Transcription
[música] [música] Brett McKay aquí y bienvenidos a otra edición del podcast The Art of Manliness. La era de los modelos de lenguaje grandes de inteligencia artificial [música] está sobre nosotros y no va a desaparecer. Más bien, las herramientas de IA como ChatGPT solo van a mejorar y afectar cada vez más áreas de la vida humana. [música] Si aún no te has sentido asombrado e inquieto por estas tecnologías, probablemente no hayas explorado [música] sus verdaderas capacidades. Mi invitado de hoy explicará por qué todos deberían pasar al menos 10 horas [música] experimentando con estos chatbots. Qué significa vivir en una era donde la IA puede aprobar el examen de abogacía, vencer a los humanos en [música] pruebas complejas e incluso hacernos cuestionar nuestras propias habilidades creativas. Qué podría significar la IA para el futuro del [música] trabajo y la educación, y cómo usar estas herramientas para mejorar en lugar de disminuir tu humanidad. Ethan Mullik es profesor en la Wharton Business School y autor de Co-Intelligence: Living and Working [música] with AI. Hoy en el programa, Ethan explica el impacto del auge de la IA y por qué [música] deberíamos aprender a utilizar herramientas como ChatGPT como colaborador, co-trabajador, co-tutor, co-investigador [música] y coach. Ofrece ideas prácticas para aprovechar la IA para complementar tu propio pensamiento, eliminar tareas tediosas de tu jornada laboral y amplificar tu productividad. También exploraremos [música] cómo elaborar indicaciones efectivas para modelos de lenguaje grandes, maximizar el potencial y navegar reflexivamente por lo que puede ser el cambio tecnológico más profundo de nuestras vidas. Después del programa, consulta nuestras notas en aim./ / AI. [música] [música] Muy bien, Ethan Mullik, bienvenido al programa. >> Gracias por invitarme. >> Bueno, estoy seguro de que todos los que escuchan este episodio han oído hablar o incluso han usado lo que se llama inteligencia artificial o, ya sabes, hablaremos de la diferencia entre eso y los modelos de lenguaje grandes como ChatGPT, que es el más popular, pero creo que popularmente, cuando la gente usa la frase inteligencia artificial, probablemente la usan sin entender realmente lo que significa. Ves como IA esto y IA aquello, esto tiene IA. Cuando los científicos informáticos hablan de inteligencia artificial, ¿qué quieren decir con inteligencia artificial? >> Bueno, es la peor etiqueta del mundo, como una de muchas. Porque en realidad proviene de la década de 1950 originalmente y tiene muchos significados diferentes. Los dos significados más importantes recientemente, antes del uso de ChatGPT, cuando se usaba la inteligencia artificial, estábamos hablando de aprendizaje automático, que son formas en que las computadoras pueden reconocer patrones en los datos y hacer predicciones sobre lo que viene después. Así que si tengo todos estos datos meteorológicos, puedo predecir cómo será el tiempo mañana. Si tengo todos estos datos sobre dónde la gente pide productos, puedo averiguar dónde poner mi almacén. Si tengo todos estos datos sobre qué películas ve la gente, puedo usar eso para predecir qué película te podría gustar dada tu historial de visualización. Así que esta forma, quizás hayas oído hablar de big data o de que los datos son el nuevo petróleo o de algoritmos, todo eso fue este tipo de lo que llamamos IA durante la mayor parte de la década de 2010, y luego OpenAI introdujo ChatGPT y los modelos de lenguaje grandes se convirtieron en algo importante. Esos usan las mismas técnicas que se usan en otras formas de aprendizaje automático, pero las aplican al lenguaje humano y resulta que eso crea un montón de nuevos casos de uso realmente interesantes. Así que la IA ha significado muchas cosas diferentes como resultado. >> De acuerdo. Hablemos entonces de los modelos de lenguaje grandes o LLMs, porque creo que cuando la mayoría de la gente piensa en IA hoy en día, eso es típicamente en lo que están pensando. Mencionamos ChatGPT, luego está Claude, Gemini, Perplexity. ¿Cómo funcionan estas cosas? Como, cada vez que escribes algo en ChatGPT, ¿qué está pasando al otro lado que te da lo que sea que escupe? >> La forma correcta de pensar en esto es que en realidad no sabemos todos los detalles. Sabemos técnicamente cómo funcionan, pero no sabemos por qué son tan buenos como son. Técnicamente, cómo funcionan es que básicamente le das a este sistema de aprendizaje automático todo el lenguaje que puedas conseguir. Y así, los conjuntos de datos iniciales en los que se entrenaron estas cosas fueron toda Wikipedia, gran parte de la web, todos los libros de dominio público, pero también un montón de cosas raras como un montón de fanfiction de Harry Potter semi-pirateada. También todo Enron, la firma de contabilidad que quebró por fraude financiero. Todos sus correos electrónicos entraron porque estaban libremente disponibles. Y así, hay una vasta cantidad de datos. Y luego la IA pasa por un proceso de aprendizaje de las relaciones entre palabras o partes de palabras llamadas tokens utilizando todos estos datos. Así que descubre cómo funcionan los patrones del lenguaje. Y lo hace a través de complejos cálculos estadísticos y lo descubre por sí mismo. Así que cuando realmente usas estos sistemas, lo que está haciendo es hacer todas estas matemáticas complejas para averiguar cuál es la siguiente palabra o token más probable en la oración. Así que es básicamente como el autocompletado más sofisticado del mundo que resulta estar en lo correcto la mayor parte del tiempo. >> De acuerdo. Pero también puede crear imágenes, como puedes hacer eso con ChatGPT y algunos de estos otros LLMs. Entonces, ¿qué está pasando ahí? ¿Cómo funciona eso? >> Esa es una situación realmente interesante porque, en el momento en que estamos grabando esto, ha habido un cambio muy grande. Así que antes de la última semana o dos, la forma en que las IA generaban imágenes solía ser algo llamado modelo de difusión, que está un poco relacionado con los modelos de lenguaje grandes y que implica tomar estática aleatoria y luego ir eliminándola hasta obtener una imagen. Y esos modelos, que todos han visto, todos hemos visto operar, tienden a producir mucha distorsión. Así que no manejan bien el lenguaje. Si les dices que no son realmente tan inteligentes. Y así, cuando las IA creaban imágenes, estaban indicando a uno de estos modelos de difusión que hiciera una imagen para ellos. Todo eso cambió en la última semana más o menos porque dos sistemas diferentes, ChatGPT 4.40 de OpenAI y Gemini de Google, ganaron la capacidad de crear imágenes directamente. Esto se llama creación de imágenes multimodal. Así que ahora, lo que hace la IA es, ¿recuerdan que hablamos de cómo crea lenguaje añadiendo una palabra tras otra, un token tras otro? Ahora puede hacerlo con imágenes. Básicamente, está pintando pequeños parches de imágenes y, al igual que las palabras, puede crear imágenes, voz o cualquier otra cosa de esa manera. Así que cuando crea una imagen ahora, puede hacerlo con precisión. Así que ha habido un gran cambio en un período de tiempo muy corto. >> De acuerdo, profundizaremos en cómo la gente está usando esto de manera práctica. Pero hablemos de los diferentes LLMs que existen. Está el popular ChatGPT, que es operado por OpenAI. Está Claude, está Gemini. ¿Cuál es la diferencia entre estos diferentes modelos de lenguaje grandes? >> Hay muchas cosas que son diferentes entre ellos que probablemente no importan tanto porque todos están evolucionando bastante rápido. Así que lo más importante a tener en cuenta si estás pensando en qué IA usar es que todos tienen diferentes características, pero todos están añadiendo características todo el tiempo y convergiendo. Es que quieres asegurarte de que estás usando, al menos cuando intentas resolver problemas difíciles, la IA más grande y potente a la que tienes acceso. Llamamos a estos modelos de vanguardia. Así que ChatGPT tiene muchas opciones disponibles. GBT40 acaba de actualizarse, pero GBD 4.5 o 01, sus modelos más recientes tienden a ser mejores. Así que si estás escuchando esto y usaste IA por última vez hace 18 meses o 12 meses y pensaste, bueno, no funciona tan bien ahora y comete muchos errores. Todas esas cosas cambian a medida que los modelos se hacen más grandes. Así que a medida que los modelos se hacen más grandes, se vuelven más inteligentes en todo y más capaces en todo. Llamamos a esto la ley de escalamiento y, como resultado, quieres tener acceso a una herramienta que se esté desarrollando activamente. Así que tienes un modelo muy grande. Así que Anthropic, ChatGPT y Google a través de su sistema Gemini son todas muy buenas opciones porque todas tienen muchas opciones sobre lo que pueden hacer y modelos recientes muy grandes para usar. >> Así que los investigadores han sometido a muchas pruebas a estos LLMs, el tipo de pruebas que, ya sabes, un humano tomaría para intentar averiguar qué tan buenas son estas cosas. Entonces, ¿cómo les va a los modelos? >> Estamos llegando al punto en que se está volviendo difícil probar estas