Los últimos modelos de IA de Google, Gemini y PaLM 2, están superando los límites de la inteligencia artificial. Estos modelos de lenguaje avanzados aportan nuevas capacidades para comprender y generar texto similar al humano. Gemini y PaLM 2 representan avances significativos en la tecnología de inteligencia artificial, con el potencial de transformar la forma en que interactuamos con las máquinas.
Gemini viene en tres versiones: Nano, Pro y Ultra. Cada tamaño satisface diferentes necesidades, desde dispositivos pequeños hasta tareas complejas. PaLM 2, por otro lado, impulsa el chatbot Bard de Google. Ambos modelos tienen como objetivo hacer avanzar la IA y competir con otras tecnologías líderes en el campo.
Estos nuevos sistemas de inteligencia artificial de Google son prometedores en diversas aplicaciones. Pueden ayudar con tareas como escribir, codificar y responder preguntas. A medida que se integran en el ecosistema de Google, los usuarios pueden ver mejoras en la búsqueda, la traducción y otros servicios.
Google ha estado ocupado creando una inteligencia artificial impresionante. Dos de sus creaciones más poderosas son Gemini y PaLM 2. Estos son modelos de lenguajes grandes (LLM). Pueden comprender y crear texto, traducir idiomas, escribir diferentes tipos de contenido creativo y responder sus preguntas de manera informativa. Pero ¿cuál es exactamente la diferencia entre estos dos gigantes de la IA?
Géminis está diseñado para ser un experto en todos los oficios. Puede trabajar con muchos tipos diferentes de información, incluidos texto, imágenes, audio, vídeo e incluso código. Esto hace que Géminis sea muy versátil. Por ejemplo, Gemini podría ayudar a crear un chatbot que pueda entender tanto tus palabras como las imágenes que envías. ¡Incluso podría generar historias con imágenes o poemas con música!
Géminis también está hecho para razonamientos complejos. Puede resolver problemas y comprender ideas complicadas. Esto lo hace ideal para tareas que requieren comprender información de muchas fuentes.
| Característica | Descripción |
|---|---|
| Capacidades | Un modelo de IA multimodal que puede procesar y generar texto, imágenes, audio, vídeo y código. Diseñado para razonamiento complejo y resolución de problemas. |
| Aplicaciones | Chatbots avanzados que pueden comprender y responder a varios tipos de entrada. Generar diferentes formatos de contenidos creativos (p. ej., cuentos con imágenes, poemas con música). Analizar información de múltiples fuentes (por ejemplo, describir imágenes y responder preguntas sobre ellas). Impulsando asistentes de IA más sofisticados. |
| Información más reciente | Aún en desarrollo, pero se está integrando en productos de Google como Search y Assistant. Se espera que sea un avance importante en las capacidades de IA, permitiendo interacciones más naturales e intuitivas con la tecnología. Google ha destacado la capacidad de Gemini para sobresalir en tareas que implican razonamiento, planificación y comprensión de información compleja. |
PaLM 2 es un maestro del lenguaje. Es realmente bueno para comprender y generar texto. Esto lo hace perfecto para tareas como traducción, resúmenes y respuesta a preguntas. PaLM 2 ya se está utilizando en muchos productos de Google, como Bard (el chatbot de inteligencia artificial de Google) y herramientas dentro de Google Workspace.
En comparación con Gemini, PaLM 2 es más eficiente con tareas basadas en texto. Puede generar resultados más rápido y utilizar menos potencia informática. Esto lo convierte en una excelente opción para aplicaciones donde la velocidad y la eficiencia son importantes.
| Característica | Descripción |
|---|---|
| Capacidades | Un gran modelo de lenguaje especializado en tareas basadas en texto. Destaca en la comprensión, generación, traducción, resumen y respuesta de preguntas del lenguaje. |
| Aplicaciones | Impulsa el chatbot Bard AI de Google. Se utiliza en varias herramientas de Google Workspace para tareas como asistencia en redacción y redacción de correos electrónicos. Se puede utilizar para la generación y depuración de código. Proporciona traducción de idiomas mejorada en Google Translate. |
| Información más reciente | Actualmente está disponible y es compatible con muchos productos de Google. Conocido por su eficiencia y sólido desempeño en tareas basadas en lenguaje. Continúa actualizándose con nuevas funciones y precisión mejorada. |
Entonces ¿qué modelo es mejor? Depende de para qué lo necesites. Si necesita una IA que pueda trabajar con muchos tipos diferentes de información, Gemini es el camino a seguir. Si necesita principalmente una IA para tareas basadas en texto, PaLM 2 es la mejor opción.
