Los grandes modelos de lenguaje, como ChatGPT, han ganado gran popularidad en la comunidad tecnológica y el público en general debido a su capacidad para interactuar con los usuarios mediante comandos y preguntas en lenguaje natural. Sin embargo, estos intercambios pueden resultar ineficaces y generar respuestas inesperadas o insatisfactorias.
Ante esta problemática, investigadores de ETH Zurich han desarrollado una nueva plataforma de código abierto y un lenguaje de programación llamado LMQL (Lenguaje de Consulta para Modelos de Lenguaje) que permite una interacción más controlada y segura con grandes modelos de lenguaje como ChatGPT.
Un nuevo lenguaje de programación
LMQL es el primer lenguaje que combina el poder del lenguaje natural y el lenguaje de programación para interactuar con grandes modelos de lenguaje. Para consultas simples, es suficiente con guiar a ChatGPT con lenguaje natural. Sin embargo, para tareas más complejas y específicas, como la creación de una base de datos o el análisis de datos, es esencial instruir al modelo de lenguaje con construcciones formales de programación para garantizar la obtención del resultado deseado.
El profesor de Ciencias de la Computación y uno de los creadores de LMQL, Martin Vechev, destaca que esta plataforma ofrece una forma más concisa y económica de interactuar con modelos de lenguaje. Al disminuir los intercambios necesarios con el modelo de lenguaje, también se reduce el costo de la interacción, que puede ser bastante elevado. Además, LMQL aumenta las posibilidades de obtener el resultado deseado y, en algunos casos, incluso permite obtener un resultado que no se habría conseguido de otra manera.
La importancia de la seguridad y la transparencia
Los grandes modelos de lenguaje se basan en enormes conjuntos de datos que los usuarios no pueden controlar ni comprender internamente. Esto puede provocar resultados inesperados o controvertidos. LMQL permite a los usuarios establecer restricciones de seguridad para guiar al modelo de lenguaje y evitar resultados no deseados. Es cierto que no se puede garantizar completamente la prevención del mal comportamiento, pero LMQL es un paso en esa dirección.
Muchas empresas desarrollan sus propios modelos de lenguaje de forma cerrada, lo que dificulta la transparencia y la comprensión del razonamiento detrás de los resultados obtenidos. LMQL es una herramienta de código abierto que ofrece transparencia, accesibilidad y adaptabilidad a los usuarios.
Accesible para todo tipo de usuarios
LMQL es un lenguaje declarativo similar a SQL desde un punto de vista sintáctico. Por lo tanto, es muy accesible y no requiere un gran conocimiento para lograr los resultados deseados. Además, esta plataforma puede funcionar como una herramienta innovadora para investigadores de diferentes disciplinas, que pueden interactuar con grandes modelos de lenguaje de manera precisa y sencilla.
Luca Beurer-Kellner, uno de los investigadores, afirma que LMQL hace que interactuar con modelos de lenguaje sea mucho más accesible, incluso para aquellos usuarios menos experimentados o que no tienen tiempo para programar, ya que no es una parte central de su trabajo. Además, LMQL puede ser utilizado por usuarios más avanzados como base para construir sus propios programas y aplicaciones para interactuar con modelos de lenguaje.
LMQL representa un avance significativo en la interacción con grandes modelos de lenguaje. La combinación del lenguaje natural y la programación permite una comunicación más eficaz y precisa entre los usuarios y los modelos de lenguaje, lo que se traduce en resultados más rápidos y acertados. Por otro lado, y no menos importante, la transparencia y la seguridad que ofrece LMQL son fundamentales para garantizar que los modelos de lenguaje se utilicen de manera responsable y para evitar resultados indeseados.
El desarrollo de LMQL también muestra la importancia de la colaboración entre la academia y la industria para crear herramientas más accesibles y transparentes para los usuarios. LMQL es un ejemplo de cómo las herramientas de código abierto pueden ayudar a garantizar que los grandes modelos de lenguaje sean utilizados de manera ética y responsable.