cosas. Para darte un ejemplo, hay una prueba famosa que se usa para evaluar estos modelos llamada GPQA, que significa Google Proof Question and Answer, de todas las cosas. Y está diseñada para que un estudiante de doctorado humano que use Google y dedique media hora o más a responder cada pregunta obtenga alrededor del 31% de aciertos fuera de su área de especialización y dentro de su área de especialización obtenga alrededor del 82% de aciertos. Así que con acceso a herramientas de Google, eso es lo que aciertan. Lo que ha sucedido muy recientemente es que hasta el verano pasado, la IA promedio obtenía alrededor del 35%, lo que es mejor que un humano fuera de su especialización, lo cual es bastante impresionante, pero no tan bueno como un experto humano. A finales de este otoño y principios de esta primavera, ahora los modelos están rindiendo mejor que los humanos en esa prueba. Así que están obteniendo un 85%, un 84%, superando a los humanos en esto. Así que se han vuelto tan buenos en las pruebas que hemos tenido que crear nuevas pruebas. La más famosa de ellas es algo llamado el último examen de la humanidad, donde una empresa reunió a un grupo de expertos humanos en todo, desde arqueología e idiomas extranjeros hasta bioquímica y matemáticas, y todos crearon problemas difíciles. Profesores que crearon problemas difíciles que ellos mismos no podían resolver o que les costaría resolver. Y cuando eso salió en enero, los mejores modelos acertaron alrededor del 2 o 3%. Ahora están acertando entre el 18 y el 28%, solo unas 6 u 8 semanas después. Así que les va muy bien en los exámenes. Sí. En ChatGPT, cuando toma el examen de abogacía, lo aprueba. Cuando toma el examen AP en biología, historia y psicología, obtiene calificaciones de cuatro y cinco. Así que, quiero decir, sí, es realmente impresionante. >> Sí. Quiero decir, estamos en un lugar donde la IA superará a la mayoría de los humanos en la mayoría de las pruebas. >> Volviendo a esta idea de cómo funciona la IA, como un autocompletado sofisticado, ¿qué está pasando? Si le das una pregunta, ¿cómo está averiguando la respuesta? Simplemente dice, bueno, la probabilidad basada en esta pregunta es, ya sabes, esta respuesta. ¿Es eso lo que está pasando? >> Están sucediendo dos cosas. Lo reconfortante que sucede a veces es que hacen trampa, ¿verdad? Así que ya han visto estas preguntas, por lo que pueden predecir la siguiente respuesta porque ya ha estado en el conjunto de datos antes. Pero descubrimos que si creamos preguntas nuevas que la IA nunca ha visto antes, todavía aciertan. Y la verdad es que aquí es donde no estamos 100% seguros de por qué son tan buenos en esto. De hecho, estamos tratando de entender eso ahora mismo. Así que sabemos técnicamente cómo funcionan estos sistemas, pero en realidad no entendemos por qué son tan creativos, buenos, persuasivos e interesantes como son. Todavía no tenemos grandes teorías sobre eso. Las personas que escuchan esto y que han seguido el ritmo de la informática, probablemente hayan oído hablar de la prueba de Turing. Para aquellos que no están familiarizados con la prueba de Turing, ¿qué es eso? ¿Y han pasado estos modelos de lenguaje grandes la prueba de Turing? >> La prueba de Turing es uno de una serie de estudios más bien mediocres sobre qué hace que la inteligencia artificial sea inteligencia artificial, que solíamos usar para juzgar la calidad de la IA porque no importaba. Ninguna IA se acercaba a ella. Así que la prueba de Turing es esta prueba del tipo que en realidad acuñó el nombre de inteligencia artificial, Alan Turing, que fue un famoso científico de la Segunda Guerra Mundial y se le ocurrió la idea de lo que llamó el juego de imitación. Así que quizás incluso hayas visto la película sobre esto, pero la idea es que si hablaras con una IA por escrito y hablaras con un humano, ¿podrías decir cuál era la IA y cuál era el humano en una conversación natural? Y hasta hace muy poco, la idea de esto era un poco risible, ¿verdad? Que podías pasar tiempo hablando con una computadora, sabrías que era una computadora. Y en algunos aspectos, se ha vuelto irrelevante porque creo que todo el mundo piensa que puede ser engañado por la IA y que puede serlo. Así que la prueba de Turing parece haber sido superada de manera bastante decisiva. De hecho, lo gracioso es que en este punto, los humanos en algunos pequeños estudios en realidad son más propensos a juzgar a la IA como humana que un humano a un humano. Así que todavía estamos resolviendo esto, pero creo que la prueba de Turing está superada. >> Entonces, la IA, estos modelos de lenguaje grandes, son realmente buenos en muchas cosas. ¿Cuáles son las limitaciones que tienen estos LLMs en este momento y qué es lo que no hacen bien? >> Esa es una buena pregunta porque eso cambia constantemente. Y tenemos este concepto en nuestra investigación que llamamos la frontera dentada, que es que la IA es buena en algunas cosas que no esperarías y mala en algunas cosas que no esperarías. Así que hasta hace muy poco, por ejemplo, podías pedirle a la IA que te escribiera un soneto sobre fresas donde cada línea comenzara con una vocal y también tuviera que incluir, ya sabes, una línea sobre viajes espaciales y obtendrías un soneto bastante bueno. Pero si le pedías que escribiera una oración de 25 palabras sobre fresas o incluso que contara el número de "r" en fresas, se equivocaría. Así que la IA tiene estos extraños puntos débiles y extraños puntos fuertes. Ahora, la otra cosa es que esto siempre está cambiando. Así que esa prueba de la "r", cuántas "r" hay en fresa, funcionó muy bien hasta enero de 2025 y ahora ya no funciona porque las IA son lo suficientemente buenas como para poder contar el número de "r" en fresa. Así que este es un estándar en evolución. >> Estoy seguro de que las personas que han estado al tanto de lo que está sucediendo con los modelos de lenguaje grandes han oído hablar de esta idea de las alucinaciones. ¿Qué son y todavía está sucediendo? >> Recuerda que lo que hace la IA es predecir la siguiente palabra en una oración. No busca cosas en una base de datos. Simplemente está prediciendo. Y así, a menudo, lo que predice como la siguiente palabra en una oración puede no ser cierto. Así que si le preguntas, ya sabes, especialmente a modelos más antiguos, si les preguntas sobre un libro que he escrito, podría inventar el título de otro libro que podría ser algo que escribí porque está prediciendo algo que es probable que sea cierto, pero no sabe si es cierto o no. Llamamos a estas alucinaciones. Son básicamente errores que comete la IA, pero son errores realmente perniciosos o peligrosos porque la IA inventa cosas que suenan reales, ¿verdad? Si alguna vez pides una cita o una cita, es muy buena inventando citas. Como, apuesto a que Abraham Lincoln dijo eso, pero nunca lo hizo. Así que no es solo un error obvio, como que inventa algo como, ya sabes, Abraham Lincoln dijo: "Los robots se levantarán y nos matarán a todos". Dirá algo que suena como una cita de Abraham Lincoln. Así que llamamos a esas cosas alucinaciones. Hay buenas y malas noticias sobre las alucinaciones, que es que son un poco cómo funciona la IA. Siempre está inventando algo. Esa es la única forma en que lo hace, siempre está generando por probabilidad la siguiente palabra en la oración. Así que siempre está un poco alucinando. El hecho de que las alucinaciones sean correctas la mayor parte del tiempo es un poco extraño. Y además, eso es lo que hace que la IA sea creativa. Si no estuviera inventando cosas a veces, la respuesta sería muy aburrida y el texto muy aburrido. Así que es muy difícil eliminar las alucinaciones por completo. Pero a medida que las IA se hacen más grandes y mejores, alucinan menos. La semana pasada, un nuevo estudio analizó las tasas de alucinación en la IA que responde preguntas sobre viñetas médicas del New England Journal of Medicine. Y las tasas de alucinación solían ser del 25% de las viñetas de las que hablaba, que eran alucinadas. Ahora, los últimos modelos como 01 Pro alucinan el 0% de las veces. Así que eso está cambiando con el tiempo. Eso no significa que las alucinaciones desaparezcan, pero de nuevo, eso es algo que disminuye con el tiempo. >> Sí. Recuerdo hace un par de años escribí un artículo para nuestro sitio web llamado ¿Por qué se llaman mancuernas "dumbbells"? Y quería ver qué decía ChatGPT. Así que le pregunté, creo que esto fue quizás ChatGPT 3.5 cuando le pregunté, y simplemente me dio una respuesta sin sentido. Era como, bueno, las mancuernas se llaman "dumbbells" porque Lord Dumbbell en 1772, bla, bla, bla. Y quiero decir, estaba bien escrito y si no supieras por qué las mancuernas se llaman "dumbbells", pensarías, bueno, esto suena como una respuesta razonable, ¿sabes? Pero no hay ningún Lord Dumbbell, eso fue totalmente inventado. Y acabo de escribir la misma pregunta ahora. Estoy usando ChatGPT 4.05 y en realidad me dio una respuesta más cercana sobre por qué las mancuernas se llaman "dumbbells". Así que sí, ese es un ejemplo perfecto de una alucinación. >> Así es. Y es una gran historia y a