Les empreses tecnològiques estan invertint grans quantitats de diners en la creació de nous models i algorismes d’intel·ligència artificial multimodal que poden aprendre, raonar i prendre decisions de manera autònoma després de recopilar i analitzar dades. 

El processament de dades i l’aprenentatge automàtic estan esperonant el desenvolupament de la intel·ligència artificial a un ritme vertiginós. Mentre que primers assistents de IA, com Siri o Alexa, es limitaven a interaccions simples, amb l’entrada en escena del ChatGPT tothom va començar a parlar de la nova generació d’assistents d’intel·ligència artificial que podien efectuar taxes més complexes.

L’objectiu era crear un sistema capaç d’executar una àmplia gamma de tasques, com un assistent humà. No obstant això, aquests assistents no anaven més enllà del processament de dades textuals, limitant el seu ús pràctic. Es tracta d’un enfocament queda lluny de la manera en què els humans comprenem el món, utilitzant múltiples canals sensorials simultàniament.

Així doncs, l’evolució de la IA s’enfoca cap a nous algoritmes que poden processar i integrar informació de diverses modalitats, inclosos imatges, àudio i vídeo, per a millorar la interacció. Molts experts, entre ells Sam Altman, CEO d’Open AI, afirmen que els agents de IA multimodals són la pròxima gran revolució que farà que les eines d’IA estiguin encara més integrades en la nostra vida quotidiana que el telèfon intel·ligent.

El futur dels agents multimodals

En termes pràctics, un agent d’IA multimodal pot, per exemple, analitzar un text mentre processa una imatge, el llenguatge parlat, o un clip d’àudio per donar una resposta més completa i precisa, tant a través de la veu com de text. D’aquesta manera sobren noves possibilitats en diversos camps: des de l’educació i la salut fins al comerç electrònic i el servei al client.

Segons David Barber, director del Centre d’intel·ligència artificial de l’University College de Londres, aquests agents també podrien agilitzar els processos d’empreses i organismes públics, de manera que un agent de IA podria funcionar com un bot d’atenció al client més complex. 

A diferència de l’actual generació d’assistents basats en models lingüístics que només poden generar la següent paraula probable en una frase, un agent de IA tindria la capacitat d’actuar de manera autònoma a partir d’ordres en llenguatge natural i processar tasques d’atenció al client sense supervisió, com ara analitzar correus electrònics de queixes de clients i, accedint a la base de dades de gestió, processar-la segons les polítiques de l’empresa.

Així mateix, els agents d’IA multimodals poden analitzar el comportament de compra dels consumidors, incloent-hi la seva interacció amb diversos mitjans, per oferir recomanacions de productes més personalitzades. Es tracta d’una aplicació pràctica que també seria útil en entorns educatius, transformant l’experiència d’aprenentatge en proporcionar contingut personalitzat i interactiu.

Potser un dels usos més obvis d’aquesta última evolució de la IA són els vehicles autònoms que poden circular amb una intervenció humana limitada. Si bé és cert que encara estem lluny que aquests vehicles puguin presumir d’un funcionament autònom total, els agents de IA ja són part integrant del seu funcionament, percebent l’entorn del cotxe i prenent decisions amb coneixement de causa.

En l’àmbit de la medicina, no només pot millorar l’atenció al pacient en integrar diversos tipus de dades, sinó que pot ajudar als professionals de la salut a diagnosticar malalties, identificar patrons i suggerir possibles tractaments mitjançant l’anàlisi d’imatges mèdiques, dades vitals i de l’historial clínic del pacient. Tanmateix, com en les altres possibles aplicacions que manegen grans quantitats de dades personals, serà necessari abordar qüestions de privacitat, seguretat i ètiques per a garantir l’acceptació del públic.

11Onze és la fintech comunitària de Catalunya. Obre un compte descarregant l’app El Canut per Android o iOS. Uneix-te a la revolució!