Por ejemplo, jugué con un sistema experimental que construí yo mismo usando GPT-3 diseñado para ayudarme a escribir un libro de ciencia ficción, algo que quería hacer desde que era adolescente. Tengo cuadernos llenos de sinopsis que he creado para libros teóricos, describiendo el tema de los libros y los universos en los que se desarrollan. Con esta herramienta experimental, pude resolver el bloqueo. Cuando estaba escribiendo un libro a la antigua usanza, si tenía 2000 palabras al día, me sentía muy bien conmigo mismo. Con esta herramienta tenía días en los que podía escribir 6.000 palabras en un día, que para mí es mucho. Se siente como un proceso cualitativamente más energizante que lo que estaba haciendo antes.
Es el sueño de «copiloto para todo»: que tenga un copiloto que pueda sentarse a su lado mientras realiza cualquier tipo de trabajo cognitivo, ayudándolo no solo a hacer más, sino también a mejorar su creatividad en nuevos y maneras emocionantes. .
Este aumento de la productividad es claramente un impulso para su satisfacción. ¿Por qué estas herramientas traen más alegría al trabajo?
Todos usamos herramientas para hacer nuestro trabajo. Algunos de nosotros realmente disfrutamos obtener las herramientas, dominarlas y descubrir cómo implementarlas de manera súper efectiva para hacer lo que estamos tratando de hacer. Creo que eso es parte de lo que está pasando aquí. En muchos casos, las personas ahora tienen herramientas nuevas, interesantes y fundamentalmente más efectivas que antes. Realizamos un estudio que encontró que el uso de herramientas sin código o de bajo código tuvo un impacto positivo de más del 80 % en la satisfacción laboral, la carga de trabajo general y la moral del usuario. Especialmente para las herramientas que están en sus primeros días, es simplemente una gran ventaja para la vista.
Para algunos trabajadores, se trata literalmente de mejorar el flujo básico en el que se encuentran al hacer el trabajo; te acelera. Es como tener un mejor par de zapatillas para correr una carrera o un maratón. Esto es exactamente lo que vemos con las experiencias que tienen los desarrolladores con Copilot; ellos reportan que Copilot los ayuda a mantenerse en el flujo y mantiene sus mentes más agudas durante tareas que alguna vez fueron aburridas y repetitivas. Y cuando las herramientas de IA pueden ayudar a eliminar la monotonía de un trabajo, algo que era súper repetitivo o aburrido o que les impedía llegar a lo que realmente disfrutan, como era de esperar, mejora la satisfacción.
Personalmente, estas herramientas me permiten estar en un estado de cambio más prolongado que antes. El enemigo del flujo creativo es la distracción y el bloqueo. Llego a un punto en el que no estoy muy seguro de cómo resolver lo siguiente, o lo siguiente es, como, «Tengo que ir a buscar esto». Necesito cambiar el contexto de lo que estaba haciendo para resolver el subproblema. Estas herramientas están resolviendo cada vez más el subproblema para mantenerme en el flujo.
Además de GitHub Copilot y DALL∙E 2, la IA aparece en los productos y servicios de Microsoft de otras formas. ¿Cómo mejora la IA de próxima generación los productos actuales como Teams y Word?
Esta es la gran historia no contada de la IA. Hasta la fecha, la mayoría de los beneficios de la IA se distribuyen en 1,000 cosas diferentes en las que ni siquiera puede apreciar completamente qué parte de la experiencia del producto que está obteniendo proviene de un sistema de aprendizaje automático.
Por ejemplo, estamos sentados aquí en este equipos llamada en video y en el sistema hay todos estos parámetros que han sido aprendidos por un algoritmo de aprendizaje automático. Hay búferes de fluctuación para que el sistema de audio facilite la comunicación. El desenfoque detrás de usted en su pantalla es un algoritmo de aprendizaje automático en el trabajo. Hay más de una docena de sistemas de aprendizaje automático que hacen que esta experiencia sea más agradable para ambos. Y eso es ciertamente cierto en todo Microsoft.
Hemos pasado del aprendizaje automático en unos pocos lugares a literalmente 1,000 piezas de aprendizaje automático repartidas en diferentes productos, desde cómo funciona su cliente de correo electrónico de Outlook hasta su texto predictivo en Word, su experiencia de búsqueda en Bing y la apariencia de su fuente. en Xbox Cloud Gaming y LinkedIn. Hay IA en todas partes para mejorar estos productos.
Una de las grandes cosas que ha cambiado en los últimos dos años es que antes tenías un modelo especializado para cada una de estas tareas que tenemos en todos nuestros productos. Ahora tiene una sola plantilla que se utiliza en muchos lugares, ya que son muy útiles. Poder invertir en esos modelos que se vuelven más potentes con la escala y luego tener todo construido sobre el modelo y beneficiarse simultáneamente de las actualizaciones que realiza, es genial.
La investigación y el desarrollo de IA de Microsoft continúan a través de iniciativas como AI4Ciencia Y IA para bien. ¿Qué es lo que más te apasiona en esta área de la IA?
