Ia Generativa: Cómo La Inteligencia Artificial Aprende A Crear Contenido

ChatGPT cambió las reglas del juego a finales de 2022: análisis de un fenómeno que ha redefinido nuestra relación con las máquinas que escriben, dibujan y razonan (casi) como nosotros.

La IA generativa, este fenómeno que ha dejado huella.

Se habla de inteligencia artificial casi todos los días, hasta el punto de tener la impresión de haberlo oído todo sobre el tema. Esta impresión es engañosa. La esencia de lo que se ha escrito y debatido en los últimos años ha sido en reacción a un evento específico, fundacional y sin precedentes a la vez.

Este evento es la apertura al gran público de un agente conversacional capaz de producir texto por encargo. Desde entonces, casi todo el mundo ha probado estas herramientas, se ha divertido, desconfió, o ambas cosas a la vez. Pero entender lo que hay detrás de estas máquinas que escriben, dibujan o razonan requiere ir un poco más allá de los titulares.

El giro de ChatGPT: la apertura al gran público a finales de 2022.

Todo cambió a finales de 2022, cuando la empresa estadounidense OpenAI hizo accesible a todos su agente conversacional ChatGPT. Lo que realmente marcó la diferencia no fue tanto la tecnología en sí, sino la posibilidad, por primera vez, de interactuar sin filtros y sin un manual de usuario con un software.

Se le podía preguntar casi cualquier cosa: un informe de reunión, un poema, una receta de cocina, código informático, y todo esto en un gran número de idiomas. Todo en respuesta a cualquier solicitud, formulada sin precaución particular.

Lo que realmente constituyó una ruptura fue el fin de lo que podríamos llamar el efecto demo. Antes, los sistemas de IA eran perfeccionados, perfectos en laboratorio, verificados muchas veces, pero que a menudo terminaban fracasando miserablemente el día en que se les confrontaba con una solicitud imprevista o en condiciones diferentes a las del laboratorio. ChatGPT, en cambio, se mantuvo firme frente a un público mucho menos predecible que un equipo de investigadores.

¿Qué es un agente conversacional (chatbot)?

Un agente conversacional, o chatbot, es un software diseñado para dialogar con un humano respetando la sintaxis, las buenas costumbres y una apariencia de rigor y coherencia. Estos sistemas han demostrado ser lo suficientemente robustos para reaccionar a cualquier solicitud sin colapsar.

Pero atención, una expresión clara no garantiza un razonamiento correcto, los sofistas ya lo sabían. Algunos han querido invertir la famosa fórmula de Boileau, 'lo que se concibe bien se expresa claramente', para deducir que si el chatbot se expresa claramente, es porque ha comprendido todo.

En realidad, está lejos de ser así. El chatbot no ha 'comprendido todo', ha memorizado sobre todo una inmensa cantidad de conocimientos escritos producidos por la humanidad. Y si evita los comentarios inapropiados o chocantes, no es por conciencia moral, sino porque ha sido entrenado durante mucho tiempo para eso, a partir de ejemplos.

¿Cómo aprende la IA generativa a partir de ejemplos?

El principio básico de la IA generativa se basa en la exposición masiva a ejemplos. El sistema no 'entiende' en el sentido en que nosotros lo entendemos, identifica regularidades en enormes cantidades de textos, imágenes u otros datos, y luego las reproduce y combina para producir una respuesta plausible a una nueva situación.

Es este entrenamiento prolongado lo que explica tanto las cualidades del sistema (su capacidad para responder casi a cualquier cosa) como sus límites (puede equivocarse mientras sigue siendo perfectamente coherente en la forma). En otras palabras, la fluidez del discurso nunca garantiza la exactitud del contenido.

La generación de textos: informes y otros usos comunes.

Concretamente, ¿para qué sirve en el día a día? La fuerza de estas herramientas radica en su versatilidad: un mismo sistema puede redactar un acta de reunión, componer un poema, proponer una receta de cocina o escribir una línea de código informático.

Esta flexibilidad también se extiende al idioma utilizado, ya que estos agentes saben responder en una gran cantidad de idiomas diferentes. Es esta capacidad para tratar cualquier solicitud, sin distinción de formato ni de tema, lo que ha hecho que estas herramientas sean tan populares tan rápido.

Conceptos y técnicas genéricas aplicables a diversos campos.

Lo que es particularmente sorprendente es que los conceptos y técnicas utilizados para construir estos agentes conversacionales no se limitan al texto. Forman una base relativamente genérica, que ha sido utilizada con éxito en campos muy diferentes.

