Open AI presenta su modelo o3
Evolución del número de parámetros usados para entrenar a los diferentes modelos de IAFundada en 2015 por un grupo de visionarios liderados por Sam Altman y Elon Musk, OpenAI tiene su sede en San Francisco, California. La compañÃa comenzó con la misión de garantizar que la inteligencia artificial avanzada beneficie a toda la humanidad. Hoy, cuenta con más de 1,000 empleados, incluidos algunos de los investigadores y desarrolladores más destacados del mundo en el campo de la IA.
En términos financieros, OpenAI ha demostrado ser una entidad clave en el sector tecnológico. Aunque inicialmente fue una organización sin fines de lucro, ahora opera como una empresa con fines de lucro "limitados" bajo el modelo OpenAI LP. En 2023, reportó ingresos de más de 1,000 millones de dólares, impulsados por sus colaboraciones con Microsoft y la popularidad de sus herramientas como ChatGPT. Su impacto social se refleja también en la cantidad de proyectos abiertos y su compromiso con la transparencia en el desarrollo de IA segura y alineada.
La inteligencia artificial de OpenAI, como la de otras empresas que están generando una verdadera revolución tecnológica en la última década, se fundamenta entre otros componentes, en los Modelos de Lenguaje de Gran Escala (LLMs, por sus siglas en inglés). Estos sistemas son el núcleo de herramientas como ChatGPT, que han redefinido cómo las personas interactúan con la tecnologÃa. Gracias a los LLM, OpenAI ha podido desarrollar modelos capaces de entender y generar texto con una precisión y naturalidad sorprendentes.
Un Modelo de Lenguaje de Gran Escala (LLM) es un sistema entrenado para entender y generar texto. Utilizando miles de millones de parámetros y grandes conjuntos de datos, los LLM son capaces de responder preguntas, crear historias y analizar información con niveles impresionantes de precisión. ChatGPT, uno de los productos estrella de OpenAI, utiliza un LLM para mantener conversaciones y ayudar en tareas como escritura creativa o soporte técnico.
Además de los modelos de OpenAI, otras empresas han desarrollado Modelos de Lenguaje de Gran Escala que destacan en el ámbito de la inteligencia artificial. Entre ellos se encuentran LLaMA de Meta, conocido por su enfoque eficiente en términos de parámetros y recursos computacionales; Claude de Anthropic, diseñado con un énfasis especial en la seguridad y alineación de la IA; y Gemini de Google, un modelo avanzado que integra capacidades multitarea y razonamiento lógico, lo que lo posiciona como un competidor directo de O3 en ciertas aplicaciones.
Desde sus inicios, OpenAI ha desarrollado una serie de modelos que han marcado hitos en el ámbito de la inteligencia artificial. Una breve cronologÃa nos ayuda a entender cómo ha evolucionado su tecnologÃa:
O1 (2024, segundo semestre): Representó un hito importante en la evolución hacia modelos más conscientes de su rendimiento. Este modelo introdujo la capacidad de "auto-verificación", evaluando y depurando sus propias respuestas para mejorar la precisión.
La capacidad de auto-verificación, introducida en O1, marcó un cambio notable, ya que permitió que los modelos revisaran y ajustaran sus respuestas de manera autónoma, minimizando errores y maximizando la fiabilidad en tareas complejas. Esto sentó las bases para los avances que vemos reflejados en O3.
Con cada generación, los modelos de OpenAI han incrementado su capacidad no solo en términos de parámetros, sino también en su habilidad para realizar tareas cada vez más complejas, acercándose más a una interacción verdaderamente humana.
Cuando aún estábamos asimilando las virtudes de la nueva familia de modelos o1 (los últimos disponibles a dÃa de hoy), que presentó hace solo un par de meses OpenAI, se ha hecho público el anuncio de o3, que a pesar de estar sustentado por principios tecnológicos smilares; supone una transformación más que relevante.
Lo que hace único a O3 es su capacidad para razonar paso a paso y resolver problemas complejos que antes estaban fuera del alcance de los modelos de IA. Por ejemplo, tareas como resolver problemas avanzados de matemáticas simbólicas, que requieren múltiples pasos lógicos y verificaciones intermedias, eran casi imposibles para los modelos anteriores. O3 puede descomponer estas tareas en pasos individuales, verificar cada uno de ellos y ajustarse en tiempo real si detecta inconsistencias.
Esto supone un avance significativo, ya que permite que los modelos de IA aborden desafÃos que antes dependÃan exclusivamente de la intervención humana. Esta capacidad no solo amplÃa el rango de aplicaciones posibles, desde la educación avanzada hasta la investigación cientÃfica, sino que también mejora la confianza en el uso de estos sistemas en entornos crÃticos.
Veamos algunas diferencias entre o1 y o3 porque son ciertamente más relevantes de lo que podrÃa parecer a primera vista.
Introdujo la capacidad de auto-verificación, un avance clave que permitÃa al modelo revisar y corregir sus propias respuestas en tiempo real.
Este sistema mejoró la precisión en tareas como generación de texto y resolución de problemas básicos al identificar incoherencias.
Sin embargo, O1 estaba limitado en su capacidad para abordar tareas que requerÃan razonamientos más complejos y extensos.
