🛍 Envío gratis=Pedidos superiores a $33 🧩SI-COMMUNITY=Cupones de descuento irregulares

¿Cómo será GPT2030?

  • GPT 2030 tendrá varias ventajas significativas en comparación con el sistema actual:
    1. GPT 2030 tiene el potencial de demostrar un rendimiento sobrehumano en varias tareas específicas, incluida la codificación, los ataques de piratería, las matemáticas y el diseño potencial de proteínas.
    2. GPT 2030 puede "trabajar" y "pensar" rápidamente: se estima que es cinco veces más rápido que los humanos en términos de palabras procesadas por minuto.
    3. GPT 2030 se puede replicar y ejecutar en paralelo. La organización que entrena GPT 2030 tendrá suficiente poder computacional para ejecutar múltiples copias en paralelo: se estima que será capaz de realizar el trabajo equivalente a 1,8 millones de años en un año, ajustado a la velocidad de trabajo humana.
    4. Las copias de GPT 2030 pueden compartir conocimientos, lo que permite un aprendizaje paralelo rápido: se estima que su capacidad de aprendizaje en un día es equivalente al aprendizaje humano durante 2500 años.
    5. GPT 2030 se capacitará con otras modalidades además de texto e imágenes, que pueden incluir modalidades contrarias a la intuición, como estructuras moleculares, tráfico de red, código de máquina de bajo nivel, imágenes astronómicas y escáneres cerebrales. Por lo tanto, puede tener una fuerte comprensión intuitiva en dominios donde nuestra experiencia es limitada, incluida la capacidad de formar conceptos que no poseemos.

 

  • Impacto de GPT-2030

    • Ventajas

GPT-2030 representa una fuerza laboral grande, altamente adaptable y altamente productiva. Recuerde, múltiples copias de GPT-2030 funcionan en paralelo, operando a una velocidad cinco veces más rápida que los humanos, lo que permite completar 1,8 millones de años de trabajo. Esto significa que podemos simular 1,8 millones de agentes (sujeto a restricciones de paralelismo), con cada agente completando el trabajo de un año en 2,4 meses.

    • Limitaciones

Hay tres barreras para utilizar esta fuerza laboral digital: diversidad de habilidades, costos experimentales y autonomía. En primer lugar, GPT-2030 poseerá un conjunto diferente de habilidades que los humanos, lo que dará como resultado un desempeño más bajo en ciertas tareas (pero un mejor desempeño en otras). En segundo lugar, simular el comportamiento humano aún requiere una interfaz con el mundo físico para recopilar datos, lo que genera tiempo y costos computacionales. Por último, en términos de autonomía, los modelos actuales solo pueden generar unos pocos miles de tokens antes de quedarse atascados, incapaces de producir resultados de alta calidad. Se necesitan mejoras significativas en la confiabilidad antes de delegar tareas complejas al modelo.

 

Por lo tanto, las tareas que se verán más afectadas por GPT-2030 deben tener las siguientes características:
    1. Utilice las habilidades en las que GPT-2030 tiene una ventaja sobre los humanos.
    2. Requiera solo datos experimentales externos (que deben ser fáciles y rápidos de recopilar, a diferencia de los costosos experimentos físicos).
    3. Se puede descomponer en subtareas ejecutables de manera confiable o tener métricas de retroalimentación claras y automatizables para guiar el modelo.

 

  • Habilidades especiales

    • Programación

Después de la capacitación, GPT-4 supera a la línea de base humana en los problemas de LeetCode y ha superado entrevistas simuladas en varias empresas tecnológicas importantes. De cara al futuro, la plataforma de predicción Metaculus pronostica que para el año medio 2027, la inteligencia artificial superará a los humanos en el 80 % de las aplicaciones, lo que significa que la IA ya ha superado a los humanos excepto en los individuos más excepcionales.

    • Ataques de piratas informáticos

Los modelos de aprendizaje automático se utilizan para buscar vulnerabilidades en grandes repositorios de código, superando a los humanos en escalabilidad y minuciosidad. De hecho, ChatGPT ya se ha utilizado para ayudar a generar vulnerabilidades.

