En un descanso de nuestra práctica habitual, Ars publica esta útil guía para saber cómo activar el “cerebro humano”, en caso de que encuentre uno durante su rutina diaria.
Si bien los asistentes de inteligencia artificial como ChatGPT han conquistado el mundo, un creciente grupo de investigación muestra que también es posible generar resultados útiles a partir de lo que podrían llamarse “modelos de lenguaje humano”, o personas. Al igual que los grandes modelos de lenguaje (LLM) en IA, los HLM tienen la capacidad de tomar la información que usted proporciona y transformarla en respuestas significativas, si sabe cómo elaborar instrucciones efectivas, llamadas “indicaciones”.
La ingeniería rápida humana es una forma de arte antigua que se remonta al menos a la época de Aristóteles, y también se volvió muy popular
Dado que interactuar con humanos puede ser difícil, hemos elaborado una guía con algunas técnicas de estimulación clave que lo ayudarán a aprovechar al máximo las conversaciones con modelos de lenguaje humano. Pero primero, repasemos algo de lo que pueden hacer las reuniones de alto nivel.
Comprender los modelos del lenguaje humano
Los LLM como los que impulsan ChatGPT, Microsoft Copilot, Google Gemini y Anthropic Claude se basan en una entrada llamada “mensaje”, que puede ser una cadena de texto o una imagen codificada en una serie de tokens (fragmentos de datos). El objetivo de cada modelo de IA es tomar esos tokens y predecir los siguientes tokens más probables, basándose en datos entrenados en sus redes neuronales. Esa predicción se convierte en el resultado del modelo.
De manera similar, las indicaciones permiten que los modelos de lenguaje humano utilicen sus datos de entrenamiento para recordar información de una manera más contextualmente precisa. Por ejemplo, si le pide a una persona que diga “Mary had a”, podría esperar que un HLM complete la oración con “corderito” basándose en ejemplos frecuentes de la famosa canción infantil que se encuentra en conjuntos de datos educativos o de crianza. Pero si agrega más contexto a su mensaje, como “En el hospital, María tuvo un”, la persona podría recurrir a datos de capacitación relacionados con hospitales y partos y completar la oración con “bebé”.
Los seres humanos dependen de un tipo de red neuronal biológica (llamada “cerebro”) para procesar información. Cada cerebro ha sido entrenado desde su nacimiento en una amplia variedad de medios tanto textuales como audiovisuales, incluidos grandes conjuntos de datos protegidos por derechos de autor. (Como era de esperar, algunos humanos son propensos a reproducir ocasionalmente contenido protegido por derechos de autor o la producción de otras personas, lo que puede meterlos en problemas.)
A pesar de la frecuencia con la que interactuamos con los humanos, los científicos todavía tienen una comprensión incompleta sobre cómo los HLM procesan el lenguaje o interactúan con el mundo que los rodea. Los HLM todavía se consideran una “caja negra”, en el sentido de que sabemos qué entra y qué sale, pero cómo la estructura cerebral da lugar a procesos de pensamiento complejos es en gran medida un misterio. Por ejemplo, ¿los humanos realmente “entienden” lo que les estás indicando, o simplemente reaccionan basándose en sus datos de entrenamiento? ¿Pueden realmente “razonar” o simplemente están regurgitando novedosas permutaciones de hechos aprendidos de fuentes externas? ¿Cómo puede una máquina biológica adquirir y utilizar el lenguaje? La capacidad parece surgir espontáneamente a través del entrenamiento previo de otros humanos y luego se perfecciona mediante la educación.
A pesar de la naturaleza de caja negra de sus cerebros, la mayoría de los expertos creen que los humanos construyen una modelo mundial (una representación interna del mundo exterior que los rodea) para ayudar a completar las indicaciones y que poseen capacidades matemáticas avanzadas, aunque eso varía dramáticamente según el modelo, y la mayoría aún necesita acceso a herramientas externas para completar cálculos precisos. Aún así, la fortaleza más útil de un ser humano podría residir en la interfaz de usuario verbal-visual, que utiliza el procesamiento de la visión y el lenguaje para codificar multimodal entradas (habla, texto, sonido o imágenes) y luego producir resultados coherentes basados en una indicación.
Los humanos también muestran impresionantes aprendizaje de pocas oportunidades capacidades, pudiendo adaptarse rápidamente a nuevas tareas en contexto (dentro del mensaje) utilizando algunos ejemplos proporcionados. Su aprendizaje de tiro cero Las habilidades son igualmente notables, y muchos HLM pueden abordar problemas novedosos sin ningún dato previo de capacitación específica para la tarea (o al menos intentar abordarlos, con diversos grados de éxito).
Curiosamente, algunas reuniones de alto nivel (pero no todo) demuestran un buen desempeño en puntos de referencia de razonamiento de sentido común, mostrando su capacidad para aprovechar el “conocimiento” del mundo real para responder preguntas y hacer inferencias. También tienden a sobresalir en tareas de generación de textos abiertos, como la redacción de cuentos y la composición de ensayos, produciendo resultados coherentes y creativos.