Los problemas más difíciles que enfrentamos como sociedad hoy en día están en el ámbito de la ciencia. Como tu para curar estas enfermedades complicadas e intratables? Como tu prepárate para la próxima pandemia? ¿Cómo proporcionas atención médica asequible y de alta calidad para una población que envejece? ¿Cómo está ayudando a educar a más niños a escala en las habilidades que necesitarán para el futuro? Como tu desarrollar tecnologías que revertirán algunos de los efectos negativos de las emisiones de carbono en la atmósfera? Exploramos cómo llevar algunos de estos emocionantes desarrollos de IA a estos problemas.
Los modelos de estas aplicaciones científicas fundamentales tienen las mismas propiedades de escala que los modelos de lenguaje grande. Construyes un modelo, lo pones en un modo autosupervisado en el que aprende de una simulación o aprende de su propia capacidad para observar un dominio en particular, y luego el modelo que obtienes te permite cambiar drásticamente el rendimiento de una aplicación, ya sea que esté realizando una simulación computacional de dinámica de fluidos o realizando dinámica molecular para el diseño de fármacos.
Hay una gran oportunidad aquí. Significa mejores medicamentos, significa Tal vez podamos encontrar el catalizador. no tenemos que resolver nuestro problema de emisiones de carbono todavía, significa acelerar en todos los niveles cómo los científicos y otras personas con grandes ideas pueden trabajar para tratar de resolver los mayores desafíos de la sociedad.
¿Cómo han contribuido los avances en las técnicas informáticas y el hardware a los avances en IA?
El elemento fundamental que sustenta casi todos los avances recientes que hemos visto en IA es la importancia crítica de la escala. Resulta que los modelos entrenados en más datos con más poder de cómputo simplemente tienen un conjunto de capacidades mucho más rico y generalizado. Si queremos continuar avanzando en este progreso, y para ser claros, actualmente no vemos fin a los beneficios de una mayor escala, debemos optimizar y aumentar nuestra potencia informática tanto como sea posible.
Anunciamos nuestra primera supercomputadora Azure AI hace dos años, y en nuestra conferencia de desarrolladores Build de este año, compartimos que ahora tenemos varios sistemas de supercomputadoras que estamos bastante seguros de que son las supercomputadoras de las IA más grandes y poderosas del mundo en la actualidad. Nosotros y OpenAI usamos esta infraestructura para entrenar casi todos nuestros grandes modelos de última generación, ya sea nuestro turingcódigo Z y florencia modelos en Microsoft o los modelos GPT, DALL∙E y Codex en IA abierta. Y nosotros recientemente anunció una colaboración con NVIDIA para construir una supercomputadora con infraestructura Azure combinada con GPU NVIDIA.
Parte de ese progreso acaba de ocurrir a través de la escala informática de fuerza bruta con grupos de GPU cada vez más grandes. Pero quizás un avance aún mayor es la capa de software que optimiza cómo se distribuyen los modelos y los datos en estos sistemas gigantes, tanto para entrenar los modelos como para luego entregarlos a los clientes. Si queremos ofrecer estos grandes modelos como plataformas con las que las personas pueden crear, no pueden ser accesibles solo para el pequeño número de empresas de tecnología en el mundo con suficientes recursos para construir supercomputadoras gigantes.
Así que invertimos mucho en software como velocidadprofunda para aumentar la eficacia de la formación, y Ejecución ONNX por inferencia. Optimizan el costo y la latencia y, en general, nos ayudan a hacer que los modelos de IA más grandes sean más accesibles y valiosos para las personas. Estoy muy orgulloso de los equipos que tenemos trabajando en estas tecnologías porque Microsoft es realmente el líder de la industria aquí, y compramos todo el código abierto para que otros puedan seguir mejorando.
Todos estos avances tienen lugar en un contexto de preocupación constante de que la IA afectará los puestos de trabajo. ¿Qué opinas de la cuestión de la IA y el empleo?
Vivimos en una época de extraordinaria complejidad y de cambios macroeconómicos históricos, y si miramos hacia el futuro a 5 o 10 años, solo para lograr un equilibrio neutral neto para todo el mundo, vamos a necesitar nuevas formas de productividad para cada uno de nosotros. para que podamos seguir beneficiándonos del progreso. Queremos construir estas herramientas de IA como plataformas que muchas personas puedan usar para construir negocios y resolver problemas. Creemos que estas plataformas democratizan el acceso a la IA a más personas. Con ellos, obtendrá un conjunto más rico de problemas resueltos y tendrá un grupo más diverso de personas que pueden participar en la creación de la tecnología.
Con la creación de instancias de IA anterior, necesitaba una gran experiencia solo para comenzar. Ahora puedes llamar Servicios cognitivos de Azurepuedes llamar al Servicio Open AI de Azure y construya productos complicados además de esas cosas sin ser necesariamente tan experto en IA como para poder entrenar su propio modelo grande desde cero.
