Así es como funciona la IA generativa y se diferencia de otras IA

Si bien, los modelos de inteligencia artificial generativa aparentan estar siendo aplicados a toda clase de tareas y servicios, esto no es así. Pues existen diferentes tipos de modelos de inteligencia artificial, sin embargo, los modelos generativos tienen un potencial de aplicación inconmensurable.

Anteriormente, hablar de inteligencia artificial era referirse a sistemas de aprendizaje automático y no a modelos generativos, como es hoy en día. Las IA de aprendizaje automático se basan en el análisis de datos para realizar predicciones. Para ejemplificar ello, puede referirse el caso de las IA entrenadas a través de millones de imágenes para identificar si una determinada radiografía muestra signos de tumor o distinguir cuando un prestatario incumple sus pagos en un préstamo. La IA generativa, también es entendida como un modelo de aprendizaje automático, sin embargo, este tiene la capacidad de crear nuevos datos en lugar de hacer predicciones mediante el análisis de datos específicos.

De este modo, podría señalarse que la principal diferencia de los modelos generativos respecto a otros es su capacidad de generar nuevos datos y objetos, basándose en aquellos con los que fue entrenado. Esto de acuerdo con un artículo del MIT, escrito por Phillip Isola, miembro del Laboratorio de Ciencias de la Computación e Inteligencia Artificial de dicha institución. Quien describe, "Cuando se trata de la maquinaria real que subyace a la IA generativa, las distinciones son poco borrosas". De este modo, refiere, usualmente se utilizan los mismos algoritmos para desarrollar ambos modelos.

Para explicar, la estrecha relación entre ambos modelos, el artículo del MIT se remonta al origen del predecesor directo del modelo de IA generativa, "la cadena de Markov". Este método estadístico, introducido por Andrey Markov en 1906, se basaba en modelar el comportamiento de procesos aleatorios. El ejemplo directo de la implementación de dicho sistema es la función de autocompletar texto, lo cual es común en diversos dispositivos y aplicaciones. La predicción del texto genera la siguiente palabra de una oración, tomando en cuenta los vocablos anteriores. Esto lo vuelve bastante limitado, pues no tiene la capacidad de generar una palabra con el potencial de completar la oración, sino de repetir aquellas utilizadas previamente.

Con ello, se argumenta una segunda diferencia fundamental entre los modelos IA generativos y los modelos "predictivos" y los basados en la cadena de Markov.

Así, se esclarece que los modelos como ChatGPT funcionan de forma similar a los modelos Markov, pero son entrenados con una cantidad mayor de datos. Así, los generativos pueden identificar y cortar textos en fragmentos estadísticos con cierta previsibilidad. Siendo así, capaces de aprender de los patrones de bloques de texto y utilizar este conocimiento para hacer propuestas sobre que podría ponerse a continuación.

La capacidad de los modelos generativos de ser implementados de miles de formas se debe a su facultad de convertir los datos en representaciones numéricas de fragmentos de datos (token). Por lo cual, en casos donde los datos pueden ser convertidos por los modelos generativos en token, en teoría, pueden aplicarse métodos para generar nuevos datos con aspectos similares. Sin embargo, se ha demostrado, los modelos generativos no son la mejor opción para todo tipo de datos. Por ejemplo, en el caso de tareas enfocadas en hacer predicciones de datos estructurados, los modelos de aprendizaje automático son más eficientes.

Basándose en esta aserción, investigadores como Devavrat Shah, miembro del Laboratorio de Sistemas de Información y Decisión, consideran el mayor valor de las IA generativas es su aplicación para conectar a los humanos con las máquinas. Pues, anteriormente, "los humanos debían hablar en lenguaje de máquinas con las máquinas. Ahora, con los modelos generativos, las máquinas pueden hablar con los humanos, expresa.

Pese a sus infinitas posibilidades de aplicación, los expertos exhortan a poner atención sobre las alertas de usar estos. Entre las cuales mencionan, el desplazamiento de trabajadores humanos, y la amplificación de discursos de odio y declaraciones falsas.