Europa apuesta por una inteligencia artificial que no alucine, industrial, fiable y menos costosa

Muchos resultados de los usos comunes de la inteligencia artificial (IA) popular, como Gemini de Google o ChatGPT de OpenAI, son propios de un cuñado en una cena de Navidad: capaz de hablar de todo con referencias poco fiables. El 20% de las respuestas de estos modelos presenta alucinaciones, ...

Muchos resultados de los usos comunes de la inteligencia artificial (IA) popular, como Gemini de Google o ChatGPT de OpenAI, son propios de un cuñado en una cena de Navidad: capaz de hablar de todo con referencias poco fiables. El 20% de las respuestas de estos modelos presenta alucinaciones, salidas falsas con apariencia de verdad. Pero es la gran apuesta de los gigantes tecnológicos, principalmente de EE UU, que aspiran a convertir ese familiar en un asistente servicial que, además de hablar y crear imágenes, relatos o textos, analice y proponga soluciones (agentes). La industria de Europa, donde los auditores del Tribunal de Cuentas de la UE ven un riesgo de perder el tren de la IA, se desmarca de estos desarrollos. Apuestan por las aplicaciones empresariales, de menor tamaño, proporcionales a los procesos que se pretenden mejorar y que no alucinen. Son dos carreras paralelas con diferentes raíces y distintos objetivos. En este sentido, Siemens, en colaboración con Microsoft, acaba de lanzar, en la ciudad alemana de Múnich, un desarrollo de Copilot orientado específicamente a la automatización industrial.

Mihails Kozlovs, miembro del Tribunal de Cuentas que ha dirigido la última auditoría sobre la IA en Europa, advierte que esta tecnología condicionará el crecimiento económico de la UE en los próximos años y que obviarla puede relegar al continente: “En la carrera de la IA, existe el riesgo de que el ganador se quede con todo. Si la UE desea alcanzar sus objetivos, la Comisión y los Estados miembros deben aunar fuerzas de manera más eficaz, acelerar el ritmo y liberar el potencial de la UE para triunfar en esta importante revolución tecnológica en curso”.

Sin embargo, para Tom Hurd, investigador y creador de la organización Zeki para la identificación de expertos y tendencias en IA, la situación de Europa no es dramática sino distinta. Coincide en que es necesario estar porque, en su opinión, solo hay dos opciones: “o producir inteligencia artificial o esperar en la cola”. Pero considera que Europa, especialmente Alemania, Países Bajos, Reino Unido y Suiza, está en el primer grupo, según su capacidad de atraer talento. “España, Francia e Italia están empezando a cambiar”, precisa.

La diferencia, según este investigador, está en el modelo. Cree que Estados Unidos aún lidera el campo de equipos, programación y aplicaciones conversacionales, pero observa que los expertos empiezan a abandonar estas compañías (asegura que la mitad de ellos solo aguanta en estas 18 meses) y se decantan por empresas europeas, “más diversas e inclusivas”, según explica, y orientadas a la automatización en sectores como finanzas, industria, defensa y, sobre todo, salud.

Hay varias razones para esta tendencia. Una es de seguridad; según asegura Hurd, muchos abandonos en OpenAI se producen porque se percibe como de “alto riesgo”. Un grupo de 11 exempleados y trabajadores de esta compañía han publicado una carta en la que advierten de que la empresa da prioridad a los incentivos comerciales frente a los peligros de sistemas de IA cada vez más avanzados.

Otra razón principal es de inversión en un sector como las aplicaciones conversacionales que no despierta el interés europeo. “Cada versión de ChatGPT cuesta 10 veces más que la anterior. Ahí no somos competitivos”, admite Hurd. Un informe de la Universidad de Standford pone cifras más concretas: “Los costes de entrenamiento de los modelos de IA de última generación han alcanzado niveles sin precedentes. Por ejemplo, GPT-4 de OpenAI empleó unos 78 millones de dólares en esta tarea, mientras que Gemini Ultra de Google costó 191 millones de dólares”.

