Si ha leído sobre el revuelo en torno a los chatbots como ChatGPT y los generadores de imágenes como Midjourney, es posible que se haya topado con el término IA generativa. El término se usa más comúnmente para describir los sistemas modernos de inteligencia artificial que pueden imitar a los humanos y realizar tareas complejas en segundos. La IA generativa es especialmente impresionante en tareas creativas como dibujar y escribir poesía, con las que las computadoras han tenido problemas en el pasado. Pero, ¿qué ha causado la repentina explosión de la IA generativa y cómo funciona la tecnología? Aquí está todo lo que necesitas saber.

IA generativa es un término colectivo utilizado para describir programas de computadora que pueden generar texto, imágenes, videos y audio por sí mismos.

Hasta ahora, la mayoría de los sistemas de IA no han sido muy creativos y producirían resultados mucho peores que los humanos. Sin embargo, ese ya no es el caso con la IA generativa. Por ejemplo, puede pedirle a una herramienta de IA generativa como Bing Image Creator que cree una imagen fotorrealista de una «linda criatura azul de IA con ojos naranjas» y obtendrá los resultados que ve arriba. La herramienta en cuestión no fue enseñada o entrenada explícitamente para producir esta imagen, pero aun así entregó un resultado impresionante.

Las herramientas de IA generativa se han vuelto cada vez más capaces, con nuevos desarrollos cada pocos meses. La última versión de un generador de imágenes de IA incluso logró engañar a los expertos y ganar un prestigioso concurso de fotografía. Del mismo modo, varias imágenes generadas por IA se han vuelto virales en las redes sociales, incluidas algunas con una agenda política.

Entonces, ya sea que planee o no usar IA generativa para usted, es importante saber que existen y cuáles son sus limitaciones. Afortunadamente, aún no hemos llegado al punto en que estas herramientas sean perfectas. De hecho, son propensos a cometer errores flagrantes. Esto significa que con la información y la capacitación adecuadas, puede diferenciar entre el contenido real y el generado por IA.

La IA generativa se incluye en la categoría de aprendizaje automático, un término amplio que se usa para describir cualquier algoritmo informático que analiza grandes cantidades de datos. Estos algoritmos están diseñados para imitar la forma en que los humanos realizan tareas.

El primer paso es extraer patrones de los datos existentes, por lo que si desea una IA que pueda generar caras nuevas, ingrese un conjunto de datos con imágenes de caras. Con suficiente entrenamiento, el algoritmo aprende cómo se ve una cara, así como características comunes como la nariz, los ojos, las orejas y los labios. A partir de ahí, puede comenzar a trabajar en detalles más pequeños como expresiones, vello facial y tonos de piel.

Sin suficiente capacitación, el modelo de aprendizaje automático de nuestro ejemplo no producirá resultados que se parezcan a un rostro humano. De hecho, este problema afecta actualmente a los generadores de imágenes de IA como Midjourney. Los expertos pudieron detectar rápidamente imágenes ficticias del Papa Francisco al examinar cuidadosamente los dedos visibles en la imagen. Dado que las fotos de personas que sostienen objetos no incluyen dedos completos, los algoritmos generativos de IA pueden tener dificultades para extraer suficiente información de los datos de entrenamiento.

Transformadores y aprendizaje por refuerzo

Muchas de las herramientas modernas de inteligencia artificial generativa de las que puede haber oído hablar, incluido ChatGPT, se basan en la arquitectura de Transformer. Los transformadores permiten que el algoritmo se centre en las relaciones dentro de los datos. Entonces, por ejemplo, en un modelo de lenguaje grande como GPT-3, hacen predicciones sobre qué palabra es probable que aparezca a continuación.

El aprendizaje por refuerzo es otra técnica común utilizada en la IA generativa. En pocas palabras, un ser humano califica manualmente la salida de un modelo para filtrar las malas respuestas y hacer que el algoritmo responda de cierta manera. Gracias a un artículo de investigación público sobre el modelo de lenguaje LaMDA, sabemos que Google ha contratado trabajadores a tiempo parcial para reforzar el aprendizaje. Con el tiempo, sus comentarios ayudaron al modelo a brindar respuestas procesables y de alta calidad a las solicitudes de los usuarios.

