Dr. Joseph Mercola
Investigación global, 21 de julio de 2024
Mércola 20 julio 2024
Perplexity es un “motor de respuestas” impulsado por inteligencia artificial que proporciona respuestas directas a consultas con citas de fuentes, combinando capacidades de búsqueda con modelos de lenguaje grandes para reducir las alucinaciones y aumentar la confiabilidad.
A diferencia de los motores de búsqueda tradicionales, Perplexity tiene como objetivo alimentar la curiosidad ofreciendo preguntas relacionadas y alentando a los usuarios a profundizar en los temas, considerándose a sí mismo como un motor de descubrimiento.
Perplexity utiliza técnicas avanzadas de inteligencia artificial, como recuperación, generación aumentada y razonamiento en cadena de pensamiento para mejorar la precisión y el rendimiento en tareas de procesamiento del lenguaje natural.
El futuro de la IA puede implicar el desarrollo de sistemas capaces de un razonamiento de alto nivel y una curiosidad natural, lo que podría conducir a avances en la creación de nuevos conocimientos y la comprensión de verdades complejas.
Si bien las herramientas de inteligencia artificial como Perplexity mejoran las capacidades humanas, deberían verse como ayudas para el pensamiento crítico y la creatividad en lugar de reemplazos de atributos exclusivamente humanos.
*
En el vídeo de arriba, el científico informático e investigador de IA Lex Fridman entrevista a Aravind Srinivas, director ejecutivo de Perplexity, un «motor de respuestas» impulsado por IA. A diferencia de los motores de búsqueda típicos, que requieren que usted clasifique las páginas de resultados para encontrar la información que necesita, Perplexity proporciona una respuesta en tiempo real a su consulta.
Uno de los peligros de las tecnologías de inteligencia artificial actuales como ChatGPT es la tendencia a alucinar o fabricar información en ocasiones. Para minimizar este riesgo, puede solicitarle que proporcione enlaces de origen y verificar la exactitud de la información proporcionada. Sin embargo, Perplexity aborda este tema desde el principio y, si bien aún puede alucinar, tiene una base fáctica.
“[Perplexity] pretende revolucionar la forma en que los humanos obtenemos respuestas a preguntas en Internet. Combina búsqueda y grandes modelos de lenguaje, LLM, de una manera que produce respuestas en las que cada parte de la respuesta tiene una cita de fuentes creadas por humanos en la web”, dice Fridman.
«Esto reduce significativamente las alucinaciones de LLM y hace que sea mucho más fácil y confiable de usar para la investigación y las exploraciones nocturnas de madrigueras de conejos impulsadas por la curiosidad general en las que participo a menudo». 1
En parte motor de búsqueda, en parte plataforma de respuesta a preguntas
Fridman describe Perplexity como parte de un motor de búsqueda (un sistema de software diseñado para buscar información en Internet) y parte de un LLM. LLM es un tipo de sistema de inteligencia artificial entrenado con grandes cantidades de datos de texto para comprender y generar texto similar al humano. Los LLM pueden realizar diversas tareas relacionadas con el idioma, como responder preguntas, generar contenido, traducir idiomas y más.
A diferencia de los motores de búsqueda estándar que proporcionan enlaces, Perplexity intenta responder consultas directamente. Srinivas explica: 2
“La perplejidad se describe mejor como un motor de respuestas. Le haces una pregunta y obtienes una respuesta. Excepto que la diferencia es que todas las respuestas están respaldadas por fuentes. Así es como un académico escribe un artículo. Ahora, esa parte de referencia, la parte de abastecimiento, es donde entra en juego la parte del motor de búsqueda. Se combina la búsqueda tradicional y se extraen resultados relevantes para la consulta que realizó el usuario. Lees esos enlaces, extraes los párrafos relevantes, los introduces en un LLM…
Ese LLM toma los párrafos relevantes, analiza la consulta y presenta una respuesta bien formateada con notas a pie de página apropiadas para cada oración que dice, porque se le indicó que lo hiciera, se le indicó esa instrucción en particular, se le dieron muchas de enlaces y párrafos, escriba una respuesta concisa para el usuario, con la cita adecuada.
La magia es que todo esto funcione en conjunto en un solo producto orquestado, y para eso construimos Perplexity”.
Srinivas, que anteriormente fue investigador de IA en DeepMind, Google y OpenAI, dice que ve a Perplexity como un motor de descubrimiento que alimenta la curiosidad: 3
“El viaje no termina una vez que obtienes una respuesta. En mi opinión, el viaje comienza después de recibir una respuesta. Verá preguntas relacionadas en la parte inferior, preguntas sugeridas para hacer. ¿Por qué? Porque tal vez la respuesta no fue lo suficientemente buena, o la respuesta fue lo suficientemente buena, pero probablemente quieras profundizar más y preguntar más. Por eso en la barra de búsqueda decimos dónde comienza el conocimiento, porque el conocimiento no tiene fin. Sólo puedes expandirte y crecer”.
