Aparece un tweet, salta la noticia y poco a poco empieza a correr como la pólvora por todo Internet.
GitHub, uno de los principales repositorios de código del mundo,
anuncia que han entrenado un modelo de inteligencia artificial que será capaz de recomendarte autocompletados de código,
de forma que los comentarios que tú hayas escrito o la cabecera de una función
sea suficiente para que la IA te terminé de completar el código que tú tenías en mente.
Como cuando te vas a esta cover flow a copiar código pero más inteligente.
Porque, creedme, esto no va de copiar código que pueda estar en GitHub que se parezca a lo que tú necesitas.
No, hay más, hay mucho más.
¿Traducir comentarios escritos en lenguaje natural a su equivalente en código?
Hecho.
¿Continuación de tareas repetitivas?
Hecho.
¿Generación de test unitarios automáticamente?
Hecho.
Esta es la herramienta definitiva para los programadores.
Pero ¿no será esta la herramienta definitiva para los programadores?
Hoy voy a contar los detalles tras esta potentísima herramienta,
que no nos vamos a engañar, nos recuerda muchísimo a GPT-3.
Y también, ¿qué implicaciones puede tener una herramienta como esta
en el futuro laboral de los programadores?
Si eres programador ahora que tienes tanto tiempo libre pues ponte cómodo
porque aquí hablamos mucho de inteligencia artificial y seguro que esto te va a gustar.
Venga, comenzamos.
Para los nuevos vamos a darle un poco de contexto a todo esto.
El campo de la inteligencia artificial en los últimos años está explotando.
Redes neuronales, deepfakes, coches autónomos...
Vamos, de todo esto seguro que algo habéis escuchado.
Dentro de toda esta revolución en 2017 aparece un paper que presenta una de estas mejoras.
Un tipo de red neuronal nueva que parece ser funciona muy bien analizando secuencias de datos.
Secuencias de datos como por ejemplo texto.
Se llaman transformers y desde ese momento no han parado de dar caña.
De depetarlos como hemos visto en el análisis y generación de texto analizando secuencias de palabras
a petarlo en ámbitos científicos tan relevantes como es el plegado de proteínas con herramientas como AlphaFold2.
Hasta cosas tan impresionantes como lo he visto recientemente en el contexto de generación de contenidos
al ser capaces también de modelar imágenes como secuencia de píxeles.
Es una auténtica locura todo lo que se está viviendo y por suerte en este canal
hemos tenido la suerte de poder ir explicando pues cada uno de estos avances.
Si todavía no te has suscrito pues a lo mejor es un buen momento para hacerlo.
Entonces, siendo este el acto primero de nuestra obra, la llegada de los transformers,
el acto segundo comienza cuando un laboratorio de inteligencia artificial como es OpenAI
se interesa por esta tecnología entrenando modelos que utilizan transformers a escalas nunca vistas antes.
Entrenaron a un modelo llamado GPT, entrenaron a GPT-2 y el año pasado a GPT-3.
Un impresionante modelo del lenguaje capaz de autocompletar cualquier texto dado como input
generando secuencias y secuencias de texto que son completamente coherentes con lo que le hayamos dado como entrada.
El comienzo de una poesía lo completa.
Una conversación para utilizarlo como si fuera un chatbot y el modelo es capaz de responder.
Una descripción de cómo debería de funcionar mi script de Python y vaya, parece que también genera código.
¿Veis por dónde van los tiros?
Esto rompe con todo y no solo impresiona al mundo académico de la inteligencia artificial sino también al público general.
Porque este modelo no solo nos acerca a tener inteligencias artificiales
capaces de redactar artículos de periódico o de comunicarse como si fuera un chatbot sacado de una película ciencia ficción,
sino que también parece que ha aprendido otras habilidades para las que nunca las habíamos entrenado.
Por ejemplo, pues traducir texto de un idioma a otro o también programar.