Esta misma base, por ejemplo, se ha empleado para analizar y generar imágenes, para predecir el comportamiento de nuevos componentes químicos, o para detectar precozmente factores de riesgo en el ámbito de la salud. En otras palabras, la lógica que hace funcionar un chatbot puede, con cierta adaptación, servir para muchos otros usos.

La IA generativa aplicada al análisis y la generación de imágenes.

El texto es solo una de las aplicaciones posibles de este marco común. Los mismos principios de aprendizaje a partir de ejemplos masivos se han trasladado a la imagen, permitiendo que los sistemas no solo analicen visuales existentes, sino también generen nuevos.

Esta extensión del texto hacia la imagen ilustra bien la genericidad de las técnicas en juego, ya que no están fijas en un solo tipo de contenido, sino que se adaptan a diferentes naturalezas de datos.

Predecir el comportamiento de nuevos componentes químicos gracias a la IA.

Otro ejemplo, menos conocido por el gran público pero igualmente revelador: estas mismas técnicas genéricas se han utilizado para predecir el comportamiento de nuevos componentes químicos. Una vez más, se trata de aprovechar regularidades aprendidas a partir de numerosos ejemplos para anticipar propiedades desconocidas.

Esto muestra que la IA generativa no se limita a producir texto o imágenes que "se ven bien", también puede servir a objetivos científicos más técnicos, donde la fiabilidad de las predicciones es tan importante como la forma.

Detectar tempranamente factores de riesgo en el ámbito de la salud.

En el campo de la salud, esta misma base de conceptos y técnicas ha permitido avanzar en la detección temprana de factores de riesgo. La idea sigue siendo la misma: aprender a partir de ejemplos para identificar señales que, de otro modo, pasarían desapercibidas.

Este uso ilustra bien por qué es útil comprender los principios genéricos de la IA generativa en lugar de centrarse únicamente en los chatbots. Las mismas bases tecnológicas pueden tener repercusiones concretas mucho más allá de la conversación.

¿De dónde viene la IA generativa tal como la conocemos hoy?

Comprender el origen de la IA actual supone retroceder un poco, incluso antes de la irrupción de los chatbots en nuestra vida cotidiana. Esta historia mezcla avances progresivos en aprendizaje automático, redes neuronales y modelos de lenguaje, que se han acumulado antes de dar lugar a las herramientas que conocemos.

Todo esto es el desafío de compartir este sustrato común de conocimientos, en lugar de contentarse con comentar los usos más visibles. Investigadores e investigadoras especializadas en el campo han buscado hacer accesible lo que se esconde detrás de estas tecnologías, pregunta por pregunta, para que cada uno pueda hacerse una idea bastante precisa de lo que realmente es la IA.

¿Qué métodos y recursos para la IA generativa?

Detrás de un agente conversacional se esconden métodos bien identificados: el aprendizaje automático, las redes neuronales y, más recientemente, los grandes modelos de lenguaje que alimentan los chatbots actuales. Estos métodos no funcionan sin recursos materiales significativos, un punto a menudo subestimado por el gran público.

Saber qué tipo de hardware se necesita para hacer IA no es un detalle técnico reservado a los especialistas; condiciona directamente quién puede desarrollar este tipo de sistema y a qué costo. También es por esta razón que el tema merece ser explicado de manera simple en lugar de permanecer encerrado en el jargon de los laboratorios.

Usos actuales y límites de la IA generativa

Hoy en día, la IA generativa se utiliza en contextos muy variados, desde la redacción de textos cotidianos hasta aplicaciones más específicas en imagen, química o salud. Pero sus usos actuales también vienen acompañados de límites bien reales.

El sistema puede equivocarse mientras se mantiene perfectamente coherente en su forma, lo que hace que el error sea difícil de detectar para un usuario no avisado. Es precisamente por esta razón que es útil conocer el funcionamiento real de estas herramientas, para no confundir claridad de expresión y exactitud del contenido.

Las cuestiones planteadas por el auge de la IA generativa

El rápido auge de la IA generativa plantea inevitablemente preguntas, especialmente de orden ético. Estas interrogantes se refieren tanto al uso que se hace de estas herramientas como a las consecuencias más amplias de su desarrollo en nuestras sociedades.

Formarse una idea bastante precisa de lo que es la IA no es, por lo tanto, un ejercicio reservado a los especialistas. Es una condición para poder participar en los debates suscitados por su desarrollo y sus usos, en lugar de sufrirlos sin comprenderlos.