Edición de «OpenAI Codex»

'''OpenAI Codex''' es un modelo de [[inteligencia artificial]] desarrollado por [[OpenAI]]. Analiza el lenguaje natural y genera código como respuesta. Impulsa [[GitHub Copilot]], una herramienta de autocompletado de programación para IDE (''[[entorno de desarrollo integrado]]'') seleccionados, como [[Visual Studio Code]] y [[Vim|Neovim]].<ref name=":0">{{Cita web|url=https://openai.com/blog/openai-codex/|título=OpenAI Codex|fechaacceso=2023-07-10|sitioweb=openai.com|idioma=en-US}}</ref> Codex es un descendiente del modelo [[GPT-3]] de OpenAI, perfeccionado para su uso en aplicaciones de programación.

OpenAI lanzó una API para Codex en [[beta cerrada]].<ref name=":0" /> En marzo de 2023, OpenAI cerró el acceso a Codex.<ref>{{Cita web|url=https://the-decoder.com/openai-kills-code-model-codex/|título=OpenAI kills its Codex code model, recommends GPT3.5 instead|fechaacceso=2023-07-10|apellido=Kemper|nombre=Jonathan|fecha=2023-03-22|sitioweb=THE DECODER|idioma=en-US}}</ref> Debido a los llamamientos públicos de los investigadores, OpenAI dio marcha atrás.<ref>{{Cita web|url=https://twitter.com/OfficialLoganK/status/1638336152800206858|título=https://twitter.com/OfficialLoganK/status/1638336152800206858|fechaacceso=2023-07-10|sitioweb=Twitter|idioma=es}}</ref> El modelo Codex todavía puede ser utilizado por los investigadores del Programa de Acceso a la Investigación de OpenAI.<ref>{{Cita web|url=https://openai.com/form/researcher-access-program|título=Researcher Access Program application|fechaacceso=2023-07-10|sitioweb=openai.com|idioma=en-US}}</ref>

== Capacidades ==
Basado en GPT-3, una [[Red neuronal artificial|red neuronal]] entrenada en texto, Codex fue entrenado adicionalmente en 159 gigabytes de código ''[[Python]]'' de 54 millones de repositorios de [[GitHub]].<ref>{{Cita web|url=https://venturebeat.com/business/openai-warns-ai-behind-githubs-copilot-may-be-susceptible-to-bias/|título=OpenAI warns AI behind GitHub’s Copilot may be susceptible to bias|fechaacceso=2023-07-10|fecha=2021-07-08|sitioweb=VentureBeat|idioma=en-US}}</ref><ref>{{Cita web|url=https://www.infoq.com/news/2021/08/openai-codex/|título=OpenAI Announces 12 Billion Parameter Code-Generation AI Codex|fechaacceso=2023-07-10|sitioweb=InfoQ|idioma=en}}</ref> Un caso de uso típico de Codex es que un usuario escriba un comentario, como "''<code>//calcular la media móvil de una matriz para un tamaño de ventana dado"</code>'', y luego utilizar la IA para sugerir un [[bloque de código]] que satisfaga ese comentario.<ref name=":1">{{Cita web|url=https://www.theregister.com/2021/07/06/github_copilot_autocoder_caught_spilling/|título=GitHub Copilot auto-coder snags emerge, from seemingly spilled secrets to bad code, but some love it|fechaacceso=2023-07-10|apellido=Anderson|nombre=Tim|sitioweb=www.theregister.com|idioma=en}}</ref> OpenAI declaró que Codex puede completar aproximadamente el 37% de las solicitudes y está destinado a hacer la programación humana más rápida en lugar de sustituirla. Según el blog de OpenAI, Codex destaca sobre todo a la hora de "''asignar... problemas sencillos al código existente''", lo que describen como "''probablemente la parte menos divertida de la programación''".<ref>{{Cita web|url=https://singularityhub.com/2021/08/15/openais-codex-translates-everyday-language-into-computer-code/|título=OpenAI's Codex Translates Everyday Language Into Computer Code|fechaacceso=2023-07-10|apellido=Dorrier|nombre=Jason|fecha=2021-08-15|sitioweb=Singularity Hub|idioma=en-US}}</ref><ref name=":2">{{Cita web|url=https://venturebeat.com/ai/what-to-expect-from-openais-codex-api/|título=What to expect from OpenAI’s Codex API|fechaacceso=2023-07-10|fecha=2021-08-16|sitioweb=VentureBeat|idioma=en-US}}</ref> Jeremy Howard, cofundador de [[Fast.ai]], afirmó que "''[[Códice|Codex]] es una forma de escribir código sin tener que escribir tanto código"'' y que "''no siempre es correcto, pero se acerca lo suficiente"''.<ref>{{Cita noticia|título=A.I. Can Now Write Its Own Computer Code. That’s Good News for Humans.|url=https://www.nytimes.com/2021/09/09/technology/codex-artificial-intelligence-coding.html|periódico=The New York Times|fecha=2021-09-09|fechaacceso=2023-07-10|issn=0362-4331|idioma=en-US|nombre=Cade|apellidos=Metz}}</ref> Según un artículo escrito por investigadores de OpenAI, cuando Codex intentó cada caso de prueba 100 veces, generó soluciones que funcionaban para el 70,2% de las preguntas.<ref name=":3">Chen, Mark; Tworek, Jerry; Jun, Heewoo; Yuan, Qiming; Pinto, Henrique Ponde de Oliveira; Kaplan, Jared; Edwards, Harri; Burda, Yuri; Joseph, Nicholas; Brockman, Greg; Ray, Alex (2021-07-14). "''Evaluating Large Language Models Trained on Code"''</ref>

