Puntos clave:
- Los modelos multimodales están transformando la tecnología, consolidando sistemas previamente independientes para realizar operaciones complejas mediante comandos en lenguaje natural.
- Recientemente, los principales desarrolladores de IA han introducido actualizaciones significativas, como el modelo o1 de OpenAI, diseñado específicamente para abordar desafíos complejos, como la gestión de múltiples condiciones médicas en seguros.
- Con la creciente adopción de GenAI en la industria aseguradora, resulta esencial evaluar su rendimiento en términos de precisión, integridad, sesgo y originalidad.
Bienvenido a la primera entrega de la nueva serie trimestral de actualizaciones sobre inteligencia artificial generativa (GenAI) de RGA.
En estas actualizaciones, Jeff Heaton, de RGA, presentará los avances tecnológicos recientes y su importancia para el sector de seguros. Esta serie de artículos y videos pretende fomentar un diálogo abierto, y los lectores están invitados a compartir cómo están implementando o explorando las tecnologías mencionadas o a pedir la opinión de Jeff sobre temas relacionados.
Jeff Heaton lleva 23 años en RGA en diversas funciones centradas en tecnología y datos, y actualmente lidera la adopción de GenAI a nivel empresarial en RGA. También es una autoridad reconocida en la comunidad tecnológica y enseña conceptos de GenAI como profesor adjunto en la Universidad de Washington en St. Louis. En el video a continuación, Jeff explica los conceptos de este artículo.
Modelos multimodales
¿Recuerdas cómo era un viaje por carretera hace no tanto tiempo? Empacabas el coche con una cámara digital, un sistema GPS, una guía de viajes y tu teléfono móvil. Ahora, estos dispositivos se han combinado en uno solo llamado teléfono móvil. Y, si eres como yo, probablemente únicamente usas este dispositivo como teléfono el 5% del tiempo.
Esta convergencia tecnológica, de dispositivos de un solo uso a dispositivos más completos, es común en la tecnología. Esta consolidación ya está en marcha en GenAI. Los modelos multimodales se han vuelto más comunes en 2024. Estos modelos permiten que varios tipos de medios sean tanto la entrada como la salida de GenAI.
En el pasado, los aseguradores podían:
- Primero, usar el reconocimiento óptico de caracteres para traducir el historial médico de un solicitante de póliza a texto digital.
- Luego, usar procesamiento de lenguaje natural para extraer puntos de datos específicos.
- Finalmente, enviar esos puntos de datos a un modelo predictivo para obtener una comprensión significativa.
Hoy en día, un modelo multimodal puede procesar instrucciones en lenguaje natural para analizar un historial médico e integrar tareas que antes requerían tres tecnologías diferentes. De manera similar al teléfono móvil, los modelos multimodales consolidarán tecnologías previamente independientes, permitiendo operaciones complejas con comandos sencillos en lenguaje natural.
Actualización del panorama de modelos fundacionales
Los modelos fundacionales están preentrenados —por empresas como OpenAI, Google, Amazon, Meta y otras— para realizar múltiples y diversas tareas. Si has utilizado ChatGPT, has usado un modelo fundacional.
Para muchas tareas empresariales, un modelo fundacional podría ser suficiente. Para tareas más especializadas, se puede ajustar el modelo fundacional o complementarlo con datos propios mediante la generación aumentada por recuperación. En los últimos meses, los principales desarrolladores de modelos fundacionales han lanzado actualizaciones importantes. Algunos ejemplos son:
- 13 de mayo de 2024: OpenAI lanza ChatGPT 4o.
- 23 de julio de 2024: Meta lanza Llama 3.1, el primer modelo de código abierto que realmente iguala en tareas de texto a los modelos de frontera como GPT-4 y Claude 3.5.
- 12 de septiembre de 2024: OpenAI lanza OpenAI o1 (Strawberry) en el sitio de ChatGPT, incorporando nuevas capacidades de razonamiento.
El nuevo modelo OpenAI o1 es de especial interés para los aseguradores en la gestión de condiciones médicas complejas con múltiples comorbilidades. Este modelo descompone una pregunta inicial en una lista creciente de subpreguntas que investiga, proporcionando una respuesta más “pensada”. Esta capacidad de razonamiento también incluye un sistema de autocontrol que podría reducir o eliminar las “alucinaciones” —esas respuestas inventadas por GenAI para llenar vacíos de información.
Los modelos fundacionales pueden ser abiertos o cerrados. Un modelo abierto, como Llama, puede ejecutarse en cualquier sistema informático. Incluso existen modelos de lenguaje grandes, pero “pequeños”, que pueden ejecutarse en laptops convencionales y son sorprendentemente potentes.
Uno de estos modelos pequeños es Mistral 7b de Mistral AI. Esta tecnología puede caber en 28GB de RAM, o incluso la mitad con las optimizaciones adecuadas. Dado que las laptops de 32GB son cada vez más comunes y que no es necesario cargar todo el modelo en la RAM al mismo tiempo, es totalmente posible ejecutar Mistral 7b en una laptop.
Evaluación de modelos GenAI
A medida que GenAI se expande en la industria aseguradora, es más importante que nunca evaluar adecuadamente su salida:
- Precisión: ¿Qué tan correcta es la información que proporciona el modelo pequeño? Las inexactitudes más extremas son las conocidas “alucinaciones”, que presentan como hechos información inventada por el modelo.
- Integridad: La generación de resúmenes es una tarea común para GenAI, pero al resumir inevitablemente se omite información para destacar otros aspectos. Sin instrucciones claras, esto puede sesgar los resultados.
- Sesgo: Los modelos pequeños pueden realizar tareas mínimas, pero cualquier falta de concreción en una solicitud se llena con sesgos inherentes al modelo. Si solicitas un código sin especificar el lenguaje, obtendrás Python; si pides información sobre regulaciones de seguros sin indicar una región, recibirás una respuesta desde un contexto estadounidense.
- Originalidad: La originalidad de los resultados generados por GenAI plantea preocupaciones clave relacionadas con los derechos de autor, especialmente en cuanto a su procedencia y legitimidad. Existen reportes de datos sintéticos generados por modelos pequeños que provienen de filtraciones de seguridad de años pasados. Los verificadores de plagio podrían ser útiles en este aspecto.
Al concluir un 2024 que vio avances significativos, las expectativas para 2025 son prometedoras, con el continuo desarrollo de GenAI y la creciente experiencia de los aseguradores en su aplicación. Nos vemos en mi próxima actualización en el primer trimestre de 2025.
¿Tienes una pregunta o comentario para Jeff? Únete a la conversación.
