 |
| |
Inteligencia Artificial e Inteligencia Artificial Generativa
Manuel Méndez Murillo
Gerente Corporativo de Tecnología
La Inteligencia Artificial (IA) ha tenido un desarrollo muy importante en los últimos años, específicamente con la salida al mercado de ChatGPT, la cual se popularizó mucho por ser utilizada de manera masiva por muchas empresas en aplicaciones de oficina, sobre todo.
Hoy en día gran parte de los productos tecnológicos están incorporando inteligencia artificial, de ahí que la relevancia que está tomando es muy alta. La empresa consultora de Tecnología Gartner considera que para el 2030 todas las tecnologías disponibles utilizaran de una u otra manera Inteligencia Artificial.
Por supuesto que la incorporación de la IA en todas las áreas de la tecnología tendrá un importante costo que se estima en alrededor de un 30% de incremento por la inclusión de esta.
Inteligencia Artificial e Inteligencia Artificial Generativa
¿Qué es la Inteligencia Artificial?
La Inteligencia Artificial (IA) es una rama de la tecnología que busca crear sistemas capaces de realizar tareas que normalmente requerirían inteligencia humana. Por ejemplo, reconocer patrones, tomar decisiones, resolver problemas o entender el lenguaje. La IA se ha desarrollado gracias al avance y capacidad de las computadoras, algoritmos y grandes volúmenes de datos, que permiten a las máquinas aprender y mejorar continuamente.
¿Qué es la Inteligencia Artificial Generativa?
La Inteligencia Artificial Generativa (IA Generativa) es una subcategoría de la IA que se enfoca en crear nuevo contenido. Esto incluye imágenes, música, escritura y más. Por ejemplo, herramientas como ChatGPT o DALL·E son capaces de generar texto coherente o diseñar imágenes a partir de descripciones.
¿Cómo surge la IA Generativa?
La IA Generativa se basa en modelos avanzados de aprendizaje profundo, como las redes neuronales. Estos modelos son entrenados con cantidades masivas de datos para aprender patrones y generar contenido similar al que han aprendido. Aunque su desarrollo comenzó hace unos años, su uso se ha popularizado recientemente gracias al avance de la tecnología y su capacidad para crear contenido de alta calidad.
Primeras iniciativas
Desde el inicio del desarrollo de la computación en los años 50 ya se contemplaba la IA, sin embargo, la capacidad computacional de la época no permitía el desarrollo de esta. Las máquinas eran mayormente mecánicas y es en la segunda guerra mundial es donde vemos surgir la máquina de Turing para descifrar los códigos con los cuales se transmitían los mensajes en esa época tan crítica.
En los 80´s vemos el surgimiento de lenguajes como Prolog para desarrollo de inteligencia artificial por medio de lenguaje natural, pero de igual manera la capacidad computacional de la época solo permitía que algunos pocos pudieran tener acceso y pruebas de laboratorio de este.
A nivel de universidades se estudiaba el uso del lenguaje natural para producir IA, con limitaciones en la cantidad de datos y capacidad de procesamiento que fueron limitados. Aquí es donde surgen los sistemas expertos, que fueron diseñados para la toma de decisiones humanas mediante la aplicación de reglas complejas para grandes conjuntos de datos.
Además, comienzan a surgir las redes neuronales, que buscan una manera de “enseñar” a las máquinas, más que programarlas para funciones específicas.
En los 90’s se da una transición a la IA basada en datos, la cual es base del aprendizaje moderno. Se desarrollan nuevos algoritmos, como árboles de decisión y máquinas de vectores de soporte, que abrieron el camino para el reconocimiento de patrones en conjuntos de datos, así como las bases para el reconocimiento fácil y el análisis predictivo.
En 1997, DEEPBLUE la computadora de IBM vence al campeón mundial de ajedrez, Gary Kasparov, marcando un hito y permitiendo más desarrollos en la competencia hombre-computadora.
En los 2000’s y específicamente en 2011 continúan los desarrollos donde Watson DeepQA de IBM gana en el juego televisivo de Jeopardy en EE. UU. marcado un hito de gran importancia, donde se dan grandes desarrollos de IA por parte de los fabricantes y específicamente Watson de IBM realizando diagnósticos muy importantes de cáncer a partir de fotografías y permitiendo su prevención desde etapas muy tempranas. Por supuesto su costo e implementación fueron muy importantes, permitiendo el uso restringido de este y los proyectos donde se podría utilizar eran costosos y de alto tiempo de desarrollo.
Durante 2010–2020 vimos muchos intentos de los grandes fabricantes como Microsoft y Google tratando de sacar sus IA’s, sin embargo, tuvieron muchas salidas en falso que produjeron grandes fallas que los obligaron a sacarlas de disponibilidad a los usuarios, tales como racismo y odio; de acuerdo con la forma en que fueron entrenados, esto sucedió una y otra vez.