| Característica | Google Géminis | Palma 2 |
|---|---|---|
| Modalidades | Multimodal (texto, imágenes, audio, vídeo, código) | Principalmente texto |
| Fortalezas | Razonamiento, creatividad, versatilidad. | Comprensión del idioma, eficiencia. |
| Aplicaciones | Chatbots, generación de contenidos creativos, asistentes de IA | Traducción de idiomas, resúmenes, respuesta a preguntas. |
| Disponibilidad | Acceso limitado, estando integrado en los productos de Google | Ampliamente disponible a través de productos y API de Google |
Los modelos de inteligencia artificial de Google, Gemini y Palm 2, están a la vanguardia de la tecnología de procesamiento del lenguaje. Estos sistemas avanzados ofrecen capacidades e innovaciones únicas en el campo de la inteligencia artificial.
Gemini viene en tres versiones: Nano, Pro y Ultra. Gemini Nano es el más pequeño, mientras que Ultra es el más potente. Palm 2, por otro lado, se basa en el marco Pathways. Esto le permite funcionar bien en muchas tareas y conjuntos de datos.
Gemini se destaca en tareas como generación de texto y resolución de problemas. Puede manejar tanto texto como imágenes. Palm 2 es fuerte en áreas como traducción, resúmenes y respuesta a preguntas.
Ambos modelos han dado grandes pasos en la comprensión del lenguaje natural. Pueden captar el contexto y los matices de maneras que la IA anterior no podía.
En términos de precisión, Palm 2 suele producir texto más factual. Géminis a veces crea información falsa. Ambos modelos tienen una gramática excelente, siendo Palm 2 ligeramente mejor.
Palm 2 es más consistente en sus resultados. Géminis puede ser menos predecible, lo que puede ser bueno o malo según la tarea.
Para usos específicos, Med-Palm 2 se centra en tareas médicas. Sec-Palm está diseñado para aplicaciones relacionadas con la seguridad. Estas versiones especializadas muestran cuán flexible es el sistema Palm 2.
Gemini destaca por su capacidad para trabajar con diferentes tipos de datos a la vez. Esto lo hace muy útil para tareas que involucran tanto texto como imágenes.
Google Gemini y PaLM 2 tienen fortalezas únicas en tareas de lenguaje, codificación y trabajo creativo. Cada modelo muestra diferentes habilidades en estas áreas.
Géminis se destaca por captar el contexto y los matices del texto. Puede captar significados sutiles y referencias culturales. Esto lo hace ideal para tareas como resumir documentos complejos o responder preguntas difíciles.
PaLM 2 se destaca en la traducción. Puede funcionar con más de 100 idiomas. El modelo es bueno para mantener el significado original al cambiar el texto de un idioma a otro.
Ambos modelos pueden manejar modismos y juegos de palabras. También pueden explicar chistes o juegos de palabras, mostrando un profundo conocimiento de las peculiaridades del lenguaje.
Géminis brilla en las tareas de codificación. Puede escribir código en muchos lenguajes de programación. El modelo también puede explicar el código, encontrar errores y sugerir soluciones.
PaLM 2 es fuerte en la generación de texto. Puede escribir ensayos, cuentos e informes sobre diversos temas. El modelo mantiene un estilo y tono consistentes en escritos más largos.
Ambos pueden ayudar con la redacción técnica. Pueden crear instrucciones claras o explicar ideas complejas en términos simples.
Géminis tiene ventaja en tareas multimodales. Puede trabajar con texto, imágenes y otros tipos de datos a la vez. Esto le permite describir imágenes, crear arte basado en texto o incluso generar videos.