Claro, esto sucede porque el sistema durante su entrenamiento ha visto ejemplo de código de programación
entre tantísimos datos que le hemos suministrado para entrenarse.
Pero, ¿qué pasaría si la totalidad de los datos que le damos al sistema fuera código de programación?
¿Qué pasaría si por ejemplo yo cogiera este sistema GPT-3 y lo entrenara únicamente con un repositorio enorme de código?
Por ejemplo, GitHub.
¿Qué podría salir de ahí?
Pues ahora sí creo que todos sabemos cuál es el origen del proyecto de hoy.
Y no lo voy a negar.
Esto era muy predecible.
Esto seguramente si me pusiera a rebuscar en mi canal secundario de los directos que he ido haciendo en Twitch,
pues me encontraría algún punto donde yo haya dicho que una herramienta como esta
pues era muy probable que surgiera de la mano de una empresa como OpenAI.
¿Por qué?
Porque como en cualquier historia de acción, pues siempre hay algún que otro romance.
Romance como cuando en marzo de 2019 OpenAI anunció que iba a cambiar su forma jurídica de organización sin ánimo de lucro
a organización con beneficio limitado.
Algo que permitía ahora pues atraer a inversores que quisieran apostar por la tecnología que OpenAI estaba desarrollando.
Y mira si funcionó.
Que fue a los pocos meses, en julio de 2019, cuando Microsoft anunció su asociación con OpenAI.
Ya sabéis, la típica historia de Theo conoce a Theo y se da la conversación de
hey, yo pues mira, tengo un montón de trabajadores que necesitan recursos para entrenar a sus inteligencias artificiales.
Y el otro dice
hey, pues yo tengo una infraestructura llamada Azure que podéis utilizar para entrenar a todos vuestros modelos.
Claro, evidentemente esto es un match.
Infraestructura que como sabemos le ha servido a OpenAI para el entrenamiento de modelos como GPT-3.
De esta alianza se puede entender por qué en su evento de desarrolladores de este año
Microsoft ya presentó una integración de GPT-3 en Power Apps
que era capaz de, a través del lenguaje natural,
dejar que el sistema te recomendara opciones de códigos válidos a lo que tú le hubieras pedido.
¿A qué me suena esto?
Pues a algo que, como ya he dicho, tenía que pasar.
Y es que hablamos de un Microsoft que, recordemos, ya un año antes de aliarse con OpenAI en 2018
ya había desembolsado una gran cantidad de dinero para comprar a GitHub.
Completando así esta última pieza del puzzle y donde podemos ver la imagen completa.
Inteligencia artificial, computación y datos.
Los tres elementos necesarios para entrenar a GitHub Copilot.
Vale.
¿Y esto qué hace?
¿Por qué tanto hype?
Pues a ver, ya lo hemos dicho.
Esto es un sistema muy parecido a GPT-3.
De hecho, aunque el nombre del servicio se llama GitHub Copilot,
el nombre de la IA que hace de cerebro de todo este sistema es OpenAI Codex.
Lo que podría ser un descendiente directo de GPT-3.
Y ya sabemos cómo funciona esto.
Para una secuencia de texto dado como input, es capaz de continuar autocompletando el código.
Viendo los ejemplos que nos muestran en la web,
esto nos permitiría, por ejemplo, definir la cabecera de una función y hacer una descripción
con lenguaje natural de, por ejemplo...
Pues mira, la función va a tomar un listado de gastos como input
y va a devolver una lista de tripletes con esta variable de aquí.
Se van a ignorar aquellas líneas que comiencen con la almohadilla
y las fechas se van a procesar con el módulo datetime.
Y mira, además también te voy a agregar cómo van a ser los ejemplos que quiero del output.
Y ¡pum!
Automáticamente el sistema te va a hacer una recomendación de código que implementa toda esta lógica.
Si empieza con la almohadilla, continuo.
Aquí split de cada línea.
