Òscar Junyent

Temps de lectura: 4 minuts  Els deepfakes han sorgit com un dels fenòmens més preocupants de l’era digital, fent servir la IA per crear vídeos, imatges o àudios manipulats que imiten persones reals de manera tan precisa que resulta difícil distingir-los de la realitat. Això ha generat tot un debat: la mateixa IA que facilita la creació d’aquests continguts manipulats és també una de les eines més efectives per combatre’ls. La IA, tot i tenir part de la “culpa” en la proliferació dels deepfakes, també està liderant els esforços per desenvolupar solucions de detecció i prevenció d’aquests fraus. Què són els deepfakes i per què són un problema? Els deepfakes es basen en l’ús de models d’aprenentatge profund, com les xarxes neuronals generatives, per crear contingut fals a partir de material existent. Els algoritmes poden, per exemple, estudiar milers de vídeos d’una persona i generar-ne un de nou, on la persona diu o fa coses que mai ha dit o fet. Aquestes falsificacions han passat de ser només una curiositat tecnològica a convertir-se en una amenaça real per a la societat i la seguretat. Els usos maliciosos dels deepfakes van des de la creació de vídeos comprometedors fins a la suplantació d’identitat per a fraus financers o polítics. Recentment, s’han registrat casos on els criminals han fet servir deepfakes per fer passar la seva veu per la d’un directiu i autoritzar transferències bancàries. Aquesta nova capacitat de manipulació digital exigeix solucions eficaces, i aquí és on la IA entra de ple en el camp de la ciberseguretat. Com la ia detecta deepfakes: de l’enemic a l’aliat Tot i que la IA és la tecnologia que ha fet possible la creació de deepfakes, també és la millor eina per identificar-los. Els algoritmes d’IA s’estan desenvolupant per detectar subtileses en les falsificacions que podrien passar desapercebudes per a l’ull humà. Hi ha diversos mètodes que s’utilitzen per identificar deepfakes, incloent-hi: Anàlisi de píxels i anomalies visuals: Els models d’IA poden detectar patrons inusuals en la composició de la imatge, com artefactes visuals, canvis en la il·luminació o inconsistències en la textura de la pell. Seguiment de moviments facials: La IA pot analitzar les expressions facials, els moviments dels ulls i altres petits detalls per identificar si el vídeo s’ha generat amb una màquina. Els deepfakes sovint tenen problemes en aquestes àrees, ja que fins i tot els algorismes més avançats tenen dificultats per replicar aquests moviments amb total naturalitat. Àudio i sincronia labial: Els deepfakes de vídeo sovint presenten una lleugera falta de sincronia entre el moviment dels llavis i el so de la veu. L’IA pot analitzar aquest desfasament per determinar si un vídeo és fals. Anàlisi de dades contextuals: En algunes aplicacions, la IA també compara el contingut del vídeo o àudio amb informació prèvia o en temps real per verificar la seva autenticitat. Això és especialment útil per a empreses que volen evitar fraus d’identitat o fraus financers mitjançant veus falsificades, com en el exemple que comentavem abans. Aplicacions de detecció de deepfakes en l’entorn empresarial Les empreses, especialment en sectors com la banca, la tecnologia i els mitjans de comunicació, són vulnerables a l’ús maliciós dels deepfakes. Per això, moltes ja estan adoptant solucions d’IA per protegir-se d’aquests fraus. En l’entorn financer, per exemple, els algoritmes de verificació d’identitat amb IA poden detectar anomalies en les interaccions amb clients o socis per assegurar que una veu o imatge correspon a una persona real. A més, les empreses de xarxes socials utilitzen cada cop més la IA per identificar i eliminar contingut manipulat abans que es propagui. Aquests sistemes analitzen grans volums de contingut en temps real i utilitzen models que comparen les imatges o els vídeos amb una base de dades d’imatges i vídeos originals. Així, poden detectar i bloquejar els deepfakes abans que esdevinguin virals i provoquin impactes negatius en la societat. Educació i conscienciació: el paper de la ia en la detecció proactiva Però, més enllà de la detecció i l’eliminació de deepfakes, la IA pot jugar un paper fonamental en l’educació i la conscienciació. La detecció no hauria de dependre exclusivament de les tecnologies avançades, sinó que les persones també han de ser conscients dels perills i saber com identificar possibles falsificacions. Moltes plataformes utilitzen la IA per crear campanyes educatives, mostrant exemples de deepfakes i com es poden detectar. Aquesta combinació de tecnologia i educació ajuda tant els empleats com els usuaris a desenvolupar una mentalitat crítica davant els continguts digitals, reduint la probabilitat de ser víctimes d’un frau. Cap a una seguretat digital més robusta amb ia Per tot això, la IA és no només part del problema, sinó també una part essencial de la solució per combatre els deepfakes. Tot i que la tecnologia que permet crear aquests fraus segueix avançant, també ho fan els mecanismes per combatre’ls. Cada vegada més empreses i institucions integren la IA com una peça central en la seva estratègia de ciberseguretat per protegir-se contra les amenaces digitals i garantir que els continguts que consumeixen els seus usuaris són fiables.És cert que aquesta carrera tecnològica no té un final clar: a mesura que els deepfakes es tornen més sofisticats, els algoritmes de detecció també han d’evolucionar. Això és un repte constant, però també una oportunitat perquè la IA esdevingui una eina imprescindible en la seguretat digital. Les empreses que incorporin aquests mecanismes estaran millor preparades per afrontar el futur i protegir-se d’un dels riscos més grans del món digital actual. En resum, la IA és tant una arma de doble tall com una aliada indispensable en la lluita contra els deepfakes. Tot i que aquests fraus digitals poden afectar seriosament la reputació de persones i empreses, els avenços en IA estan oferint solucions cada cop més robustes per identificar i frenar les falsificacions. Per a les empreses que vulguin estar segures en l’entorn digital, és clau incorporar solucions d’IA que detectin deepfakes i protegeixin els seus sistemes i usuaris. A mesura que aquesta tecnologia avança, la col·laboració entre desenvolupadors, empreses

