Hacia una taxonomía de la inteligencia artificial: entender de qué se trata para dejar de temerle

En los últimos años la inteligencia artificial (IA) se puso de moda y está en boca de todos. El peligro con las modas es que terminamos subiéndonos a la tendencia del momento casi sin cuestionamientos.

Pero a diferencia de otros avances tecnológicos que han quedado en el camino, la IA llegó para quedarse: la clave está en entender qué es, para qué nos puede servir, cómo aprovecharla y si fuese necesario decir, en algún caso, «te agradezco, pero no».

En 1895 durante la proyección de «La llegada del tren» de los hermanos Lumière, se dice que el público que estaba sentado salió corriendo por temor a que el tren los pise. Con el avance de la IA, donde todos los días tenemos una noticia al respecto, nos sucede algo similar: el instinto básico de supervivencia nos indica que hay que correr, aunque muchas veces los miedos se curen al entender lo que tenemos enfrente. En un contexto donde la sigla IA no para de repetirse, se hace indispensable comprenderla mejor para no querer huir de esta locomotora que se aproxima a toda velocidad.

¿Qué es la inteligencia artificial?

La inteligencia artificial es un término que se refiere en general a sistemas (máquinas) que actúan como si fueran inteligentes, a la capacidad de realizar tareas cognitivas como el aprendizaje, la resolución de problemas y la toma de decisiones. Pero entre cada subconjunto de IA, hay diferencias significativas y me parece interesante repasar cada una de ellas:

IA fuerte o Strong AI

Tiene como objetivo replicar la inteligencia humana en todos los aspectos. Es el estilo de IA que vemos en las películas apocalípticas donde las máquinas nos conquistan y toman el poder. El objetivo final sería la superinteligencia o singularidad: una IA que iguale o supere la inteligencia humana en todos los ámbitos. Tranquilos, porque es algo que para los investigadores está muy lejos de que sea posible.

IA estrecha o Narrow AI

Se refiere a algoritmos que han sido diseñados para tareas específicas, tales como la traducción de idiomas o el reconocimiento de imágenes. A diferencia de la IA fuerte, ésta no pretende replicar la inteligencia humana en todos los aspectos.

Aprendizaje automático o Machine Learning

Es una tecnología que permite a los algoritmos aprender de forma iterativa a partir de grandes volúmenes de datos; para luego identificar patrones y tomar decisiones con una mínima intervención humana, lo cual se diferencia de la programación tradicional que estaba basada en reglas (si sucede X, luego Y).

Aprendizaje profundo o Deep Learning

Utiliza modelos más complejos de Machine Learning: las llamadas redes neuronales artificiales (RNA), que contienen muchas capas (de ahí lo «profundo»). Si bien el concepto de RNA se inspiró en el cerebro humano, su funcionamiento es muy diferente, pero estamos básicamente frente a un modelo de Machine Learning más complejo.

IA generativa

Es una rama del Deep Learning cuyo objetivo es crear o modificar contenido original. No tiene inherentemente una mente creativa, sino que utiliza patrones en los datos para generar contenido basado en la probabilidad estadística de que un elemento (ya sea una nota musical o una palabra, por ejemplo) suceda a otro.

La IA generativa abarca múltiples dominios y enfoques, como la generación de texto, música, imágenes y videos. Un ejemplo muy popular son los Deep Fakes, donde el contenido visual y de audio se altera hasta tal punto que es difícil distinguir qué es real y qué no.

Grandes modelos de lenguaje modernos

Los LLM, por su sigla en inglés, pertenecen al subconjunto de la IA generativa y suelen tener varios cientos de millones o incluso miles de millones de parámetros que pueden ayudarnos a resolver desde tareas simples como responder preguntas, hasta escribir ensayos, resumir documentos extensos, traducir idiomas, generar códigos, etc.

Sus respuestas se basan en patrones aprendidos durante el entrenamiento, no en el conocimiento del lenguaje o la comprensión inherente del mundo. Tal es así que a veces se les llama «autocompletado sofisticado» ya que esencialmente intentan completar entradas de texto prediciendo lo que viene a continuación en función de un contexto y patrones determinados en sus datos de entrenamiento.

Transformadores generativos preentrenados

Los GPT, por su sigla en inglés, son un tipo especial de LLM. En general se entrenan con un corpus de datos muy grande a partir del cual aprenden los patrones y estructuras del lenguaje para generar texto. Si bien sus capacidades son extraordinarias, es crucial tener en cuenta que incluso el GPT más avanzado no «entiende» el contenido que genera como sí lo hacen las personas.

Esto se debe a que es un enfoque clásico de Machine Learning: un GPT reconoce y predice patrones estadísticos a partir de los datos con los que fue entrenado. Los LLM más poderosos en la actualidad son todos ejemplos de GPT, incluida la familia GPT de OpenAI, PaLM 2 de Google o LLaMA 3 de Meta (Facebook), presentado en abril de este año.

Aun así, hasta los sistemas más avanzados tienen limitaciones, llamadas «alucinaciones«: esto ocurre por ejemplo, cuando el modelo brinda resultados que no se basan en conocimientos o datos reales; o cuando reproducen sesgos de los datos que usó para entrenarse (no hay que olvidarse que estos algoritmos son programados por seres humanos que tienen sus propios preconceptos).

No huyas de la locomotora, subíte

Entonces, ¿por qué la llamamos inteligencia artificial? Porque de alguna forma emula la manera en que funciona la inteligencia humana. Todos creamos -y aprendemos- a partir de, entre otras cosas, referencias, mezclas, remixes e intervenciones.

La creatividad y el pensamiento divergente, se basa justamente en asociar ideas y conceptos conocidos, pero «mezclados» de una nueva forma. Lo fundamental en esto es el criterio con el que se hace esa asociación.

El verdadero momento de inspiración creativa aparece cuando las ideas subconscientes y no relacionadas entre sí se unen de repente, y llegan a nuestra conciencia a través de una de las redes de nuestro cerebro, llamada «red de prominencia«.

Por el contrario, los algoritmos crean a partir de ciertos parámetros pero, en última instancia, es siempre una cuestión de probabilidad estadística. La IA está inherentemente incapacitada de ser creativa como lo somos los seres humanos.

Pero si los LLM se van a convertir en herramientas que nos asistan en infinidad de tareas y van a transformar múltiples industrias laborales, es imperativo que aprendamos a comunicarnos con ellos: así como en un momento programar se volvió el nuevo escribir, hoy «promptear» es el nuevo programar. De hecho, «promptear» es el nuevo… casi todo.

Ahora que ya entendimos qué es la IA y sus diferentes tipos, podemos disipar uno de los temores más grandes y afirmar que la inteligencia artificial no va a reemplazar al ser humano. Pero que vamos a tener que aprender a convivir, de eso no hay dudas.

(*) Fundadora y directora creativa de Cinco Juanes.