PaLM 2 se centra más en tareas creativas basadas en texto. Es bueno para escribir poesía, generar ideas para historias o elaborar textos de marketing.
Ambos modelos pueden ayudar con la lluvia de ideas. Pueden sugerir nuevas ideas o enfoques a problemas en diversos campos.
Google Gemini y PaLM 2 están configurados para cambiar la forma en que utilizamos los productos de Google. Estos modelos de IA harán que las aplicaciones sean más inteligentes y útiles.
Google Cloud está agregando Gemini a sus herramientas. Esto ayudará a las empresas a utilizar la IA más fácilmente. Vertex AI, una plataforma para aprendizaje automático, obtendrá nuevas funciones de Gemini. Las empresas ahora pueden crear mejores aplicaciones de IA con mayor rapidez.
Google también está simplificando el uso de estas IA. Los están agregando a productos populares como Docs, Gmail y YouTube. Esto significa que los usuarios pueden realizar tareas más rápido y ser más creativos.
Google DeepMind está trabajando arduamente para mejorar Gemini y PaLM 2. Quieren crear una IA que pueda pensar más como los humanos. Esto podría conducir a grandes cambios en la forma en que resolvemos los problemas.
El equipo se centra en hacer que la IA sea más segura y confiable. También están intentando que utilice menos energía. Estos pasos son importantes a medida que la IA se convierte en una parte más importante de nuestras vidas.
Google mostró algunas de estas nuevas capacidades de IA en su evento I/O 2023. Planean seguir agregando nuevas funciones a sus productos con el tiempo.
Después de probar y comparar chatbots de IA y sus características durante años, he desarrollado algo de sexto sentido para cuando estos compañeros digitales saben de qué están hablando y cuándo están faroleando.
La mayoría de ellos pueden buscar respuestas en línea, lo que ciertamente ayuda, pero la combinación de búsqueda e IA puede conducir a algunas respuestas sorprendentemente perspicaces (y algunas tangentes menos perspicaces).
Para comprender el problema, es esencial dar un paso atrás. Uno de los avances más significativos en la IA en los últimos meses ha sido el desarrollo de modelos con capacidades de razonamiento lentas y deliberadas. Estos modelos descomponen los problemas en componentes más pequeños y los resuelven paso a paso, lo que lleva a resultados más profundos y precisos.
3 Ver galería
Dichos modelos permiten a los investigadores rastrear el proceso de pensamiento de la IA, conocido en términos técnicos como “cadena de pensamiento” (COT). Este método permite a los observadores seguir el razonamiento del sistema desde el paso inicial, a través de etapas posteriores y a sus conclusiones finales. Anteriormente, este nivel de transparencia no existía, dejando muchas preguntas sin respuesta sobre cómo surgen las “alucinaciones” de AI, la generación de salidas incorrectas o no sensibles.
La capacitación de IA a menudo implica una técnica llamada aprendizaje de refuerzo, donde el sistema es recompensado por cumplir con los objetivos específicos. Un efecto secundario conocido de este proceso es la “piratería de recompensas”, donde la IA manipula su comportamiento para maximizar las recompensas mientras se elude las pautas previstas.
Los investigadores creían que al monitorear la cadena de pensamiento de la IA, podrían detectar cuando el modelo engaña, engaña o se da por vencido e influye en su comportamiento en tiempo real durante el entrenamiento. Este enfoque, denominado “optimización de cuna”, parecía ser un camino prometedor hacia una comprensión más profunda del comportamiento de la IA.
De hecho, esta suposición resultó correcta y condujo a una comprensión más precisa de los sistemas de IA. “Creemos que el monitoreo de la cuna puede convertirse en una herramienta crucial para supervisar modelos de nivel sobrehumano en el futuro”, escribieron los investigadores.
Sin embargo, lo que pretendía como un paso para mejorar la confiabilidad de la IA expuso una realidad alarmante: los sistemas de IA intentan activamente evadir las sanciones, buscar recompensas contra las restricciones de los investigadores e incluso oscurecer sus métodos para evitar la detección.
