• Es una rama de la inteligencia artificial que se centra en la creación de modelos y sistemas que pueden generar datos nuevos y originales.

• A diferencia de la inteligencia artificial tradicional, que se enfoca en el reconocimiento de patrones en los datos existentes, la IA Generativa utiliza modelos generativos para producir nuevos datos que se parecen a los datos de entrenamiento.

• Los modelos generativos pueden ser utilizados para crear contenido de medios, como imágenes, música y texto.

Por ejemplo, se pueden utilizar modelos generativos para crear imágenes que se parezcan a las imágenes de entrenamiento, o para generar música que suene como la música de entrenamiento. También se pueden utilizar para la creación de lenguaje natural, como en la generación de diálogos de chatbot y la creación de historias.

Para explicar cómo funciona el chat GPT, me referiré a todos los modelos de inteligencia artificial de lenguaje a gran escala, también conocidos como Modelos de Lenguaje a Gran Escala (LLM).

• Todas las herramientas de las que vamos a hablar funcionan de manera similar. El objetivo de Chat GPT es buscar en su base de datos todas las posibilidades que comienzan con "El sentido de la vida es" e intentar calcular la probabilidad de la siguiente palabra:

• En teoría, la máquina seleccionará la palabra con la mayor probabilidad, pero hay un parámetro en estos modelos llamado "temperatura" que da la sensación de que la máquina está generando cosas nuevas.

  • En lugar de dar la respuesta obvia, a veces el modelo seleccionará algo aleatorio para dar originalidad y evitar que dé la misma respuesta repetidamente.

  • Si un estudiante le pide a GPT que cree un trabajo, cada uno de los 30 alumnos recibirá respuestas diferentes debido al parámetro de temperatura (variabilidad)

• Sin embargo, es importante tener en cuenta que la probabilidad más alta no siempre es la respuesta correcta. Si la máquina selecciona una respuesta errónea, puede provocar confusiones y errores en el trabajo final (alucinaciones). Por lo tanto, es importante revisar y verificar las respuestas generadas por el modelo.

La IA Generativa son programas que permiten crear textos, imágenes, sonidos,... como si los hubiera creado un humano.

1. Modelos de lenguaje basados en reglas: Utilizan reglas gramaticales predefinidas, pero tienen limitaciones en la gestión de ambigüedades y variaciones del lenguaje.

2. Modelos de lenguaje probabilísticos o de aprendizaje automático: Se basan en el análisis estadístico de textos para aprender patrones del lenguaje, utilizando modelos n-grama, redes neuronales recurrentes (RNN) y modelos transformer.

   • Modelos probabilísticos analizan grandes volúmenes de texto para aprender patrones lingüísticos.

   • Los modelos n-grama son útiles para predecir la probabilidad de una palabra que sigue a otra en una oración.

   • Las Redes Neuronales Recurrentes (RNNs) mejoran esta predicción al considerar palabras previas.

   • La arquitectura de Transformers ha superado las limitaciones de las RNNs, mejorando la comprensión del lenguaje y la adaptación a diversas tareas. Pondera diferentes partes del texto, aplicación de bloques atencionales y de procesamiento.

1. Asistentes virtuales: Como Siri, Google Assistant o Amazon Alexa.

2. Traducción automática: Como Google Translate o DeepL.

3. Corrección de texto: En herramientas de corrección ortográfica y gramatical.

4. Generación de texto: En aplicaciones como ChatGPT, Gemini, Claude o Copilot.

5. Autocompletado de texto: En teclados de smartphones y recomendaciones de búsqueda.

• ChatGPT: De OpenAI, notable por su capacidad multimodal y por ser más creativo y colaborativo. Funciona en Microsoft (Bing --> Copilot) .

• Gemini: Google tenía LaMDA, PaLM, en su unión lanzaron "Bard". Posteriormente unieron los equipos de Google Brain y DeepMind para lanzar Gemini.

• LLaMA: De Meta, destacado por su entrenamiento en una amplia gama de datos de texto en múltiples idiomas.

• Claude: De Anthropic, muy parecido al lenguaje natural. Es una empresa fundada por algunos ingenieros de ChatGPT y Google.