veces quieres que te cuente la historia de Lord Dumbbell porque de lo contrario no sería interesante o divertido, o ya sabes, se te ocurrirían ideas creativas. Y estos sistemas son realmente creativos, lo que vuelve a cuando me preguntaste qué es lo que no hacen bien. La gente quiere escuchar la respuesta de que son malos en creatividad, por ejemplo, o malos en emociones, excepto que no lo son. Así que eso es lo que hace que sea un poco extraño hablar de lo que la IA hace bien o mal. >> Sí. Sí, hay pruebas de creatividad que han realizado en los LLMs y les va bastante bien en esas pruebas de creatividad. >> Sí. Sí, quiero decir, hay algunos colegas míos en Wharton que dirigen una famosa clase de emprendimiento donde enseñan design thinking. Uno de los profesores involucrados en realidad escribió el libro de texto sobre desarrollo de productos y pidieron a sus estudiantes que generaran 200 ideas de startups. Tenían a GPD4, que era el modelo en ese momento, generar 200 ideas de startups y tenían jueces humanos externos que evaluaban esas ideas por disposición a pagar. De las 40 mejores ideas juzgadas por otros humanos, 35 provenían de la IA, solo cinco de los humanos en la sala, lo cual es bastante típico de lo que vemos, que es que esto es bastante bueno en ideas creativas, especialmente supera a la mayoría de las personas en la generación de ideas creativas. Si eres realmente creativo, serás más creativo que la IA. Pero para mucha gente, deberías empezar casi todos los procesos de ideación. Escribe primero tus propias ideas y luego pídele a la IA que genere ideas para ti. Antes de entrar en los posibles beneficios de la IA, hablemos de las preocupaciones que tiene la gente al respecto. Entonces, en tu investigación sobre inteligencia artificial y al hablar con empresas, educadores, ¿cuáles son las mayores preocupaciones que tiene la gente sobre la inteligencia artificial, particularmente los LLMs? >> Esa es una gran pregunta. Quiero decir, hay muchas preocupaciones. Primero, solo para poner esto en contexto, lo que consideramos IA, irónicamente, GPT, que en este caso significa tecnología de propósito general. Así que estas son esas tecnologías raras que aparecen una vez por generación o dos, como las computadoras e Internet o la energía de vapor, que transforman todo de maneras buenas o malas. Así que hay muchos efectos cuando tienes una tecnología de propósito general que son buenos o malos. Así que podemos hablar en detalle sobre todos los pequeños efectos, ¿verdad? Quiero decir, puede que no sean tan pequeños para ti, ¿verdad? Puedes crear imágenes falsas de personas. Sabes, puede convencer a la gente de que les dé su dinero. Hay todo tipo de efectos que pueden ser negativos, impactos laborales, otras cosas. Muchos investigadores de IA también están preocupados por problemas a largo plazo. Así que también están preocupados por lo que llaman amenazas existenciales. La idea de que, ¿qué pasa si una IA es lo suficientemente poderosa como para intentar controlar el mundo o matar a todos en la Tierra, o qué sucede si las personas pueden usar la IA para crear armas de destrucción masiva? Así que hay como estos dos niveles de preocupación. Hay una preocupación por el tipo de impactos que ya están ocurriendo en el mundo. Y luego hay preocupaciones que algunas personas descartan como ciencia ficción o que otras personas piensan que son muy plausibles de que la IA pueda ser peligrosa para toda la humanidad. >> Sobre esa amenaza existencial, existe esta idea de que la IA podría volverse sensible. Escuchas sobre eso. ¿Es eso realmente algo que la gente piensa que podría suceder? >> No creo que nadie lo sepa. No tenemos una buena idea de hacia dónde van las cosas y creo que las predicciones de la gente a menudo se equivocan. Y creo que ni siquiera necesitas sensibilidad. Ni siquiera sabemos qué es la sensibilidad. Pero ni siquiera necesitamos sensibilidad para tener este tipo de peligro, ¿verdad? El ejemplo clásico de la IA descontrolada se llama el problema del clip, que es si imaginas que tienes una IA programada o con el objetivo de hacer tantos clips como sea posible. Es parte de una fábrica de clips. Y esta es la primera IA en volverse semi-sensible o autocontrolada. Se vuelve súper inteligente, pero todavía tiene el objetivo de hacer clips. Bueno, lo único que se interpone en su camino es el hecho de que no todo es un clip. Así que encuentra formas de manipular el mercado de valores para ganar más dinero, para poder instruir a los humanos a construir máquinas que extraigan la tierra para encontrar más metal para clips y, en el camino, un humano intenta apagarla. Así que mata a todos los humanos incidentalmente sin preocuparse por ello y los convierte en clips porque ¿por qué asumiría el riesgo de ser apagada y no poder hacer suficientes clips? Así que todo lo que hace es hacer clips sin preocuparse por los humanos de una forma u otra. Así que ese es como este modelo de superinteligencia de IA. Pero de nuevo, nadie sabe si estas cosas son reales o no, o solo ciencia ficción. >> Escribes en el libro que cuando la gente empiece a usar LLMs como ChatGPT o Claude, tendrá tres noches de insomnio. ¿Por qué es eso? >> Esto es algo existencialmente extraño. Quiero decir, es muy difícil usar estos sistemas y usarlos realmente. Encuentro, por cierto, que mucha gente se aleja de ellos precisamente porque sienten este tipo de pavor y se alejan. Pero tienes un sistema que parece pensar como un ser humano, que puede responderte preguntas, que a menudo puede hacer partes de tu trabajo por ti, que puede escribir muy bien, que puede ser divertido hablar con él, que parece creativo, y como que estas son cosas que los humanos hacían. Nadie más hacía esto. No había ningún otro animal que hiciera esto. Y realmente puede provocar esta sensación de ¿qué significa pensar? ¿Qué significa estar vivo? ¿Qué haré para ganarme la vida dado que esto es, no sé si has visto a Notebook LM crear podcasts, ¿verdad? A demanda. Como que empiezas a preocuparte, ¿qué significa esto si esto mejora lo suficiente? ¿Qué significa para los trabajos de mis hijos, para mi trabajo? Y creo que eso crea, ya sabes, algo de emoción pero también algo de ansiedad real. >> No, estoy de acuerdo. Si no has tenido esas noches de insomnio usando IA, es porque no la has usado lo suficiente o no te has adentrado en ella porque, ya sabes, tanto mi esposa como yo, tenemos el podcast, pero también escribimos para ganarnos la vida. Eso es lo que hemos hecho durante los últimos 17 años. Y a veces, ya sabes, vamos a ChatGPT y como que ChatGPT escupe algo como eso fue realmente bueno. Como, ¿por qué estoy aquí? ¿Qué estoy haciendo? O el Notebook LM. Lo he usado. Así que he usado Notebook LM para ayudarme a organizar mis notas, crear esquemas y cosas así. Y he usado esa función de podcast y suena como dos personas teniendo una conversación de ida y vuelta, un podcast. Me vuela la cabeza. >> Y podrías intervenir con una llamada, por cierto. Hay un botón de llamada ahora, ¿sabes? Y esto solo mejorará. Y así, este es este momento existencial de como, ya sabes, yo también escribo para ganarme la vida y, ya sabes, de las IA en este momento, la mejor escritora sigue siendo probablemente Claude de las que hay, aunque algunas de ellas están mejorando. Y como que es una locura, le pido comentarios sobre mi escritura y tiene muy buenas ideas. Ya sabes, escribo todo yo mismo, pero luego le pregunto a la IA, ¿qué me estoy perdiendo aquí para una audiencia general? Y a veces es como, esto sería realmente bueno para ajustar este párrafo. Y yo digo, oh, ese es un muy buen consejo. Y he tenido editores durante años y como que es extraño que esta IA sea tan buena en estas tareas muy humanas. >> Llamas a la IA una co-inteligencia. ¿Qué quieres decir con eso? >> Así que, a día de hoy, la forma más eficaz de usar la IA es como un humano trabajando con ella. Ahora, eso no significa que no sea mejor que nosotros en algunas cosas, pero parte de lo que necesitas pensar es cómo usar la IA para ser mejor en lo que haces, para hacer más de lo que amas. Así que no es, ya sabes, no le estás entregando tu pensamiento. Estás trabajando con ella para resolver problemas y abordar cosas. Y una de las cosas realmente geniales de la IA es que es bastante buena para llenar tus lagunas, ¿verdad? Así que todos tenemos trabajos que tenemos que hacer muchas cosas. Tomemos el ejemplo de un médico. Para ser un buen médico, tienes que ser bueno en, ya sabes, en hacer diagnósticos. Probablemente tengas que ser bueno en habilidades manuales y ser capaz de manipular al paciente, averiguar qué está pasando. Probablemente tengas que ser bueno en dar un buen trato al paciente. Probablemente tengas que gestionar personal. Tienes que hacer eso. Tienes que mantenerte al día con la investigación médica. Probablemente tengas que ser un trabajador social para algunos de tus empleados y tus pacientes. Nadie va a ser bueno en todas esas cosas. Y probablemente a nadie le gustan todas esas cosas. Las cosas que peor haces, probablemente te gusten menos. Así que esas son cosas en las que la