Temps de lectura: 3 minutsAmb el creixement accelerat de la tecnologia, la intel·ligència artificial (IA) està canviant radicalment el panorama de la ciberseguretat. Per a moltes empreses, implementar solucions de ciberseguretat basades en IA significa reforçar la seva protecció davant de les amenaces cada cop més sofisticades. La IA permet una detecció d’amenaces proactiva i més ràpida, cosa que proporciona a les empreses una capa de seguretat addicional que simplement no es pot aconseguir amb mètodes tradicionals.  Tot i així, és un tema complex i amb alguns punts d’alerta. En aquest article, explorem com la IA pot ser un aliat essencial per a empreses que volen augmentar la seva seguretat, tot i que també s’han d’abordar certs riscos. Amb una implementació adequada, els beneficis de la IA per a la ciberseguretat són molt interessants. Com la IA ajuda en la detecció proactiva d’amenaces Un dels avantatges més importants d’utilitzar IA en ciberseguretat és la seva capacitat per detectar amenaces abans que es converteixin en problemes reals. Com ja sabem, les solucions d’IA poden analitzar grans volums de dades i identificar patrons o anomalies que podrien indicar la presència d’una amenaça. Per exemple, si un usuari comença a mostrar comportaments inusuals, com accedir a fitxers confidencials de manera repetida o intentar entrar en sistemes restringits, la IA pot detectar aquests patrons i alertar l’equip de seguretat abans que l’amenaça es materialitzi. Aquest enfoc proactiu permet que les empreses s’avancin als atacants, i això és especialment important en un moment en què les amenaces cibernètiques són més complexes i freqüents que mai. Les eines tradicionals sovint reaccionen només quan el dany ja està fet, mentre que la IA pot identificar problemes en temps real, ajudant a mitigar-los immediatament i contrarestar-los de forma més eficient. Adaptació constant a noves amenaces Tots sabem que els ciberatacs evolucionen constantment, i el que funciona avui pot no ser efectiu demà. La IA, però, pot aprendre i adaptar-se amb cada nova amenaça que identifica, evolucionant i modificant el seu comportament. Els sistemes basats en aprenentatge automàtic analitzen els incidents de seguretat passats per ajustar els seus algorismes i millorar les seves respostes futures. Això és especialment útil per a empreses que operen en entorns canviants o altament regulats, com la banca o el sector de la salut, on els errors poden ser molt costosos. Aquesta capacitat d’aprenentatge continu significa que la IA pot mantenir la ciberseguretat d’una empresa actualitzada i preparada per a les amenaces emergents, amb una capacitat de resposta i adaptació que seria impossible aconseguir manualment. Reducció de la càrrega de treball per als equips de seguretat Amb la gran quantitat de dades  i amenaces que circulen avui dia, els equips de ciberseguretat solen estar saturats de tasques i alertes. Això pot fer que, en molts casos, les amenaces passin desapercebudes, simplement perquè els humans no podem processar tanta informació alhora. La IA pot fer una gran diferència en aquest aspecte, ja que pot filtrar i prioritzar les amenaces, fent un cribatge i deixant que els experts humans se centrin en els problemes més complexos i crítics. Per exemple, si hi ha milers d’intents d’accés sospitós en una xarxa, la IA pot identificar els més perillosos o els que tenen més probabilitats de ser efectius, reduint així la càrrega de treball de l’equip i millorant l’eficiència general de la seguretat de l’empresa. Això no només facilita el treball diari dels equips de seguretat, sinó que també garanteix una resposta més ràpida i eficient en moments crítics. Una estratègia de seguretat més intel·ligent i integrada Per a moltes empreses, especialment les que treballen amb dades sensibles, la IA representa una oportunitat per desenvolupar una estratègia de ciberseguretat més robusta i completa. Les solucions d’IA es poden integrar en sistemes existents de seguretat, com les eines de monitoratge de xarxa, els sistemes de prevenció d’intrusions o les plataformes de gestió de vulnerabilitats. Aquesta integració permet que la IA actuï com una capa addicional de protecció, combinant les capacitats dels sistemes de seguretat tradicionals amb la potència analítica de la IA. Una estratègia de seguretat amb IA no es limita a respondre a les amenaces actuals, sinó que també anticipa futures vulnerabilitats i ajusta les defenses d’acord amb les noves amenaces que van sorgint. Això ofereix a les empreses una visió més àmplia i profunda de la seva seguretat, i la capacitat de respondre proactivament en un entorn cada vegada més complex. Conclusió: la IA és un aliat imprescindible en ciberseguretat En un context on els ciberatacs són cada cop més sofisticats, l’ús de la IA en ciberseguretat esdevé una necessitat per a empreses que volen protegir-se millor i reaccionar amb rapidesa davant de noves amenaces. Tot i que la IA presenta alguns riscos i la possibilitat que també pugui ser utilitzada per atacants, els avantatges que ofereix superen aquests riscos si es gestionen correctament. La ciberseguretat basada en IA és una inversió que pot ajudar les empreses a detectar amenaces abans que es converteixin en un problema greu, mantenir-se actualitzades davant noves vulnerabilitats, reduir la càrrega de treball dels equips humans i crear una estratègia de seguretat més sòlida i intel·ligent. Per a qualsevol empresa que tingui la seguretat com a prioritat, la IA ja no és només una opció; és una eina clau que aporta seguretat, eficàcia i tranquil·litat.

