Cómo ChatGPT revolucionará la economía

Lucha por el poder

Cuando Anton Korinek, economista de la Universidad de Virginia y miembro de la Institución Brookings, obtuvo acceso a la nueva generación de modelos de lenguajes grandes como ChatGPT, hizo lo que muchos de nosotros hicimos: comenzó a jugar con ellos para ver cómo podrían ayudar en su trabajo. el cuidadosamente documentaron su desempeño en un artículo en febrero, señalando lo bien que manejaron 25 “casos de uso”, desde la lluvia de ideas y la edición de texto (muy útil) hasta la codificación (bastante bien con algo de ayuda) y matemáticas (no excelente).

ChatGPT explicó incorrectamente uno de los principios más fundamentales de la economía, dice Korinek: “Se equivocó mucho”. Pero el error, fácil de detectar, fue rápidamente perdonado a la luz de los beneficios. “Puedo decirles que me hace, como trabajador cognitivo, más productivo”, dice. “Sin lugar a dudas, no tengo dudas de que soy más productivo cuando uso un modelo de lenguaje”.

Cuando salió GPT-4, probó su rendimiento en las mismas 25 preguntas que documentó en febrero y funcionó mucho mejor. Hubo menos casos de inventar cosas; también le fue mucho mejor en las tareas de matemáticas, dice Korinek.

Dado que ChatGPT y otros bots de IA automatizan el trabajo cognitivo, a diferencia de las tareas físicas que requieren inversiones en equipos e infraestructura, un impulso a la productividad económica podría ocurrir mucho más rápido que en las revoluciones tecnológicas pasadas, dice Korinek. “Creo que podemos ver un mayor impulso en la productividad para fin de año, ciertamente para 2024”, dice.

¿Quién controlará el futuro de esta asombrosa tecnología?

Además, dice, a largo plazo, la forma en que los modelos de IA pueden hacer que los investigadores como él sean más productivos tiene el potencial de impulsar el progreso tecnológico.

Ese potencial de los grandes modelos de lenguaje ya está apareciendo en la investigación en las ciencias físicas. Berend Smit, que dirige un laboratorio de ingeniería química en EPFL en Lausana, Suiza, es un experto en el uso del aprendizaje automático para descubrir nuevos materiales. El año pasado, después de que uno de sus estudiantes graduados, Kevin Maik Jablonka, mostrara algunos resultados interesantes con GPT-3, Smit le pidió que demostrara que GPT-3 es, de hecho, inútil para los tipos de estudios sofisticados de aprendizaje automático que realiza su grupo. para predecir las propiedades de los compuestos.

“Fracasó por completo”, bromea Smit.

Resulta que después de ser afinado durante unos minutos con algunos ejemplos relevantes, el el modelo funciona tan bien como las herramientas avanzadas de aprendizaje automático especialmente desarrollado para la química para responder preguntas básicas sobre cosas como la solubilidad de un compuesto o su reactividad. Simplemente dale el nombre de un compuesto y puede predecir varias propiedades basadas en la estructura.

Leave a Reply

Your email address will not be published. Required fields are marked *