    • Matemáticas

Minerva ha logrado una tasa de precisión del 50 % en una prueba matemática de referencia (MATH), superando a la mayoría de los competidores humanos. El progreso es rápido (más del 30 % en un año) y se pueden obtener avances significativos a través de la formalización automatizada, la reducción de errores aritméticos, la mejora de los procesos de pensamiento y mejores datos.

    • Procesamiento de información

Las capacidades de memoria de los modelos de lenguaje y la capacidad de procesar grandes corpus de texto son resultados naturales de su gran ventana de contexto.

    • El intercambio de conocimientos

Diferentes copias del modelo pueden compartir actualizaciones de parámetros. Por ejemplo, ChatGPT se puede implementar para millones de usuarios, aprender algo de cada interacción y luego propagar las actualizaciones de gradiente a un servidor central, promediarlas y aplicarlas a todas las copias del modelo. A través de este enfoque, ChatGPT observa más en una hora de lo que un ser humano observaría en toda su vida (1 millón de horas = 114 años). El aprendizaje paralelo es quizás una de las ventajas más significativas del modelo, ya que permite un rápido aprendizaje de cualquier habilidad que falte.
En un día, la máquina aprende tanto como un humano en 2500 años, ya que 1 millón de días equivale a 2500 años.
  • La primera estimación considera que el costo de entrenar el modelo es suficiente para simular 1,8 millones de años de trabajo (ajustado por la velocidad humana). Suponiendo que el entrenamiento en sí dure menos de 1,2 años (Sevilla et al., 2022), esto implica que la organización que entrena el modelo tiene suficientes GPU para ejecutar 1,5 millones de copias a la velocidad humana.
  • La segunda estimación tiene en cuenta la cuota de mercado de la organización que implementa el modelo. Por ejemplo, si hay 1 millón de usuarios que realizan consultas al modelo a la vez, la organización debe tener recursos para atender 1 millón de copias del modelo. A mayo de 2023, ChatGPT tiene aproximadamente 100 millones de usuarios (no todos activos simultáneamente) y a enero de 2023, tiene 13 millones de usuarios activos diarios. Es probable que los modelos futuros como ChatGPT logren 20 veces este número, con una base de usuarios diaria de 250 millones o más, lo que resulta en un conjunto de datos de 1 millón de personas por día. En comparación, Facebook tiene 2 mil millones de usuarios activos diarios.

    • Mal uso

      • GPT-2030 necesita interactuar con los sistemas de destino para evaluar la efectividad de la explotación de vulnerabilidades, lo que genera algunos costos pero no es lo suficientemente significativo como para ser un cuello de botella importante. Además, el modelo puede diseñarse localmente, entrenarse en código de fuente abierta como fuente de datos y probarse en busca de vulnerabilidades, lo que le permite entrenar previamente sus habilidades de piratería antes de interactuar con sistemas externos. En otras palabras, GPT-2030 puede ejecutar rápidamente ataques de red complejos contra una gran cantidad de objetivos paralelos.
      • Además, si GPT-2030 interactúa con millones de usuarios simultáneamente, obtiene más experiencia de interacción hombre-máquina en una hora que una persona en toda su vida (1 millón de horas = 114 años). Si utiliza estas interacciones para aprender técnicas de manipulación, puede adquirir habilidades de manipulación mucho más allá de las capacidades humanas. Por ejemplo, los estafadores se vuelven expertos en engañar a las víctimas porque han practicado con cientos de personas antes, y GPT-2030 puede mejorar estas habilidades en varios órdenes de magnitud. Por lo tanto, puede ser muy hábil para manipular a los usuarios en conversaciones individuales o experto en escribir artículos de noticias para influir en la opinión pública.

 

Dejar un comentario

Por favor tenga en cuenta que los comentarios deben ser aprobados antes de ser publicados

Volver a IMAGINACIÓN FUTURA