Aquí append el listado de gastos de la fecha procesada al valor como flowat y la divisa.
Todo está aquí.
Generado, bueno, programado automáticamente por una IA.
Y fijaros, no es que solo sepa hablar en Python,
sino que también nos muestran otros ejemplos de cómo se desenvuelve con Go
para escribir funciones que gestionen una base de datos con queries en SQL,
para ser autocompletado de migraciones en Ruby,
o también con TypeScript para hacer una llamada a una API
que resuelva una tarea de reconocimiento de sentimiento en un texto dado como input.
Y donde fijaros que la IA incluso improvisa cuál es la URL de la API que se va a utilizar.
Una API que he comprobado que existe.
Todo esto ejemplos de lo versátil que es este sistema
y que posiblemente se podrá adaptar en el futuro
a cualquier tipo de lenguaje de programación que podamos encontrar en GitHub.
Lo interesante de este sistema y lo que tenemos que entender
es que no se trata de un mero copy-paste de toda la fuente de información que le hemos dado para entrenarse.
No es solo eso.
Aquí sucede igual que con GPT-3,
donde el sistema puede entender cuál es el contexto de la información que le está botando como input
para poder condicionarse y generar aquel resultado que sea más plausible
con lo que nosotros le hemos suministrado como entrada.
Y es por eso que el sistema tomará parte de tu código
para entender el contexto de lo que quieres que genere.
Por ejemplo, una descripción en un comentario de la lógica que quieres que se implemente,
o el nombre de la función que tú hayas utilizado, o los nombres de la variable de entrada.
Con toda esta información, ya podrá hacerse una idea de exactamente qué es lo que quieres.
El sistema verdaderamente entiende qué le estás pidiendo que genere.
Y si esto como herramienta ya no simplifica la vida,
pues mirad lo que sucede cuando enfrentamos esto a tareas repetitivas.
Seguramente tú, humano, con estas dos primeras líneas de código ya sabes cómo debe de continuar.
Y ahora Copilot también sabrá hacerlo automáticamente.
De verdad digo que por mi experiencia utilizando a GPT-3,
vais a experimentar muchos momentos de
¿Y si pruebo a hacer esto?
Y en muchas ocasiones vais a llegar a resultados bastante satisfactorios.
Según comentan en el equipo de OpenAI,
pues con las pruebas que han hecho para ver qué tan bien funciona el sistema,
han testeado en generar pues un gran número de funciones
y el sistema ha hecho bien los deberes a la primera,
programando perfectamente el código un 43% de las veces.
Creo que no muchos programadores aquí podríamos decir lo mismo.
Pero es que además es lo que dicen ellos,
y es que con el paso de los meses y de los años,
el sistema va a seguir aprendiendo.
La inteligencia artificial se va a volver cada vez más inteligente.
Hablemos del futuro.
Hace unos meses con la publicación de Dalí,
viendo sus impresionantes resultados a la hora de generar
imágenes creadas a partir de descripciones dadas como texto,
decidí titular el vídeo que hice para mi canal como
¿Es estaía el fin de los diseñadores gráficos?
Ganándome así el hate pues de parte de la comunidad de los diseñadores gráficos.
Y es por eso que ahora en honor a ellos pues he decidido titular este vídeo
¿Es estaía el fin de los programadores?
Y así también me puedo ganar el hate de la comunidad de los programadores.
No, no, es broma.
Pero, considero que en ambos casos mi postura es bastante similar.
Tranquilos.
Estaía no va a cargarse en ninguna profesión por completo.
Pero eso sí.
¿Puede una ia como esta destruir horas de trabajo de programación?
Evidentemente, sí.
Creo que nos falta entrar a discutir que si ponemos a dos programadores
con el mismo nivel sentados a programar la misma función o el mismo método,
aquel que use esta herramienta pues va a acabar mucho antes.
Evidentemente una herramienta como Copilot o como Codex
pues tiene potencial para reducir muchas horas de trabajo
dentro del mercado laboral de la programación.