Temps de lectura: 3 minutsLa IA s’ha convertit en una eina cada cop més accessible i potent, capaç de transformar diversos aspectes del món empresarial. Per a les petites i mitjanes empreses (pimes), la gestió de l’inventari i la previsió de la demanda són tasques crucials per mantenir l’eficiència i la rendibilitat. Amb eines d’IA, aquestes empreses poden fer prediccions més acurades, reduir el risc de tenir estoc sobrant i evitar mancances, especialment en sectors amb alta variabilitat de vendes o amb productes de naturalesa estacional. La IA en la predicció de la demanda i la gestió d’estoc sobrant La previsió de demanda sempre ha estat un desafiament per a les pimes, ja que encertar la quantitat exacta de producte necessari en cada moment pot marcar la diferència entre el benefici i la pèrdua. Les eines d’IA permeten analitzar dades històriques de vendes, tendències de consum, comportaments del mercat i altres factors externs, com ara esdeveniments econòmics o canvis estacionals. Gràcies a aquestes dades, l’IA pot fer prediccions molt més precises que els mètodes tradicionals i, per exemple, una botiga de roba podria fer servir la IA per anticipar un increment en la demanda de certes peces durant el període de Nadal o una onada de compres per a la temporada de primavera-estiu. A través d’algorismes d’aprenentatge automàtic, la IA aprèn dels patrons passats i ajusta les prediccions a mesura que es recullen noves dades. Això permet a les empreses planificar amb antelació i optimitzar la seva capacitat d’inventariar, garantint que disposen dels productes adequats en els moments de màxima demanda. Una altra de les problemàtiques més comunes en la gestió d’inventaris és l’estoc sobrant o la mancança de productes, especialment en negocis amb productes d’alta rotació o de curta durada. L’estoc sobrant no només ocupa espai, sinó que també representa un risc financer, ja que els productes poden quedar-se obsolets o perdre valor i, alhora, les mancances d’inventari poden portar a pèrdues de vendes i frustració entre els clients.  La IA ofereix solucions concretes per a aquests problemes mitjançant models de predicció que ajusten contínuament els nivells d’inventari segons la demanda projectada. L’impacte de la IA en productes estacionals i de variabilitat alta Per a moltes pimes, la variabilitat de demanda és un dels aspectes més difícils de gestionar. Els productes estacionals en àmbits com ara la moda, la jardineria, els esports d’estiu o d’hivern o la decoració nadalenca, per posar alguns exemples, poden generar vendes elevades en períodes curts i, després, quedar-se sense moviment la resta de l’any. La IA ofereix un avantatge clau en aquest context, ja que pot anticipar aquests pics i gestionar l’inventari amb precisió. Mitjançant dades històriques i patrons estacionals, els algorismes d’IA poden preveure quan augmentarà la demanda i adaptar els nivells d’inventari perquè coincideixin amb aquests cicles. Això és especialment útil per a productes amb alta variabilitat, on la demanda pot canviar d’un mes a l’altre o, com hem dit, en productes molt estacionals. Eines d’IA per a la gestió d’inventari Si passem a l’aspecte pràctic, podem veure que existeixen diverses eines d’IA específiques per a la gestió d’inventaris que poden ajudar les pimes a optimitzar els seus processos. Per exemple: Forecasting Tools: Plataformes d’ERP que ja ofereixen funcionalitats d’IA que analitzen dades històriques i patrons de venda per oferir estimacions de demanda. Algorismes de Reposició Automàtica: Eines que permeten automatitzar les ordres de reposició en funció de la demanda prevista, mantenint els nivells d’inventari ideals i minimitzant les mancances. Anàlisi de Tendències de Consum: Mitjançant algorismes que analitzen les preferències de compra dels clients i les seves variacions, algunes eines poden identificar canvis en les preferències i suggerir ajustaments en els nivells d’inventari. Aquestes solucions no només faciliten la gestió, sinó que també redueixen la càrrega de treball per als equips, permetent-los centrar-se en altres àrees del negoci i augmentar  la seva productivitat. Per què les pimes han d’adoptar l’IA en la gestió d’inventaris Després del que hem explicat, queda clar que les pimes necessiten aprofitar qualsevol avantatge per optimitzar els seus recursos i millorar l’eficiència operativa. L’IA ofereix una solució robusta i accessible per a la gestió d’inventaris, ajudant a fer prediccions més precises i reduint tant els costos com els riscos associats a l’estoc sobrant o les mancances i, per tant, amb l’adopció d’aquestes eines, les pimes poden no només anticipar-se millor a les necessitats dels clients, sinó també reduir el malbaratament de recursos i maximitzar les seves oportunitats de vendes. En un mercat cada cop més competitiu, l’IA es presenta com una eina essencial per a qualsevol empresa que busqui una gestió d’inventaris intel·ligent i adaptada a les seves necessitats específiques.

Temps de lectura: 3 minutsEn l’era digital actual, la intel·ligència artificial (IA) ja no és només un luxe reservat a les grans corporacions. Les petites i mitjanes empreses (PIMES) ara tenen l’oportunitat d’aprofitar el poder dels agents d’IA per millorar significativament la seva eficiència operativa.,com aquests agents intel·ligents poden transformar diversos aspectes dels processos empresarials i oferir avantatges competitius a les PIMES. 1. Automatització de tasques repetitives Un dels beneficis més immediats dels agents d’IA és la seva capacitat per automatitzar tasques repetitives. Imaginem un agent d’IA que pot gestionar la introducció de dades, processar factures o fins i tot respondre a consultes bàsiques dels clients. Això allibera el personal humà per centrar-se en tasques més complexes i de valor afegit. Per exemple, una petita empresa de comptabilitat podria implementar un agent d’IA per classificar i arxivar automàticament els documents financers, reduint així el temps dedicat a tasques administratives i permetent als comptables centrar-se en l’anàlisi financera i l’assessorament als clients. 2. Millora de l’atenció al client Els chatbots impulsats per IA han evolucionat significativament en els últims anys. Ara, fins i tot les PIMES poden implementar assistents virtuals capaços de gestionar consultes de clients les 24 hores del dia, els 7 dies de la setmana. Aquests agents poden proporcionar respostes ràpides a preguntes freqüents, programar cites i fins i tot gestionar comandes senzilles. Un ecommerce de moda, per exemple, podria utilitzar un agent d’IA per ajudar els clients a trobar productes específics, proporcionar informació sobre talles i materials, i fins i tot oferir recomanacions personalitzades basades en les preferències, previament introduides,  del client. 