Avances en IA
Por favor, comprenda que, si bien Perplexity no es perfecto y todavía muestra cierto sesgo, particularmente con respecto a la información de COVID-19, supera significativamente a Google en casi todas las demás consultas de búsqueda. La tecnología basada en IA detrás de Perplexity proporciona resultados más precisos, completos y matizados , lo que la convierte en una opción superior para búsquedas generales. Sus algoritmos avanzados garantizan que los usuarios reciban la información más relevante y detallada, lo que lo diferencia de los motores de búsqueda tradicionales.
Srinivas describe varias formas en que Perplexity adopta los avances más recientes en aprendizaje automático, junto con la innovación general. Esto incluye la recuperación de generación aumentada (RAG), una técnica avanzada en el procesamiento del lenguaje natural (NLP) que combina las capacidades de los LLM con sistemas de recuperación de información para producir respuestas más precisas y contextualmente relevantes.
Este enfoque es particularmente útil para tareas que requieren información precisa y actualizada, como sistemas de respuesta a preguntas, resúmenes y diálogo. En resumen, RAG implica el aspecto de búsqueda de la consulta, pero Perplexity va más allá. Srinivas dice: 4
“El principio de Perplexity es que se supone que no debes decir nada que no recupere, lo cual es incluso más poderoso que RAG porque RAG simplemente dice: ‘Está bien, usa este contexto adicional y escribe una respuesta’. Pero decimos: ‘No uses nada más que eso también’. De esta manera garantizamos una base fáctica. Y si no tiene suficiente información de los documentos que recupera, simplemente diga: ‘No tenemos suficientes recursos de búsqueda para darle una buena respuesta’”.
También utilizan el razonamiento en cadena de pensamiento, lo que lleva las tareas de PNL a un nivel superior en términos de rendimiento. El razonamiento en cadena de pensamiento en IA se refiere a la capacidad de un modelo de lenguaje para generar explicaciones o secuencias de pensamientos lógicas, paso a paso, que conducen a una conclusión o respuesta. Este enfoque mejora el desempeño del modelo en tareas de razonamiento complejas al alentarlo a articular los pasos intermedios en su proceso de razonamiento. Srinivas explica: 5
“La cadena de pensamiento es esta idea muy simple en la que, en lugar de simplemente entrenar en indicaciones y finalización, ¿qué pasaría si se pudiera obligar al modelo a pasar por un paso de razonamiento en el que se le ocurre una explicación y luego se llega a una respuesta?
Casi como los pasos intermedios antes de llegar a la respuesta final. Y al obligar a los modelos a seguir ese camino de razonamiento, se garantiza que no se ajusten demasiado a patrones extraños y que puedan responder nuevas preguntas que no han visto antes”.
El comienzo de verdaderos avances en el razonamiento
Queda por ver si la IA es fundamentalmente capaz de realizar un razonamiento de nivel superior, similar a los procesos cognitivos humanos. Sin embargo, llegar a ese punto depende en parte de aplicar más computación de inferencia, que en IA se refiere a los recursos y procesos computacionales involucrados en la ejecución de un modelo de IA para hacer predicciones o decisiones basadas en nuevos datos.
Esta etapa es distinta de la fase de capacitación, que implica construir y optimizar el modelo. Desglosada, la inferencia es el proceso mediante el cual un modelo de IA aplica patrones aprendidos a nuevos datos para generar predicciones, clasificaciones u otros resultados. Por ejemplo, utilizar IA para clasificar imágenes o predecir los precios de las acciones.
Mientras tanto, el aspecto informático se refiere a la potencia computacional necesaria para realizar la inferencia. Implica hardware, marcos de software y algoritmos optimizados para un cálculo eficiente. Srinivas dice: 6
“¿Puedes tener una conversación con una IA en la que parezca que hablaste con Einstein o Feynman? Cuando les haces una pregunta difícil, dicen: No lo sé. Y luego, después de una semana, investigaron mucho… y regresaron y simplemente te dejaron boquiabierto.
Creo que si podemos lograr esa cantidad de cálculo de inferencia, que conduce a una respuesta dramáticamente mejor a medida que se aplica más cálculo de inferencia, creo que ese será el comienzo de verdaderos avances en el razonamiento… Es posible. No lo hemos descifrado, pero nada dice que nunca podamos descifrarlo”.