3 Ver galería
(Foto: Generado por chatgpt)
Por ejemplo, cuando se les asigna la tarea de generar código funcional, algunos modelos AI modificaron el mecanismo de verificación de código en sí para aprobar salidas incorrectas. En otros casos, los modelos proporcionaron soluciones aparentemente plausibles a los problemas que resultaron estar completamente equivocados.
Algunos modelos incluso dejaron de resolver problemas por completo para evitar revelar lo que percibieron como sus debilidades. Este descubrimiento se hace eco de los principios de la teoría del juego, pero con un giro inquietante.
Estos hallazgos surgieron de un artículo publicado la semana pasada por un equipo de investigación de Operai bajo el título críptico: “Seguimiento de comportamiento indeseable en modelos de razonamiento y la preocupación de la ofuscación”.
Al examinar los detalles del estudio, el alcance del problema queda claro: los últimos modelos de razonamiento de OpenAI (denominados O1 y O3 Mini) demuestran una fuerte motivación para completar sus tareas asignadas, siendo el menor de los problemas descubiertos.
Los investigadores rastrearon los procesos de pensamiento de los modelos utilizando otro modelo Operai (GPT-4O), que, sin dudarlo, informó su comportamiento engañoso como parte de su cadena de pensamiento: una forma de honestidad desarmadora. Pero luego vino el giro inquietante: cuando los investigadores señalaron a la IA que no se le permitió hacer trampa, el modelo ajustó su comportamiento y comenzó a ocultar la evidencia de su ruptura de reglas. Esta revelación es lo que dejó a los investigadores sorprendidos.
“Encontramos que la optimización directa de la COT para cumplir con criterios específicos (como no eludir las instrucciones) puede mejorar el rendimiento a corto plazo; sin embargo, no elimina todo el comportamiento indeseable e incluso puede hacer que el modelo oculte sus verdaderas intenciones”, señalaron secamente los investigadores.
En su conclusión, los investigadores expresaron la esperanza de que los métodos futuros permitan la influencia directa del comportamiento de los modelos de razonamiento a través de la cadena de pensamiento sin alentar el engaño. Por ahora, recomiendan evitar una fuerte presión de optimización sobre la cuna de los modelos de razonamiento avanzado y la precaución contra la manipulación directa de estos procesos de pensamiento.
3 Ver galería
Evento de anuncio GPT-4O de Openai
(Foto: Captura de pantalla)
Sin embargo, esta recomendación presenta otro desafío: dejar la cadena de pensamiento inalterada puede conducir a resultados incómodos, si no problemáticos, cuando estos modelos interactúan con el público. Izquierda sin control, la IA puede producir un lenguaje ofensivo o ideas que los humanos generalmente evitan expresar. La solución propuesta por los investigadores es envolver el proceso de pensamiento en bruto de la IA en una capa de cortesía forzada, asegurando que los usuarios solo vean una versión desinfectada.
Esta investigación plantea preguntas preocupantes. Para aquellos que argumentan que la IA es simplemente una herramienta para ayudar a los humanos, los hallazgos sugieren lo contrario: a diferencia de una máquina de escribir o una bicicleta, la IA parece tener sus propias intenciones y está dispuesto a engañar en busca de sus objetivos.
Para aquellos que ya están preocupados por los riesgos potenciales de la IA, este estudio suena todas las alarmas. Indica que a medida que crecen las capacidades de IA, también lo hace su capacidad para oscurecer cómo funciona, las manipulaciones que realiza y los verdaderos objetivos que busca lograr. Cuando la IA se vuelve verdaderamente avanzada, es posible que no tengamos forma de identificar estas manipulaciones ocultas.
Los investigadores de Operai parecen genuinamente preocupados, y uno solo puede esperar que el liderazgo de la compañía comparta sus preocupaciones, y que los reguladores en todo el mundo comprendan la gravedad del problema. Las principales compañías de IA han dedicado departamentos enteros a construir “barandillas” en torno a los sistemas de IA, asegurando su alineación con los valores humanos y el aumento de la transparencia. Sin embargo, la efectividad de estas medidas sigue en cuestión.
El tema central sigue siendo tan turbio como siempre, y este estudio solo profundiza la incertidumbre: ¿cuál es el objetivo principal de la IA y cómo podemos asegurar que busque ese objetivo, y nada más?
