La IA Jarvis de Google es casi con toda seguridad un agente de IA basado en la web

El 6 de noviembre de 2024, Google reveló aparentemente sin querer la IA Jarvis al publicar accidentalmente una versión temprana de este agente de IA como extensión en la tienda web Google Chrome. En este artículo, exploraré lo que podría ser la IA de Jarvis y cómo podría cambiar fundamentalmente la forma en que navegamos por la web.

¿Qué es Jarvis AI?

Lo único que sabemos sobre Jarvis AI es que a principios de noviembre se lanzó durante un breve periodo una extensión de Google Chrome llamada Jarvis. A pesar de su breve aparición, la descripción de la extensión en la página de la tienda se refería a ella como "un útil compañero que navega por la web por ti". Esta descripción se ajusta a la funcionalidad prevista de Jarvis como agente de agente de IA diseñado para automatizar tareas basadas en la web.

En su discurso inaugural de principios de añoGoogle mostró agentes de IA inéditos con la capacidad de controlar el navegador para realizar una amplia variedad de tareas. Especulo que Jarvis AI podría ser el producto real detrás de esta presentación.

En su presentación, dan un ejemplo de devolución de zapatos. Utilizando agentes de IA, todo lo que tendríamos que hacer es indicar que queremos devolver los zapatos, y el agente realizaría de forma autónoma todos los pasos.

Integrado con el navegador y otros productos de Google, como Gmail, el agente puede completar el proceso de devolución siguiendo estos pasos:

1. Busca el recibo en la bandeja de entrada.
2. Localiza el número de pedido en el correo electrónico.
3. Rellena el formulario de devolución.
4. Programa una recogida.

¿Cómo funciona Jarvis AI?

Jarvis AI puede automatizar las tareas cotidianas de los usuarios basadas en la web, como realizar búsquedas, compras en línea y reservas de vuelos.

Jarvis probablemente utiliza una versión especializada de la familia Gemini de Google de grandes modelos lingüísticos. Esto sugiere que Jarvis utiliza un modelo de "pensamiento" o razonamiento, lo que contribuye a su capacidad para manejar tareas complejas y dar respuestas más personalizadas. Además, se espera que se integre profundamente con los servicios actuales de Google, como Gmail, Mapas y Búsqueda.

Esta integración podría mejorar las capacidades de Jarvis proporcionando acceso a los datos de los usuarios y agilizando diversos procesos, como la recuperación de recibos de Gmail para devoluciones en línea o el uso de datos de localización de Maps para planificar viajes.

Los modelos Gemini son multimodales y pueden procesar varios tipos de datos (texto, imágenes, vídeo, audio, etc.), encontrando conexiones entre ellos. Es probable que el agente tenga acceso al contenido del navegador, lo que le permitirá ver, interpretar e interactuar con los elementos que aparecen en la pantalla.

Es importante señalar que la información sobre el funcionamiento interno y la dependencia de tecnologías específicas se basa en especulaciones.

Jarvis AI vs. Otros agentes de IA

Como ya he mencionado, creo que Jarvis está diseñado para automatizar las tareas cotidianas basadas en la web. Jarvis se distingue por su estrecha integración con el navegador web Google Chrome. Sin embargo, Jarvis no está solo en este terreno.

Uso informático de Anthropic

Anthropic, la empresa detrás de Claudetambién ha avanzado con su propio agente de IA, conocido como uso informático. Este agente es capaz de interactuar con varias aplicaciones más allá de los navegadores web. El agente de Anthropic entró en su fase beta pública en octubre de 2024, mostrando su capacidad para mover el cursor, pulsar botones y escribir texto, de forma muy parecida a un usuario humano.

A pesar de sus diferencias en cuanto a fase de desarrollo y ámbito de funcionamiento, tanto Jarvis como Anthropic comparten un objetivo común: automatizar tareas imitando la interacción humana con los ordenadores. Es probable que ambos agentes se basen en sofisticados mecanismos de captura e interpretación de pantallas para comprender el contexto de las peticiones de los usuarios y ejecutar las acciones adecuadas.

Operador de OpenAI

OpenAI va a presentar "Operator", un agente autónomo de IA diseñado para realizar tareas en nombre de los usuarios, como escribir código y reservar viajes. Según Bloombergestá previsto que Operator salga a la venta en enero de 2025.

Sam Altman respondiendo un AMA de Reddit

Toolformer de Meta

Meta AI Research presentó Toolformer, un modelo lingüístico capaz de utilizar de forma autónoma herramientas externas para mejorar su rendimiento en diversas tareas. Detallado en el documento "Toolformer: Los Modelos Lingüísticos Pueden Enseñarse a Sí Mismos a Utilizar Herramientas," el modelo se entrena para determinar qué APIs llamar, cuándo llamarlas, qué argumentos pasar y cómo incorporar los resultados en futuras predicciones de tokens.

Este enfoque autosupervisado sólo requiere un puñado de demostraciones para cada API, lo que permite al modelo utilizar eficazmente herramientas como calculadoras, sistemas de respuesta a preguntas, motores de búsqueda, sistemas de traducción y calendarios.

Retos de los agentes de IA

En general, los agentes de IA introducen una serie de retos y consideraciones, en particular en relación con privacidadla precisión y las implicaciones éticas.

Cuestiones de privacidad

Aunque parezca atractivo automatizar tareas aburridas y que llevan mucho tiempo, esta comodidad conlleva una sensación de incomodidad. ¿Quiero que Google o cualquier otra empresa tenga acceso total a mi ordenador? Hay algo en esa idea que me inquieta profundamente.

La preocupación por la privacidad es de gran importancia. Google debe garantizar a los usuarios que sus datos se tratarán de forma segura y responsable. Tendrán que aplicar medidas de seguridad sólidas y prácticas transparentes de tratamiento de datos para mitigar los posibles riesgos de violación o uso indebido de los datos. Establecer directrices claras sobre el acceso, almacenamiento y uso de los datos y proporcionar a los usuarios un control granular sobre sus preferencias de intercambio de datos será crucial para generar confianza y garantizar la adopción por parte de los usuarios.

Precisión y fiabilidad

¿Qué ocurre cuando mi agente de IA comete un error? Cuando un chatbot de IA comete un error, puede proporcionar información incorrecta, pero no se toma ninguna medida directamente. Si le pido a un chatbot de IA que me ayude a planificar un viaje, me ofrece un plan basado en texto, pero yo sigo siendo responsable de hacer las reservas, gestionar los pagos, etc. Hay una capa humana para evitar resultados no deseados. Sin embargo, cuando los agentes de IA realizan acciones en el mundo real, estas acciones pueden tener consecuencias reales no deseadas.

¿Quién es responsable cuando el agente de IA reserva vuelos equivocados o devuelve zapatos equivocados? Imagino que estos agentes preguntarán al usuario antes de realizar cada acción, pero no estoy seguro de que eso baste por sí solo para evitar errores en situaciones más complejas.

Las empresas como Google deben dar prioridad a procesos rigurosos de prueba y validación para minimizar estas imprecisiones. Será esencial poner en marcha mecanismos para comprobar los hechos, contrastar la información y proporcionar a los usuarios advertencias claras sobre la posibilidad de errores.

Implicaciones éticas

Las implicaciones éticas de Jarvis y de los agentes de IA, en general, van más allá de la privacidad y la precisión. Las empresas también deben considerar el impacto social más amplio de estos agentes, incluido el posible desplazamiento de puestos de trabajo y la creación de nuevas dependencias de los sistemas de IA.