OpenAI afirma que Codex puede crear código en más de una docena de lenguajes de programación, incluidos [[Go]], [[JavaScript]], [[Perl]], [[PHP]], [[Ruby]], Shell, [[Swift (lenguaje de programación)|Swift]] y [[TypeScript]], aunque es más eficaz en [[Python]].<ref name=":0" /> Según ''[[VentureBeat]]'', las demostraciones subidas por OpenAI mostraron impresionantes capacidades de resolución de [[coreferencias]]. Los demostradores fueron capaces de crear un [[Videojuego de navegador|juego de navegador]] en JavaScript y generar gráficos de ciencia de datos utilizando [[matplotlib]].<ref name=":2" />

OpenAI demostró que Codex puede interactuar con servicios y aplicaciones como [[Mailchimp]], [[Microsoft Word]], [[Spotify]] y [[Google Calendar]].<ref name=":2" /><ref name=":4">{{Cita web|url=https://www.theverge.com/2021/8/10/22618128/openai-codex-natural-language-into-code-api-beta-access|título=OpenAI can translate English into code with its new machine learning software Codex|fechaacceso=2023-07-11|apellido=Vincent|nombre=James|fecha=2021-08-10|sitioweb=The Verge|idioma=en-US}}</ref> Al parecer, [[Microsoft]] ''<code>estaría interesada en explorar</code>'' las capacidades de Codex.<ref name=":4" />

== Cuestiones relacionadas ==
Las demostraciones de OpenAI mostraron fallos como código ineficiente y peculiaridades puntuales en muestras de código. En una entrevista con ''[[The Verge]]'', el director de tecnología de OpenAI, [[Greg Brockman]], dijo que "a veces [Codex] no sabe exactamente lo que le estás pidiendo" y que puede requerir un poco de [[ensayo y error]].<ref name=":4" /> Los investigadores de OpenAI descubrieron que Codex tiene problemas con las instrucciones de varios pasos y <code>de alto nivel</code>, y que a menudo falla o muestra un comportamiento contraintuitivo. Además, plantearon varios problemas de seguridad, como el exceso de confianza de los programadores novatos, los sesgos basados en los datos de entrenamiento y los impactos de seguridad debidos al código vulnerable.<ref name=":3" />