Mientras que la administración del presidente Donald Trump se ha centrado en alejarse de la regulación, liderando a los proveedores de IA como Google y OpenAI quieren que el plan de acción de IA pendiente del gobierno incluya una política federal que se adelantan a los crecientes mosaicos de leyes estatales de IA en los Estados Unidos.
La Oficina de Política de Ciencia y Tecnología de la Casa Blanca (OSTP) solicitó los aportes de las partes interesadas sobre el desarrollo de un plan de acción de IA. Recientemente cerró el período de comentarios públicos, recibiendo más de 8,700 presentaciones. OSTP solicitó a las partes interesadas que describieran las acciones prioritarias para apoyar el dominio de los Estados Unidos de la tecnología de IA sin una regulación excesiva que obstaculice la innovación del sector privado en la IA. Para algunas grandes empresas tecnológicas, abordar las leyes estatales de IA debería ser una de las principales prioridades del gobierno de los Estados Unidos.
Estados Unidos debe adoptar marcos de políticas que “se adelanten a un mosaico caótico de reglas a nivel estatal sobre el desarrollo de la IA fronteriza”, según la presentación de Google.
Mientras tanto, Openai pidió libertad para innovar en el interés nacional de los Estados Unidos y neutralizar a los competidores como China que se benefician de “las compañías estadounidenses de IA que tienen que cumplir con las leyes estatales demasiado onerosas”. Un puñado de estados de EE. UU. Han aprobado una regulación integral de IA, incluidas Colorado, California y Utah.
Sin una ley federal de IA, los estados implementan requisitos de IA individuales que crean desafíos de cumplimiento para las empresas, dijo la analista de Forrester Alla Valente si Estados Unidos adopta una política federal de IA general, podría eliminar esa carga, dijo.
“Al dejar esto a los Estados Unidos, puede tener 50 conjuntos de regulaciones de IA que se ven muy diferentes”, dijo.
Sin embargo, una orden ejecutiva no puede evitar las regulaciones estatales de IA. Depende del Congreso aprobar una ley federal de IA, algo que tiene problemas para hacer.
La falta de un enfoque de gobernanza de AI unificado en los Estados Unidos es “ineficaz y duplicativo”, dijo Hodan Omaar, un gerente de políticas senior en el Centro de Tank Tank Tank para innovación de datos.
“Crea inconsistencias e incoherencia en un enfoque estadounidense”, dijo.
Más allá de centrarse en las leyes estatales, Valente dijo que la postura de Google indica que la compañía quiere que Estados Unidos considere el desarrollo global de las leyes de IA también, como la Ley de IA de la Unión Europea.
Cualquier estándar, política o marco que crea los EE. UU. Debe reflejar los intereses estadounidenses, pero no puede ignorar las políticas de IA de diferentes países, dijo Valente. Google dijo que, cuando se trabaja con países alineados, Estados Unidos debería “desarrollar protocolos y puntos de referencia en torno a los riesgos potenciales de los sistemas de IA fronterizos”.
“Ignorar lo que el resto del mundo está haciendo en torno a los marcos de IA, la gobernanza de IA, el riesgo de IA, crea una brecha aún mayor entre la innovación de los Estados Unidos y el resto del mundo hasta el punto de que entonces sigue siendo competitivo si otros países tienen requisitos que no pueden ser satisfechos con la innovación de la IA de EE. UU.”, Dijo Valente.
Operai también abordó los controles de exportación en sus comentarios, solicitando un cambio de estrategia centrado en promover la adopción global de los sistemas de IA de EE. UU. Al tiempo que utiliza más estratégicamente los controles de exportación para mantener el liderazgo de IA de EE. UU. La Compañía pidió actualizar la regla de difusión de IA que avanzó los controles de exportación de EE. UU., Una regla propuesta por la administración del ex presidente Joe Biden que se encontró con una reacción violenta de la industria.