IA puede ayudarte más. Así que puedes concentrarte en las cosas que más te gusta hacer. La pregunta es si esto se mantiene a largo plazo, pero por ahora la IA es realmente algo con lo que trabajar para lograr más de lo que es algo que te reemplaza. >> Así que en el libro proporcionas cuatro pautas para usar la IA. La primera es "invita siempre a la IA a la mesa". Entonces, ¿cómo se ve eso en la práctica y por qué recomiendas hacerlo? >> Una de las cosas de las que hemos hablado es la idea de que con la IA, necesitas saber en qué es buena o mala. Y a menudo es difícil averiguarlo de antemano, y a menudo es incómodo averiguarlo. Así que tienes que obligarte a hacerlo. Y la forma más fácil de hacerlo es usar la IA en un área en la que tengas experiencia. Así que el número mágico parece ser alrededor de 10 horas de uso. Y si usas la IA durante 10 horas para intentar hacer todo en tu trabajo que éticamente puedas con IA, entonces descubrirás muy rápidamente dónde puede ayudarte, dónde puede ayudarte si aprendes a usarla mejor, dónde puede ayudarte más, dónde no es tan útil, hacia dónde podría dirigirse, y eso te permite ser bueno en el uso de la IA. Así que es difícil darte reglas que te hagan genial en el uso de la IA, aparte de usar la IA en tu trabajo y lo descubrirás. Así que la primera regla y la regla que creo que se ha vuelto más útil para las personas es simplemente úsala. Si no has invertido 10 horas porque la estás evitando por alguna razón, simplemente tienes que hacerlo. >> La segunda pauta es "sé el humano en el bucle". ¿Qué quieres decir con eso? >> Esa es una idea de los sistemas de control de que siempre debe haber un humano tomando decisiones. Lo estoy usando un poco más libremente que eso, que es que quieres averiguar cómo integrar la IA en tu trabajo de una manera que aumente tu propia importancia, control y agencia sobre tu propia vida. Así que no quieres ceder cosas importantes o pensamiento importante a la IA. Quieres usarla para apoyar lo que haces, para hacerlo mejor. A menudo, cuando las personas comienzan a usar la IA, descubren que es buena en algunas cosas en las que en realidad pensaban que eran buenas y que la IA es mejor que ellas. Eso es algo aceptable para llegar a esa conclusión y luego averiguas cómo usar esto de una manera que mejore tu propia agencia y control y no se lo entregues. >> Sí. Me gusta pensar en volver a esa idea de co-inteligencia cuando estoy trabajando con un LLM. Me imagino a mí mismo como Winston Churchill, que tenía un equipo de asistentes de investigación cuando era escritor, ¿sabes? Winston Churchill era un gran escritor, escribió historias. Tenía un equipo de asistentes de investigación. Así que yo, me considero como Winston Churchill y los LLMs son como mis asistentes de investigación. Van y me buscan cosas, compilan cosas, resumen cosas, luego yo lo miro y digo, bueno, ahora voy a tomar estas cosas y escribir yo mismo. >> Me encanta esa analogía del equipo de investigación. Quiero decir, así es como la uso en mi libro para los mismos propósitos. Como, recibí comentarios de ella. ¿Mis chistes funcionan en esta sección? No es muy buena con el humor, pero en realidad es bastante buena leyendo el humor. Ya sabes, cuando me quedé atascado, dame 30 versiones de cómo terminar esta oración. Ya sabes, ¿resumí este artículo de investigación correctamente? Así que ese tipo de equipo de apoyo es una forma muy útil de pensar en las cosas. >> Sí. Y también, quiero decir, todavía estoy, ya sabes, sé que estos LLMs son realmente buenos en cosas, pero todavía no confío completamente en ellos porque, como con una persona, no me gusta, incluso cuando delego una tarea a una persona, confío, pero tengo que verificar, ¿verdad? Bueno, me diste esta respuesta, déjame asegurarme de que sea correcta. Sí, quiero decir, creo que eso es exactamente correcto. Deberías estar nervioso por esto porque de la misma manera que estás nervioso por una persona, pero también aprendes sus idiosincrasias, ¿verdad? Así que aprendes, oh, en realidad es bastante bueno en esta tarea y puedo prestar menos atención, pero en esta voy a estar muy nervioso. >> Sí. Así que la tercera pauta es "trata a la IA como a una persona". Creo que esto vuelve a nuestra idea de co-inteligencia. ¿Correcto? >> Bueno, un poco. También es un consejo general. Creo que mucha gente piensa en la IA como, ya sabes, software y lo es, pero el software no debería discutir contigo. No debería inventar cosas. No debería intentar resolver tus problemas matrimoniales cuando hablas de cosas con él. No debería darte respuestas diferentes cada vez. Pero la IA hace todas esas cosas. Y lo que resulta ser un modelo bastante bueno, a pesar de que no es una persona, es que si la tratas como a un ser humano, estás a un 90% de camino para darle indicaciones. Si intentas tratarla, hemos encontrado evidencia de que los programadores informáticos son en realidad peores usando IA que los no programadores porque quieren trabajar como código de software. Pero si la tratas como a una persona, de la misma manera que has estado discutiendo aquí, ¿verdad? ¿En qué es buena? ¿En qué confías en ella? ¿Cuál es su personalidad? Si usas diferentes modelos, encontrarás que Claude tiene una personalidad diferente a GPT4, que tiene una personalidad diferente a GPT4.5. Y así, tratarla como a una persona te lleva una gran parte del camino y también desmitifica esto un poco. Y así, si eres un buen gerente, si eres un buen maestro, si eres un buen padre, probablemente serás bastante bueno usando IA. >> Bueno, me imagino que la gente que está escuchando esto está pensando, bueno, la IA no es una persona. Y eso es éticamente cuestionable decirle a los humanos que traten esto, ya sabes, código como una persona viva. ¿Cuál es tu respuesta a eso? >> Tienes toda la razón. Y esa batalla está perdida. Una de las primeras cosas de las que se habló en informática es que es poco ético antropomorfizar la IA. Es tratar a la IA como a una persona. Y sin embargo, todos los científicos informáticos lo hacen de todos modos, ¿verdad? Todos, todos antropomorfizamos todo a nuestro alrededor, ¿verdad? Los barcos son, ya sabes, ella, ya sabes, maldecimos el clima como una persona o nombramos tormentas como lo hacemos de todos modos. Así que creo que es muy importante enfatizar que no es una persona. Esto es una técnica. Pero para bien o para mal, todas las empresas de IA están muy contentas de difuminar la línea. Así que muchos de los modelos tienen modos de voz donde te hablan como a una persona. Todos hablan en primera persona. Están contentos de contarte historias sobre sus propias vidas, aunque no tengan vidas. Así que creo que es importante recordar que esto es un producto. Es un producto de software. Así que véalo como un consejo para hacer las cosas. Pero no olvides que estás hablando con software. >> Sí. Creo que el peligro de la antropomorfización, de tratarla como a un ser humano real. Quiero decir, estás viendo eso a un nivel extremo donde la gente está desarrollando relaciones emocionales con la inteligencia artificial y eso no es bueno. Estoy de acuerdo. Quiero decir, creo que es inevitable, ¿verdad? Pero no es bueno. Ahora hay alguna evidencia temprana de que las personas que tienen estas relaciones con la IA pueden tener, puede ayudarles psicológicamente. Todavía no está claro, pero algunos artículos iniciales sugirieron que eso podría ser el caso para las personas que están desesperadamente solas. No lo sé, pero quiero decir, como regla general, estaría nervioso por tratar una tecnología como a una persona emocionalmente o tener un apego emocional a ella. Al final es software, pero, ya sabes, creo que podemos reconocer que ambas cosas son ciertas, que hay un límite en el que esto se vuelve poco saludable, pero como consejo útil o modelo mental, hay valor en eso. >> Sí, sé que en mi uso de estos diferentes LLMs, tratándolo como a un humano, no, tal vez creo que lo trato como a un alienígena, casi como a un humano, pero no, no lo sé. De todos modos, he notado que si me da una mala respuesta, como que esa fue una mala respuesta. Si soy un poco grosero con él, como que soy como un jefe severo, como que esa no fue una buena respuesta. Fue terrible. Sé que puedes hacerlo mejor. Hazlo mejor. Y como que mejora cuando doy esa respuesta. >> Sí. Quiero decir, resulta que, ya sabes, darle retroalimentación clara como un jefe severo es en realidad muy valioso. Ahora, la severidad o la cortesía no, tenemos un estudio que acabamos de publicar hace un par de semanas y encontramos que ser muy educado con la IA tuvo efectos mixtos en algunas preguntas, como si le preguntaras, en realidad sería más precisa en matemáticas si fueras muy educado, pero en algunas preguntas, si eres muy educado, sería menos precisa en matemáticas. Así que no me preocupan tanto cosas como la cortesía en sí, aunque la mayoría de la gente es educada con la IA porque de alguna manera caen en eso, se siente como una persona, pero creo que has dado con un gran secreto, que es la interacción. Te da una mala respuesta. No te alejas. Dices: "Esto es lo que hiciste