Puedes conservar tu trabajo, pero no será el mismo trabajo

Conserva tu trabajo, pero no será el mismo

Recientemente dediqué tres publicaciones a mi estudio renuente para el examen de Java OCP-17, ofreciendo consejos sobre cómo hacer que el esfuerzo sea menos agobiante. Aún no lo he aprobado. Con cada avance en la asistencia de codificación de IA, me parece cada vez más anacrónico perfeccionar tus habilidades como un compilador humano. Siempre fue un acto de masoquismo, pero cada vez estoy más convencido de que no hay ventaja profesional en volverse bueno en algo en lo que la máquina es superior. Concedo que cualquier actividad puede ser beneficiosa o agradable por razones que van más allá de la utilidad, pero como desarrollador, me pagan para ser productivo. Pasarlo bien en el trabajo es algo agradable, y las habilidades que requiere el OCP no son mi idea de diversión.

Muchas tareas intelectuales que son difíciles para los humanos son fáciles para las computadoras (ajedrez, aritmética, aprendizaje mecánico) y han sido así durante décadas. Inventamos lenguajes de programación de alto nivel y recolección de basura porque los seres humanos son terribles para manipular bits y administrar memoria. El camino de los lenguajes de programación y las herramientas informáticas se dirige hacia una mayor abstracción. GitHub Copilot y similares son solo el siguiente paso inevitable para eliminar la complejidad accidental.

Los tecnóptimistas como Marc Andreessen creen que la IA salvará el mundo. Lee su ensayo, pero también considera que es multimillonario y que sus comodidades están a salvo de los trastornos en el mercado laboral de los desarrolladores. Tú y yo, con una hipoteca que pagar y algunos años hasta la jubilación, debemos preguntarnos cómo podemos mantener nuestras habilidades varios pasos por delante, preferiblemente en un nicho en el que la IA nunca pueda invadir. ¿Existe un nicho así y se mantendrá fuera de los límites durante mucho tiempo? Yo creo que sí. Está dentro del lenguaje humano. Los humanos todavía tienen una enorme ventaja competitiva. De eso trata esta publicación. No negaré que estoy impresionado por ChatGPT y Google Translate, pero como ex traductor, no estoy excesivamente preocupado de que puedan reemplazarnos.

Los Cilones Nunca Hablarían Inglés

Uno asumiría que las computadoras conscientes en una galaxia distante se comunicarían en algún tipo de lenguaje informático. Como jóvenes fanáticos de la ciencia ficción, mi hermano y yo fuimos muy bien atendidos por la televisión holandesa a fines de los setenta: Star Trek, Buck Rogers, Blake’s 7 y lo más absurdo de todos, la Battlestar Galactica original. Siendo los preadolescentes inteligentes que éramos, rápidamente notamos los serios defectos de diseño en la malvada raza de robots Cylon. ¡Además de sus habilidades de vuelo francamente patéticas, por qué en el nombre de Zeus estos refrigeradores se comunicarían en inglés estadounidense entre ellos! A una velocidad de dos sílabas por segundo y usando ondas sonoras. Ninguna inteligencia general evolucionaría en una dirección tan torpe y antropocéntrica.

En su ensayo, Andreessen da la siguiente descripción de la IA: La aplicación de matemáticas y código de software para enseñar a las computadoras a entender, sintetizar y generar conocimiento de manera similar a como lo hacen las personas.

Esto suena plausible, pero el funcionamiento interno de cualquier IA no se parece en absoluto a cómo lo hacen las personas. Un algoritmo de ajedrez no emula lo que sucede en el cerebro de Magnus Carlsen. Logra un efecto similar (ahora superior) mediante la fuerza computacional, utilizando grandes cantidades de energía. Todas nuestras invenciones requieren mucha energía en comparación con las funciones biológicas que emulan. Los aviones no imitan la forma en que vuelan las aves. No puedes transportar a 300 turistas y su equipaje aleteando tus alas. Entonces, inventamos potentes hélices y motores a reacción, que funcionan mejor con materiales rígidos y no biológicos.

Los modelos de lenguaje grandes son mucho más derrochadores y menos exitosos que un motor de ajedrez porque las reglas del juego son mucho más complejas. Está bien. Solo exponlo a más datos de origen y la Ley de Moore hará el resto. Pero la exposición a más datos no es la solución aquí. El lenguaje humano es inabordable para las máquinas porque es utilizado por los humanos para los humanos. Los bebés no lo adquieren al estar encerrados en una biblioteca durante un año, sino al usarlo en contexto para propósitos muy específicos y apremiantes, como pedir leche o un cambio de pañal, y avanzar hacia usos más sofisticados como una negociación salarial 25 años después. La IA no comprende ese contexto en absoluto y no tiene tal propósito.

Gramática Universal

Quizás sea necesario una breve lección de lingüística. Históricamente, el estudio del lenguaje pertenecía a la facultad de artes de las universidades. Los académicos estudiaban literatura, escrituras antiguas y dialectos, y compilaban gramáticas y diccionarios para idiomas minoritarios. En el siglo XX (notablemente a través de los trabajos de Noam Chomsky), los científicos se interesaron en lo que es único acerca de la capacidad humana para el lenguaje y comenzaron a hacer nuevas preguntas. ¿Podemos estudiar un corpus de enunciados lingüísticos (habla y escritura) y deducir leyes que se apliquen a todos los idiomas humanos? ¿Existe una gramática universal de la cual deriven todos los idiomas actuales, y podemos formularla tan precisamente como las leyes de la física, sin excepciones? ¿Podríamos luego convertir estas reglas en código y hacer que produzca frases correctas en francés, navajo o suajili?