''VentureBeat'' afirmó que, dado que Codex se entrena con datos públicos, podría ser vulnerable al "envenenamiento de datos" mediante cargas intencionadas de código malicioso.<ref name=":2" /> Según un estudio realizado por investigadores de la [[Universidad de Nueva York]], aproximadamente el 40% del código generado por [[GitHub Copilot]] (que utiliza Codex) en escenarios relevantes para los [[Enumeración de debilidades comunes]] (CWE) de alto riesgo incluía fallos u otros defectos de diseño explotables.<ref>Pearce, Hammond; Ahmad, Baleegh; Tan, Benjamin; Dolan-Gavitt, Brendan; Karri, Ramesh (2021-12-16). "''Asleep at the Keyboard? Assessing the Security of GitHub Copilot's Code Contributions"''.</ref>

=== Derechos de autor ===
La ''[[Free Software Foundation]]'' expresó su preocupación por que los fragmentos de código generados por Copilot y Codex pudieran violar los [[Derecho de autor|derechos de autor]], en particular la condición de la [[GNU General Public License|GPL]] que exige que las obras derivadas se licencien en términos equivalentes.<ref name=":5">{{Cita web|url=https://www.infoworld.com/article/3627319/github-copilot-is-unacceptable-and-unjust-says-free-software-foundation.html|título=GitHub Copilot is ‘unacceptable and unjust,’ says Free Software Foundation|fechaacceso=2023-07-11|apellido=Krill|nombre=Paul|fecha=2021-08-02|sitioweb=InfoWorld|idioma=en}}</ref> Las cuestiones que plantearon incluyen si la formación en repositorios públicos entra dentro del [[uso justo]] o no, cómo podrían descubrir los desarrolladores el código generado infractor, si los modelos de [[aprendizaje automático]] formados podrían considerarse [[código fuente]] modificable o una compilación de los datos de formación, y si los propios modelos de aprendizaje automático podrían estar protegidos por derechos de autor y por quién.<ref name=":5" /><ref>{{Cita web|url=https://www.fsf.org/blogs/licensing/fsf-funded-call-for-white-papers-on-philosophical-and-legal-questions-around-copilot|título=FSF-funded call for white papers on philosophical and legal questions around Copilot: Submit before Monday, August 23, 2021 — Free Software Foundation — Working together for free software|fechaacceso=2023-07-11|sitioweb=www.fsf.org}}</ref> Un estudio interno de GitHub descubrió que aproximadamente el 0,1% del código generado contenía copias directas de los datos de formación. En un ejemplo, el modelo mostraba el código de los datos de entrenamiento que implementaba el [[Algoritmo de la raíz cuadrada inversa rápida|algoritmo de la raíz cuadrada]] inversa rápida, incluyendo comentarios y un aviso de [[copyright]] incorrecto.<ref name=":1" />

En respuesta, OpenAI declaró que "la inseguridad jurídica sobre las implicaciones en materia de derechos de autor del entrenamiento de sistemas de IA impone costes sustanciales a los desarrolladores de IA, por lo que debe resolverse con autoridad".<ref name=":1" />

Los problemas de derechos de autor del Codex se han comparado con el caso judicial [[Authors Guild, Inc]]. contra [[Google|Google, Inc]]., en el que los jueces dictaminaron que el uso por [[Google Libros|Google Books]] de fragmentos de texto de millones de libros escaneados constituía un uso legítimo.<ref name=":1" /><ref>{{Cita noticia|título=GitHub’s Commercial AI Tool Was Built From Open Source Code|url=https://www.wired.com/story/github-commercial-ai-tool-built-open-source-code/|periódico=Wired|fechaacceso=2023-07-11|issn=1059-1028|idioma=en-US|nombre=Gregory|apellidos=Barber}}</ref>

== Véase también ==

* [[Transformador generativo preentrenado]]

== Referencias ==

<references />
{{Control de autoridades}}
[[Categoría:OpenAI]]
[[Categoría:Inteligencia artificial]]
[[Categoría:GitHub]]
[[Categoría:Aprendizaje automático]]