3. Optimització de la gestió d’inventari Els agents d’IA poden analitzar patrons de vendes, tendències del mercat i dades històriques per predir amb precisió les necessitats d’inventari. Això pot ajudar les PIMES a evitar l’excés o la manca d’estoc, optimitzant així el flux de caixa i millorant la satisfacció del client. Una petita ferreteria podria utilitzar un agent d’IA per predir quins productes seran més demandats en diferents èpoques de l’any, assegurant que sempre tinguin l’estoc adequat sense acumular excés d’inventari. 4. Anàlisi de dades i presa de decisions Els agents d’IA poden processar i analitzar grans quantitats de dades molt més ràpidament que els humans. Poden identificar patrons, tendències i insights que podrien passar desapercebuts per a l’ull humà. Això pot ajudar les PIMES a prendre decisions més informades i estratègiques. Per exemple, una empresa de màrqueting digital podria utilitzar un agent d’IA per analitzar el rendiment de les campanyes publicitàries en temps real, ajustant automàticament els pressupostos i l’orientació per maximitzar el retorn de la inversió. 5. Personalització de l’experiència del client Els agents d’IA poden analitzar el comportament i les preferències dels clients per oferir experiències altament personalitzades. Això pot augmentar la satisfacció del client i fomentar la lleialtat a la marca. Una petita llibreria en línia podria implementar un agent d’IA que recomani llibres basats en les lectures anteriors del client, les seves ressenyes i fins i tot el seu estat d’ànim actual, si el vol compartir, creant així una experiència de compra única i personalitzada. 6. Optimització de processos interns Els agents d’IA poden analitzar els fluxos de treball interns i identificar colls d’ampolla o ineficiències. Poden suggerir millores en els processos o fins i tot implementar canvis automàticament per optimitzar l’eficiència operativa. Una petita empresa de fabricació podria utilitzar un agent d’IA per analitzar el seu procés de producció, identificant àrees on es produeixen retards o malbarataments i suggerint millores per augmentar la productivitat. 7. Gestió de recursos humans Els agents d’IA poden ajudar en diversos aspectes de la gestió de recursos humans, des de la selecció de candidats fins a la programació de torns i la gestió del rendiment dels empleats. Una petita empresa de serveis podria utilitzar un agent d’IA per analitzar els currículums dels candidats, programar entrevistes i fins i tot realitzar entrevistes inicials virtuals o generant una sèrie de preguntes prèvies, estalviant temps i recursos en el procés de contractació.   Tots aquests exemples ens mostren que la implementació d’agents d’IA en les PIMES no és només una tendència futurista, sinó una realitat actual que pot oferir avantatges competitius significatius. Des de l’automatització de tasques repetitives fins a l’anàlisi de dades avançada i la personalització de l’experiència del client, els agents d’IA tenen el potencial de transformar radicalment l’eficiència operativa de les petites i mitjanes empreses. No obstant això, és important recordar que la implementació d’agents d’IA ha de ser un procés gradual i ben planificat. Les PIMES han d’identificar les àrees on la IA pot oferir el major impacte i començar amb projectes pilot abans d’implementar solucions a gran escala. En última instància, l’objectiu és que els agents d’IA complementin i potenciïn les capacitats humanes, no que les substitueixin. Amb una implementació adequada, les PIMES poden aprofitar el poder de la IA per impulsar la innovació, millorar l’eficiència i mantenir-se competitives en un mercat cada vegada més digital i dinàmic.

Temps de lectura: 4 minutsEls Premis Nobel de Física i Química 2024 han marcat una fita en la història dels premis més prestigiosos del món científic. Aquest any, per primera vegada, la IA ha jugat un paper fonamental en els descobriments guardonats, demostrant que la IA ja no només és una eina tecnològica per a l’empresa o per al consum personal, sinó que s’ha convertit en un aliat essencial en el progrés científic i acadèmic. La capacitat de la IA per processar grans volums de dades i descobrir patrons ocults ha accelerat la investigació en àrees que abans semblaven inabastables. Com ha impactat la IA en la recerca Premi Nobel? Aquest any, tant els premis de Física com els de Química han reconegut investigacions on la IA ha tingut un paper crucial. En el cas de la física, la IA ha ajudat a identificar nous fenòmens quàntics a través de simulacions computacionals avançades. Aquests descobriments són fonamentals per a la comprensió de les interaccions entre les partícules subatòmiques i tenen implicacions potencials en tecnologies com la computació quàntica i l’energia renovable, que crec també a la llarga (o no tan llarga), tindran repercussions sobre l’escalabilitat de la mateixa IA. D’altra banda, en el camp de la química, la IA ha facilitat la recerca de nous materials, especialment en la síntesi de compostos que podrien revolucionar sectors com l’energia o la medicina. L’ús de xarxes neuronals profundes ha permès accelerar processos que abans requerien anys de proves de laboratori, reduint el temps necessari per identificar materials amb propietats úniques que prometen revolucionar aquests sectors, o bé almenys sabem dissenyar els compostos, ara falta fabricar-los a cost raonable, però això ja és un altra pel·lícula. Aquests avenços mostren que la IA no només és un motor de creació en àmbits empresarials o comercials, sinó que s’està convertint en una eina imprescindible per a la ciència acadèmica, obrint nous camins que fa només uns (pocs) anys eren impensables. L’IA, un aliat en la investigació científica En els darrers anys, hem vist com la IA ha anat guanyant protagonisme en sectors molt diversos, des de l’automatització de processos industrials fins a la creació de continguts per a mitjans digitals. No obstant això, no se’n parlava tant del seu impacte en el món de la investigació científica tot i que ara es destapa també com un dels desenvolupaments més revolucionaris. Una de les raons per les quals la IA està canviant el món científic és la seva capacitat per processar quantitats massives de dades en temps rècord. Per exemple, en experiments de física quàntica o de química molecular, s’acumulen terabytes de dades que