Pero a partir de ahí saber estimar cómo va a evolucionar este mercado laboral
en los próximos años con la introducción de estas herramientas
ya se hace mucho más complicado.
Y ya no podremos saber si el efecto va a ser negativo o positivo
o cómo va a cambiar las cosas.
Pensad que sí, que esta herramienta pues podrá agilizar el flujo de trabajo
de un programador experimentado.
Pero al mismo tiempo también baja la barrera de entrada
para que personas que a lo mejor de otra manera no se hubieran introducido a programar
o que ahora tienen la posibilidad de poder instruir al ordenador
directamente con lenguaje natural, se animen a ello.
Este acceso de nuevo público a este mercado laboral
pues por ejemplo podría ser que fuera necesario crear una nueva suite de herramientas
que se acomodara a las necesidades de esta gente.
Y esto significa que esta herramienta las tendrá que programar otra persona.
O sea que tenemos efectos con laterales que creo que a día de hoy
todavía no podemos estimar.
Por hacer un simil, esto es como las herramientas que yo utilizo en mi día a día
para hacer todo el contenido audiovisual que veis en este canal.
¿Son los programas de Adobe, el Premiere, el After Effects, el Photoshop
herramientas que me facilitan la vida a la hora de trabajar en mi día a día?
Evidentemente sí.
Y no es por ejemplo gracias a herramientas como esta
que han surgido profesiones como la mía,
donde yo puedo estar aquí delante de una cámara reproduciendo todo el trabajo
que normalmente hacía una productora con muchas personas
y que esto ha permitido que exista el rol del youtuber divulgador
que hace estos contenidos, pues también.
Una profesión que seguramente no muchos estimaron cuando se debatió en el pasado
si estas herramientas pues favorecían o no favorecían al mercado laboral.
Es decir, todo se va a transformar.
Tranquilos, el trabajo de programador no va a desaparecer
al igual que tampoco la oral del diseñador gráfico en el corto o medio plazo.
Lo que sí veremos es cómo estas herramientas van a obligar a que esta profesión
cambie para que, bueno, pues todas estas horas de trabajo
que antes dedicábamos a hacer tareas repetitivas
y que a lo mejor pues no estaban aportando un valor real
puesto que la solución la podríamos haber encontrado fácilmente
a través de internet, reconozcámoslo todos, esto es así.
Pues ahora se verá dedicado a otras labores más creativas, como por ejemplo,
diseñar nuevos algoritmos, optimizar código, crear nuevos lenguajes de programación
o vete tú a saber qué nuevas habilidades hacen falta en el futuro.
Ahora, recordemos que este análisis lo estamos haciendo
sobre una herramienta concreta publicada en junio de 2021
y que el campo de la IA se mueve de manera muy dinámica
y el crecimiento está siendo exponencial.
Cada año y cada mes vamos viendo soluciones nuevas
y no he descabellado pensar que de aquí a muy poco tiempo
todas estas tareas también se van a ver fácilmente automatizadas.
En palabras de Nat Friedman, CEO de GitHub,
quien también ha estado involucrado en este proyecto,
él cree que actualmente estamos entrando en la tercera o la de cambio de productividad.
La primera fue la creación de herramientas como compiladores,
depuradores de código, lenguaje de programación.
La segunda fue la llegada del movimiento Open Source,
donde el desarrollo colaborativo permitió a comunidades
pues compartir y construir sobre el trabajo de los demás,
creando fuentes de conocimiento como por ejemplo GitHub.
Y es ahora que entramos en esta tercera revolución
que viene encabezada por el uso de la Inteligencia Artificial.
A este mensaje también le quiero sumar el que ha publicado el CEO de OpenAI
hace un par de semanas y que ya nos iba dando pistas de lo que estaba por salir.
En el siguiente tuit decía,
Predicción.
