Aprovechar la inteligencia colectiva en la era de los grandes modelos lingüísticos: oportunidades, riesgos y direcciones futuras

La inteligencia colectiva mejora la eficacia de los grupos, las organizaciones y las sociedades mediante el uso de la cognición y la coordinación distribuidas, a menudo facilitadas por tecnologías como los mercados de predicción en línea y los foros de debate. Si bien los LLM como el GPT-4 introducen debates cruciales sobre la comprensión, la ética y el potencial de la inteligencia artificial general, sus efectos en los procesos de inteligencia colectiva (como el compromiso cívico y la comunicación interpersonal) aún no se han examinado en gran medida, pero son cada vez más relevantes en el panorama digital actual.

La investigación examina cómo los LLM están transformando la inteligencia colectiva, identificando tanto las ventajas como los desafíos que introducen. Basándose en conocimientos de múltiples campos, los autores destacan los posibles beneficios y riesgos vinculados a los LLM, así como las importantes implicaciones políticas y las lagunas en la investigación. Destacan la necesidad de seguir explorando cómo los LLM pueden afectar nuestra capacidad para la resolución colectiva de problemas. El estudio concluye identificando áreas críticas a las que deben prestar atención los investigadores, los responsables de las políticas y los desarrolladores de tecnología a medida que interactúan con este entorno que cambia rápidamente.

La inteligencia colectiva (IC) se refiere a la capacidad de los grupos para actuar de maneras que reflejen una inteligencia mayor que la de los individuos que trabajan solos, particularmente en áreas como la generación de ideas, la resolución de problemas y la toma de decisiones. La IC opera en varias escalas, desde grandes mercados donde los compradores y vendedores individuales interactúan hasta equipos más pequeños que coordinan esfuerzos para superar las limitaciones personales. Los componentes clave que fomentan la IC incluyen la diversidad entre los individuos, la competencia individual adecuada a la tarea y mecanismos de agregación efectivos que combinan las contribuciones individuales en resultados colectivos. La diversidad, tanto demográfica como funcional, mejora las capacidades de resolución de problemas. Por el contrario, la competencia individual debe alinearse con el nivel de conocimiento del grupo. Los mecanismos de agregación adecuados, ya sean formales o informales, son cruciales para facilitar la interacción significativa y minimizar los obstáculos como el pensamiento grupal.

Los recientes avances tecnológicos, en particular los LLM, ofrecen nuevas vías para mejorar la colaboración colaborativa. Estos modelos, entrenados con datos extensivos de diversas fuentes, pueden facilitar la colaboración al aumentar la accesibilidad y la inclusión en entornos en línea. Los LLM pueden derribar barreras lingüísticas mediante la traducción, brindar asistencia para la redacción y resumir la información, lo que facilita que los participantes participen sin sentirse abrumados. Además, los LLM personales podrían representar a las personas en los debates, agilizando los procesos deliberativos. En general, los LLM presentan oportunidades significativas para fomentar colaboraciones en línea más amplias, más diversas y equitativas, al tiempo que plantean desafíos que requieren una consideración cuidadosa.

Los grupos pueden mejorar sus procesos de generación de ideas mediante la integración de conocimientos de diversos campos, lo que a menudo conduce a avances innovadores. Los LLM ofrecen una oportunidad para facilitar este proceso mediante la mediación de prácticas deliberativas. Pueden ayudar a las personas a participar en debates significativos al reducir la carga cognitiva y brindar apoyo estructurado. Por ejemplo, los LLM pueden incitar a los participantes a expresar sus puntos de vista con mayor claridad o ayudar a organizar la conversación, lo que hace que los procesos deliberativos sean más accesibles y efectivos. Las investigaciones muestran que el uso de LLM en la deliberación puede aumentar la satisfacción de los participantes y fomentar un sentido de confianza y empatía.

Sin embargo, la dependencia de los LLM también plantea riesgos para la IC. El uso de LLM puede desalentar las contribuciones individuales a las plataformas de conocimiento compartido, ya que las personas podrían preferir la eficiencia del contenido generado por LLM a la interacción con fuentes originales. Esta dependencia podría conducir a una homogeneización de perspectivas, disminuyendo la diversidad funcional dentro de los grupos. Además, los LLM pueden perpetuar ilusiones de consenso al amplificar creencias comunes mientras descuidan los puntos de vista minoritarios, lo que puede inducir a error a las personas a pensar que existe un consenso cuando no es así. Para mitigar estos desafíos, la promoción de LLM verdaderamente abiertos, la mejora del acceso a los recursos computacionales para la investigación diversa y la implementación de la supervisión de terceros del uso de LLM son pasos esenciales.

Echa un vistazo a la PapelTodo el crédito por esta investigación corresponde a los investigadores de este proyecto. Además, no olvides seguirnos en Gorjeo y únete a nuestro Canal de Telegram y LinkedIn Gr¡Arriba!. Si te gusta nuestro trabajo, te encantará nuestro hoja informativa..

No olvides unirte a nuestro Subreddit con más de 50 000 millones de usuarios

⏩ ⏩ SEMINARIO WEB GRATUITO SOBRE IA: ‘SAM 2 para video: cómo optimizar sus datos’ (miércoles 25 de septiembre, 4:00 a. m. a 4:45 a. m. EST)

Sana Hassan, pasante de consultoría en Marktechpost y estudiante de doble titulación en el IIT Madrás, es un apasionado de la aplicación de la tecnología y la IA para abordar los desafíos del mundo real. Con un gran interés en resolver problemas prácticos, aporta una perspectiva nueva a la intersección de la IA y las soluciones de la vida real.