Por ejemplo, he jugado con un sistema experimental que construí para mí con GPT-3 diseñado para ayudarme a escribir un libro de ciencia ficción, que es algo que quería hacer desde que era adolescente. Tengo cuadernos llenos de sinopsis que he creado para libros teóricos, donde describo de qué tratan los libros y los universos donde se desarrollan. Con esta herramienta experimental, he podido romper el atasco. Cuando escribía un libro a la antigua usanza, si tenía 2 mil palabras en un día, me sentía muy bien conmigo mismo. Con esta herramienta, he tenido días en los que puedo escribir 6 mil palabras en un día, lo que para mí es mucho. Se siente como un proceso, a nivel cualitativo, más energizante que lo que hacía antes. Este es el sueño del "copiloto para todo": que tendrías un copiloto que podría sentarse a tu lado mientras realizas cualquier tipo de trabajo cognitivo, ayudándote no solo a hacer más, sino también a mejorar tu creatividad en formas nuevas y emocionantes. Este aumento de la productividad es, con claridad, un impulso para tu satisfacción. ¿Por qué estas herramientas traen más alegría al trabajo? Todos usamos herramientas para hacer nuestro trabajo. Algunos de nosotros en verdad disfrutamos adquirir las herramientas, dominarlas y descubrir cómo implementarlas de una manera súper efectiva para hacer lo que tratamos de hacer. Creo que eso es parte de lo que pasa aquí. En muchos casos, las personas ahora tienen herramientas nuevas e interesantes y mucho más efectivas que las que tenían antes. Hicimos un estudio que encontró que el uso de herramientas sin código o de bajo código tuvo un impacto positivo de más del 80% en la satisfacción laboral, la carga de trabajo general y la moral de los usuarios. En especial para las herramientas que se encuentran en sus etapas más o menos tempranas, eso es solo un gran beneficio para ver. Para algunos trabajadores, de manera literal mejora ese flujo central en el que se involucran cuando hacen el trabajo; te acelera. Es como tener un mejor par de zapatillas para correr una carrera o un maratón. Esto es justo lo que vemos con las experiencias que los desarrolladores tienen con Copilot; ellos informan que Copilot les ayuda a mantenerse en el flujo y mantiene sus mentes más agudas durante lo que solían ser tareas aburridas y repetitivas. Y cuando las herramientas de IA pueden ayudar a eliminar la monotonía de un trabajo, algo que es súper repetitivo o molesto o que se interpone en su camino para llegar a lo que en verdad disfrutan, como era de esperar, mejora la satisfacción. A nivel personal, estas herramientas me permiten estar en estado de flujo por más tiempo que antes. El enemigo del flujo creativo es la distracción y quedarse atascado. Llego a un punto en el que no sé muy bien cómo resolver lo siguiente, o lo siguiente es, como, "Tengo que ir a buscar esto". Tengo que cambiar el contexto de lo que hacía para resolver el subproblema”. Estas herramientas me resuelven cada vez más el subproblema para que me mantenga en el flujo. Además de GitHub Copilot y DALL∙E 2, la IA aparece en los productos y servicios de Microsoft de otras maneras. ¿Cómo mejora la IA de próxima generación los productos actuales, como Teams y Word?

Una pintura al óleo impresionista de una mujer en una videollamada.

Esta es la gran historia no contada de la IA. Hasta la fecha, la mayoría de los beneficios de la IA se distribuyen en mil cosas diferentes en las que es posible que ni siquiera aprecies por completo la cantidad de experiencia que obtienes con el producto que proviene de un sistema de aprendizaje automático. Por ejemplo, estamos sentados aquí en esta llamada de Teams en video y, en el sistema, hay todos estos parámetros que fueron aprendidos por un algoritmo de aprendizaje automático. Hay búferes de fluctuación para el sistema de audio para suavizar la comunicación. El desenfoque detrás tuyo en tu pantalla es un algoritmo de aprendizaje automático en el trabajo. Hay más de una docena de sistemas de aprendizaje automático que hacen que esta experiencia sea más agradable para los dos. Y eso es cierto en todo Microsoft. Hemos pasado del aprendizaje automático en algunos lugares a. literal, mil elementos de aprendizaje automático distribuidos en diferentes productos, desde cómo funciona tu cliente de correo electrónico de Outlook, tu texto predictivo en Word, tu experiencia de búsqueda en Bing, hasta cómo se ve tu fuente de noticias en Xbox Cloud Gaming y LinkedIn. Hay IA por todas partes que hace que estos productos sean mejores. Una de las grandes cosas que ha cambiado en los últimos dos años es que solía haber un modelo especializado para cada una de estas tareas que tenemos en todos nuestros productos. Ahora tienes un solo modelo que se usa en muchos lugares porque son bastante útiles. Poder invertir en estos modelos que se vuelven más poderosos con la escala, y luego tener todas las cosas construidas sobre el modelo que se benefician de manera simultánea de las mejoras que se realizan, es tremendo. La investigación y el desarrollo de IA de Microsoft continúan a través de iniciativas como AI4Science y AI for Good. ¿Qué es lo que más te emociona de esta área de la IA?

Una pintura al óleo impresionista de un grupo de científicos en un laboratorio nuclear.