Lleva la auto-verificación a un nivel más avanzado,
Permite trabajar en dominios más desafiantes, como problemas matemáticos simbólicos avanzados, donde múltiples pasos interdependientes son necesarios.
Introduce mejoras en alineación con la seguridad y valores humanos, reduciendo significativamente los riesgos asociados a respuestas no éticas o problemáticas.
Su capacidad para manejar tareas de razonamiento paso a paso marca un cambio de paradigma en comparación con O1, que era más limitado en este aspecto.
O3 ha superado a sus predecesores y a otros modelos en pruebas exigentes. Por ejemplo, obtuvo un 96,7% en el American Invitational Mathematics Exam de 2024 y resolvió el 25,2% de los problemas del benchmark Frontier Math de EpochAI, donde otros modelos apenas alcanzaron el 2%.
Adicionalmente, O3 destacó en el benchmark GPQA Diamond con una puntuación del 87,7%, enfrentándose a preguntas complejas de nivel experto en fÃsica, biologÃa y quÃmica. En el MATHQA, que evalúa la capacidad de resolución de problemas matemáticos en múltiples pasos, logró una precisión del 94%, demostrando su habilidad para descomponer problemas complejos en pasos manejables y coherentes.
Estas métricas evalúan diferentes aspectos de las capacidades del modelo:
American Invitational Mathematics Exam (AIME): Mide la capacidad del modelo para resolver problemas matemáticos de alta dificultad que requieren razonamiento lógico avanzado.
Estas cifras no solo subrayan la potencia de O3, sino que también muestran cómo redefine los estándares de rendimiento en inteligencia artificial. Además, su capacidad de razonamiento y procesamiento lógico representa un paso crucial hacia la evolución de sistemas más avanzados que podrÃan sentar las bases para el desarrollo de la AGI, un objetivo largamente perseguido en el ámbito de la inteligencia artificial.
La Inteligencia Artificial de propósito general (AGI, por sus siglas en inglés), es un concepto que describe una IA capaz de realizar cualquier tarea intelectual que un ser humano pueda llevar a cabo. A diferencia de los sistemas actuales, que son especializados, una AGI podrÃa aprender y adaptarse de manera generalizada, marcando un cambio fundamental en la relación entre los humanos y la tecnologÃa.
Un dominio de conocimiento se refiere a un área especÃfica de habilidades o información, como matemáticas, quÃmica, lenguaje natural o programación. En el contexto de la inteligencia artificial, los dominios de conocimiento son fundamentales porque determinan las capacidades y limitaciones de los modelos actuales. Los sistemas como O3 están diseñados para destacar en tareas dentro de ciertos dominios, mientras que una AGI tendrÃa la capacidad de cruzar y combinar diferentes dominios sin necesidad de entrenamiento adicional, lo que ampliarÃa significativamente sus aplicaciones y su impacto potencial.
Por ejemplo, mientras que un modelo como O3 puede resolver problemas matemáticos avanzados o generar texto convincente, una AGI serÃa capaz de combinar ese conocimiento con habilidades completamente diferentes, como diseñar un experimento cientÃfico desde cero, enseñar una nueva disciplina académica o incluso coordinar misiones espaciales. Además, una AGI tendrÃa la capacidad de transferir aprendizaje entre dominios muy distintos, algo que las IA actuales no pueden hacer.
Este nivel de flexibilidad y entendimiento humano-similar todavÃa está fuera del alcance de los modelos actuales. Aunque O3 representa un gran avance hacia la AGI, aún estamos en una etapa en la que los sistemas de IA requieren entrenamiento y programación especÃficos para cada tarea.
Aunque O3 no es una AGI, representa un paso significativo hacia su desarrollo. Su capacidad para razonar, alinearse con principios de seguridad y aprender de manera eficiente lo posicionan como una de las piezas clave en este camino. Al resolver problemas complejos y mostrar una comprensión más profunda, O3 pone en evidencia que la AGI no es una utopÃa, sino una meta alcanzable con avances constantes.
A pesar de sus impresionantes capacidades, O3 todavÃa no está disponible para su uso generalizado. Actualmente, el modelo se encuentra en fase de revisión y pruebas internas, en las que participan colaboradores estratégicos y organizaciones académicas. Estas evaluaciones no solo buscan optimizar el rendimiento técnico del modelo, sino también garantizar su seguridad y alineación ética, aspectos fundamentales en la implementación de sistemas de IA avanzados.
OpenAI ha establecido un marco de colaboración restringido para permitir que ciertos investigadores y socios prueben O3 en entornos controlados, aportando retroalimentación clave que determinará el futuro del modelo. Este proceso es esencial para abordar cualquier posible riesgo asociado a sus capacidades avanzadas antes de su despliegue público.
Este aspecto, el de la seguridad, es una de las múltiples aristas que el panorama de la evolución de las IAs está revelando como crÃticas en cuanto al futuro desarrollo de servicios y tecnologÃas que hacen uso de las capacidades de este tipo de modelos. En este sentido, asegurar que son confiables, que no sufren "alucinaciones" y que son capaces de alinearse con el propósito en el que se están aplicando (sanidad, transporte, educación, etc) se está convirtiendo cada vez más en un área especÃfica de trabajo dentro del mundo de las IAs
