A menudo nos sorprendemos por las respuestas que nos brindan las IAs (Inteligencias Artificiales), principalmente las generativas. Nos preguntamos y nos volvemos a preguntar de qué forma se realizará y en base a qué información. Es más, en este preciso momento estoy pensando que podría dejar de escribir y recurrir a alguna de estas IAs para ver que me dice, pero NO, voy a seguir pensando, reflexionando y pensando como un simple humano.
Siguiendo con el hilo del relato, es importante mencionar que nos encontramos con respuestas ante CASI todas las consultas (prompts) que le escribamos, incluyo el CASI, ya que obviamente solo se limitará a responder aquello que no vaya en contra de las buenas costumbres, que no implique el daño a terceros o la seguridad de los mismos, y varios otros temas que están vedados por cuestiones morales y éticos. Pero realmente cómo hace para poder responder a CASI todo. Evidentemente tiene información y de alguna manera la procesa. Acá es donde los expertos mencionan el uso de las ciencias duras como la matemática, probabilidades, estadísticas y otras.
Ejemplos de Prompts
Yendo a lo concreto y más específico: cómo puede responder por ejemplo si una determinada consulta o prompt puede calificarse como positiva, negativa o neutral. Vayamos a ejemplos concretos, en formato de consulta en el contexto del dictado de una clase de cualquier tema:
Modelo de IA utilizado
Todas las clasificaciones anteriores las obtuve en línea desde el link cardiffnlp/twitter-xlm-roberta-base-sentiment-multilingual, basado en el modelo descripto en https://huggingface.co/cardiffnlp/twitter-roberta-base-sentiment-latest (este es un modelo basado en RoBERTa entrenado en cerca de 124 millones de tweets desde enero de 2018 hasta diciembre de 2021, y ajustado para el análisis de sentimiento con el punto de referencia TweetEval. El modelo RoBERTa original basado en Twitter se puede encontrar aquí y el documento de referencia original es TweetEval. Este modelo es adecuado para inglés, contando además con modelos entrenados en múltiples idiomas).
TweetEval
Cabe mencionar que “TweetEval es una iniciativa que tiene como objetivo evaluar y mejorar los sistemas de procesamiento del lenguaje natural (NLP) en el análisis de tweets. Consiste en una serie de tareas de evaluación que abarcan diferentes aspectos del análisis de tweets, como la identificación de la emoción, la detección de la ironía y el análisis de sentimientos. Este tipo de evaluaciones son importantes para avanzar en el desarrollo de algoritmos y modelos de NLP que sean capaces de comprender y analizar de manera efectiva el lenguaje utilizado en las redes sociales.”
Algo de lo que hacemos en internet
Los párrafos anteriores nos obligan a pensar que al menos este modelo de IA ha sido entrenado con unos 124 millones de tweets, y estos tweets surgieron a través de lo que millones de personas han escrito, reaccionado, opinado y/o comentado. Dicho en otros términos, todo aquello que los usuarios de Twitter en el período arriba mencionado, hayan publicado desde sus cuentas, de una forma u otra fue utilizado para el entrenamiento de estos modelos. Esto no necesariamente implica el incumplimiento de los términos de uso de dicho producto, ya que muy probablemente haya incluido algún apartado mencionando distintos posibles usos.
Nuestro aporte a la IA
Avanzando en el razonamiento, vemos que cada tweet en particular hace un aporte al entrenamiento de la IA, y toda aquella opinión o tweets expresada en forma individual, pasa a formar parte de gran volumen de información que es usado para el entrenamiento de cualquier IA. Y aquí es donde radica la importancia de cada opinión individual, no solo de lo que hemos realizado, porque ya no podemos hacer demasiado, pero si lo importante es, contando con esta información, que vamos a hacer a futuro.
Este es un solo ejemplo documentado del uso de información individual, que pasa a formar parte de un todo y de allí los múltiples usos que se les pueden dar. Quizás al día de hoy no tomemos conciencia de la implicancia de cada uno de nuestros actos en cualquiera de las redes sociales.
Conclusiones
Esto nos lleva a la inexorable conclusión de que “Todo lo que hacemos en internet, será el input de alguna IA”, ya sea para bien o para mal.
Cabe mencionar que el uso habitual que cada uno de nosotros le damos a internet es muy variado, pero no solo subimos contenido en formato de texto, sino también de imágenes, audios, entre otros. Y si, todo esto también será alimento de alguna IA.
Comentarios