De Bard a la excelencia: Cómo Google, inspirado por un Premio Nobel, transformó su habilidad en matemáticas y programación

 

Los chatbots ChatGPT y Google Bard han recibido críticas por cometer errores y generar respuestas inventadas o equivocadas, especialmente al proporcionar datos históricos o al enfrentarse a problemas matemáticos y de programación. Sin embargo, recientemente, el chatbot de Google, Bard, ha dado un paso importante para abordar y mejorar en estas áreas problemáticas.

Los Grandes Modelos de Lenguaje (LLMs) como ChatGPT y Google Bard operan en base a un enfoque predictivo, generando salidas que intentan predecir las palabras que deberían seguir a una entrada dada. Aunque esto es beneficioso en el ámbito creativo y la generación de textos, plantea desafíos cuando se requieren respuestas precisas en áreas como las matemáticas o la programación. El anuncio de Google destaca la necesidad de abordar estas limitaciones y mejorar la exactitud en esos contextos específicos.

Recomendado: "La lucha por la "supremacía" del chat en línea: ¿Cómo otro navegador ha desafiado la exclusividad de Bing Chat y Microsoft Edge?"

Google Bard ha enfrentado dificultades en la precisión de sus respuestas en cuestiones matemáticas y de programación. Con frecuencia, el chatbot ha proporcionado respuestas incorrectas o ha reconocido que no estaba preparado para abordar este tipo de consultas. Estas limitaciones han generado críticas y resaltan la necesidad de mejorar la capacidad de Google Bard para brindar respuestas precisas en estas áreas específicas.

Recientemente, Google ha implementado cambios significativos en Bard para mejorar su desempeño en el ámbito de las matemáticas y la programación. Los responsables del desarrollo reconocen que depender únicamente de los Grandes Modelos de Lenguaje (LLMs) no era suficiente. Estos cambios buscan abordar las limitaciones anteriores y mejorar la capacidad de Bard para ofrecer respuestas más precisas y confiables en estos dominios específicos.

El enfoque de Bard se inspira en la dicotomía ampliamente estudiada en la inteligencia humana, presentada en el libro de Daniel Kahneman, ganador del Premio Nobel de Economía, titulado "Pensar rápido, pensar despacio". Esta dicotomía se refiere al "Sistema 1" y el "Sistema 2" de pensamiento. El Sistema 1 es intuitivo y ofrece respuestas rápidas, mientras que el Sistema 2 es más lento, deliberado y requiere esfuerzo. La aplicación de esta dicotomía ha influido en el desarrollo de Bard para equilibrar la rapidez y la precisión en las respuestas generadas por el chatbot.

Bard busca incorporar elementos del "Sistema 2" en su funcionamiento. En esta analogía, los LLM se pueden considerar parte del sistema 1, generando texto rápidamente pero sin un pensamiento profundo. Por otro lado, la computación tradicional se alinea más con el sistema 2, ya que es metódica y rigurosa, pero sigue una secuencia precisa de pasos que puede llevar a resultados impresionantes, como soluciones a operaciones de división largas, según explican en Google.

Un 30% de mejora, pero aún no perfecto: Las pruebas realizadas por Google muestran que este enfoque permite mejorar las respuestas en aproximadamente un 30% en un conjunto de problemas internos. Sin embargo, los responsables de Bard advierten que todavía no es completamente preciso, especialmente en problemas matemáticos separados que han sido probados. A pesar de esto, el avance de Bard es una buena noticia, ya que demuestra un progreso en su rendimiento.

Fuente: Xataka