La Inteligencia Artificial causará que el precio del trabajo que sucede ante un ordenador
decresca mucho más rápido que el precio de trabajo que suceda en el mundo físico.
Esto es lo opuesto a lo que la mayoría pensábamos, incluido yo.
Y tendrá efectos extraños.
Creo que lo que ha sucedido con este anuncio es un paso muy representativo
de los tiempos que vamos a vivir y que yo llevo anunciando desde hace años en este canal.
El punto en el que hemos tomado todo nuestro legado de código de programación
que hemos generado en muy pocas décadas,
nuestra inteligencia colectiva,
y se la hemos dado a máquinas que ahora son capaces de aprender los patrones de esta
y a destilar el conocimiento necesario para que ahora puedan actuar como copiloto
en nuestro viaje hacia la construcción de cada vez herramientas más potentes.
Un viaje donde este conocimiento destilado,
esta inteligencia colectiva convertida en parámetro dentro de una red neuronal,
nos va a llevar hacia un camino donde...
Pues...
No sé cómo acabaré esta frase, ¿vale?
Voy a dejar a GPT-3 que la termine.
Eh... vale.
Nos va a llevar hacia un camino donde nuestros bienes materiales y inmateriales
se convertirán en bienes comunes,
donde el trabajo humano se transformará en una actividad secundaria
y donde por fin volveremos a ser capaces de dedicarnos a hacer lo que realmente nos gusta.
Mierda.
Mis días como youtuber también están contados.
Vale.
Antes de acabar, ¿está esta herramienta disponible?
No.
De momento no está disponible.
Y si queréis intentar acceder a ella,
pues hay un formulario en la página web donde está la preview técnica de todo este proyecto,
donde podéis intentar aplicar a ser uno de los pocos usuarios que están accediendo a probarla.
Vale.
Una actualización de última hora.
Anoche, cuando estaba preparando justamente este vídeo,
recibí el email de GitHub de que me habían dado acceso a la API de Copilot.
Significa esto que, bueno, pues podéis esperar que en los próximos días
haya otro vídeo aquí en el canal,
actualizando pues toda la información nueva que haya salido
y probándola para que veáis el potencial de esta herramienta.
Si no está suscrito al canal, pues yo creo que es una muy buena idea hacerlo ahora.
Y ahora, hagamos un trato.
¿Recordáis que al principio he hablado de estos modelos tan impresionantes
que están revolucionándolo todo?
Los Transformers.
Vale.
Pues mira, vosotros os encarguéis de compartir este vídeo
y compartirlo con gente que les pueda interesar.
Pues amigos programadores, gente que esté estudiando la facultad
y ahora pues quieran desmatricularse.
Y yo me encargaré de preparar este verano una serie de vídeos
donde explicar el funcionamiento de esta impresionante tecnología.
¿Hay trato?
Cuento con vosotros.
También recordaros que en Twitch pues vamos haciendo directos periódicos
donde cubrimos muchas de estas noticias.
No todas acaban llegando al canal principal de YouTube
porque me es imposible llevarle el ritmo al desarrollo de la IA.
Así que, bueno, pues estar atento a Twitch o al canal secundario
donde ahora estamos subiendo todos estos directos y los clips más interesantes
pues es una muy buena idea para estar al día de todo lo que va ocurriendo.
Por último, ¿te gusta este proyecto?
¿Te gusta la labor que hago?
¿Te parece interesante?
¿Crees que aporta valor?
Pues si es así, te recuerdo que tenemos disponible un Patreon
donde podéis hacer una aportación mensual, unos pocos euros.
El apoyo colectivo que todos formáis
pues es suficiente para que todo este proyecto pueda seguir avanzando.
Y ya veis, en la IA la cosa no para, el ritmo no para, no para, no.
El ritmo no para, no.
Y en DotsCSU tampoco.
Así que nos vemos con más Inteligencia Artificial aquí la próxima semana en DotsCSU.