Al igual que con cualquier tecnología nueva, sin duda la veremos utilizada de manera creativa y maliciosa al mismo tiempo. Comencemos con los beneficios de la IA generativa:

• Menos trabajo manual: En tareas que implican mucha repetición, la IA generativa puede aligerar la carga con poco o ningún esfuerzo. Por ejemplo, el código de computadora contiene mucho texto repetitivo. Un desarrollador puede automatizar la mayoría de los pasos iniciales usando un chatbot.
• Eficiencia incrementada: Las computadoras pueden procesar grandes cantidades de información significativamente más rápido que un ser humano. Un modelo de lenguaje puede resumir rápidamente un documento largo o un trabajo de investigación y responder preguntas que requieren pensamiento crítico.
• toma de decisiones humanas: La IA generativa puede manejar escenarios nuevos e invisibles extremadamente bien, lo que significa que también puede sobresalir en la toma de decisiones. Por ejemplo, GPT-4 ya puede aprobar pruebas estandarizadas diseñadas para estudiantes universitarios y resolver problemas matemáticos complejos.

A pesar de lo prometedoras que son las herramientas de IA generativa, también tienen numerosos inconvenientes. Ya tenemos una publicación especial sobre los peligros de la IA, pero aquí hay un resumen rápido:

• Prejuicio: Como se mencionó anteriormente, las herramientas de IA generativa solo funcionan bien después de un entrenamiento suficiente. Lamentablemente, sin embargo, las infinitas variaciones en el mundo real hacen que una IA imparcial o perfecta sea bastante inalcanzable en estos días. Por ejemplo, una IA diseñada para seleccionar candidatos puede elegir inadvertidamente en función de ciertas razas o géneros debido a sesgos de capacitación.
• Actos maliciosos: Desde programadores aficionados que usan ChatGPT para generar malware hasta usuarios de redes sociales que crean imágenes falsas de políticos, las herramientas generativas de IA pueden dañar o engañar a la población en general con muy poco esfuerzo.
• Perdida de trabajo: La IA generativa tiene el potencial de hacer obsoletos algunos trabajos o al menos reducir la demanda de personal. Esto es especialmente cierto en la industria del arte, donde un solo aviso basado en texto puede producir imágenes casi al instante. Un ser humano capacitado puede dedicar solo un breve período de tiempo a afinar el arte generado por IA en lugar de crearlo desde cero.

Ya hemos discutido algunos ejemplos de IA generativa en este artículo. Pero también podemos ir un paso más allá y agruparlos en función de su función.

1. Texto y diálogo: Los chatbots como ChatGPT, Bing Chat y Google Bard se incluyen en esta categoría. Están capacitados y refinados para manejar una conversación de ida y vuelta, lo que los hace perfectos para tareas como investigación y atención al cliente.
2. imagen y video: Los generadores de imágenes de IA como Midjourney, DALL-E y Stable Diffusion pueden convertir unas pocas palabras en arte. También pueden trabajar con imágenes existentes para reemplazar fondos, agregar o combinar elementos y crear copias ampliadas de entradas de baja calidad.
3. Habla y sonido: Empresas como Google han estado trabajando en el uso de IA generativa para sintetizar el habla. Es posible que ya esté familiarizado con el modelo de texto a voz de WaveNet, ya que se utiliza para el Asistente de Google. Pero eso no es todo, otra IA generativa como OpenAI Jukebox también puede crear música con instrumentos y voces en géneros y estilos específicos.
4. Código: ¿Qué pasaría si las computadoras pudieran escribir sus propios programas? Todavía no hemos llegado allí, pero los programadores ya pueden usar un compañero de IA como GitHub Copilot u OpenAI Codex para acelerar sus flujos de trabajo.

Vale la pena señalar que la mayoría de estas herramientas de IA generativa ni siquiera existían hace unos años. Con los avances que aparecen aparentemente cada dos semanas, es imposible predecir lo que traerá el futuro.