noticias

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Li Ning/Texto ¿La inteligencia artificial generativa (IA), conocida como la cuarta revolución industrial, representa realmente una nueva revolución de la productividad?

Mirando hacia atrás en la historia, las revoluciones industriales anteriores trajeron enormes saltos en la productividad. La primera revolución industrial comenzó en la década de 1760, marcada por la máquina de vapor mejorada de Watt, que desencadenó un cambio del trabajo manual a la producción mecánica. La segunda revolución industrial se caracterizó por la aplicación generalizada de la electricidad. Estas dos revoluciones redujeron significativamente el costo del uso de bioenergía, mano de obra y fuerza animal, y en muchos escenarios llevaron el costo marginal del valor generado por el trabajo manual a cerca de cero. La tercera revolución industrial, también conocida como revolución de las tecnologías de la información, comenzó después de la Segunda Guerra Mundial y estuvo marcada por la popularización de las computadoras e Internet. En esta etapa, las empresas de Internet representadas por Google han reducido el costo de adquisición y difusión de información a niveles extremadamente bajos.

Como señaló Lu Qi, ex presidente de Baidu, las empresas de Internet han logrado una transformación clave: convertir el costo marginal de obtener información en un costo fijo. Tomemos como ejemplo a Google. Invierte alrededor de mil millones de dólares en la producción de mapas cada año, pero para cada usuario, el costo de obtener información cartográfica es casi nulo. Este modelo no sólo cambia la forma en que se obtiene la información, sino que también afecta profundamente a todos los ámbitos de la vida.

Sin embargo, debemos reconocer la diferencia esencial entre información y conocimiento. La revolución de la información ha reducido el costo para nosotros de obtener información existente, pero esta información suele ser conocimiento creado por generaciones anteriores, como libros, puntos de conocimiento o códigos. Después de adquirir información, la recreación y aplicación del conocimiento todavía depende principalmente de los humanos.

La aparición de la IA generativa ha cambiado esta lógica. Reduce en gran medida el costo de producción de conocimiento. La creación de conocimiento es la fuerza central que impulsa el progreso social y abarca todo, desde la investigación científica de vanguardia, la investigación y el desarrollo corporativo, las soluciones de ventas en la industria de servicios hasta la educación y la planificación de la vida diaria en el campo familiar. En esencia, estas actividades son procesos de recombinación y creación de información existente.

Por ejemplo, con la ayuda de la IA, podemos generar una copia de alta calidad en unos segundos, completar una gran cantidad de lluvias de ideas creativas en solo unos minutos e incluso generar rápidamente imágenes, videos y obras musicales.

En el campo de la investigación científica, la aplicación de la IA es aún más llamativa. Por ejemplo, AlphaFold (un nuevo modelo desarrollado por Google DeepMind e I-somorphic Labs, dos empresas de inteligencia artificial de Google), como tecnología de inteligencia artificial revolucionaria, está cambiando por completo el panorama de la investigación biomédica, acortando en gran medida el ciclo de investigación científica y reduciendo los costos.

Tradicionalmente, determinar la estructura tridimensional de una proteína requiere el uso de métodos experimentales como la cristalografía de rayos X o la microscopía crioelectrónica. Estos métodos no sólo requieren mucho tiempo y trabajo, y a menudo toman meses o incluso años, sino que también requieren mucho tiempo y trabajo. también caro. AlphaFold puede predecir con precisión las estructuras de las proteínas en cuestión de horas o días, acortando significativamente el ciclo de investigación.

Tomando como ejemplo la investigación y el desarrollo de fármacos, ESM3 (un innovador modelo de inteligencia artificial generativa desarrollado por la startup de IA EvolutionaryScale y utilizado específicamente para el diseño de proteínas) puede simular y generar rápidamente nuevas secuencias de proteínas, incluidos anticuerpos y enzimas con funciones específicas, lo que permite a los científicos diseñar medicamentos dirigidos con una precisión sin precedentes.