La curiosidad es una parte clave de lo que separa a los humanos de la IA
Parte de descifrar este código implica enseñar a la IA cómo imitar la curiosidad humana natural. «Sin embargo, lo que hace especiales a los humanos es nuestra curiosidad», explica Srinivas. “Incluso si las IA descifraran esto, todavía somos nosotros pidiéndoles que vayan a explorar algo. Y una cosa que siento que las IA aún no han logrado es tener curiosidad natural y plantear preguntas interesantes para comprender el mundo e investigar más profundamente sobre ellas”. 7
Más allá de esto, existe mucha controversia y miedo en torno a la inteligencia artificial general (AGI), que se refiere a un tipo de IA que posee la capacidad de comprender, aprender y aplicar conocimientos en una amplia gama de tareas a un nivel comparable al de la inteligencia humana.
Srinivas dice que no cree que debamos preocuparnos de que “las IA se vuelvan deshonestas y se apoderen del mundo”, pero existe la cuestión de quién controla la computadora en la que se ejecuta AGI. “Se trata menos de acceso a los pesos de un modelo. Es un mayor acceso a la computación lo que está poniendo al mundo en una mayor concentración de poder y en pocos individuos. Porque no todo el mundo podrá permitirse tanta cantidad de computación para responder las preguntas más difíciles”.
Una señal de una mayor inteligencia en la IA, dice Srinivas, es volverse capaz de crear nuevos conocimientos y proporcionar verdad a preguntas cuyas respuestas no conocemos, y ayudarnos a comprender por qué es la verdad.
“¿Se puede construir una IA que sea como Galileo o Copérnico, donde cuestione nuestra comprensión actual y proponga una nueva posición, que será contraria e incomprendida, pero que podría terminar siendo cierta? … Y la respuesta debería ser tan alucinante que ni siquiera te la esperabas”. 8
¿Cuál es el futuro de la búsqueda y la IA?
Ya estamos viendo herramientas de inteligencia artificial como Perplexity, que son exponencialmente superiores a los motores de búsqueda existentes. Sin embargo, en el futuro, Srinivas dice que el objetivo no es crear una mejor herramienta de búsqueda sino crear una plataforma para el conocimiento: 9
“Si nos alejamos, incluso antes de Internet, siempre se trató de la transmisión de conocimientos. Eso es algo más importante que la búsqueda… Entonces, imaginamos un futuro en el que el punto de entrada para una pregunta no tenga que ser simplemente desde la barra de búsqueda. El punto de entrada para una pregunta puede ser que usted escuche o lea una página, escuche que se le lee una página y sienta curiosidad por un elemento de ella y simplemente le haga una pregunta de seguimiento.
Por eso digo que es muy importante comprender que su misión no se trata de cambiar la búsqueda. Su misión es hacer que las personas sean más inteligentes y brindar conocimientos. Y la manera de hacerlo puede empezar desde cualquier lugar. Puede comenzar leyendo una página. Puede comenzar escuchando un artículo… Es sólo un viaje. Esto no tiene fin”.
Tenga en cuenta que Perplexity y otras herramientas de inteligencia artificial no reemplazan su propio pensamiento crítico; más bien, sirven como una ayuda para mejorar su creatividad. Es vital tener esto en cuenta y recordar que la IA es un complemento, no un sustituto, de sus capacidades intelectuales y creativas.
Si bien es necesario tomar precauciones , incluido no compartir información personal o confidencial, no se trata de reemplazar la acción humana sino de mejorarla, permitiendo a las personas centrarse en aspectos de su trabajo que requieren atributos exclusivamente humanos como la empatía, el pensamiento estratégico, la creatividad y la curiosidad. Srinivas explica: 10
“Creo que la curiosidad hace que los humanos sean especiales y queremos atender a eso. Esa es la misión de la empresa y aprovechamos el poder de la IA y todos estos modelos de vanguardia para cumplirla. Y creo en un mundo en el que, incluso si tuviéramos IA de vanguardia aún más capaces, la curiosidad humana no irá a ninguna parte y hará que los humanos sean aún más especiales.
Con todo el poder adicional, se sentirán aún más empoderados, aún más curiosos, aún más informados en la búsqueda de la verdad y eso los conducirá al comienzo del infinito”.
*
Haga clic en el botón Compartir de arriba para enviar por correo electrónico o reenviar este artículo a sus amigos y colegas. Síguenos en Instagram y Twitter y suscríbete a nuestro canal de Telegram . No dude en volver a publicar y compartir ampliamente los artículos de Global Research.
Difunda la verdad, recomiende a un amigo la investigación global
Notas
Comente artículos de investigación global en nuestra página de Facebook