Tal vez, pero esas frases seguirían sin tener mucho sentido. El lenguaje opera en múltiples capas. En la capa sintáctica, hay reglas para determinar cuándo una oración está bien formada pero no tienen nada que decir sobre el significado. Podemos decir que una oración es sintácticamente correcta, pero bastante insignificante. Por otro lado, tenemos una tolerancia efectiva a los errores sintácticos y aún podemos entender el intento fallido de un hablante extranjero por entenderse a sí mismo. Esta característica notable se conoce como la dualidad de la estructura. La sintaxis y el significado (semántica) parecen operar con sus propias reglas. Los hablantes nativos han adquirido la intuición lingüística para saber cuándo una oración es sintácticamente correcta y cuándo tiene sentido. Es el desafío final hacer explícitos estos mecanismos mentales. Aún no hemos llegado allí. Ni de cerca.

¿Te importa? Estoy comiendo mi té

La ciencia se vuelve aún más confusa cuando ampliamos la perspectiva e incluimos el uso y la intención. Las palabras deben tener sentido dentro de la oración, pero el mensaje en su conjunto también debe ser apropiado para la situación. “¿Te importa? Estoy comiendo mi té” tiene mucho sentido en inglés británico, donde la comida de la noche se llama té. Pero también es informal. No se le llama té en un restaurante elegante. El estudio de la pragmática examina el uso del lenguaje y considera todas estas sensibilidades culturales. No se aprende este conocimiento implícito en un libro. Se adquiere a través de años de exposición. Los LLMs son completamente ignorantes y ajenos a esto. ¿Cómo podría ser de otra manera? Si alguna vez logramos verter la riqueza total y el desorden del lenguaje humano en código funcional y las computadoras se volvieron conscientes, probablemente lo odiarían.

La traducción automática hace un buen trabajo con cualquier cosa predecible y carente de imaginación, como un pronóstico del clima o una receta de fudge de chocolate. La literatura, la poesía o cualquier cosa que requiera originalidad y creatividad: no tanto. Intenta esto como una indicación: reescribe el exitoso musical Hamilton en afrikáans, ambientado en los años 80 con los personajes principales Nelson Mandela y Frederik de Klerk. Mantén el ritmo, la rima y el humor intactos. El resultado será divertido en algunos lugares sin intención, pero en general atroz e inutilizable.

En una entrevista reciente en un podcast, el mismo Marc Andreessen elogió a Sam Harris diciendo que se puede tener una discusión filosófica significativa con ChatGPT. No, Marc, no se puede. Te han engañado. La máquina todavía está volando a ciegas. Está haciendo conjeturas informadas estadísticamente a partir de haber asimilado las obras desde Platón hasta Bertrand Russell, con infusiones de discursos de odio neonazis, y te ha creado un farol elaborado.

Mientras tanto, ¿qué pasa con la programación?

Escribir código de computadora es análogo a la capa sintáctica del lenguaje. La IA está perfectamente equipada para ayudarte con advertencias y sugerencias útiles en tiempo real más allá de la simple corrección del compilador. Incluso puede escribir el código por ti. Pero ¿es el código apropiado para nuestros objetivos humanos? ¿Estamos construyendo lo correcto? ¿Es útil o dañino este código? ¿Deberíamos haberlo escrito en primer lugar? No hay un complemento de IntelliJ para eso. Solo un ser humano puede responder eso.

Tu ventaja competitiva está en responder estas preguntas. Deberías interesarte por las capas borrosas y desordenadas donde el código se conecta con el mundo de los asuntos humanos. Sí, tu papel puede convertirse en una mezcla entre analista de negocios y desarrollador. Es posible que no te guste, porque escribirás menos y menos código, y programar es tan divertido. Mantenlo como un pasatiempo entonces. La IA ya gana en el Advent of Code y estoy seguro de que se destaca en el OCP. Ya estás fuera de tu profundidad y las cosas solo pueden empeorar. Eso no es una desgracia. Nadie puede ganar en una pulseada contra un gorila. Elige sabiamente a tu oponente.

Deja que la IA se ocupe de la complejidad accidental y permítenos llegar a la esencia. El uso de computadoras para resolver problemas de los humanos nunca se trató de escribir más código. Gran parte de la esencia de construir un programa es depurar la especificación, como escribió el difunto Fred Brooks ya en 1986.

We will continue to update Zepes; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

Inteligencia Artificial

Una guía completa de Distributed Data Parallel (DDP)

¡Hola a todos! Soy François, científico investigador en Meta. Bienvenidos a este nuevo tutorial parte de la serie Tut...

Inteligencia Artificial

Descifrando los misterios de los modelos de lenguaje grandes un análisis detallado de las funciones de influencia y su escalabilidad

Los modelos de lenguaje grandes (LLMs) han acelerado el desarrollo en varios campos del mundo real y han demostrado h...

Inteligencia Artificial

Los ingenieros están en una misión de encontrar fallas

Un algoritmo desarrollado por investigadores del Instituto de Tecnología de Massachusetts tiene como objetivo identif...

Inteligencia Artificial

Conoce GPTCache una biblioteca para desarrollar una caché semántica de consultas LLM.

ChatGPT y los modelos de lenguaje grandes (LLMs) son extremadamente flexibles, lo que permite la creación de numeroso...