Esta capacidad permite a los investigadores generar y probar rápidamente nuevos diseños de proteínas, evitando el enfoque de prueba y error que domina el desarrollo de fármacos tradicionales, centrando así la investigación en los fármacos candidatos más prometedores. La naturaleza interactiva de ESM3 permite a los investigadores guiar el proceso de diseño de proteínas mediante indicaciones, lo que mejora aún más la eficiencia del descubrimiento de fármacos. Esto no sólo acelera la investigación sino que también reduce significativamente los costos, ya que los investigadores pueden explorar una gama más amplia de espacio proteico en un entorno virtual antes de validarlo en el laboratorio. La capacidad de ESM3 para simular millones de años de procesos evolutivos naturales abre nuevas posibilidades para el desarrollo de fármacos innovadores.

El director ejecutivo (CEO) de Microsoft AI, Mustafa Suleyman, predice que en los próximos 15 a 20 años, el costo de la producción de nuevos conocimientos se acercará a cero. Cree que estos cambios marcarán un verdadero "punto de inflexión" en la historia de la humanidad.

Nueva visión y nueva lógica

Si el desarrollo y la popularización de la IA generativa hacen realidad la visión de que el costo marginal de la creación de conocimiento se acerca a cero, marcaremos el comienzo de un futuro sin precedentes. En este futuro, la producción de conocimiento será extremadamente barata y eficiente, lo que traerá cambios profundos.

Imagine que los investigadores científicos pueden completar el diseño experimental y el análisis de datos en unos pocos minutos, y el ciclo de investigación científica que solía llevar meses se ha acortado considerablemente. Tareas complejas como la predicción de la estructura de las proteínas y la detección de sustancias químicas serán precisas y eficientes, y el progreso científico se promoverá como nunca antes. En el laboratorio, los investigadores estarán más inmersos en la exploración creativa que en tediosos experimentos repetidos.

En el futuro, los médicos podrán obtener los últimos conocimientos médicos y las mejores opciones de diagnóstico y tratamiento con sólo un clic del ratón, y personalizar planes de tratamiento personalizados para los pacientes. Cada paciente puede recibir el servicio médico más adecuado y la eficacia y eficiencia del diagnóstico y tratamiento mejoran enormemente. Mejoras significativas en la salud permitirán a las personas disfrutar de una mejor calidad de vida y las enfermedades dejarán de ser un enemigo invencible.

En el aula, la IA generativa proporcionará recursos de aprendizaje personalizados de acuerdo con el progreso y los intereses de cada estudiante, enseñándoles verdaderamente de acuerdo con sus aptitudes. Los estudiantes ya no estarán sujetos a un plan de estudios unificado, sino que podrán estudiar de la manera y al ritmo que mejor les convenga. Se estimulará plenamente el potencial de cada niño, el aprendizaje se convertirá en algo divertido y la calidad de la educación mejorará de manera integral.

En la sala de asesoramiento psicológico, la IA generativa proporcionará asesoramiento psicológico personalizado y apoyo emocional. La IA puede identificar y analizar detalladamente el estado emocional de un individuo y brindar ayuda psicológica oportuna y eficaz. Ya sea que enfrentemos estrés, ansiedad o busquemos consuelo emocional, todos pueden encontrar la paz interior y la felicidad con el cuidado y el apoyo de la IA.

La IA generativa estará en todas partes de la vida diaria en el futuro. La tutoría para los exámenes de ingreso a la universidad, los servicios de consultoría y el trabajo creativo, la IA mejorará enormemente la eficiencia y eficacia. Las personas pueden completar una variedad de tareas con facilidad, liberando más tiempo y energía para dedicarlo al trabajo creativo y estratégico. La IA se hará cargo de las tareas repetitivas y mecánicas, y la vida de las personas será más fácil y placentera.

Después de aclarar la visión de futuro que puede traer la IA generativa, debemos pensar en una nueva lógica de toma de decisiones. Dado que el costo marginal de la producción de conocimiento se acercará a cero, todos, desde los individuos hasta las empresas, deben ajustar sus decisiones y estrategias para adaptarse a este cambio.

Los individuos necesitan reevaluar su propio valor. En una época en la que el conocimiento está fácilmente disponible, ¿qué habilidades y cualidades siguen siendo valiosas? Aunque la IA ha demostrado poderosas capacidades en muchos campos, la verdadera innovación de 0 a 1 sigue siendo inseparable de la inspiración y la intuición humanas. Lo que este tipo de innovación requiere es una chispa de inspiración, un momento de epifanía, y actualmente la IA no puede replicar completamente este tipo de creatividad desde cero.

