¿Qué es la IA generativa? Todo lo que hay que saber sobre la tecnología detrás de ChatGPT y Gemini

La inteligencia artificial está en todas partes, te des cuenta o no. Está detrás de los chatbots con los que hablas en línea, las listas de reproducción que transmites y los anuncios personalizados que de alguna manera saben exactamente lo que anhelas. Ahora está adquiriendo una personalidad más pública: piense en Meta AI, que aparece en aplicaciones como Facebook, Messenger y WhatsApp; o Gemini de Google, que trabaja en segundo plano en todas las plataformas de la empresa; o Apple Intelligence, que acaba de iniciar un lento despliegue.

La IA tiene una larga historia, que se remonta a una conferencia en Dartmouth en 1956 en la que se discutió por primera vez la inteligencia artificial como algo. Los hitos en el camino incluyen ELIZA, esencialmente el primer chatbot, desarrollado en 1964 por el científico informático del MIT Joseph Weizenbaum, y 2004, cuando apareció por primera vez el autocompletado de Google.

Luego llegó el 2022 y el ascenso de ChatGPT a la fama. Los desarrollos de IA generativa y los lanzamientos de productos se han acelerado rápidamente desde entonces, incluidos Google Bard (ahora Gemini), Microsoft Copilot, IBM Watsonx.ai y los modelos Llama de código abierto de Meta.

Analicemos qué es la IA generativa, en qué se diferencia de la inteligencia artificial “normal” y si la IA generativa puede estar a la altura de las expectativas.

IA generativa en pocas palabras

En esencia, la IA generativa se refiere a sistemas de inteligencia artificial que están diseñados para producir contenido nuevo basado en patrones y datos que han aprendido. En lugar de simplemente analizar números o predecir tendencias, estos sistemas generan resultados creativos como texto, imágenes, música, videos y código de software.

Algunas de las herramientas de IA generativa más populares del mercado incluyen ChatGPT, Dall-E, Midjourney, Adobe Firefly, Claude y Stable Diffusion.

La principal de sus capacidades es que ChatGPT puede crear conversaciones o ensayos parecidos a los humanos basándose en unas pocas indicaciones sencillas. Dall-E y Midjourney crean obras de arte detalladas a partir de una breve descripción, mientras que Adobe Firefly se centra en la edición y el diseño de imágenes.

La IA que no es IA generativa

Sin embargo, no toda la IA es generativa. Mientras que la IA genérica se centra en la creación de contenido nuevo, la IA tradicional sobresale en el análisis de datos y la realización de predicciones. Esto incluye tecnologías como el reconocimiento de imágenes y el texto predictivo. También se utiliza para soluciones novedosas en ciencia, diagnóstico médico, pronóstico del tiempo, detección de fraude y análisis financieros para pronósticos e informes. La IA que venció a los grandes campeones humanos en el ajedrez y en el juego de mesa Go no fue una IA generativa.

Puede que estos sistemas no sean tan llamativos como la IA de generación, pero la inteligencia artificial clásica es una gran parte de la tecnología en la que confiamos todos los días.

Cómo funciona la IA generativa

Detrás de la magia de la IA generativa se encuentran grandes modelos de lenguaje y técnicas avanzadas de aprendizaje automático. Estos sistemas se basan en cantidades masivas de datos, como bibliotecas enteras de libros, millones de imágenes, años de música grabada y datos extraídos de Internet.

Los desarrolladores de IA, desde gigantes tecnológicos hasta nuevas empresas, son muy conscientes de que la IA es tan buena como los datos que la alimentan. Si se alimenta de datos de mala calidad, la IA puede producir resultados sesgados. Es algo a lo que ni siquiera los actores más importantes en el campo, como Google, han sido inmunes.

La IA aprende patrones, relaciones y estructuras dentro de estos datos durante el entrenamiento. Luego, cuando se le solicita, aplica ese conocimiento para generar algo nuevo. Por ejemplo, si le pides a una herramienta de inteligencia artificial que escriba un poema sobre el océano, no se trata simplemente de extraer versos preescritos de una base de datos. En cambio, utiliza lo que aprendió sobre poesía, océanos y estructura del lenguaje para crear una pieza completamente original.