mal. Hazlo mejor". Y lo hará mejor. No tanto porque seas severo con él, sino porque actúas como un verdadero gerente, ¿verdad? Dices: "Esto es lo que, o jefe o padre. Esto es lo que está mal. Por favor, arréglalo o arréglalo". No tienes que decir el "por favor". Y obtienes mejores resultados. >> Con la idea de ser educado con la IA. Definitivamente es extraño porque la IA, es, típicamente es muy afirmativa. Incluso cuando te da una crítica, y como que es amable contigo, como que sientes que necesitas ser amable de vuelta. Y he notado que a veces, cuando me da una respuesta realmente buena a una pregunta que le hago, siento este impulso de decirle: "Oh, oye, gracias. Eso fue muy útil. Eso fue genial". Y luego piensas: "Espera un minuto. Esto es raro, ¿qué significa sentir gratitud por una máquina?". Sí, puede ser un viaje mental a veces. >> Lo es y es muy difícil ser grosero con estas cosas, especialmente cuando usas un modo de voz y te dice como, hola, ¿cómo estás hoy? Como que quieres responderle y te están engañando. Así que, quiero decir, por eso dices "trátala como a un humano", es una técnica para usar la IA. No es una filosofía. >> Entendido. Sí. Trátala como a un humano interactuando, pero no emocionalmente, quizás. >> Absolutamente no. ¿Correcto? Y no te dejes engañar. Sí. La cuarta pauta para la IA es "asume que esta es la peor IA que jamás usarás". ¿Por qué es esa una pauta? >> Probablemente lo más preciso que dije en el libro. Hablamos de las puntuaciones de los exámenes antes. Estos sistemas están mejorando más rápido de lo que esperaba hace un año. Ha habido un montón de innovaciones que han acelerado el desarrollo. Y, ya sabes, sé lo suficiente sobre lo que está sucediendo dentro de los laboratorios de IA para decir que no creo que la mayoría de ellos esperen que el desarrollo termine pronto. Así que deberías asumir que si la IA no puede hacer algo ahora, probablemente valga la pena comprobarlo en uno o dos meses para ver si puede hacerlo entonces. Ya sabes, estamos hablando de escribir. Quiero decir, eso es algo a lo que he estado prestando mucha atención como alguien que escribe mucho también, ¿verdad? Ese es mi trabajo tanto como profesor, como blogger, como alguien que está mucho en redes sociales. Y, ya sabes, hace un año, la escritura de IA era una basura absoluta. Y ahora, cuando uso Claude, ya sabes, como dijiste, a veces viene con una frase, dices: "Uy, esto es bastante bueno". Estabas hablando de usar GBD 4.5. Como que puedes sentir que ese modelo escribe mejor y es ingenioso. Y así, existe esta idea de que las cosas que eran imposibles dejan de ser tan imposibles. Vamos a hacer una pausa rápida antes de que volvamos de nuestros patrocinadores. Y ahora de vuelta al programa. Así que creo que existe este miedo de que, bueno, la IA, puede hacer cualquier cosa y los humanos están fritos, como que hemos terminado. Entonces, no tiene sentido saber nada porque la IA lo sabe todo. Pero los estudios han encontrado que las personas con formación en humanidades, ya sabes, saben mucho de historia, filosofía, arte, ya sabes, cosas así, son en realidad capaces de sacar el máximo provecho de la IA. ¿Por qué es eso? >> Los sistemas de IA se entrenan con nuestro conocimiento colectivo. Los datos que entran en la construcción de los modelos estadísticos provienen de todo lo que la humanidad ha escrito esencialmente. Y todo el arte que entra en esto proviene no solo de, ya sabes, las animaciones más recientes o lo que sabes, Los Simpson o Studio Ghibli o lo que sea, sino también de toda la historia del arte de la humanidad. Y parte de lo que puedes tener éxito en, como hubo una especie de segunda advertencia para tratar a la IA como a una persona, que también es decirle qué tipo de persona es. Puedes invocar estilos, personajes, enfoques. Piensa en esto como si fueras, ya sabes, Marco Antonio. Piensa en esto como si fueras Maquiavelo y obtienes tipos de respuestas muy diferentes porque estás preparando a la IA para encontrar conexiones estadísticas diferentes a las de antes. Así que si tienes un amplio conjunto de conocimientos para recurrir, como si piensas en el arte de IA, todo el mundo conoce Studio Ghibli o Los Simpson o el estilo de los Muppets. Pero si conoces, ya sabes, el expresionismo alemán y las pinturas boutique y, ya sabes, los pósteres clásicos de slasher de los 70, como que puedes hacer que la IA trabaje en esos tipos de estilos y eso te da ventajas que otras personas no tienen porque puedes crear cosas que son diferentes de lo que otras personas ven, obtener perspectivas diferentes de lo que otras personas ven. Así que tener ese amplio conocimiento del esfuerzo humano es realmente útil. >> Me he dado cuenta de eso. Así que tengo una formación en humanidades y he descubierto que le saco mucho partido porque puedo hacer conexiones en mi cabeza y luego puedo darle indicaciones al LLM con esto, como, aquí está esta conexión extraña que quiero hacer. ¿Hay alguna conexión ahí o cómo podemos hacer esa conexión? Y me imagino que si no tuvieras esa formación, no podrías hacer eso. Como que la IA es solo tan buena como la indicación o la información que le das. Y si no tienes nada que darle, solo obtendrás resultados mediocres. >> Sí. Quiero decir, cada vez es más fácil dar indicaciones, ¿verdad? Así que no hay muchos trucos, pero hay esta verdad central a la que te refieres. Y sale no solo en esa primera indicación, sino en la interacción. El hecho de que puedas ver los resultados y decir: "Esto es aburrido". Como, añade más variación en las oraciones. O, ya sabes, te dije que escribieras esto como si fueras, ya sabes, como si fueras Stephen King, pero no quería que añadieras tantos elementos de terror. Así que, como, quítalos. ¿Correcto? Es una experiencia interactiva donde si conoces conexiones y redes, eso es lo que es la IA, es una máquina de conexiones, serás más efectivo usándola tú mismo. >> Entonces, hemos hablado de tratar a los LLMs como a una persona. Y no creo que mucha gente se dé cuenta de que, dado que los LLMs se entrenan en cómo los humanos piensan y escriben, si hablas con él, no como una búsqueda burda en Google, sino más como una persona, obtienes mejores resultados. Pero más allá de ese consejo general, ¿hay algún otro consejo para la construcción de indicaciones para obtener mejores resultados? >> Sí, hay cuatro cosas que la investigación respalda para hacer. Y la primera es realmente aburrida, que es ser directo. Si un pasante humano se confundiera con tus instrucciones, la IA también lo haría. Así que quieres ser directo sobre lo que quieres. Necesito un informe para esta circunstancia, bajo, ya sabes, por esta razón, ya sabes, y eso da mejores resultados. Así que sé muy directo sobre lo que quieres. La segunda cosa que quieres hacer es darle contexto a la IA. Así que cuanto más contexto tenga, mejor. El contexto puede ser aquí hay algunos documentos que me gustan o aquí hay, pero también pueden ser cosas como actúa como este tipo de persona o esto se va a usar de esta manera. Cuanto más contexto reciba la IA, mejor será. La tercera es lo que se llama "chain of thought prompting" (indicación de cadena de pensamiento). Esto resulta ser una técnica muy poderosa y se ha convertido en una forma clave en que las IA mejoran, que es que los modelos de IA más nuevos hacen esto automáticamente. Así que ya no es importante hacer cadena de pensamiento, pero solía ser la forma más útil de hacerlo, que es que literalmente le haces pensar paso a paso. Primero haz esto, ya sabes, genera 300 ideas para un artículo. Dos, califica las ideas en una escala de 1 a 10 y luego elige las cinco mejores. Luego consolídalas juntas en un nuevo párrafo. Ahora, escribe el documento. Así que ese razonamiento paso a paso hace que la IA funcione mejor. Pero si piensas en cómo funciona la IA, ¿verdad? Están añadiendo, solo están prediciendo una palabra a la vez. No tienen la oportunidad de hacer una pausa y pensar. Así que la forma en que piensan es escribiendo. Así que si les haces escribir un montón antes de darte una respuesta, terminarán con mejores respuestas. Así que la cadena de pensamiento les hace escribir algunas cosas y pasar por un proceso lógico. También hace que sea más fácil averiguar qué está saliendo bien o mal. Y luego el cuarto consejo se llama "fshot" (pocos disparos). Dale a la IA ejemplos de los tipos de cosas que quieres ver que sean buenas o malas y te entregará cosas que se parezcan más a los ejemplos. >> De acuerdo. Sí, creo que el consejo anterior de simplemente decirle a la IA qué quieres que sea puede ser muy útil. Así que lo usé el otro día. Así que, durante los últimos dos años, he tenido como