necessiten ser analitzades per trobar correlacions subtils. Aquest procés, que abans implicava equips sencers de científics dedicant mesos a l’anàlisi manual, ara es pot fer en qüestió d’hores gràcies als algoritmes d’IA. A més, la IA permet simular experiments complexos abans que es duguin a terme en laboratoris físics. Això no només redueix els costos i el temps de recerca, sinó que també minimitza el risc d’errors humans en el procés de descobriment. Però quines implicacions té això en un futur? L’impacte de la IA en el món científic no es limita a una simple millora de la productivitat o l’eficiència. El seu ús té implicacions més profundes que podrien redefinir la manera com es fa la ciència. En primer lloc, la IA permet als científics centrar-se més en la conceptualització de problemes i la generació d’hipòtesis, deixant la tasca d’analitzar i processar dades a les màquines. D’altra banda, la IA és capaç de generar noves hipòtesis a partir de dades existents, una tasca que abans estava reservada exclusivament a la ment humana. En aquest sentit, la IA s’està convertint en un veritable col·laborador en el procés creatiu de la ciència. Però, això genera un debat interessant: fins a quin punt els descobriments generats per IA s’han de considerar “humans”? Podríem arribar al punt en què en el futur els Premis Nobel també es donen a algoritmes que han “descobert” algun avenç? Entrem ja en el perillós món d’antropomorfitzar a la IA i crec que no hem d’anar cap aquí, de moment la IA només ajuda els investigadors a analitzar, processar i combinar si calen teories, proposant solucions que ells han de valorar i validar, és a dir, els hi fa la feina feixuga, però pensa ni fa la feina per ells i a més sorgeixen preguntes sobre el paper que hauria de tenir la IA en el futur de la ciència. Fins a quin punt podem confiar en algoritmes per prendre decisions sobre les nostres hipòtesis científiques? Quina part de la intuïció humana es pot automatitzar i quina part ha de romandre sota el control de la ment humana? Tot un seguit de preguntes que estaran ja en tots els centres de recerca del món i que serà molt interessant seguir-ne l’evolució. Tot i això, cal dir que fins ara, els grans centres de recerca amb accés a equips computacionals poderosos tenien un clar avantatge, però amb l’accés creixent a plataformes de IA en el núvol, més investigadors de tot el món podran accedir a aquestes eines i contribuir a la recerca global, ampliant la capacitat i la probabilitat de trobar més avenços i més ràpid. Un futur compartit entre científics i IA Des de la meva perspectiva, l’impacte de la IA en la recerca científica és tan emocionant com inquietant. Si bé és innegable que la IA ha accelerat avenços increïbles en camps com la física i la química, també és cert que dependrem cada cop més d’aquestes màquines per generar coneixement. La IA ja no és simplement una eina auxiliar, sinó que està començant a jugar un paper protagonista en les investigacions acadèmiques. Això obre la porta a una nova era en què els científics treballaran colze a colze amb la IA, no només per entendre fenòmens complexos, sinó també per redefinir els límits del que considerem coneixement científic. Tot i que pot semblar que estem entrant en una era en què les màquines

Temps de lectura: 4 minutsEl Congrés d’intel·ligència artificial i Big Data celebrat aquesta setmana a Barcelona ha estat un punt de trobada d’experts, líders empresarials i investigadors, amb un objectiu clar: analitzar el futur de les tecnologies emergents i les seves implicacions. Entre les moltes presentacions, xerrades i debats, jo destaco els temes que més em van impactar , com la ponència sobre sostenibilitat de Rika Nakazawa, els models de llenguatge de gran escala (LLM) versus els models de llenguatge petit (SLM) i els avenços en models transformers multimodals . Tot seguit us comparteixo les meves opinions. La ponència de Rika Nakazawa sobre sostenibilitat Potser per innovadora, per trencadora, la ponència que més impacte m’ha causat va ser la de Rika Nakazawa que va abordar dos conceptes fascinants. Primer, va parlar de l’evolució cap a una xarxa de comunicació fotònica, un sistema que podria reduir dràsticament el consum energètic en la transmissió de dades i augmentar la seva eficiència, obrint una nova revolució a les telecomunicacions i solucionant de pas problemes energètics i de volum d’informació. Després, va mencionar la possibilitat de construir centres de processament de dades (CPD) a l’espai, allunyant així la infraestructura de la Terra i utilitzant l’espai com a nou recurs, usant l’energia solar com a font il·limitada, orbitant al voltant del sol, i despreocupant-se de la refrigeració totalment. Tot i que aquestes idees poden semblar tretes de la ciència-ficció, probablement no estan tan lluny com pensem. En un context en què l’ús de la IA creix de manera exponencial, potser aquestes solucions són l’únic camí viable per garantir una IA sostenible i mantenir el ritme actual de desenvolupament tecnològic. Aquestes tecnologies no només abordarien els problemes de sostenibilitat, sinó que també podrien redefinir la manera com pensem sobre la infraestructura tecnològica global.   LLM vs. SLM: la batalla per l’eficiència Un dels temes més debatuts durant el congrés va ser la comparació entre els models de llenguatge de gran escala (LLM) i els models de llenguatge petit (SLM). Tots coneixem ja el que poden fer els LLM com el GTP i similars, i fins ara han estat la base de molts avenços en IA, gràcies a la seva capacitat per processar enormes quantitats de dades i generar respostes cada cop més humanes. No obstant això, a mesura que aquests models creixen en complexitat i mida, també augmenten els seus costos, tant en termes de computació com d’energia i posen en dubte la seva funcionalitat en segons quins casos on..usant la típica frase, no ens cal un Ferrari per anar a comprar el pa. Els SLM, per la seva banda, ofereixen una alternativa més lleugera i econòmica. Encara que no són tan potents com els LLM en termes de versatilitat, es poden adaptar millor a aplicacions específiques i a entorns amb menys recursos computacionals. Durant les presentacions, es va destacar com les empreses poden adoptar una estratègia híbrida, utilitzant SLM per a tasques concretes i LLM per a processos més generalistes. Aquesta tendència té molt de sentit, ja que per mi, un principi bàsic de l’enginyeria és sempre usar l’eina adequada per cada tasca, no cal la millor, sinó la que més s’adapta a cada cas. Models transformers multimodals: el futur de la