Los Modelos de Lenguaje Extenso (LLMs, por sus siglas en inglés) están revolucionando el panorama tecnológico, hasta el punto de ser considerados los sistemas operativos del futuro. Estos modelos no solo serán la base para el funcionamiento de muchas aplicaciones en nuestra vida cotidiana, sino también en mundos más complejos como la automoción.
El desafío clave radica en la comunicación entre la programación tradicional y los LLMs, que están diseñados para procesar y generar texto. Para superar este reto, se han desarrollado librerías como LangChain, un proyecto de código abierto que facilita la interacción entre diferentes LLMs, lenguajes de programación, bases de datos vectoriales y agentes de IA con chains de memoria. Esta integración permite utilizar los LLMs de forma más versátil y efectiva.
Una de las grandes ventajas de los LLMs es su capacidad para definir funciones a partir de descripciones en lenguaje natural. Esto permite establecer claramente el propósito de una función, los argumentos necesarios, así como los tipos de entrada y salida. De este modo, los LLMs se vuelven deterministas y su output puede aprovecharse en una variedad de herramientas dentro de un ecosistema de inteligencia artificial.
El impacto de esta tecnología en la industria del automóvil será transformador. Los vehículos del futuro podrán aprovechar los LLMs para gestionar desde sistemas de navegación avanzados hasta el control autónomo de los componentes del vehículo. Los LLMs no solo facilitarán la creación de nuevas aplicaciones para los coches, sino que también permitirán un nivel de interacción y personalización sin precedentes, haciendo que los vehículos sean entidades más inteligentes y autónomas.
Estamos a las puertas de una revolución tecnológica que promete cambiar la forma en que los vehículos se integran en nuestras vidas, transformando no solo su funcionalidad, sino también su relación con sus propietarios y el entorno. Los LLMs serán una pieza clave en este futuro.
A continuación, ejemplo de una función basada en descripciones json capaz de integrarse en un LLM. En este caso, devuelve los puntos de revisión de un vehículo en función de kilometraje, edad marca y modelo del vehículo.
function = [
{
"name": "puntos_revision",
"description": "Devuelve los puntos de revisión del vehículo en función de los kilómetros recorridos, la edad, la marca y el modelo del vehículo.",
"parameters": {
"type": "object",
"properties": {
"kilometros": {
"type": "integer",
"description": "Kilómetros recorridos por el vehículo."
},
"edad": {
"type": "integer",
"description": "Edad del vehículo en años."
},
"marca": {
"type": "string",
"description": "Marca del vehículo."
},
"modelo": {
"type": "string",
"description": "Modelo del vehículo."
}
},
"required": ["kilometros", "edad", "marca", "modelo"]
},
"output": {
"type": "string",
"description": "Puntos de revisión recomendados para el vehículo en función de los kilómetros, la edad, la marca y el modelo."
}
}
]