Michel May, investigador en inteligencia artificial de Siemens, coincide con Hurd en que la senda europea en este campo es distinta. “La industria tiene una tradición diferente. No lanza primero y después corrige, porque la confianza es prioritaria. Y no solo por cuestiones éticas”, afirma.

“La IA en la industria no puede permitirse alucinaciones”, añade Norbert Gaus, vicepresidente de investigación en la misma compañía. Se refiere a que un error en la respuesta de un robot conversacional en un trabajo escolar, una receta o una compra no es irreparable, mientras que en un proceso industrial puede ser catastrófico.

De esta forma, afirma que los desarrollos europeos están condicionados por la seguridad (es una de las principales preocupaciones de la industria continental por la normativa y por diferencias culturales, de acuerdo con el directivo), la fiabilidad, la confianza, y la eficiencia de los datos. Mientras un robot conversacional precisa de un gran modelo de lenguaje (LLM) con una ventana de contexto de billones de tokens (unidad básica de información que se puede entender como una palabra, número, símbolo o cualquier otro elemento individual que constituye una parte de los datos de entrada o salida del programa), una aplicación industrial, cuando se supera la fase de entrenamiento, no necesita un acelerador o un LLM, según explica Gaus.

Esta estrategia no excluye el uso de plataformas como ChatGPT, pero con un uso limitado. En el laboratorio de robótica y gemelos industriales de la Universidad de Múnich y Siemens en el campus de investigación de Garching se utiliza para facilitar las órdenes para operar los sistemas. La inteligencia artificial crea los códigos necesarios para que las máquinas respondan a los requerimientos y ahorra decenas de horas de programación para cada tarea específica.

La línea de actuación europea es similar a los modelos de IA que propone IBM y que utilizan un rango de parámetros inferior al de sistemas de otras compañías. “Es la tendencia de la industria: obtener el rendimiento que se necesita para los casos de uso y a un coste asumible”, según resumió Darío Gil, vicepresidente de IBM en la presentación de su encuentro anual Think en Estados Unidos.

En este sentido, la inteligencia artificial industrial se alimenta solo de datos propios y fiables, los relevantes para el proceso que se pretende optimizar, y a un coste menor. Su objetivo es que sea flexible, abierta, servicial e interoperable, capaz de intercambiar datos de forma segura y automática, independientemente de los límites geográficos, de programación u organizativos.

Para Gaus, los desarrollos europeos “están ya en todas partes, aunque no los veamos”. Se utilizan en diseño, automatización, mantenimiento, en servicios y como herramienta de diagnóstico. Para Michael May es un “lanzador de la productividad que no reemplaza al humano porque siempre tiene que estar al final”.

Con estos criterios, Siemens, en colaboración de Microsoft, acaba de lanzar en Alemania una versión de Copilot (la IA de Microsoft) específicamente orientada a la industria, un camino comenzado hace poco más de un año con un arranque difícil. “Los primeros desarrollos parecían buenos, pero eran insuficientes”, admite Rainer Brehm, responsable de automatización en la multinacional alemana.

Con el objetivo de “apoyar al humano en la cadena de valor industrial”, el proceso ha ido madurando tras consolidar pruebas de concepto (implementación para verificar que la teoría puede ser desarrollada), adaptaciones, comprobaciones y experimentaciones operativas. “No es un producto, es la transformación de toda la organización”, resalta Brehm ante un desarrollo que, según anuncia, estará disponible en julio.

Esta orientación de la industria europea difiere en gran medida de los desarrollos más efectistas de otros gigantes volcados en agentes personales y coincide con la visión de otras grandes compañías, como IBM. “El enfoque que veo en Open AI y en Google”, explica Rob Thomas, jefe comercial y de programación de esta multinacional, “es a mercados muy diferentes, a la interacción con el consumidor. Este tipo de cosas no es nuestro enfoque, sino los casos de uso empresarial, el trabajo digital, que consiste en automatizar tareas repetitivas en una organización que luego se extiende a cosas como los datos y la gobernanza de la IA”.

Puedes seguir a EL PAÍS Tecnología en Facebook y X o apuntarte aquí para recibir nuestra newsletter semanal.