IA? Una altra tema destacat, tot i no ser totalment nou, va ser les xerrades sobre models transformers multimodals, que poden processar diversos tipus d’informació simultàniament, com imatges, text, àudio i vídeo. Aquests models estan revolucionant camps com la medicina, el comerç electrònic i la seguretat, cosa que permet una comprensió més profunda i integrada de les dades que utilitzem diàriament. Durant les conferències, es van mostrar casos pràctics d’aplicació d’aquests models en la detecció de fraus, l’anàlisi de comportament del consumidor i fins i tot en la diagnosi de malalties a partir d’imatges mèdiques. La capacitat de combinar dades de diferents fonts permet una anàlisi molt més precisa i detallada, obrint la porta a aplicacions revolucionares que estan canviant el món dels negocis i de l’empresa actual. El repte, però, continua sent el mateix: la necessitat d’una infraestructura de dades robusta i d’una computació eficient que pugui donar suport a aquests models sense comprometre el medi ambient. La legalitat de la IA Més enllà de les innovacions tècniques, una de les conclusions més importants d’aquest congrés va ser la necessitat de col·laboració en l’àmbit global per establir normatives i pràctiques ètiques que regulin l’ús de la IA i el Big Data. La velocitat a la qual aquestes tecnologies evolucionen fa que sovint les regulacions es quedin endarrerides, i cal assegurar que el seu impacte sigui positiu per a la societat. Vam assistir a la conferència d’un advocat de ADEQUA on, entre altres coses, va comentar temes sobre l’ètica en la gestió de dades. A mesura que les empreses recullen i analitzen cada vegada més informació dels usuaris, es fa evident la necessitat de tenir un control estricte sobre com es recopilen i utilitzen aquestes dades. Els models d’IA, especialment els multimodals, tenen la capacitat d’interrelacionar dades que abans estaven desconnectades, cosa que pot generar nous reptes en termes de privacitat i seguretat. Les empreses hauran de ser molt conscients de les conseqüències ètiques d’aquestes tecnologies i establir mecanismes que garanteixin la protecció de les dades personals. Reconeixements i celebracions d’aniversari Durant el Congrés d’IA i Big Data de Barcelona, es va reconèixer la trajectòria de Ramon López de Mántaras, un pioner en el camp de la intel·ligència artificial, professor meu a la UAB i de Sant Vicenç de Castellet, així que em toca de prop per tres bandes 🙂 . El seu treball ha estat fonamental per al desenvolupament de la IA a Espanya i globalment i, en la seva intervenció, en va fer un al·legat dur, però ferm contra el hype excessiu que té la IA en la societat, advertint del perill de no gestionar correctament aquesta tecnologia i, tot i no definir-se com a tecnofòbic, sinó tot el contrari, com a científic que és, va atacar durament la intenció purament comercial i resultadista que tenen les grans empreses que dominen el sector del desenvolupament d’aquesta tecnologia i sovint, la seva falta d’ètica, advertint de cap a on podem anar si no canviem l’enfocament en aquesta àrea. Després del congrés,

Temps de lectura: 4 minutsRecentment, OpenAI ha llançat una nova funcionalitat anomenada Canvas dins de ChatGPT, oferint als usuaris una experiència visual i interactiva completament diferent de les anteriors interaccions de text. Aquesta eina pretén expandir les capacitats de ChatGPT més enllà de la creació de text pur, permetent als usuaris treballar de manera col·laborativa i visual, integrant elements interactius que afavoreixen la creativitat i la resolució de problemes. En aquest article, explorarem què és Canvas, què pot fer, les seves aplicacions pràctiques, els costos associats i com pot evolucionar en el futur. Què és el canvas de ChatGPT? Canvas és una funcionalitat visual dissenyada per permetre als usuaris interactuar amb ChatGPT d’una manera molt més dinàmica i creativa. A diferència del model tradicional de text a text, Canvas ofereix un espai de treball interactiu on es poden col·locar objectes, textos, imatges i altres elements multimèdia. Aquestes funcions permeten als usuaris visualitzar els seus projectes i idees de manera estructurada, generant un flux de treball més semblant a un taulell col·laboratiu. L’objectiu principal de Canvas és potenciar la creativitat, la col·laboració i la resolució de problemes, proporcionant una interfície que combina la potència del llenguatge natural de ChatGPT amb una experiència més immersiva i visual. Això permet que l’eina sigui encara més accessible per a equips de treball que necessiten un espai on organitzar idees complexes de manera visual, com ara en el desenvolupament de projectes, esbossos de dissenys o presentacions. Què fa el canvas? La funcionalitat de Canvas és molt diversa, i es pot aplicar a diferents sectors i necessitats. Algunes de les seves capacitats principals inclouen: Interacció multimodal: A més de l’edició de text, Canvas permet afegir imatges, gràfics i altres elements visuals al taulell, fent que la comunicació sigui més rica i comprensible. Això resulta útil per a equips que treballen en projectes que necessiten combinar informació visual i textual. Espai de treball col·laboratiu: Els usuaris poden compartir el seu Canvas amb altres membres de l’equip, permetent una col·laboració en temps real. Aquesta funció és especialment útil per a sessions de brainstorming o disseny de productes, on múltiples usuaris poden afegir i modificar elements en el mateix espai. Organització d’idees: Canvas facilita l’organització de conceptes complexes en un sol espai. Amb l’opció de crear mapes mentals, fluxos de treball o diagrames, els equips poden utilitzar l’eina per estructurar idees, definir projectes i planificar estratègies de manera visual. Generació automàtica: Tot i que Canvas és una eina visual, continua funcionant amb el motor de llenguatge de ChatGPT, cosa que permet als usuaris generar text i contingut de manera automàtica dins del seu espai de treball. Això és ideal per complementar visualment idees generades per l’IA i integrar-les en un context més ampli. Aplicacions pràctiques del Canvas L’aplicació de Canvas s’estén a diversos sectors i projectes, des del disseny fins a l’educació. A continuació, es presenten algunes de les aplicacions més comunes d’aquesta funcionalitat: Disseny de projectes creatius: Els equips de disseny poden utilitzar Canvas per organitzar els seus esbossos, agregar comentaris i iterar sobre noves idees visualment. També és útil per fer sessions de revisió en temps real, on els participants poden afegir