Este dolor en la parte posterior de mi rodilla al hacer sentadillas, al hacer powerlifting, y ha mejorado, pero fui a un cirujano ortopédico, me hice una resonancia magnética, y me dijeron: "Bueno, no hay nada pasando ahí". Fui a un fisioterapeuta, y él realmente no sabía qué estaba pasando. Y entonces, justo el otro día, pensé, no le he preguntado esto a Chad GPT. ¿Qué diría Chad GBT? Así que le dije, quiero que seas el mejor fisioterapeuta/cirujano ortopédico del mundo. No sé si esto es realmente muy bueno, pero dije, eso es lo que quiero que seas. Aquí está la situación que tengo. Tomé una foto y la señalé a dónde estaba el dolor en la parte posterior de mi rodilla. Aquí es cuando experimenté el dolor, etc. ¿Qué está pasando ahí? Y generó un protocolo de rehabilitación y generó este protocolo de rehabilitación. Luego comencé a hacer algunos de los ejercicios y realmente siento que está funcionando porque lo siento en el lugar que me ha estado doliendo. Y no he podido hacer eso con, por ejemplo, el consejo que me dio mi fisioterapeuta. >> Huh. Quiero decir, escucha, creo que, ya sabes, con todos los calificativos alrededor de esto, si no estás usando una IA para una segunda opinión, como segundas opiniones baratas, súper fáciles y absolutamente deberías hacerlo. Como toda la investigación muestra que es un médico bastante bueno, ¿verdad? No tires a tu médico por esto todavía, pero como ese tipo de uso exacto. Lo he usado para lo mismo donde me lastimé el hombro, ya sabes, y digo: "Dime cuáles podrían ser los problemas". Y no está mal, ¿verdad? Ciertamente es mejor que buscar en Google estas cosas. Y la investigación sobre medicina muestra que funciona bastante bien. Y la idea de que le diste el contexto que necesitabas, lo que realmente hiciste allí fue que le diste tanto un contexto como una persona. Actúa como esta persona. Esa es una forma muy razonable de empezar. Esa es parte del consejo del libro. Dile qué tipo de persona es. Y luego le diste todos los antecedentes, incluido que me encanta que le hayas dado la foto con la flecha apuntando a ella porque estas cosas pueden ver imágenes. Y así, darle ese contexto lo hizo más preciso, al igual que lo haría una persona. Como podrías poner tu historial médico, ya sabes, tu historial y números. De nuevo, no usaría esto como tu único médico, sino como un respaldo para empoderarte. Es increíblemente poderoso. Okay. Okay. Entonces, hablemos de algunas formas prácticas en las que has estado viendo a empresas y educadores usar la IA. Hablemos primero del trabajo. Entonces, ¿cuáles son algunas, ya sabes, formas prácticas en las que las personas pueden usar la IA en su trabajo? Y hemos mencionado algunas cosas, pero ¿cuáles son algunas cosas que un trabajador general, tal vez alguien que está en administración o algo así, cómo pueden usar la IA para su flujo de trabajo? >> Entonces, es bastante bueno para dar consejos. Hay un estudio realmente bueno que muestra que de todas las personas, los pequeños empresarios en Kenia que ya estaban rindiendo bien, aquellos que rindieron mal, no tenían los recursos para hacer nada al respecto, que solo recibieron consejos de la IA, sus ganancias aumentaron entre un 12% y un 18%. Solo por consejos. Así que es bastante bueno para darte consejos o ayudarte a discutir problemas. Um, obviamente es bastante bueno escribiendo y leyendo. Como, es bastante bueno resumiendo una reunión completa y diciéndote qué puntos de acción la gente puede tomar. Cada vez más, si usas los modos de investigación profunda, escribe un informe de investigación de mercado increíblemente bueno. Todavía puede haber algunos errores, pero es un gran punto de partida. Puede ahorrarte 20 o 30 horas de trabajo. Y esos modos de investigación profunda están disponibles ahora mismo en Gemini, el chatbot de OpenAI, y en Grock de XAI de Elon Musk. Pero esas investigaciones profundas son muy, muy útiles. Quiero decir, he trabajado con abogados y contadores y todos están muy impresionados con los resultados. Es muy bueno si no sabes programar. Construyo pequeñas herramientas de codificación todo el tiempo. Ayúdame a trabajar en las finanzas aquí construyendo una hoja de cálculo interactiva para mí. Así que tienes que experimentar. Eso son esas 10 horas. Pero hay muchos casos de uso. Lo que suelo señalar a la gente en un entorno de trabajo son dos cosas. Una es que sabrás para qué es bueno o malo muy rápidamente porque eres un experto en tu propio trabajo. Así que si dices, esto no es bueno para eso, genial. Has aprendido algo. Si es bueno, a menudo sabes cómo dar retroalimentación para hacerlo aún mejor. La segunda cosa que le diría a la gente sobre el uso de la IA en el trabajo es que tienes que superar esta idea de trabajar con un humano. Solo puedes obtener tantas respuestas. Creo que deberías adoptar un enfoque maximalista para trabajar con la IA. No le pidas una forma de escribir este correo electrónico. Pídele 30 y luego elige la mejor. No le pidas una idea. Pide 200. Como, no se cansa. Nunca se molestará contigo. Así que parte de lo que es su valor es esta abundancia. También en el libro, cómo tuviste que averiguar cómo decidir qué delegar a la IA y qué tarea deberías seguir haciendo tú mismo. Entonces, ¿hay una rúbrica que uses para tomar esa decisión? >> Entonces, creo que parte de ello se trata de responsabilidad personal y ética. ¿Qué crees que éticamente tienes que guardar para ti mismo para hacer? Por ejemplo, de hecho sabemos por investigación que la IA es un mejor calificador que yo. Pero no uso la IA para calificar trabajos, aunque sea mejor, porque siento que mi trabajo como profesor es que yo proporciono la retroalimentación, ¿verdad? O si estoy usando, ya sabes, asistentes de enseñanza o algo así, se lo delegaría a esos humanos, pero yo no uso la IA para hacer eso, aunque podría hacerlo mejor. Por otro lado, ya sabes, hay cosas que sé que la IA no va a ser genial y donde sé que tengo que intervenir y lo sé porque he pasado mis 10 horas trabajando con IA. Así que creo que es ético o la IA no puede hacer eso, lo que crea esa línea. >> Entendido. Y también creo que con esta idea de pensar en la IA y tu trabajo, he leído sobre esto, tal vez tú también lo hayas hablado en tu libro si no lo recuerdo, pero ahora estamos en la posición en la que todos los que tienen acceso a la IA pueden hacer muchos trabajos a un nivel del 80%. Mientras que antes, ya sabes, si eras malo escribiendo un memorándum o haciendo otros tipos de tareas, entonces tu carrera se vería un poco estancada. Pero con la IA, puedes escribir un memorándum bastante decente, pero todos los demás también pueden escribir memorándums bastante decentes. Así que ahora es como, bueno, si la IA puede llevar a todos al 80% en las cosas más básicas, entonces tienes que averiguar cómo hacer el otro 20% súper bien. Y ya sabes, eso es lo que te va a separar del grupo si puedes hacer ese 20% adicional. Así que tienes que preguntarte, ¿qué puedo agregar para llegar hasta el final? Y yo, esa es a menudo la parte más difícil. >> Entonces, voy a discrepar un poco porque creo que cuando digo que hace el 80% a un nivel del 80%, eso no siempre es la parte fácil. A veces, de hecho, hace la parte difícil y es muy bueno en eso. Creo que la pregunta es cómo lo unes y cómo trabajas con él y te enfocas en las áreas donde definitivamente eres mejor que la IA. Ya sabes, lo pienso mucho. Soy un ex empresario. Doy clases de emprendimiento en Wharton. Ya sabes, fundo empresas, trabajo con empresas. Y una de las cosas que es realmente interesante de ser un empresario es que generalmente eres muy bueno en una o dos cosas y apestas en todo lo demás. Pero tienes que hacer todo lo demás para hacer las cosas en las que eres bueno. Así que eres muy bueno programando. Eres muy bueno dirigiendo un podcast como este. Escribes contenido convincente que nadie más puede escribir. Pero también tienes que llevar los libros y llenar formularios y dar revisiones de desempeño a tus empleados y todas las demás cosas que vienen con dirigir un negocio en las que quizás no seas bueno. Escribir correos electrónicos, ya sabes, escribir marketing. Así que la idea es que si la IA hace eso tan bien como una persona del percentil 80, no está mal, ¿verdad? Esas eran cosas que estabas haciendo en el percentil 20. Así que eso te permite concentrarte en las cosas que haces muy bien y renunciar a las cosas que no haces bien. >> Eso tiene sentido. ¿Hay alguna indicación específica que hayas encontrado útil para el mundo del trabajo? >> Entonces, hay un montón de cosas en las que podrías pensar. Encuentro que una cosa realmente buena es pedirle a la IA que argumente en tu nombre, como cuáles son algunos pros y contras de esto. Otro consejo realmente bueno es pensar en marcos que pueda usar para abordar este problema. Ejemplos de marcos podrían ser cosas como una matriz 2x2 o una matriz de estrategia y dame dos marcos diferentes que pueda usar para pensar en este problema y dime cómo esos marcos lo que esos marcos dirían. Así que puedes obligar a la IA a pensar como un consultor de alto nivel en ese tipo de problemas. Pero, ¿cómo crees que la IA afectará el trabajo más creativo? Como, ¿qué papel crees que los humanos pueden desempeñar en un mundo donde la IA puede crear, ya sabes, arte bastante bueno, escribir buena copia, incluso hacer un podcast, como, ¿dónde crees que los humanos pueden encajar ahí? >> Entonces, creo que si la IA se mantuviera al nivel en el que está ahora, es bastante buena, pero no es tan buena en podcasts como tú, estoy