Recientemente, una startup llamada Cognition AI causó cierto revuelo al lanzar una demostración que muestra un programa de IA denominado “Devin” llevando a cabo un trabajo que generalmente realizan ingenieros de software bien pagados. Los chatbots como ChatGPT y Gemini tienen la capacidad de poder generar código, sin embargo Devin fue más allá; planificó cómo resolver un problema, escribió el código y posteriormente lo probó e implementó. ¡A continuación todos los detalles sobre los agentes de Inteligencia Artificial!
Los datos más destacados sobre los agentes de Inteligencia Artificial
Vale la pena señalar que, los creadores de Devin lo califican como un “desarrollador de software de Inteligencia Artificial”. Cuando se le solicitó que probara cómo se desempeñaba Llama 2, el modelo de lenguaje de código abierto de Meta, cuando se accedía a él a través de diferentes empresas que lo hospedaban, Devin generó un plan paso a paso para el proyecto, generó el código necesario para acceder a las API y ejecutar pruebas de evaluación comparativa, y así mismo, creó un sitio web que resume los resultados.
Como bien sabemos, siempre es difícil juzgar las demostraciones en escena, sin embargo, Cognition ha demostrado que Devin maneja una extensa gama de tareas extraordinarias. Cautivó a inversores e ingenieros en X (antiguo Twitter), recibió muchos respaldos e incluso inspiró algunos memes, incluidos algunos que pronosticaban que Devin pronto será responsable de una ola de despidos en la industria tecnológica.
Es de resaltar que, Devin es sólo el ejemplo más reciente y más pulcro de una tendencia que hemos estado siguiendo durante algún tiempo; el surgimiento de agentes de Inteligencia Artificial que, en vez de simplemente brindar respuestas o consejos sobre un problema presentado por un humano, tienen la capacidad de poder tomar medidas para resolverlo.
No cabe duda de que, estos agentes de Inteligencia Artificial son impresionantes. Sin embargo, por ahora, al igual que los modelos de lenguaje que los impulsan, cometen bastantes errores. Y cuando una pieza de software lleva a cabo acciones, no solo genera texto, un error puede significar un fracaso total y consecuencias potencialmente costosas o peligrosas. Disminuir el rango de tareas que un agente puede realizar a, digamos, un conjunto concreto de tareas de ingeniería de software parece una forma inteligente de reducir la tasa de error, pero aún hay muchas formas potenciales de fallar.
Lo cierto es que, puede esperar muchas más noticias sobre los agentes de Inteligencia Artificial en los próximos meses.