anotacions i fer suggeriments. Educació i formació: Canvas també pot ser una eina poderosa en l’àmbit educatiu, permetent als professors i estudiants crear espais visuals per explicar conceptes o presentar projectes. Es pot utilitzar per a l’elaboració de mapes conceptuals, estructuració de continguts o activitats interactives d’aprenentatge. Brainstorming empresarial: Gràcies a la col·laboració en temps real, les empreses poden utilitzar Canvas per organitzar sessions de brainstorming, planificar estratègies o estructurar les seves presentacions de manera visual. Aquesta funcionalitat és ideal per a equips que treballen a distància o necessiten un espai de treball compartit. Desenvolupament de productes: Els equips de desenvolupament poden utilitzar Canvas per dissenyar fluxos de treball, crear prototips o estructurar fases de projectes. La possibilitat d’afegir anotacions, generar automàticament contingut i treballar amb elements visuals fa que aquesta eina sigui ideal per a equips multidisciplinaris. Costos de canvas Actualment, l’accés a Canvas està inclòs en alguns dels plans de subscripció de ChatGPT, especialment en els plans avançats o premium, que ofereixen funcionalitats addicionals per als usuaris que requereixen eines més avançades. El preu d’aquests plans varia segons el nivell d’ús, el volum de projectes i el nombre d’usuaris actius. Tot i que la versió bàsica de ChatGPT proporciona accés a moltes funcionalitats, l’ús de Canvas en la seva totalitat, amb la capacitat de col·laboració i l’accés a funcions multimodals avançades, sol requerir un pla de subscripció amb més prestacions. A mesura que aquesta funcionalitat s’estengui i es vagi millorant, és possible que el cost pugui variar o incloure noves opcions de pagament segons les necessitats dels usuaris. Possibles evolucions de canvas A mesura que OpenAI continua desenvolupant Canvas, és probable que aquesta funcionalitat evolucioni de diverses maneres per satisfer millor les necessitats dels usuaris: Integració amb altres eines: Una de les evolucions més esperades de Canvas és la seva integració amb altres plataformes de treball col·laboratiu o eines d’edició. Això podria incloure compatibilitat amb eines com Google Docs, Slack o Trello, permetent una interoperabilitat fluida entre diverses plataformes utilitzades en l’entorn empresarial. Funcionalitats avançades d’edició visual: Tot i que Canvas ja ofereix eines bàsiques per afegir i editar elements visuals, és probable que en el futur s’incorporin funcions avançades, com la capacitat de crear dissenys interactius, animacions o gràfics personalitzats. IA integrada per a suggeriments creatius: Una altra millora futura podria ser l’ús més profund de la IA dins de Canvas per proporcionar suggeriments creatius en temps real. Per exemple, el sistema podria suggerir idees de disseny, estructures de presentació o fins i tot alertes sobre possibles inconsistències en els projectes. Resumint, Canvas de ChatGPT és una nova i prometedora funcionalitat que amplia la capacitat de la intel·ligència artificial més enllà del text, oferint un espai de treball visual i col·laboratiu. Aquesta eina està dissenyada per potenciar la creativitat, la productivitat i la col·laboració en projectes complexes, proporcionant als usuaris una nova manera d’interactuar amb

Temps de lectura: 2 minutsÚltimament, he sentit a parlar molt d’una nova posició en l’organigrama de les empreses tecnològiques: el CAIO. Quan vaig escoltar-ho per primera vegada, no vaig poder evitar pensar en Juli Cèsar o millor dit Gai Juli Cèsar, que en castellà és Cayo Julio Cesar  (encara que la funció del CAIO és una mica diferent, eh!). El CAIO, que significa Chief Artificial Intelligence Officer, està guanyant popularitat com a responsable de la gestió i supervisió de l’estratègia d’intel·ligència artificial dins d’una organització. Què fa exactament el CAIO? Com el seu nom indica, el CAIO és el cap de la intel·ligència artificial en una empresa. Aquesta persona no només dirigeix els equips d’IA, sinó que també defineix l’estratègia de com implementar aquesta tecnologia per maximitzar el seu valor en l’organització. Les seves responsabilitats inclouen: Supervisar el desenvolupament d’aplicacions d’IA: des de la seva concepció fins a la implementació. Garantir que els projectes d’IA compleixin amb les normatives ètiques i legals: assegurant que la IA es desenvolupi de manera responsable. Integrar la IA en processos empresarials: millorant l’eficiència i els resultats a través de la tecnologia. Formar part de la presa de decisions estratègiques: assegurant-se que la IA estigui alineada amb els objectius generals de l’empresa. Què ha de tenir un bon CAIO? Per ser un bon CAIO, es necessiten un conjunt d’aptituds que combinen coneixements tècnics i estratègics. En primer lloc, ha de tenir un sòlid coneixement en intel·ligència artificial, aprenentatge automàtic i dades massives. A més, és crucial que comprengui la gestió de projectes tecnològics, així com les normatives legals i ètiques sobre IA. Les habilitats de lideratge i comunicació són fonamentals per coordinar equips multidisciplinaris i presentar estratègies davant del consell d’administració. Per últim, la capacitat de pensar de forma estratègica i innovadora és clau per maximitzar el valor de la IA dins de l’empresa. El CAIO és més que un cap tècnic: és un pont entre la tecnologia i la gestió. Està en contacte amb el consell d’administració per garantir que l’estratègia d’IA estigui alineada amb la visió general del negoci, i també col·labora amb altres executius com el CIO (Chief Information Officer) o el CTO (Chief Technology Officer). La IA no és només una eina tecnològica; cada cop més es converteix en una eina estratègica que pot transformar la manera com operen les empreses. Així que el CAIO ha de tenir coneixements tant tècnics com de negoci. Què podem esperar d’un CAIO? El CAIO no només porta innovació, sinó que és qui ajuda a fer que l’empresa utilitzi la IA de manera eficient i ètica. Des d’optimitzar processos interns fins a crear nous models de negoci basats en l’IA, el CAIO està destinat a convertir-se en una figura central en les empreses tecnològiques i en sectors més tradicionals que també comencen a integrar la IA en les seves operacions. Encara que l’acrònim pugui semblar una broma amb Juli Cèsar, el CAIO ve per quedar-se, liderant la revolució de la intel·ligència artificial amb una visió clara i estratègica. Així que, si encara no teniu un CAIO, potser aviat en necessitareu un per guiar la vostra empresa cap al futur digital.