Por lo tanto, debemos pensar en cómo mantener nuestra singularidad en este entorno. El aprendizaje continuo y la superación personal no solo nos ayudan a adaptarnos a un mundo que cambia rápidamente, sino que también nos permiten seguir innovando en nuestros propios campos y seguir siendo competitivos. La innovación de 0 a 1 requiere inspiración e intuición impredecibles, una pequeña chispa en el pensamiento humano, que puede encender todo el proceso creativo. Deberíamos valorar esta capacidad y seguir cultivándola y estimulándola.

Más importante aún, aunque la IA es poderosa, actualmente carece de sentido de dirección y propósito. Una de las funciones clave de los humanos en esta era es proporcionar dirección y significado a la IA. Necesitamos decidir para qué problemas se debe utilizar la IA, cómo utilizarla para mejorar la vida humana y cómo garantizar que el desarrollo de la IA cumpla con los estándares morales y éticos. Esta capacidad requiere que tengamos una perspectiva macro, conocimientos profundos y una profunda comprensión de los valores humanos y las necesidades sociales.

El campo de la investigación científica proporciona un ejemplo que invita a la reflexión del profundo impacto que la IA generativa puede tener en el proceso de creación de conocimiento.

Tradicionalmente, la investigación científica ha sido considerada como el palacio de la creación de nuevos conocimientos, y el proceso suele ser lento, laborioso y costoso. Tomando la gestión como ejemplo, la investigación no consiste sólo en descubrir nuevos fenómenos y teorías, sino que también requiere un pulido cuidadoso y una demostración rigurosa. Como describen en su artículo los estudiosos de la gestión Markus Baer y Jason Shaw, lo que hacen los estudiosos de la gestión es una "artesanía académica".

Sin embargo, el surgimiento de la IA generativa puede tener un profundo impacto en el valor de esta “artesanía académica”. Esto nos recuerda el impacto de las revoluciones industriales anteriores en los artesanos tradicionales.

Antes de la Revolución Industrial, los artesanos cualificados eran muy apreciados y sus habilidades eran escasas y valiosas. Sin embargo, con la introducción de las máquinas y el aumento de la producción en masa, muchas artesanías que alguna vez fueron altamente especializadas fueron reemplazadas gradualmente por procesos industriales estandarizados, y el estatus y el valor de los artesanos tradicionales en la sociedad disminuyeron significativamente.

Ahora parece que nos enfrentamos a un punto de inflexión similar. La IA generativa puede procesar rápidamente cantidades masivas de datos, generar hipótesis y conclusiones aparentemente razonables e incluso imitar el estilo de escritura académica. Esto nos hace pensar: ¿la IA reducirá significativamente el valor de los “artesanos” académicos? Tareas que alguna vez requirieron que los investigadores invirtieran mucho tiempo y energía, como la revisión de la literatura, el análisis de datos e incluso la construcción de teorías preliminares, ahora pueden completarse con IA en solo unos minutos.

Este cambio sin duda tendrá un profundo impacto en la academia. Así como la revolución industrial cambió el valor de las artesanías e hizo que las habilidades artesanales que antes eran inalcanzables ya no fueran escasas, ¿el surgimiento de la IA generativa también hará que algunas habilidades académicas tradicionales pierdan su singularidad? Como profesión de una minoría, ¿la investigación científica enfrenta desafíos a su irremplazabilidad?

Estas preguntas han desencadenado una serie de reflexiones más profundas: en la era de la IA, ¿cuál es el valor más esencial de los académicos? ¿Necesitamos redefinir lo que entendemos por “innovación académica”? Quizás el papel de los académicos cambie fundamentalmente en el futuro, pero ¿cómo exactamente? ¿Se centrarán más en plantear preguntas verdaderamente innovadoras y dejarán el trabajo de investigación rutinario a la IA? ¿O el valor de los académicos se reflejará más en cómo guiar a la IA para realizar investigaciones y cómo juzgar la confiabilidad y la importancia de los resultados generados por la IA?