Es impresionante, pero no es perfecto. A veces los resultados pueden parecer un poco extraños. Tal vez la IA malinterprete su solicitud o se vuelva demasiado creativa de una manera que no esperaba. Puede proporcionar con confianza información completamente falsa y depende de usted verificarla. Esas peculiaridades, a menudo llamadas alucinaciones, son parte de lo que hace que la IA generativa sea fascinante y frustrante.

Las capacidades de la IA generativa están creciendo. Ahora puede comprender múltiples tipos de datos combinando tecnologías como el aprendizaje automático, el procesamiento del lenguaje natural y la visión por computadora. El resultado se llama IA multimodal que puede integrar alguna combinación de texto, imágenes, video y voz dentro de un solo marco, ofreciendo respuestas más precisas y relevantes contextualmente. El modo de voz avanzado de ChatGPT es un ejemplo, al igual que el Proyecto Astra de Google.

La generación de IA conlleva desafíos

No faltan herramientas de IA generativa, cada una con su estilo único. Estas herramientas han despertado la creatividad, pero también han planteado muchas preguntas además de prejuicios y alucinaciones, como, ¿quién posee los derechos sobre el contenido generado por IA? O qué material es un juego limpio o está prohibido para que las empresas de inteligencia artificial lo utilicen para entrenar sus modelos de lenguaje; consulte, por ejemplo, la demanda del New York Times contra OpenAI y Microsoft.

Otras preocupaciones (asuntos no menores) involucran la privacidad, el desplazamiento laboral, la responsabilidad en la IA y los deepfakes generados por la IA. Otro problema es el impacto en el medio ambiente porque el entrenamiento de grandes modelos de IA utiliza mucha energía, lo que genera grandes huellas de carbono.

El rápido ascenso de la IA gen. en los últimos años ha acelerado las preocupaciones sobre los riesgos de la IA en general. Los gobiernos están intensificando las regulaciones sobre IA para garantizar un desarrollo responsable y ético, en particular la Ley de IA de la Unión Europea.

IA generativa en la vida cotidiana

Muchas personas han interactuado con chatbots en el servicio de atención al cliente o han utilizado asistentes virtuales como Siri, Alexa y Google Assistant, que ahora están a punto de convertirse en herramientas poderosas de IA de generación. Eso, junto con las aplicaciones para ChatGPT, Claude y otras herramientas nuevas, está poniendo la IA en tus manos.

Mientras tanto, según la Encuesta global de IA 2024 de McKinsey, el 65% de los encuestados dijeron que sus organizaciones utilizan regularmente IA generativa, casi el doble de la cifra reportada apenas 10 meses antes. Industrias como la atención médica y las finanzas están utilizando IA de generación para optimizar las operaciones comerciales y automatizar tareas mundanas.

La IA generativa no es sólo para técnicos o personas creativas. Una vez que aprendas a darle indicaciones, tiene el potencial de hacer gran parte del trabajo preliminar por ti en una variedad de tareas diarias. Digamos que estás planeando un viaje. En lugar de desplazarse por las páginas de resultados de búsqueda, le pide a un chatbot que planifique su itinerario. En cuestión de segundos, tendrá un plan detallado adaptado a sus preferencias. (Ese es lo ideal. Verifique siempre sus recomendaciones). El propietario de una pequeña empresa que necesita una campaña de marketing pero no tiene un equipo de diseño puede usar IA generativa para crear imágenes llamativas e incluso pedirle que sugiera un texto del anuncio.

La IA generativa llegó para quedarse

No ha habido un avance tecnológico que haya causado tal auge desde Internet y, más tarde, el iPhone. A pesar de sus desafíos, la IA generativa es innegablemente transformadora. Está haciendo que la creatividad sea más accesible, ayudando a las empresas a optimizar los flujos de trabajo e incluso inspirando formas completamente nuevas de pensar y resolver problemas.

Pero quizás lo más interesante sea su potencial, y apenas estamos arañando la superficie de lo que estas herramientas pueden hacer.