tratando de halagarte para una buena edición, no es, ya sabes, no creo que sea tan buena profesora como yo, ¿verdad? o un buen escritor como un buen escritor como un buen escritor. Creo que los analistas son como, si eres lo mejor que puedes ser, probablemente seas mejor que la IA. La pregunta es si eso se mantiene igual, ¿verdad? No lo ha hecho, ¿verdad? El próximo año será mejor de lo que es ahora. En algún momento, podría, ya sabes, podría ser un mejor podcaster que tú. Podría ser un mejor profesor que yo o escribir mejores artículos de investigación o lo que sea. Y creo que esa se convierte en la gran pregunta. ¿Qué hacemos en ese mundo? Y esa es una decisión que tenemos que tomar de alguna manera. Como, la IA es algo que se está desarrollando, pero no es algo sobre lo que no tengamos ningún control. Y lo que me preocupa es cuando la gente simplemente se encoge de hombros y dice: "Bueno, la IA hace cosas". como, ¿cómo queremos que se vea el futuro? Tenemos que tomar decisiones al respecto. >> Sí. Y así, quiero decir, has hablado de cómo todavía usas, usas la IA en tu propio proceso creativo. Como cuando escribes, ya sabes, estás tratando de averiguar cómo terminar una oración y solo piensas y piensas y nada te viene a la mente. Así que le preguntas, bueno, ya sabes, ¿cuáles son 30 ideas diferentes sobre cómo podría terminar esto? Y como que escupe algunas cosas. Luego dices, oh, bueno, esa es buena. O empiezas a mezclar, ya sabes, diferentes oraciones que escupió para obtener una buena. Y quiero decir, y ese tipo de método de trabajar con ella, esa pieza de co-inteligencia es en última instancia el mensaje aquí, al menos por ahora, al nivel en que está la IA, tiene debilidades y tu capacidad para usarla como un punto de partida para la información, como un relleno, como una capacidad para hacer más, ¿verdad? Así que, ya sabes, tal vez haya un mundo donde la IA sea muy buena en la creación de podcasts y tú desarrolles una manera para que esté haciendo podcasts personalizados para todos los que descargan uno, ¿verdad? Así que este modelo ahora, estás escuchando a los dos hablar, pero estamos hablando específicamente de los problemas que tú, oyente X, estás experimentando. Quiero decir, hay modelos futuros de mundos más ambiciosos donde si todos tienen mil doctorados, ¿qué haces con eso? Así que no creo que esto elimine toda elección y agencia para nosotros. Nos hace repensar cómo trabajamos. >> Okay, entonces hemos hablado de usar la IA en el trabajo. Hablemos de usar la IA en la escuela y tú eres profesor, así que tienes un asiento de primera fila para ver cómo se está desarrollando todo esto. Pero antes de hablar sobre algunos de los posibles beneficios de la IA en el aula, hablemos de la disrupción. Parece que la IA ha hecho explotar la tarea. Como si hubiera causado el apocalipsis de la tarea. Ya sabes, como cuando un estudiante recibe una tarea, puede ir a la IA, decir: "IA, escríbeme un ensayo. IA, ya sabes, aquí tienes una foto de un problema de matemáticas, el problema de cálculo. Resuélvelo". Entonces, ¿qué hacemos en un mundo donde los estudiantes simplemente pueden obtener la respuesta directamente de la IA? Quiero decir, ¿está la escuela terminada? >> Entonces, quiero decir, ahora mismo es un caos absoluto, ¿verdad? A partir del pasado julio, el 70% de los estudiantes universitarios y el 70% de los estudiantes de K12 estaban usando IA para "ayuda" con la tarea. Um, así que todos la están usando. Los detectores de IA no funcionan, por cierto. Todos tienen altas tasas de falsos positivos. Algunas personas simplemente escriben como IA y fueron acusadas todo el tiempo de usar IA y nunca pudieron demostrar que no la usaron. >> Sí. Como la IA usa la palabra "profundizar" mucho. Y antes de la IA, yo usaba esa palabra. Usaba la palabra "profundizar". Y ahora no puedo usar "profundizar" porque es como una cosa de IA. Sí. Y no quiero que la gente piense que la IA lo escribió. >> Bueno, eso fue en realidad lo que fue bastante gracioso, es que en realidad hay un análisis estadístico que muestra que el uso de "profundizar" ha disminuido drásticamente porque los modelos ya no dicen "profundizar" tanto y los humanos ya no quieren usarlo. ¿Verdad? Así que es muy gracioso reaccionar negativamente a ello, pero nunca puedes probar que no estás usando IA, ¿verdad? Simplemente me he rendido. Como, quiero decir, lo que terminas haciendo es dejar errores de ortografía o algo así y esperar que eso lo demuestre. Pero quiero decir, te enfrentas exactamente al mismo problema que todos nosotros, ¿verdad? Podrías ser acusado de usar IA en cualquier momento. No puedes probarlo. Así que los profesores realmente tienen dos opciones. Opción número uno es lo mismo que tratamos en las clases de matemáticas después de la calculadora en la década de 1970, que es que vuelves a lo básico y dices: "Escucha, haces la tarea, no haces la tarea. La tarea te ayuda con los exámenes. En clase, tendremos aprendizaje activo. Te haré preguntas sobre los ensayos que escribiste. Harás tareas en clase. Harás exámenes de libro azul en clase". Y esa es una forma completamente razonable de responder a la IA a corto plazo. Eso es exactamente lo que hicimos en las clases de matemáticas, ¿verdad? Como, haces la tarea de matemáticas, puede ser calificada, puede no ser calificada, pero lo importante son los exámenes que haces en clase. Y podríamos hacer eso para otras cosas como escribir. Simplemente no lo hacemos. La segunda opción es transformar cómo enseñas. Y como, mis clases son 100% basadas en IA. Todo lo que haces involucra cosas de IA. Así que enseñas a la IA a fingir ser un mal estudiante. Co-escribes un caso con ella. La IA te interroga sobre problemas. Como enseño emprendimiento, también soy capaz de hacer tareas increíblemente imposibles como, ya sabes, inventar una nueva idea y lanzar un producto funcional al final de la semana. Podemos hacer cosas que no hacíamos antes. Así que, lo resolveremos, pero las escuelas definitivamente están en caos ahora mismo. Bueno, creo que volviendo a esa idea, ese punto que hiciste de que las personas con títulos en humanidades o antecedentes en humanidades lo hacen mejor con la IA. Quiero decir, creo que esto argumenta que todavía tenemos que enseñar a la gente o enseñar a los jóvenes conocimientos generales, como que eso se vuelve más importante si quieres que esta IA sea realmente útil. >> Absolutamente. El conocimiento general es más importante que nunca. Um, la experiencia es más importante que nunca y podemos enseñar esto a la gente. Quiero decir, realmente podemos. Ya están en el aula y la forma más efectiva de enseñar siempre ha sido el aprendizaje activo, donde las personas hacen cosas activamente en el aula y no solo escuchan una conferencia. Así que la tendencia, incluso antes de la IA, era cómo creamos aulas invertidas donde tú, ya sabes, ves videos de conferencias o lees libros de texto fuera de clase, luego en clase aplicas ese conocimiento. Ese tipo de enfoque es muy a prueba de IA y hay muchas maneras en que podemos usar la IA para hacer el aprendizaje más atractivo. He estado construyendo juegos y simulaciones donde básicamente, ya sabes, no solo aprendes a negociar, hay una IA con la que negocias y resulta que es muy fácil de construir. Puedes usar la IA para hacer todo tipo de cosas de enseñanza realmente interesantes. Hay un conjunto de investigaciones de la Universidad de Harvard que muestra que un tutor de IA mejora el rendimiento en las puntuaciones. Hay otro gran estudio del Banco Mundial en Nigeria que muestra que seis semanas de tutoría de IA extraescolar con maestros en la sala, es importante tener maestros involucrados porque los estudiantes cuando solo usan IA para aprender. Resulta que no aprenden muy bien en absoluto. Simplemente hacen trampa y no se dan cuenta de que no están aprendiendo y les va peor en los exámenes. Pero si lo haces parte de las tareas y los maestros trabajan contigo en esto, entonces obtienes enormes aumentos en los resultados de aprendizaje. Así que hay un futuro realmente bueno donde la IA potencia el aprendizaje, lo hace más personal, lo hace mejor. Y creo que estamos cerca de eso. Es solo que no puedes simplemente decirle a tus hijos, usa la IA y todo saldrá bien porque eso no es realmente el caso. Como, el aprendizaje requiere esfuerzo y dejar que la IA se salte ese esfuerzo en realidad puede perjudicarte. Así que tenemos mucho potencial para el futuro, pero también muchas ideas erróneas y pensamiento que debemos tener sobre cómo usar esto correctamente. >> Algo que mi esposa y yo discutimos bastante, ya que somos escritores y luego miramos lo que la IA puede hacer con la escritura. Es como, ¿hay algún punto para que mis hijos aprendan gramática y cómo diagramar una oración y demás? Eres un escritor. ¿Todavía hay un argumento para aprender esos fundamentos de la escritura en un mundo donde Chad GPT puede simplemente escupir algo por ti? >> Quiero decir, de nuevo, creo que la clave es realmente construir una verdadera experiencia. Y creo que lo que esto, con suerte, hace es agudizar las cosas para