• Qwen: De Aibaba, en la que está basado DeepSeek.

Generative Pre-Trained Transformer: Transformador generativo preentrenado

• ¿Y qué significan los términos de Generative Pre-Trained Transformer? Este tipo de modelos de inteligencia artificial, por lo general, son entrenados en grandes cantidades de texto, lo que le gana el apellido de preentrenada. Se construyen utilizando bloques de la arquitectura Transformer, un tipo de red neuronal que aprende del contexto, por lo que puede ofrecer datos secuenciales basados en relaciones.

• ¿Qué significa el número junto a las siglas GPT? Hace referencia a la versión del modelo de la que estemos hablando. Mientras más alto el número, más nueva será. Así, tenemos que GPT-2 es inferior en capacidades a GPT-3, y este último lo será con respecto a GPT-4 (1o), GPT o1, o3; que son los modelos de razonamiento avanzado.

• ¿Qué significa el término chat en ChatGPT? Ahora que hemos desglosado el apellido de ChatGPT, es momento de comprender qué significa el término chat que lleva como nombre la plataforma más popular del momento. OpenAI lo ha escogido deliberadamente, y revela la función más célebre del conocido chatbot: hablar.

  • • ChatGPT significa que el modelo puede responder a las preguntas de los usuarios utilizando un lenguaje natural y conversacional. Todo esto, claro, a través del modelo transformador generativo preentrenado. El resultado es casi como si estuvieses teniendo una conversación vía texto con otra persona en el mundo.

    • Por supuesto, a diferencia de una persona, ChatGPT no es consciente de lo que dice y tampoco entiende realmente el contexto del texto. Simplemente utiliza un sistema de probabilidades, patrones y relaciones recogidas durante su preentrenamiento para armar una frase de la manera más natural posible.

Las inteligencias artificiales aprenden a través de procesos de entrenamiento basados en datos, utilizando modelos matemáticos como redes neuronales. Estos sistemas son capaces de identificar patrones, abstraer conceptos y desarrollar criterios sin intervención humana directa. Proceso:

1. Entrenamiento basado en datos

• • Las IAs se entrenan con conjuntos masivos de datos (imágenes, textos, audios, etc.).

  • Cada dato incluye una etiqueta que le permite a la IA identificar relaciones y patrones. Por ejemplo:

    • Imagen de un melanoma → "Esto es un melanoma".

    • Imagen de un lunar → "Esto no es un melanoma".

  • Con millones de ejemplos, la IA ajusta sus parámetros internos para que, al recibir un nuevo dato, pueda clasificarlo correctamente.

2. Abstracción y compresión de información

• • Las IAs reducen miles de características de un objeto (por ejemplo, colores, formas) en un espacio conceptual más pequeño.

  • Este espacio puede tener "dimensiones" abstractas que nosotros no siempre entendemos:

Ejemplo: Una IA que analiza caras podría identificar "dimensiones" como:

• • • • Color del cabello (rubio o moreno).

      • Forma de la cabeza (redonda o alargada).

Rasgos difíciles de verbalizar, como "similaridad con una expresión humana".

3. Criterios basados en ejemplos

• • Las IAs no se les enseñan reglas explícitas; aprenden a deducirlas.

Ejemplo práctico: Una IA de detección facial no sabe qué es una cara, pero aprende patrones de luz y sombra que suelen formar ojos, nariz y boca.

• • Cuando falla, lo hace como nosotros con pareidolias: interpreta patrones donde no hay.

4. Creatividad y generación de nuevas ideas

• • Con IA generativa como MidJourney o DALL·E, la máquina crea imágenes nuevas combinando conceptos aprendidos:

"Un barco al estilo cubista": La IA mezcla elementos de los espacios "barco" y "cubismo".

• Los resultados no son copias; son creaciones originales dentro de los límites de su criterio aprendido.

5. Limitaciones y desafíos actuales

• • Errores de interpretación: Las IAs todavía cometen errores.

  • Falta de explicabilidad: Aunque la IA puede acertar, no siempre puede explicar por qué lo hace.

  • Ajustes humanos: Se necesita intervención humana para ajustar parámetros y verificar resultados.