Temps de lectura: 2 minutsCom a desenvolupador en el camp de la intel·ligència artificial, sovint em trobo amb una realitat que pot ser frustrant: la legislació és cada vegada més detallada i explícita. Els legisladors, especialment en regions com la Unió Europea, demanen molta informació tècnica sobre els projectes, exigint transparència i control sobre com es desenvolupen i utilitzen les aplicacions d’IA. Això és una resposta natural davant els temors sobre la privacitat, el biaix algorítmic i els possibles abusos tecnològics. I sí, la legislació és necessària, sobretot quan la IA comença a tenir un impacte profund en sectors com la salut, les finances i l’administració pública. Tanmateix, per molt explícites que siguin les lleis, la tecnologia tendeix a avançar molt més ràpidament que la regulació. Això és un fet que es fa evident cada cop més. Els recursos tècnics i les innovacions en IA permeten desenvolupar solucions que, en molts casos, poden esquivar les possibles restriccions legals. Per exemple, moltes legislacions exigeixen el respecte a la privacitat de les dades, però amb l’ús de tècniques com l’anonimització o l’agregació de dades, algunes aplicacions d’IA aconsegueixen complir formalment amb la llei, mentre que en realitat poden continuar extraient informació sensible de maneres inesperades. En la meva experiència, això em porta a una reflexió constant: és essencial tenir una legislació que protegeixi els drets dels ciutadans i establir límits sobre el que es pot fer amb la IA. Però, alhora, la naturalesa dinàmica i l’avanç ràpid de la tecnologia sovint deixen la regulació desfasada. He vist projectes que, tot i complir amb les normatives, tenen capacitats que encara no estan totalment contemplades pels reguladors. Això em fa pensar si la legislació actual, tot i ser necessària, és en realitat ineficaç per mantenir el ritme de la innovació. Un dels grans problemes és que la llei sol ser reactiva. Primer apareix la innovació, després s’identifiquen els riscos, i finalment es redacten lleis per intentar controlar aquests riscos. Però en aquest procés, la tecnologia ja ha evolucionat. Em trobo sovint que els projectes de IA desenvolupats sota certes restriccions inicials, més endavant poden trobar formes d’adaptar-se o superar aquestes restriccions gràcies a nous avenços tecnològics. Tot i així, no podem ignorar la necessitat de la regulació. Per molt ràpida que sigui l’evolució tecnològica, la protecció dels drets humans, la transparència i la responsabilitat són valors que hem de preservar. Però la meva preocupació és que, si no es troba una manera més flexible i proactiva de regular la IA, correm el risc de veure com les lleis es tornen obsoletes gairebé tan aviat com es redacten. A llarg termini, caldria una forma de regulació més adaptable i anticipativa, que tingui en compte no només els problemes actuals, sinó els futurs reptes que la IA podria plantejar. Conclusió És innegable que la legislació sobre IA és crucial per mantenir els drets dels ciutadans i assegurar una aplicació ètica de la tecnologia. Però la realitat és que la velocitat amb què la IA evoluciona fa que, sovint, aquestes normatives es quedin curtes. Això no vol dir que la regulació no sigui necessària, sinó que hem de trobar maneres de legislar de manera més àgil, capaç d’anticipar els futurs avenços i els reptes que la tecnologia ens portarà.

Temps de lectura: 3 minutsA mesura que la intel·ligència artificial (IA) es va integrant en més àmbits de la nostra vida, des del diagnòstic mèdic fins a la creació de contingut, ens trobem davant un dilema important: el creixent ús de la IA comporta un augment substancial en el consum d’energia. Aquest és un tema que, personalment, em genera moltes reflexions. Perquè, encara que la IA estigui fent coses increïbles per millorar sectors com la salut, la producció i l’educació, no podem ignorar el fet que el seu impacte mediambiental està creixent de forma exponencial. L’impacte energètic de la IA Per entendre la magnitud del problema, hem de pensar en la quantitat d’energia que consumeixen els processos d’entrenament dels grans models de IA. Cada vegada que entrenem un model de llenguatge com ChatGPT o un sistema de reconeixement facial, estem utilitzant potents unitats de processament gràfic (GPU) o unitats de processament tensorial (TPU), que requereixen quantitats enormes d’energia. De fet, un estudi publicat per la Universitat de Massachusetts va estimar que entrenar un sol model d’aprenentatge profund pot generar tant diòxid de carboni com cinc cotxes al llarg de tota la seva vida útil. Per tant, aquí sorgeix una preocupació comprensible: si continuem augmentant la capacitat i la potència dels nostres models d’IA, quin serà l’impacte ecològic d’aquests avenços? I és que a mesura que la IA es fa més sofisticada, també exigeix més recursos per entrenar-se i funcionar. Això ens situa davant d’un escenari on els beneficis socials i empresarials de la IA podrien venir amb un cost mediambiental no menyspreable. Però, realment és un problema sense solució? Tot i que aquestes xifres poden ser alarmants, crec que no hem de veure aquesta situació com un problema sense sortida. Si bé és cert que l’impacte energètic actual de la IA és significatiu, també és cert que la mateixa tecnologia que avui ens presenta aquest desafiament pot ser la clau per mitigar-lo en el futur. Una de les raons per creure-ho és l’evolució constant del hardware que impulsa aquests models. Les noves generacions de GPUs i TPUs estan dissenyades no només per ser més potents, sinó també per ser molt més eficients en termes de consum energètic. Això significa que, tot i que la IA requereixi més energia a curt termini, a mesura que millorem la tecnologia que l’impulsa, aquest impacte energètic es podria anar reduint. Les empreses tecnològiques com Nvidia o Google ja estan treballant en xips d’última generació que poden realitzar els mateixos càlculs complexos però consumint molta menys energia. L’autoregulació del consum d’energia de la IA Crec que és probable que la IA mateixa esdevingui una part de la solució en el futur, especialment en la manera com utilitzem els seus propis algoritmes per optimitzar processos industrials, xarxes elèctriques i sistemes de distribució d’energia. Les aplicacions d’IA ja s’estan utilitzant per optimitzar l’ús de recursos energètics, reduir el malbaratament en sectors com la manufactura i millorar l’eficiència de les cadenes de subministrament. Per exemple, les xarxes intel·ligents, o “smart grids”, utilitzen IA per preveure els pics de demanda d’electricitat i optimitzar la distribució d’energia en temps real. Això no només redueix l’energia malgastada, sinó que també fa possible integrar millor les fonts d’energia renovable, com l’energia solar o eòlica, dins dels sistemes d’energia tradicionals. D’aquesta manera, mentre la IA consumeix energia, també ens ajuda a consumir-la de manera més intel·ligent i eficient. El futur: una IA sostenible? Ara bé, aquesta transició cap a una IA més sostenible no succeirà d’un dia per l’altre. Necessitem un compromís clar per part de les empreses tecnològiques i dels governs per fomentar el desenvolupament de tecnologies més eficients energèticament. A més, és fonamental que ens assegurem que els nous avenços en IA no només siguin rendibles, sinó també respectuosos amb el medi ambient. Com ho veig, la qüestió no és si podem fer la IA més sostenible, sinó quan ho farem. Si continuem invertint en recerca i innovació tecnològica per millorar l’eficiència energètica de les infraestructures que impulsen la IA, estic convençut que podem trobar l’equilibri adequat entre el creixement tecnològic i la preservació del medi ambient. Conclusió Com a societat, estem en una cruïlla entre la innovació tecnològica i la protecció del medi ambient. L’impacte energètic de la IA és un repte real, però amb la tecnologia que estem desenvolupant i la nostra capacitat per adaptar-nos i innovar, és un repte que podem superar. L’evolució de les GPUs més eficients i l’ús d’algoritmes d’IA per optimitzar l’energia són passos en la direcció correcta. Al final, el futur de la IA no només dependrà de la seva intel·ligència, sinó també de la seva sostenibilitat.