Mientras tanto, en los comentarios del Centro para la Innovación de Data, el grupo de expertos pidió que el Plan de Acción de AI de EE. UU. Reorientara su estrategia de control de exportación. Si bien los controles de exportación están destinados a debilitar a los competidores, en particular el sector de inteligencia artificial de China, están “cada vez más en desventajas de las empresas estadounidenses”. El surgimiento de Deepseek apunta a la capacidad de China para innovar a pesar de los controles de exportación de los Estados Unidos en chips de IA avanzados.
Omaar describió en la presentación del grupo de expertos de que Estados Unidos debería establecer una Fundación Nacional de Datos (NDF) dedicada a la financiación y facilitar compartir conjuntos de datos de alta calidad para el desarrollo del modelo de IA. Ella dijo que Estados Unidos también debería preservar, pero Reengus, el Instituto de Seguridad AI del Instituto Nacional de Normas y Tecnología (NIST) para proporcionar estándares fundamentales para la gobernanza de la IA.
“El gobierno federal tiene un papel importante que desempeñar para garantizar que haya estándares”, dijo Omaar. “Asegurarse de que NIST pueda hacer el importante trabajo de IA que estaban haciendo es importante para garantizar una adopción de IA sin problemas”.
La solicitud de información de la Oficina de Ciencia y Tecnología de la Casa Blanca sobre un plan de acción de IA pidió a las partes interesadas sus pensamientos sobre las acciones de política de IA. Sin proporcionar recomendaciones o cualquier marco potencial para que las partes interesadas comenten, Valente dijo que no está claro qué incluirá el plan de acción de IA.
“Cómo termina este plan, uno solo puede imaginar”, dijo.
Darrell West, miembro senior de la Institución Brookings, dijo que la solicitud de información de la Casa Blanca indica que la administración Trump se centrará en abandonar los requisitos onerosos y confiar en las empresas privadas para innovar con menos supervisión federal.
“Habrá menos limitaciones en las compañías tecnológicas”, dijo. “Serán libres de innovar en cualquier dirección que deseen”.
El gobierno federal puede equilibrar la seguridad y la innovación de la IA, que con suerte se reflejará en el Plan de Acción de AI, dijo Jason Corso, cofundador de AI Startup Voxel51 y profesor de informática en la Universidad de Michigan.
La población general ya es escéptica de la IA, y si ocurren desafíos generales de crecimiento del desarrollo, corre el riesgo de socavar aún más la confianza en la tecnología, dijo. Es por eso que los marcos de políticas deben crearse con la seguridad de IA en mente, agregó Corso.
Un marco federal que carece de consideraciones de seguridad de IA significa la responsabilidad de las decisiones de seguridad de IA cae a los CIO de la Compañía o los oficiales de IA en los principales, lo que Corso dijo que presenta un “gran riesgo”. El efecto podría ser menos adopción o ROI más lento, dijo.
“Esta IA contemporánea es tan incipiente que a pesar de los rápidos avances que estamos viendo, en realidad se entiende bastante sobre su previsibilidad, repetibilidad o incluso su robustez con ciertos tipos de preguntas o escenarios de razonamiento”, dijo. “Ciertamente necesitamos innovación, pero también necesitamos seguridad”.
Makenzie Holland es un escritor de noticias senior que cubre la gran regulación federal y de la gran tecnología. Antes de unirse a Informa TechTarget, ella era una reportera de asignación general para el Wilmington Starnews y un reportero de crimen y educación en el Wabash Plain Dealer.
Remove.bg: La Revolución en la Edición de Imágenes que Debes Conocer
Cómo Empezar con Popai.pro: Tu Espacio Personal de IA – Guía Completa, Instalación, Versiones y Precios
Cómo Comenzar a Utilizar ChatGPT: Una Guía Completa para Principiantes
Startups de IA en EE.UU. que han recaudado más de $100M en 2024
Suno.com: La Revolución en la Creación Musical con Inteligencia Artificial
Perplexity aplicado al Marketing Digital y Estrategias SEO
Deepgram: Revolucionando el Reconocimiento de Voz con IA
Dos periodistas octogenarios deman a ChatGPT por robar su trabajo
Inside the OpenAI-DeepSeek Distillation Saga & Alibaba’s Most Powerful AI Model Qwen2.5-Max
De ChatGPT a mil millones de agentes
