Nota: ✋ Este post se publicó originalmente en If Geek Then

Introducción

En la actualidad, hemos sido testigos de la creciente relevancia de las aplicaciones de Inteligencia Artificial Generativa (GenAI) que han capturado nuestra atención e inspirado nuestra imaginación. Estas nuevas aplicaciones representan un punto de inflexión para la Inteligencia Artificial (IA) y el aprendizaje automático o Machine Learning (ML). Este cambio de paradigma de IA y ML se viene trabajando desde varios años atrás y ha experimentado un impulso significativo gracias a la capacidad de cómputo escalable que tenemos en la nube y sumando la gran proliferación masiva de datos y el rápido avance de las tecnologías de IA y ML que han acelerado esta evolución. Los clientes de todas las industrias están adoptando rápidamente las tecnologías de IA y ML para transformar sus operaciones y modelos de negocios. Estamos viviendo un momento emocionante ya que muchas experiencias y aplicaciones de los clientes se están reinventando con GenAI.

“La IA generativa no es solo una tecnología o un caso de negocio, es una parte clave de una sociedad en la que las personas y las máquinas trabajan juntas.” (Gartner®).

¿Qué es la IA Generativa?

Ahora nos preguntamos, ¿Qué es exactamente la IA generativa?. La GenAI es un tipo de inteligencia artificial que puede crear nuevos contenidos e ideas, incluidas conversaciones, historias, imágenes, videos y música. Como toda la inteligencia artificial, la GenAI funciona con modelos de aprendizaje automático o Machine Learning. Sin embargo, la GenAI está impulsada por modelos muy pero muy grandes que están previamente entrenados en grandes colecciones de datos y se conocen comúnmente como modelos básicos o modelos fundacionales (FM). Los avances recientes en el aprendizaje automático han llevado al surgimiento de modelos fundacionales que contienen miles de millones de parámetros o variables.

¿Qué tipos de modelos fundacionales (FM) hay actualmente en el mercado?

En la actualidad, existen tres tipos principales de FM disponibles en el mercado:

• Texto a Texto: Estos modelos de procesamiento de lenguaje natural son el primer tipo de modelos fundacionales desarrollados por startups de la comunidad de investigación de ML y empresas establecidas, que tienen la capacidad de resumir texto, extraer información, responder preguntas y generar contenido como blogs o descripciones de productos.
• Texto a Incrustaciones: Estos modelos básicos o fundacionales comparan la entrada de texto proporcionada por el usuario en una barra de búsqueda con datos de índice relevantes y conecta los puntos entre los dos (búsqueda e índices), estableciendo conexiones significativas entre ambos conjuntos de información. Esto se traduce en resultados de búsqueda más precisos y pertinentes. Un ejemplo puede ser la búsqueda de productos de la tienda de Amazon que utiliza este tipo de FM para comparar la pregunta de un usuario con los datos del catálogo y luego presenta al usuario resultados más precisos y relevantes.
• Multimodal: Los modelos de base multimodal son una categoría emergente de los modelos básicos o fundacionales que puede generar imágenes en función de la entrada de texto en lenguaje natural proporcionada por el usuario. Este enfoque representa una interesante convergencia entre el procesamiento de texto y la generación de contenido visual.

¿Cuáles son los casos de uso o aplicaciones comunes de la IA generativa?

A partir de estos tipos de FM, los usuarios o clientes pueden utilizar estos modelos para crear soluciones como:

• Creación de contenido original, como cuentos, ensayos, canciones, arte creativo, blogs e imágenes.
• Se están utilizando estos modelos para acelerar el desarrollo de aplicaciones con recomendaciones automáticas de código en los entornos de desarrollo integrado o IDE del desarrollador, es el caso de Amazon CodeWhisperer, un complemento de codificación de IA que está generando excelentes resultados en cuanto a la productividad de los desarrolladores.
• Creación de chatbots, interfaces conversacionales y asistentes virtuales para mejorar la experiencia del cliente. Soluciones de preguntas y respuestas, donde los FM se utilizan para buscar, encontrar y sintetizar respuestas de una gran colección de datos, como el propio Internet.
• Soluciones que permiten obtener resúmenes del contenido textual, incluidos artículos, publicaciones de blog, libros y documentos.

Gartner y la IA Generativa

De acuerdo con estudios e investigaciones realizadas por la consultora Gartner®, esta destaca a la GenAI como una de las principales tendencias tecnológicas estratégicas y disruptivas para el año 2023.

