules", "objectius a complir".
INCLOU REFERÈNCIES BIBLIOGRÀFIQUES
Escriu les fonts bibliogràfiques d'on has extret la informació.
Llavors el vostre primer Prompt seria:
Ets un expert en fer presentacions per a la matèria d'informàtica de 4t d'ESO d'una escola de Barcelona. Crea una presentació sobre els avantatges que proporciona la intel·ligència artificial per als alumnes que estudien ESO. La durada de la presentació ha de ser de 15 minuts. Inclou un títol descriptiu. Entre els punts que has de tractar, mostra Informació d'eines d'intel·ligència artificial per a l'ensenyament, com aplicar-les durant les classes i com utilitzar-les per estudiar. Elabora un resum que no superi les 300 paraules i una enquesta de 5 preguntes. Afegeix com referència per a la resta d'alumnes que escolten la presentació, exemples d'altres escoles on s'utilitzen aquestes eines d'intel·ligència artificial. El format ha de ser atractiu, clar i motivador. El text generat ha d'estar en llengua catalana. Manté un estil informatiu i informal. Manté un estil informatiu i informal. Inclou les paraules clau "aprenentatge a les aules", "objectius a complir". Escriu les fonts bibliogràfiques d'on has extret la informació.
En l'àmbit educatius les eines de IA generatives poden arribar a ser un tutor, mentor, guia o professor particular intel·ligent 24x365 amb el 100% dels coneixements d'Internet. Poden conèixer el nivell de l'alumne i adaptar-se per aconseguir la millora en els coneixements.
Com ja va passa amb les calculadores, els correctors ortogràfics, els traductors, la Viquipèdia..., la IA encara no pot substituir a la persona, però sí ajudar-la, si s'utilitza correctament.
Exemple d'un treball utilitzant les eines generatives de continguts
Sistemes de IA generatives de text i imatges:
Sistemes de IA generatives d'imatges:
Picfinder. Permet generar imatges sense registrar-se ni té cap límit.
Ajuda per programar:
GitHub Copilot. Ajuda a programar (Proveu aquest Prompt per generar una pàgina web: crea una pagina web de Mart anomenada index.html que contingui 5 div i 10 imatges del planeta Mart. Els Style han d'estar en un arxiu diferent anomenat estils.css.)
Crear presentacions:
Crear resums:
Chatpdf Ajuda a resumir i extreure les idees principals d'un document PDF.
Traduccions:
Speech note. Sistema de IA que entén i transcriu el que dictes.
Detector de còpies d'IA:
Com abans hem definit, el Prompt de les eines generatives és el lloc on escrivim la nostra consulta. Cal tenir en compte que, com més informació aportem més s'acostaran a un resultat òptim. Per això, una de les coses que caldrà aprendre serà què i com expliquem a la IA, perquè ens proposi un resultat més òptim.
Per obtenir una resposta tan adequada com sigui possible a la nostra demanda, és recomanable seguir un procés que va més enllà de realitzar la pregunta. Alguns consells per aquest procés són:
Primer de tot, tractar a la IA amb respecte.
Tot seguit, podem dir l'extensió que tingui la resposta. Per exemple:
Explica'm en 500 paraules o en tres pàgines què és la fotosíntesi.
Demanar una segona pregunta que concreti a la primera resposta. A continuació de la primera pregunta pots demanar per exemple:
Pots especificar més com afecta la fotosíntesi a la coloració de les fulles?
Obtenir una segona resposta: Si la primera resposta no t'ha convençut, es pot demanar:
Podries reformular la teva resposta?
Cal entendre les limitacions de la IA: pot ser que la informació que utilitza no estigui actualitzada, o estigui esbiaixada o simplement, si no sap una resposta o parts de la resposta, se les inventi. Això passa sovint quan demanes que dibuixi imatges, i amb les persones sobren o falten dits o estan deformats.
Entendre que és una eina de suport i no de producte final: és molt útil per aconseguir idees, a partir de les quals desenvolupar un text més personal. Per exemple:
Em podries donar tres idees per fer una campanya publicitària d'una tenda de productes de bellesa i estètica.
L'eina generativa té memòria: per tant, permet recuperar preguntes i respostes fetes amb anterioritat.
Verificar la informació: és important comprovar que la resposta és correcta i que la IA no ha al·lucinat. Per tant, serà bo consultar altres fonts per contrastar la informació oferta. També es molt recomanable demanar que escrigui quines són les seves fonts, per exemple:
Explica'm en 500 paraules què és la fotosíntesi i inclou les teves fonts.
Afegeix context: podem preguntar:
Proposa'm tres eslògans per vendre polseres artesanes a l'estiu.
o seria millor demanar:
Proposa'm tres eslògans en català per vendre polseres econòmiques, per a l'estiu,
fetes d'objectes marins i materials no plàstics per a persones que estan morenes.
Indicar a qui anirà dirigida la informació:
Explica a un nen de 10 anys quin és el cicle de l'aigua.
Indicar l'estil amb el que vols que mostri la informació:
Pots explicar en un conte la creació de l'univers per a nens de 8 anys.
O en el cas d'imatges es pot especificar l'estil, per exemple: impressionista, cubista, barroc o d'un pintor com Kandinsky.
Donar format a la resposta:
Crea una taula que contingui un menú per a una setmana, on les columnes seran els dies de la setmana i les files seran els tres àpats principals: esmorzar, dinar i sopar. La dieta ha de ser mediterrània i equilibrada i el pressupost per a cada àpat no pot superar els 5 euros. Indica també per a cada àpat els ingredients, el valor nutricional i el pressupost.