La IA también ha comenzado a transformar la ciencia de los materiales, un amplio campo centrado en la creación de nuevos materiales con propiedades específicas.
2023 fue un año importante para la IA generativa, que pasó de los laboratorios de investigación a la vida real, con millones de personas que la utilizan a través de herramientas como ChatGPT y Microsoft Copilot. Este año, se espera que la IA sea aún más accesible, matizada e integrada en tecnologías que mejoren las tareas cotidianas y ayuden a resolver algunos de los problemas más desafiantes del mundo. Tomando esto en cuenta, aquí hay tres tendencias importantes de IA para tener en cuenta en 2024:
Modelos lingüísticos pequeños
El poder de los modelos de lenguaje grandes (LLM, por sus siglas en inglés) ha estado presente en herramientas como Copilot,, que se utiliza para responder preguntas complejas. Estos modelos pueden requerir importantes recursos informáticos para ser ejecutados, por lo que el aumento de los modelos de lenguaje pequeños (SLM, por sus siglas en inglés) se vuelve un gran problema.
Los SLM siguen siendo bastante grandes, con varios miles de millones de parámetros, en comparación con los cientos de miles de millones de su contraparte, pero son lo suficientemente manejables para ejecutarse en un teléfono sin conexión. Los parámetros variables, o elementos ajustables, son los que determinan el comportamiento de un modelo.
“Los modelos de lenguaje pequeños pueden hacer que la IA sea más accesible debido a su tamaño y asequibilidad”, señala Sebastien Bubeck, quien dirige el grupo de Fundamentos de Aprendizaje Automático en Microsoft Research. “Al mismo tiempo, descubrimos nuevas formas de hacerlos tan poderosos como los grandes modelos de lenguaje”.
Los investigadores de Microsoft han desarrollado y lanzado dos SLM, Phi y Orca, que funcionan tan bien como los LLM en ciertas áreas, desafiando la noción que se requiere escala para el rendimiento. Como diferenciador, los modelos más pequeños utilizan datos de entrenamiento seleccionados y de alta calidad, y los investigadores encuentran nuevos umbrales para el tamaño y el rendimiento. Este año, se pueden esperar modelos mejorados diseñados para fomentar una mayor investigación e innovación.
IA multimodal 
La mayoría de los LLM pueden procesar solo un tipo de datos (texto), pero los modelos multimodales pueden comprender información de diferentes fuentes y formatos, incluyendo imágenes, audio y video. Esta capacidad hace que las tecnologías, desde las herramientas de búsqueda hasta las aplicaciones de creatividad, sean más ricas, precisas y fluidas.
Desde Copilot, es posible averiguar lo que sucede en una fotografía, gracias a un modelo multimodal que puede procesar imágenes, lenguaje natural y datos de búsqueda de Bing. Copilot puede generar, por ejemplo, información relevante como la importancia histórica de un monumento en su foto.
La IA multimodal también impulsa a Microsoft Designer, una aplicación de diseño gráfico que puede generar imágenes a partir de una descripción. También permite voces neuronales personalizadas, o voces que suenan naturales, útiles en lectores de texto y herramientas para personas con discapacidades vocales.
“La multimodalidad tiene el poder de crear experiencias más parecidas a las humanas que pueden aprovechar mejor la gama de sentidos que usamos como humanos, como la vista, el habla y el oído”, dice Jennifer Marsman, ingeniera principal de la Oficina del Director de Tecnología de Microsoft, Kevin Scott.
La IA en la ciencia
Los expertos anticipan grandes ganancias en las herramientas de IA diseñadas para acelerar los descubrimientos científicos, y gran parte del trabajo está dirigido a abordar problemáticas globales como el cambio climático, las crisis energéticas y las enfermedades.
Para mitigar el cambio climático y ayudar a los agricultores a trabajar de manera más eficiente, los investigadores de Microsoft utilizan la IA para crear mejores predictores meteorológicos, estimadores de carbono y otras herramientas para una agricultura sostenible. También desarrollan tecnologías de inteligencia artificial que ayudarán a los agricultores en el campo, incluido un chatbot que puede ayudarles a identificar una maleza misteriosa o comparar la eficiencia de diferentes métodos de riego a través de la utilización de los datos específicos de la granja.
En el ámbito de las ciencias de la vida, los investigadores están colaborando en el modelo de IA basado en imágenes más grande del mundo para combatir el cáncer y el uso de IA avanzada para encontrar nuevos fármacos para enfermedades infecciosas y nuevas moléculas para medicamentos innovadores. La tecnología comprime el ensayo y error de los científicos (trabajo que puede llevar años) en solo unas pocas semanas o meses.
La IA también ha comenzado a transformar la ciencia de los materiales, un amplio campo centrado en la creación de nuevos materiales con propiedades específicas. Un avance reciente mostró el poder de la IA y la computación de alto rendimiento para acelerar la búsqueda de materiales menos tóxicos para las baterías.
“La inteligencia artificial impulsa una revolución en el descubrimiento científico”, dice Chris Bishop, director del equipo AI4Science en Microsoft Research. “Esa puede llegar a ser la aplicación más emocionante y, en última instancia, la más importante de la IA”.