Dentro de estas investigaciones, Gartner® menciona que: “Las empresas de capital de riesgo han invertido más de $ 1.7 mil millones de dólares en soluciones generativas de IA en los últimos tres años, y el descubrimiento de fármacos habilitado para IA y la codificación de software de IA reciben la mayor cantidad de fondos”, lo que significa que para los que trabajamos en el entorno tecnológico la GenAI se está utilizando para mejorar el desarrollo de software al simplificar tareas de programación y automatizar procesos.

Esto genera desafíos para los ejecutivos que deben identificar dónde y cómo la GenAI encaja en los modelos comerciales y operativos existentes y futuros en las organizaciones, cómo experimentar productivamente con casos de uso de GenAI y cómo prepararse para las interrupciones y oportunidades a largo plazo resultantes de las tendencias de la GenAI.

En muy poco tiempo de haberse dado a conocer y empezar a trabajar con soluciones de GenAI, esta tecnología ha tenido un gran impacto en el desarrollo de productos, en la experiencia de los clientes, en la productividad de los empleados y la innovación. Adicionalmente la GenAI está preparada para tener un impacto cada vez más fuerte en las empresas en los próximos cinco años.

Gartner® predice a nivel de negocio que:

	Para 2025, el 70% de las empresas identificarán el uso sostenible y ético de la IA entre sus principales preocupaciones.
	Para 2025, el 35% de las grandes organizaciones tendrán un director de IA que reportará al CEO o COO.
	Para 2025, el uso de datos sintéticos reducirá el volumen de datos reales necesarios para el aprendizaje automático en un 70%.
	Para 2025, el 30% de los mensajes de marketing salientes de grandes organizaciones se generarán sintéticamente. Eso es un aumento de menos del 2% en 2022.
	Hasta 2026, a pesar de todos los avances en IA, el impacto en los empleos globales será neutral: no habrá una disminución o aumento neto.
	Para 2030, la IA podría reducir las emisiones globales de CO2 entre un 5 y un 15% y consumir hasta el 3,5% de la electricidad mundial.
	Para 2030, las decisiones tomadas por agentes de IA sin supervisión humana causarán $ 100 mil millones en pérdidas por daños a los activos.
	Para 2033, las soluciones de IA generarán más de quinientos millones de nuevos empleos humanos netos.

Gartner® predice a nivel de soluciones de GenAI que:

• Para 2024, el 40% de las aplicaciones empresariales tendrán IA conversacional integrada, frente a menos del 5% en 2020.
• Para 2025, el 30% de las empresas habrán implementado una estrategia de desarrollo y prueba aumentada por IA, frente al 5% en 2021.
• Para 2026, la IA de diseño generativo automatizará el 60% del esfuerzo de diseño para nuevos sitios web y aplicaciones móviles.
• Para 2026, más de 100 millones de humanos contratarán a robocolegas para contribuir a su trabajo.
• Para 2027, casi el 15% de las nuevas aplicaciones serán generadas automáticamente por IA sin un humano en el circuito. Esto no está sucediendo en absoluto hoy.

Fuente: Gartner®

Nota: Los datos sintéticos es información que se genera de forma artificial para sustituir los datos históricos reales con el fin de entrenar modelos de IA.

IA Generativa en AWS

¿Qué experiencia tiene Amazon con la innovación de IA y ML?

Amazon ha mantenido un enfoque constante en IA y ML durante más de dos décadas. De hecho, estas tecnologías impulsan muchas de las capacidades que los clientes experimentan al utilizar Amazon. Se podría decir que la innovación de IA y ML está en el ADN de Amazon donde miles de ingenieros de Amazon están comprometidos con estas tecnologías. En Amazon, ML es el corazón de la IA y desempeña un papel fundamental en una serie de áreas cruciales, incluyendo el motor de recomendaciones de comercio electrónico, las optimizaciones del centro de cumplimiento, la gestión de la cadena de suministro, la previsión y la planificación de la capacidad, los miles de millones de interacciones semanales de Alexa, el revolucionario servicio de entrega mediante drones Prime Air y la tecnología de visión por computadora aplicada en Amazon Go. Este último permite a los consumidores para que puedan seleccionar artículos y salir de la tienda sin necesidad de pagar de forma convencional, marcando así un hito en la innovación minorista.