Además, ¿necesitamos repensar todo el proceso de creación de conocimiento? En una era en la que la IA puede generar rápidamente resultados de investigación aparentemente razonables, ¿cómo garantizar la profundidad y originalidad de la investigación académica? ¿Qué papel jugarán la creatividad y el conocimiento humanos en este proceso?

En la era de la IA generativa, las empresas, como entidades importantes en la creación de conocimiento, enfrentan desafíos y oportunidades sin precedentes. La cadena de valor tradicional de creación de conocimientos está siendo completamente subvertida, y las actividades corporativas centrales, como el diseño de productos, la innovación de servicios y la comprensión del mercado, pueden sufrir cambios fundamentales debido a la intervención de la IA. En este contexto, las empresas también necesitan repensar su posicionamiento y su competitividad central.

Cuando la IA puede generar rápidamente planes de diseño, ideas de productos y análisis de mercado, ¿cómo pueden las empresas encontrar su propio valor único en la cadena de creación de conocimiento? Una posible dirección es cambiar el enfoque hacia áreas que son difíciles de replicar fácilmente con IA, como la creación de valor de marca, la construcción de conexiones emocionales o la innovación transfronteriza. Esto requiere que las empresas reevalúen sus fortalezas e inviertan más en humanización y creatividad. Estas preguntas han provocado una reflexión profunda sobre la dirección de desarrollo futuro de la empresa.

La formulación y ejecución de estrategias deben basarse en la realidad de que el costo marginal del conocimiento se acerca a cero. ¿Necesita la empresa ajustar de manera flexible su estrategia para responder rápidamente a los cambios del mercado y los avances tecnológicos? El proceso de toma de decisiones se basará más en datos. ¿La IA generativa proporcionará análisis y predicciones precisos en tiempo real para ayudar a los tomadores de decisiones a tomar decisiones más inteligentes? Al mismo tiempo, ¿es necesario que la cultura corporativa sea más abierta e inclusiva, fomente la innovación y la cooperación transfronteriza y se adapte a un entorno que cambia rápidamente?

En este proceso, necesitamos tener un debate abierto: ¿Cómo equilibran las empresas la eficiencia y la innovación? En una era en la que el conocimiento está fácilmente disponible, ¿qué ajustes estratégicos pueden garantizar que las empresas se destaquen en la feroz competencia? ¿Las futuras formas organizativas corporativas se volverán más planas y flexibles?

No existen respuestas preparadas para estas preguntas, pero son estos pensamientos y exploraciones los que nos llevarán a adaptarnos y controlar este nuevo cambio tecnológico.

Cómo lograrlo: un viaje de ida y vuelta entre personas y tecnología

En la visión futura de la IA generativa, el costo marginal de la creación de conocimiento se acerca a cero, lo que significa que marcaremos el comienzo de una era de eficiencia e innovación sin precedentes. Para lograr este objetivo, la clave está en la avalancha bidireccional de personas y tecnología.

La IA generativa no es una herramienta simple sin instrucciones claras, sino una habilidad y un potencial que requiere que las personas la dominen. El papel humano es crucial en este proceso. Las personas necesitan mejorar sus capacidades de IA, que se refiere a la capacidad integral de utilizar la IA para completar tareas y resolver problemas en la era de la IA. El poder de la IA no es solo la habilidad para operar herramientas de IA, sino también un nuevo modo de pensamiento y estructura de habilidades.

En el proceso de mejorar las capacidades de la IA, las personas necesitan aprender, adaptarse y dominar continuamente los métodos y técnicas de la IA generativa. Por ejemplo, cómo diseñar palabras clave efectivas para interactuar con la IA, cómo deconstruir tareas y cooperar con la IA para completar tareas complejas. El cultivo de esta habilidad permitirá que todos se conviertan en un "súper individuo" y amplifiquen enormemente sus habilidades y eficiencia con la ayuda de la IA.

Además de la mejora de las propias capacidades de las personas, el desarrollo de la tecnología también es una forma importante de lograr este objetivo. La IA generativa no solo requiere las capacidades básicas de los modelos grandes, sino que también requiere un desarrollo y optimización continuos en diversos escenarios. Por ejemplo, la aparición de Suno (una aplicación de generación de música mediante IA) ha hecho que la creación musical, una habilidad que requiere conocimientos profesionales, esté al alcance de la mano. Este avance tecnológico ha reducido considerablemente el umbral para la creación de conocimiento.