nosotros. Ya sabes, las clases de matemáticas se volvieron mucho más organizadas después de la calculadora porque la gente tuvo que pensar realmente qué queremos que la gente aprenda. Como, ¿cuánto deberían aprender a hacer multiplicación y división a mano y para qué es valioso y cuándo deberían pasar a usar calculadoras? Y creo que podemos hacer lo mismo con la educación de escritura. Quiero decir, entiendo que apesta, ¿verdad? Como, los ensayos solían ser una excelente manera de hacer las cosas para los maestros, podían simplemente asignar ensayos y asumir que la gente aprendía mucho. Mucha gente no aprendía o ya estaba haciendo trampa, por cierto, antes de Chatbt, había 40,000 personas en Kenia cuyo trabajo a tiempo completo era escribir ensayos para estudiantes universitarios estadounidenses, así que este no es un problema nuevo. Así que creo que necesitamos aprender a, quiero decir, si diagramar oraciones es el enfoque correcto o simplemente intentar escribir mucho con indicaciones creativas. Creo que la escritura sigue siendo realmente importante porque queremos que la gente aprenda a ser buenos escritores y lectores, y para eso es la escuela. Pero tenemos que empezar a abordarlo de una manera diferente. No podemos simplemente asumir que le damos a la gente una tarea para llevar a casa, un ensayo, y que están aprendiendo algo de él. Pero eso tampoco ha sido cierto durante mucho tiempo desde que salió Internet. La gente ya está haciendo trampa. Así que creo que tenemos que enfrentar el hecho de que, ya sabes, esto es algo sobre lo que tenemos que aprender a hacer mejor y trabajar activamente para hacerlo mejor. ¿Algún consejo para los padres que tienen hijos en la escuela secundaria, preparatoria y ven a sus hijos usar IA para sus tareas, para ayuda con la tarea? ¿Algún consejo para guiarlos y cómo pueden usar eso no solo como una forma de hacer trampa y obtener la respuesta y terminar la tarea, sino como, oh, podemos mejorar tu aprendizaje. ¿Cuáles son algunas indicaciones o algunas pautas para eso? >> Entonces, tenemos un montón de indicaciones gratuitas que puedes usar y puedes encontrarlas en Generative AI lab en Wharton y hay una lista de indicaciones que puedes usar de indicaciones de tutor. Pero aparte de esas, no creo que las indicaciones sean realmente tan importantes, ya sabes, son importantes, pero creo que la clave real es pensar como padre cómo usarla. Por ejemplo, cuando quieres darle a tus hijos, ya sabes, ayuda con la tarea, no les dejes usar IA o intenta sugerirles que no usen IA. Pero lo que haces es que tomas tu teléfono y tomas una foto de ese problema de cálculo y le pides que me lo explique de una manera que pueda enseñarle a mi hijo cómo hacerlo y que son buenos o malos en esto, o incluso mejor, ten una conversación continua donde sepa las fortalezas y debilidades de tus hijos. Cuando tus hijos usen IA, pídeles que te den ayuda práctica para cuestionarios, que generen problemas para mí para estudios sociales AP en esta unidad y que me pongan a prueba sobre lo que sé o no sé. Como, la clave es que tiene que ser un trabajo que requiera esfuerzo. Así que si solo están obteniendo respuestas de la IA, no están obteniendo nada valioso. Si la IA los está evaluando, están haciendo preguntas y obteniendo respuestas. Están satisfaciendo su curiosidad. Tú eres quien usa esto para ayudarte a convertirte en un mejor maestro. Todos somos, ya sabes, maestros aficionados para nuestros hijos en muchos temas. Y quiero decir, no recuerdo cálculo, pero la IA sí. Y puedes usar esas herramientas para hacer esto, pero es como cualquier otra forma de medios o experiencia, necesitas ser un padre activo. Y creo que incluso si no tienes hijos y eres solo un adulto y quieres continuar tu educación, creo que la IA puede ser un co-aprendiz o co-tutor muy poderoso contigo. Lo he estado usando en mi propia lectura personal. Ahora mismo estoy leyendo "Invisible Man" de Ralph Ellison. Lo leí en la escuela secundaria. Decidí leerlo de nuevo como un, ya sabes, un hombre de mediana edad y lo he estado leyendo junto con la IA. Así que termino un capítulo y digo, ve a la IA y di, oye, eres un profesor de literatura estadounidense. Quiero hablar contigo sobre Ralph Ellison's "Invisible Man". Hablemos del capítulo 3. Y dice: "Okay, sí, aquí está el capítulo 3. Esto es lo que sucede". Y luego empiezo a hacerle más y más preguntas. Me adentro en preguntas cada vez más específicas como, ya sabes, ¿qué crees que está pasando en esta línea? ¿Qué significa eso? Um, y empieza a escupir ideas. Y simplemente, simplemente me ayuda a pensar en el texto de una manera más profunda. >> Y eso, por cierto, el compañero de pensamiento es a menudo importante. Hablé con un físico cuántico en Harvard y dijo que sus mejores ideas vienen de hablar con la IA y yo digo, ¿es buena en física cuántica? Dijo, no, no, no realmente, pero es muy buena haciéndome buenas preguntas y haciéndome pensar. Y creo que estás detectando como la forma más definitiva de co-inteligencia es que simplemente no tenemos, incluso con, ya sabes, un cónyuge solidario que está haciendo el mismo trabajo que tú y que está, ya sabes, y está comprometido contigo, todavía nos faltan compañeros de pensamiento en el mundo, ¿verdad? Como, puede ayudarte a estimular tu propio pensamiento. Tus ejemplos de uso te muestran lo que sucede cuando te sientes cómodo con el sistema y empiezas a pensar en cómo puedo usar la IA para ayudar. Y lo que me encanta es que todos los ejemplos que has dado sobre cómo ayudas con tu escritura o cómo obtienes ayuda con este proyecto de lectura se trata de que complemente tu pensamiento, no lo reemplace. >> Sí, esa es la forma en que creo que está complementando, no reemplazando. Entonces, ¿cuál crees que es el futuro de la IA? ¿A dónde crees que va? >> Entonces, creo que vale la pena notar algo, que es que lo grande que ha sucedido en los últimos meses son un par de avances técnicos en IA que la hacen mucho más inteligente, que son bastante fáciles de implementar y que la gente ha estado haciendo. Así que estos se llaman razonadores, modelos que piensan antes de responder preguntas. Resulta que eso hace que la IA sea mucho más inteligente. Y como resultado de eso, más algunos otros avances, cuando hablas con personas en los laboratorios de IA, y también hablan de esto públicamente, creen genuinamente que en los próximos dos o tres años, podrían ser capaces de lograr la IA general, inteligencia artificial general, una máquina más inteligente que un humano en cada tarea intelectual. No sé si tienen razón. Nadie sabe si tienen razón. Podrían estar, ya sabes, drogados con su propio suministro, pero creen que esto es cierto. El mensaje que te llevas de eso es que estos sistemas seguirán mejorando. Así que creo que hay una ventaja en aprender de qué son buenos o malos ahora mismo. Pero también creo que necesitamos ser flexibles. El futuro está cambiando. Es un muy buen momento para ser un emprendedor. Es un muy buen momento para intentar aprender más sobre el mundo. Um, es un muy buen momento para usar esto en tu trabajo para tener mucho más éxito porque mucha gente aún no se da cuenta de lo que estas cosas podrían hacer. Pero no sé lo que depara el futuro a largo plazo. Creo que estos sistemas seguirán volviéndose más inteligentes. Seguirán siendo irregulares, no geniales en todo, pero se están volviendo más inteligentes. >> Bueno, Ethan, esta ha sido una gran conversación. ¿Dónde puede la gente ir para aprender más sobre el libro y tu trabajo? >> Entonces, tengo un Substack gratuito llamado one useful thing.org que es probablemente la mejor manera de mantenerse al día sobre la IA. Mi libro está disponible en todas las principales librerías. Se llama Co-Intelligence y creo que también es una lectura divertida y estoy muy activo en las redes sociales en Twitter, Blue Sky y LinkedIn. Así que puedes buscarme allí. Fantástico. Bueno, Ethan Mullik, gracias por tu tiempo. Ha sido un placer. >> Gracias. Ha sido fantástico. >> Mi invitado de hoy es Ethan Mullik. Es el autor del libro Co-Intelligence. Está disponible en Amazon.com y en librerías de todo el mundo. Puedes obtener más información sobre su trabajo en one useful thing.org. También consulta las notas de nuestro programa en awim.is/ai donde encontrarás enlaces a recursos. Profundizamos en este tema. [música] [música] Bueno, eso concluye otra edición del podcast A1. Asegúrate de visitar nuestro sitio web en arttoman.com donde encontrarás [música] nuestros archivos de podcast y asegúrate de suscribirte a nuestro nuevo boletín. Se llama Dinebreed. Puedes suscribirte en dinebreed.net. Es una excelente manera de apoyar el programa directamente. Y si aún no lo has hecho, te agradecería que te tomaras un minuto para darnos tu reseña en Apple podcast o Spotify. Ayuda mucho. Y si ya lo has hecho, gracias. [música] Por favor, considera compartir el programa con un amigo o familiar que creas que obtendrá algo de él. Como siempre, gracias por el continuo apoyo. Hasta la próxima vez, [música] soy Brett McKay, tu tiempo de escucha, podcast con Put Heard en acción. [música]