Una introducción a la Inteligencia Artificial Generativa
La inteligencia artificial generativa ha visto un increíble aumento de popularidad en 2022. Big Think la ha llamado “la tecnología del año” y, a juzgar por la cantidad de atención y el apoyo de VC que las nuevas empresas de IA generativa han estado ganando, esta afirmación está más que justificada. Además, expertos en tecnología dicen que, en los próximos años, el desarrollo de la IA generativa no solo no se ralentizará, sino que también aumentará rápidamente, conquistando nuevos y nuevos campos. IA generativa: introducción.
IA generativa: introducción
Veamos qué es la IA generativa y cómo funciona, así como un resumen de casos de uso comunes y perspectivas para el futuro.
¿Qué es la IA generativa?
La IA generativa es como un genio que desearías tener en tu bolsillo. Es un tipo de inteligencia artificial que es capaz de crear nuevos datos: texto, audio, vídeo e imágenes. Todo el mundo tiene días en los que, simplemente, no está de humor para escribir otro correo electrónico, artículo o línea de código. La IA generativa está ahí para respaldar nuestro proceso creativo.
¿Cómo funciona la IA generativa?
La IA generativa suele utilizar aprendizaje no supervisado o semisupervisado para procesar grandes cantidades de datos y generar resultados originales. Por ejemplo, si deseamos que nuestra IA pueda pintar como Van Gogh, debemos alimentarla con tantas pinturas de este artista como sea posible. La red neuronal que está en la base de la IA generativa es capaz de aprender los trazos o rasgos característicos del estilo del artista, y luego aplicarlos a pedido. El mismo proceso es válido para modelos que escriben textos e incluso libros, crean diseños de interiores y moda, paisajes inexistentes, música y más.
La IA generativa normalmente usa GAN o transformadores para lograr resultados.
GANs (generative adversarial networks)
Las RGAs (redes generativas antagónicas) constan de dos partes: generativa y discriminativa.
La red neuronal generativa puede crear salidas a pedido. Ha estado expuesta a los datos necesarios y ha aprendido ciertos patrones. Sin embargo, para mejorar necesita la ayuda del NN discriminativo.
El segundo elemento del modelo (la NN discriminativa) trata de distinguir entre los datos del mundo real y los datos “falsos” generados por el modelo. Cada vez que el primer modelo logra engañar al segundo, obtiene una recompensa. Esta es la razón por la que este algoritmo también se denomina modelo contradictorio. Este mecanismo permite que el modelo mejore sin intervención humana.
Para obtener más información detallada sobre cómo funcionan las GAN, podemos ver este vídeo:
A Friendly Introduction to Generative Adversarial Networks (GANs)
Transformadores
Otra técnica que demuestra resultados impresionantes con datos generativos son los transformadores.
Los transformadores usan una secuencia de datos en lugar de puntos de datos individuales cuando transforman la entrada en la salida, y eso los hace mucho más eficientes en el procesamiento de datos cuando el contexto es importante. Los transformadores se utilizan a menudo para traducir o generar textos, ya que los textos son más que palabras unidas. Además, los transformadores son útiles para crear modelos básicos. Se utilizan cuando los ingenieros están trabajando en algoritmos que pueden transformar una solicitud en un comando, por ejemplo, generar una imagen o texto basado en la descripción del usuario.
En este vídeo, podemos obtener más información sobre cómo se usan los transformadores en la IA generativa:
Transformers, explained: Understand the model behind GPT, BERT and T5
Una breve historia de la inteligencia artificial generative
Desde principios de la década de 2010, la inteligencia artificial como campo ha estado atravesando un período de crecimiento y desarrollo activo. Periodistas de todo el mundo se apresuraron a infundir pánico: ahora que la IA puede aprender por sí misma, robará nuestros trabajos y llevará al mundo al colapso económico, la singularidad está cerca, cuidado.
Sin embargo, poco después, la mayoría de la gente se dio cuenta de que la emocionante perspectiva de ser dominado por las máquinas era bastante poco realista. No porque la IA haya demostrado ser un “buen tipo” y haya seguido todas las leyes de la robótica de Asimov. El problema fue que la IA resultó ser en su mayoría tonta (¿como nosotros?). Así que todavía tenemos que ir a trabajar todos los días.
Claro, nuestros sistemas de IA pueden analizar muchos datos, hacer cálculos muy rápido, detectar rostros en las estaciones de metro y luego informar al gobierno. Sin embargo, todos estos son ejemplos de inteligencia artificial estrecha, cuando el algoritmo es bueno para realizar una sola habilidad. Seguro que estaremos de acuerdo: difícilmente se puede denominar a esta IA como una verdadera inteligencia que puede competir con los humanos en creatividad.
Sin embargo, este año de repente todo podría cambiar.
Los últimos proyectos en el campo de la IA generativa han demostrado que, finalmente, hemos aprendido a hacer algo increíble. El año pasado, GPT-3 fue un líder obvio en lo que respecta a la generación de contenido. Este año, GPT-3 sigue siendo fuerte, después de todo, es capaz de generar texto, código e imágenes mediante indicaciones (prompts) y comandos de lenguaje natural. Sin embargo, obviamente todos quedaron impresionados con un nuevo proyecto, MidJourney, que no solo genera algo, sino que crea arte digital que realmente tiene sentido.
Y MidJournye no es el único proyecto que merece atención. Hay cientos de nuevas empresas que utilizan las capacidades de la IA generativa para automatizar el trabajo creativo y prometen revolucionar el campo.
Los VC también demuestran un interés particular en las nuevas empresas de inteligencia artificial este año. Los expertos dicen que su interés está motivado por las últimas mejoras en esta área y los beneficios reales que la IA generativa puede aportar a múltiples industrias.
Futuro de la IA generativa
La IA que es capaz de crear imágenes, vídeos y textos es utilizada hoy en día por diseñadores, artistas y otros creativos. Sin embargo, la IA generativa es mucho más práctica de lo que pensamos. Por ejemplo, uno de los proyectos más conocidos en IA generativa es Grammarly, que ayuda a cualquier persona que usa su ordenador para escribir, ya sea para estudiar, trabajar o uso personal, a escribir en inglés de manera más eficiente y con menos errores.
Los inversores que actualmente apoyan la IA generativa están emocionados de ver cómo se puede usar en biotecnología para ayudar a descubrir nuevos medicamentos. De hecho, según Gartner, el 50% de todos los descubrimientos de fármacos en 2025 se realizará con la ayuda de la inteligencia artificial generativa. Los productos farmacéuticos y la tecnología médica serán solo algunas de las industrias que se beneficiarán enormemente de la IA generativa. El marketing es otro campo que los expertos creen que será revolucionado por la IA generativa: para 2025, el 30% de los mensajes de marketing salientes de las grandes organizaciones se crearán artificialmente.
IA generativa y sin código
La IA generativa es importante no solo por sí misma, sino también porque nos acerca un paso más al mundo en el que podemos comunicarnos con los ordenadores en lenguaje natural, en lugar de en un lenguaje de programación. Con la ayuda de la IA generativa, los modelos se vuelven multimodales, lo que significa que pueden procesar varias modalidades a la vez, como texto e imágenes, lo que amplía sus áreas de aplicación y los hace más versátiles.
El proceso de simplificación y democratización de la interacción hombre-máquina también influye positivamente en la calidad de los propios modelos, ya que en su formación participan más personas, incluidos expertos. Eso significa que los modelos generativos son mucho más que arte divertido o loco que podemos generar cuando no tenemos nada mejor que hacer. De hecho, la IA generativa podría ser el próximo paso en la evolución de la IA que todos hemos estado esperando.