En el campo de la traducción, el reciente proyecto de traducción de código abierto del profesor Andrew Ng hace que sea muy fácil traducir una tarea profesional, lo que demuestra la rápida aplicación de la tecnología en escenarios específicos. En campos como el análisis de datos, el diagnóstico médico complejo y la investigación científica, aunque aún queda mucho por hacer, la dirección del desarrollo tecnológico es clara, es decir, a través de la innovación y la optimización continuas, el costo de la creación de conocimiento finalmente se reducirá considerablemente. .

Un mundo donde el costo de la creación de conocimiento se acerca a cero

Cuando el costo marginal de la creación de conocimiento se acerque a cero, enfrentaremos una serie de preguntas profundas y abiertas. Puede que todavía no haya respuestas claras a estas preguntas, y algunas de ellas están siendo objeto de acalorados debates en todo el mundo.

Cuando el costo de la creación de conocimiento sea cero, ¿adónde irá la humanidad? ¿Cuál es el significado de ser humano? En un mundo donde el conocimiento está fácilmente disponible, ¿cómo redefinirán los humanos su propio valor y existencia? ¿Se convertirán las nuevas habilidades y cualidades en la clave de la competitividad del núcleo humano? ¿Necesitamos reexaminar áreas como la creatividad, las emociones, la ética y la responsabilidad social que no pueden ser reemplazadas por completo por la IA?

En un mundo donde el conocimiento puede adquirirse y generarse fácilmente, ¿siguen siendo relevantes las formas tradicionales de organización empresarial? ¿Cómo se reestructurarán y operarán las organizaciones para adaptarse a esta tendencia? ¿Las organizaciones del futuro se volverán más planas, más descentralizadas y más flexibles? ¿Cómo cambiará la competitividad central de las empresas? En una era de conocimiento infinito, ¿cómo mantienen las empresas la innovación y las ventajas competitivas?

Más importante aún, ¿cómo podemos garantizar que todos se beneficien de este cambio? Reducir el costo de la creación de conocimiento no debería ser sólo el privilegio de unas pocas personas, sino que debería ser riqueza común de toda la sociedad. ¿Cómo diseñar un mecanismo de distribución justa para garantizar que los dividendos del conocimiento y la tecnología puedan beneficiar a todos? Esto incluye la popularización y mejora de la educación, la mejora del sistema de seguridad social y la formulación e implementación de políticas y regulaciones. ¿Cómo afrontar el posible desempleo y la injusticia social? ¿Cómo garantizamos que los beneficios del progreso tecnológico se distribuyan uniformemente?

Como predijo audazmente el CEO de Microsoft AI, el costo de la creación de conocimiento será cercano a cero en 10 a 15 años. En ese momento, debemos afrontar estos profundos problemas y encontrar formas de resolverlos. ¿Tenemos suficientes mecanismos y políticas sociales para guiar y proteger esta transformación?

El significado y el valor de los seres humanos, la forma y el funcionamiento de las organizaciones, y la justicia y el progreso social son temas importantes sobre los que debemos prepararnos y reflexionar con antelación. Puede que las respuestas a estas preguntas no sean fáciles de encontrar, pero son estos pensamientos y exploraciones los que nos llevarán hacia un futuro mejor y más justo. ¿Estamos preparados para este cambio? ¿Cómo será el mundo en el futuro y cómo encontraremos nuestro lugar en esta transformación?

(El autor es profesor de la Cátedra Flextronics y director del Departamento de Liderazgo y Gestión Organizacional de la Facultad de Economía y Gestión de la Universidad de Tsinghua)

Declaración de derechos de autor: el contenido anterior es el trabajo original de "Economic Observer" y los derechos de autor pertenecen a "Economic Observer". La reimpresión o duplicación está estrictamente prohibida sin la autorización del Observador Económico; de lo contrario, los actores relevantes serán considerados legalmente responsables. Para cooperación en materia de derechos de autor, llame al: [010-60910566-1260].