Los problemas más desafiantes que enfrentamos como sociedad en este momento están en las ciencias. ¿Cómo se curan estas enfermedades cuyo tratamiento es complicado? ¿Cómo te preparas para la próxima pandemia? ¿Cómo se brinda atención médica asequible y de alta calidad a una población que envejece? ¿Cómo ayudas a educar a más niños a escala en las habilidades que necesitarán para el futuro? ¿Cómo desarrollas tecnologías que revertirán algunos de los efectos negativos de las emisiones de carbono a la atmósfera? Exploramos cómo llevar algunos de estos emocionantes desarrollos en IA a esos problemas. Los modelos en estas aplicaciones de ciencia básica tienen las mismas propiedades de escala que los modelos de lenguaje grande. Construyes un modelo, lo pones en un modo auto supervisado donde aprende de una simulación o aprende de su propia capacidad para observar un dominio particular, y luego el modelo que obtienes te permite cambiar de manera drástica el rendimiento de una aplicación, ya sea que lleves a cabo una simulación de dinámica de fluidos computacional o dinámica molecular para el diseño de fármacos. Hay una inmensa oportunidad allí. Esto significa mejores medicamentos, significa que tal vez podamos encontrar el catalizador que aún no tenemos para solucionar nuestro problema de emisión de carbono, significa acelerar en general la forma en que los científicos y otras personas con grandes ideas pueden trabajar para tratar de resolver los mayores desafíos de la sociedad. ¿Cómo han contribuido los avances en las técnicas informáticas y el hardware a los avances en IA? Lo fundamental que subyace a casi todo el progreso reciente que hemos visto en IA es cuán crítica ha demostrado ser la importancia de la escala. Resulta que los modelos entrenados en más datos con más poder de cómputo tienen un conjunto de capacidades mucho más rico y generalizado. Si queremos seguir con el impulso de este progreso, y para ser claros, en este momento no vemos ningún fin a los beneficios de una mayor escala, debemos optimizar y escalar nuestra potencia de cómputo tanto como podamos. Hace dos años, anunciamos nuestra primera supercomputadora Azure AI y en nuestra conferencia de desarrolladores Build de este año, compartí que ahora tenemos varios sistemas de supercomputación que estamos bastante seguros de que son las supercomputadoras AI más grandes y poderosas del mundo en la actualidad. Nosotros y OpenAI usamos esta infraestructura para entrenar casi todos nuestros modelos grandes de última generación, ya sean nuestros modelos Turing, Z-code y Florence en Microsoft o los modelos GPT, DALL∙E y Codex en OpenAI. Y de manera reciente anunciamos una colaboración con NVIDIA para construir una supercomputadora impulsada por la infraestructura de Azure combinada con GPU de NVIDIA.

Imagen de supercomputadora generada por un productor usando DALL∙E 2.

Parte de este progreso solo ha sido a través de la escala de cómputo de fuerza bruta con grupos de GPU cada vez más grandes. Pero tal vez un avance aún mayor sea la capa de software que optimiza la forma en que los modelos y los datos se distribuyen en estos sistemas gigantes, tanto para entrenar los modelos como para luego entregarlos a los clientes. Si vamos a presentar estos modelos grandes como plataformas con las que las personas pueden crear, no solo pueden ser accesibles para la pequeña cantidad de empresas tecnológicas en el mundo con suficientes recursos para construir supercomputadoras gigantes. Por lo tanto, hemos invertido mucho en software como DeepSpeed para aumentar la eficiencia del entrenamiento y ONNX Runtime para la inferencia. Optimizan el costo y la latencia y, en general, nos ayudan a hacer que los modelos de IA más grandes sean más accesibles y valiosos para las personas. Estoy muy orgulloso de nuestros equipos que trabajan en estas tecnologías porque Microsoft en verdad lidera la industria aquí, y abrimos el código de todo esto para que otros puedan mejorar. Todos estos avances se desarrollan en medio de una preocupación constante de que la IA afectará los empleos. ¿Cuál es tu pensamiento sobre el tema de la IA y los empleos? Vivimos en una época de extraordinaria complejidad y cambios macroeconómicos históricos, y mientras miramos hacia el futuro a 5 o 10 años, incluso para lograr un balance neto neutral para todo el mundo, vamos a necesitar nuevas formas de productividad para todos nosotros para poder disfrutar del progreso. Queremos construir estas herramientas de IA como plataformas que muchas personas puedan usar para construir negocios y resolver problemas. Creemos que estas plataformas democratizan el acceso a la IA a muchas más personas. Con ellos, obtendrás un conjunto más rico de problemas resueltos y tendrás un grupo más diverso de personas que podrán participar en la creación de tecnología. Con la creación de instancias de IA previa, necesitabas una gran cantidad de experiencia solo para comenzar. Ahora puedes llamar a Azure Cognitive Services, puedes llamar al servicio Azure OpenAI y crear productos complicados por sobre estas cosas, sin tener que ser tan experto en IA que tengas que poder entrenar su propio modelo grande desde cero.

Una conversación con Kevin Scott: ¿Qué sigue en IA?

Adquirir habilidades digitales ayuda a transformar la vida de las personas

Cómo las comunidades crean sistemas de justicia más equitativos con un enfoque en la salud mental

Por qué el CIO de Daimler Truck North America cree que los datos y la tecnología pueden ayudar a resolver los problemas de la cadena de suministro

Con una idea y una cuenta de LinkedIn, miles encuentran ayuda gratuita para convertir sus sueños de una startup en realidad

‘Críticos para nuestra sociedad moderna’: cómo los centros de datos alimentan las necesidades diarias

Cómo la inversión de impacto puede impulsar un poco los grandes sueños y más diversidad en la propiedad empresarial

Trabajadores tecnológicos utilizan sus habilidades para ayudar al mundo: un desastre a la vez

Haleon aprovecha la tecnología Seeing AI de Microsoft para hacer que la información sobre productos de salud sea más accesible para las personas ciegas o con problemas de visión

Desde Hot Wheels hasta el manejo de contenido: cómo las marcas usan la IA de Microsoft para ser más productivas e imaginativas

Microsoft abre el código de su kit de herramientas de la “granja del futuro”

La NBA lanza una nueva experiencia de aplicación única en su tipo para los aficionados, impulsada por el poder de los datos