Es en los 2020’s que contamos con una capacidad computacional importante y el uso de procesadores especializados, inicialmente los GPU (Grafics processing Unit) y ahora los NPU (Neural Processing Unit) que son diseñados (estos últimos) para procesamiento dirigido en IA. Adicionalmente apartándose de ciertos valores éticos (uso mal intencionado, utilización para desinformación, algoritmos sesgados, entre otros) se lanza al mercado ChatGPT que genera una adopción mundial de la misma y se inicia a incluir en las aplicaciones de muchas empresas.
Con esta adopción por supuesto que se genera una carrera por un gran mercado (estimado en 644 mil millones solo para el 2025); pues todas las empresas quieren tener su versión propia o particular y mantenerse en la competencia. Así es como vemos en 2024 que Google lanza Gemini, DeepSeek un emprendimiento chino y ha proliferado una gran cantidad de herramientas de muchos otros fabricantes, pero pocas implementaciones de uso amplio de la IA para las empresas. Es así como tenemos una serie de intentos fallidos, en el enlace que sigue podemos ver algunos casos https://www.cio.com/article/190888/5-famous-analytics-and-ai-disasters.html.
En este crecimiento de la IA hemos podido ver imágenes generadas por IA que contienen errores de lo que realmente es un ser humano, como por ejemplo la cantidad de dientes o dedos de una persona, situaciones que han salido incluso en campañas publicitarias que se han debido retirar. Sin embargo, día a día vemos como todo esto continúa teniendo grandes mejoras y va a llegar un momento donde los resultados serán mucho más precisos y reales.
Algunos beneficios de la IA para las empresas
La carrera por parte de fabricantes por tener su propia IA y el interés que ha despertado en muchas empresas ha permitido desarrollar usos aplicativos importantes, que Gartner destaca en:
- Experiencia al cliente y retención
- Crecimiento de ingresos
- Optimización de costos
- Continuidad del negocio
La implementación de la IA y la IA Generativa ofrece numerosos beneficios para las empresas, incluidos:
- Automatización de tareas repetitivas: Esto reduce costos y libera a las personas para enfocarse en actividades más estratégicas
- Mejora en la toma de decisiones: gracias al análisis de datos, la IA puede proporcionar información valiosa para decisiones más inteligentes
- Personalización: En instituciones financieras, la IA puede personalizar ofertas y servicios según las necesidades de los clientes
- Innovación: La IA Generativa puede ayudar a crear contenido único, como campañas de marketing o soluciones creativas
En estos beneficios debemos ser muy cuidadosos pues los proyectos de IA son bastante diferentes a los proyectos tradicionales y sobre todo requieren grandes cantidades de datos para poder entrenar los mismos. Por ejemplo, en sus inicios ChatGPT preguntaba al usuario si la respuesta estaba bien o si conocía donde podía obtener la información correcta que se estaba consultando. Esto ha hecho que muchos de nosotros entrenáramos dicha herramienta y en algunos casos pudimos no hacerlo de manera correcta.
De acá es donde se genera una primera situación que debe tenerse cuidado cuando creamos IA que son las alucinaciones (hallucination) que es cuando la IA genera información falsa o incorrecta haciendo creer que es cierta.
Otra situación que se presenta con las IA es la inclinación (BIAS) que se define al sesgo que se genera de acuerdo con quien la crea, programa o entrena, de ahí que se han dado casos donde una IA se ha vuelto racista o con ciertas inclinaciones favorables a quien la creo o la etnia que la creo. Esto ha presentado muchos inconvenientes y sigue siendo un gran tema que debe tenerse en cuenta y trabajarse para evitar que al salir nos pueda generar grandes afectaciones a la imagen de la empresa.
Riesgos asociados
Aunque sus beneficios son claros, la IA también conlleva ciertos riesgos que las empresas deben considerar:
- Errores: Si una IA no está bien entrenada, puede cometer errores que afecten la reputación o las operaciones de la empresa
- Dependencia: Demasiada dependencia de la IA podría limitar la capacidad humana de resolver problemas
- Seguridad: Sistemas basados en IA pueden ser vulnerables a ciberataques
Uno de los riesgos más importantes y que normalmente no se ve en la IA es que puede ser utilizada tanto para el bien como para el mal, es así como los ciberdelincuentes están creando a partir de la IA formas nuevas e innovadores de realizar ataques de todo tipo que hoy hacen dudar a cualquiera de la veracidad de lo que vemos, leemos o escuchamos.
Tenemos casos de Deepfake (cuando se generan imágenes y/o videos) completamente igual a la de una persona real o un grupo interactuando; que han permitido grandes fraudes. Al recibir una llamada o videollamada de números desconocidos, puede ser para capturar imágenes nuestras o la voz, para así utilizarlas en fraudes posteriores. En el siguiente enlace podemos ver un resumen rápido de algunos fraudes realizados con Deepfake https://revistasumma.com/la-amenaza-de-los-deepfakes-8-casos-emblematicos-de-fraude-con-ia-y-lecciones-para-no-caer/.