Servicios y soluciones de IA Generativa en AWS

A continuación, mencionaremos los servicios y soluciones disponibles en AWS para trabajar con GenAI:

• Amazon Bedrock: Es un servicio totalmente administrado que hace que los FM de las principales startups de IA y Amazon estén disponibles a través de una interfaz de programación de aplicaciones (API). Esto brinda a los usuarios la flexibilidad de seleccionar entre una diversidad de FM, permitiéndoles encontrar la opción que mejor se ajuste a su caso de uso específico. En esencia, Amazon Bedrock emerge como la solución más accesible y eficiente para la creación y expansión de aplicaciones de GenAI mediante modelos fundacionales, simplificando así todo el proceso.
• AWS Inferentia y AWS Trainium Amazon EC2 instances: AWS Inferentia y AWS Trainium son aceleradores de aprendizaje automático que AWS diseñó desde cero. La primera generación de AWS Inferentia ofrece importantes beneficios de rendimiento hasta 2,3 veces mayor y un costo por inferencia hasta un 70 % menor que las instancias comparables de Amazon EC2, que se ven reflejados en ahorro de costes para implementar modelos más pequeños. AWS Trainium ofrecen un ahorro de costes de entrenamiento de hasta el 50% con respecto a instancias comparables de Amazon EC2 y están diseñadas para cargas de trabajo de aprendizaje automático. AWS Trainium y AWS Inferentia se crearon para entrenar e implementar modelos de GenAI ultragrandes con cientos de miles de millones de parámetros.
• Amazon CodeWhisperer: Es un servicio de codificación de IA entrenado en miles de millones de líneas de código de Amazon y de código abierto. CodeWhisperer ayuda a los desarrolladores a escribir rápidamente código seguro mediante la generación de sugerencias de código de línea completa y de función completa en un entorno de desarrollo integrado (IDE). El código generado se produce en tiempo real y se basa en los comentarios en lenguaje natural del desarrollador y el código circundante. Permite trabajar entre 15 lenguajes de programación, como Python, Java y JavaScript, y sus entornos de desarrollo integrado (IDE) favoritos, como VS Code, IntelliJ IDEA y AWS Cloud9, la consola de AWS Lambda, JupyterLab y Amazon SageMaker Studio.
• FMs con Amazon SageMaker JumpStart: Los FM en Amazon SageMaker son una buena solución para los clientes que desean mantener un control total sobre su infraestructura y la implementación de modelos básicos. SageMaker JumpStart es el centro de aprendizaje automático de Amazon SageMaker que ayuda a los clientes a descubrir contenido integrado para desarrollar sus próximos modelos de aprendizaje automático. La biblioteca de contenido JumpStart de SageMaker consta de cientos de algoritmos de contenido integrados, modelos previamente entrenados y plantillas de soluciones.

Conclusiones

La exploración del poder de la GenAI en el entorno de AWS revela un horizonte de posibilidades infinitas para la innovación y la transformación en una amplia gama de industrias y aplicaciones. La combinación de la capacidad de cómputo escalable en la nube, modelos fundacionales de IA, y el compromiso constante de AWS con la excelencia técnica, ofrece a las empresas y desarrolladores una plataforma excepcional para impulsar la creatividad y la eficiencia en los proyectos. Desde la generación de contenido enriquecido hasta la resolución de problemas complejos, la GenAI en AWS está allanando el camino hacia un futuro donde la imaginación es el único límite, y donde las soluciones innovadoras impulsadas por la GenAI tienen el potencial de revolucionar nuestras vidas, donde solo hace unos años parecían inalcanzables. La colaboración con AWS en este emocionante viaje puede marcar la diferencia en el camino hacia la excelencia en la GenAI y transformar nuestras vidas y nuestros negocios.

Recursos

Consulte los siguientes recursos para obtener más información sobre la GenAI en AWS:

• Explore la IA generativa en AWS
• Amazon Bedrock, la forma más sencilla de crear y escalar aplicaciones generativas de IA con FM.
• Amazon CodeWhisperer, complemento de codificación de IA que lo ayuda a crear aplicaciones de forma más rápida y segura.
• AWS Trainium, acelerador de entrenamiento para ML de alto rendimiento, diseñado por AWS.
• AWS Inferentia, alto rendimiento al menor costo en Amazon EC2 para la inferencia de aprendizaje profundo.
• Amazon SageMaker JumpStart, centro de ML que puede ayudarlo a acelerar su recorrido en ML.
• Anuncio de nuevas herramientas para crear con IA generativa en AWS

Espero sea de utilidad !!!

Saludos,

Síguenos:

👉Wiki Cloud | 👉Twitter | 👉LinkedIn | 👉Youtube