Otro gran riesgo son las noticias falsas que son muy fáciles de generar y propagar por medio de la IA en las redes sociales, teniendo la capacidad de crear grandes mentiras y esparcirlas por las redes sociales y hacer creer que son ciertas. Es muy importante que siempre tengamos criterio e investiguemos para tener criterio de lo que estamos viendo.
Un tema muy relevante que siempre debemos de tener en cuenta con la IA se refiere a las fuentes y que como bien lo denomina Microsoft en su “COPILOT”, siempre debemos verificar que los resultados de la IA son correctos, porque de acuerdo con las fuentes que tomen puede inducirnos a errores, lo que tenemos es un asistente (Copiloto) y nosotros somos los que utilizaremos la información. Una situación que está ocurriendo es que la IA no está yendo a todas las fuentes disponibles, sino que únicamente a las que son de libre acceso, esto puede generar un sesgo y si estos sitios no contienen informaciones veras y confiable, pues si no hacemos las verificaciones tendremos resultados no deseados, que nos inducirán a errores.
Otro gran riesgo con la IA es la forma como realizamos las consultas puede generarnos resultados diferentes, es así como ya se está convirtiendo en una nueva casi profesión y se vende capacitaciones al respecto y se denomina prompting, que es la forma como consultamos a la IA y de ella va a depender los resultados que vamos a obtener. Dos personas sobre una misma IA pueden obtener resultados diferentes de acuerdo con su manera de consultar y ambos pueden llegar a creer que su resultado es 100% cierto y valido, sin embargo, la verificación que hablamos en el párrafo anterior se vuelve de gran importancia.
Un gran riesgo que tiene la IA es que cuando interactuamos con ella le estamos enseñando y si utilizamos datos que son privados podríamos estarlos exponiendo y dejando a la empresa en indefensión pues las empresas normalmente en la letra pequeña que nos ponen en los contratos de adhesión, incluye que cualquier cosa que pongamos será utilizada para mantener y mejorar el modelo y que los datos serán públicos, de tal forma que si nuestros empleados utilizan los datos privados para generar resultados sin el respetivo aseguramiento se estará realizando un brecha de datos de manera pasiva sin que nos estemos dando cuenta.
Problemas éticos
La IA plantea preguntas éticas importantes que ninguna organización debe ignorar:
- Privacidad: ¿Cómo se manejan los datos de los clientes y empleados? Es crucial protegerlos adecuadamente
- Discriminación: Si los datos utilizados para entrenar la IA contienen sesgos, estos sesgos pueden reflejarse en las decisiones de la IA
- Transparencia: Las empresas deben ser claras en cómo usan la IA, especialmente en sus interacciones con clientes
- Impacto en el empleo: Aunque la automatización ofrece beneficios, también puede reemplazar ciertas posiciones laborales. Es importante buscar un equilibrio
Los problemas éticos que surgen de la IA son de gran importancia y es crucial que se entiendan pues de no tomarlos en cuenta los sesgos, la discriminación, la privacidad se pueden ver impactados grandemente, finalmente generando un gran daño a la empresa. Un texto de importancia sobre este tema lo podemos ubicar en el siguiente enlace https://www.unesco.org/es/artificial-intelligence/recommendation-ethics/cases.
Uno de los grandes problemas que afrontamos hoy día con el IA es el consumo energético que tienen los procesadores utilizados para generar IA, esto ha llevado a ciertos países a prohibir la creación de nuevos centros de datos, donde se alberguen computadores para IA pues su consumo energético es sumamente alto, de ahí que la sostenibilidad viene a ser un elemento muy importante y ético que debemos tomar en cuenta, pues el desarrollo tecnológico está impactando al mundo entero y deberán tomarse decisiones importantes para mantener el crecimiento de la IA. En el siguiente enlace podemos leer sobre algunos casos en Europa con respecto a la prohibición para construir nuevos centros de datos https://datacentremagazine.com/articles/the-change-driven-by-europes-data-centre-build-restrictions.
Esta fue una de las razones por las que DeepSeek tuvo un gran impacto en su lanzamiento, pues utiliza procesadores normales, de mucho menor consumo energético que un ChatGPT y otros proveedores actuales, que utilizan GPU’s o NPU’s.
Referencias
Como referencia están disposición los siguientes sitios donde podemos consultar algunas de las soluciones de IA disponibles hoy día, donde vemos una gran cantidad de ofertas por parte de los fabricantes para los usuarios personales y empresariales. ¿Cuál de ellas es la mejor? va a depender de la necesidad real y el presupuesto que tengamos para trabajar.
El uso racional de la IA puede traernos buenos resultados personales y para la organización, siempre teniendo los cuidados respectivos éticos y de riesgos que afrontamos con el uso de esta.