IA para Todos

Probablemente ya usas inteligencia artificial varias veces al día sin saberlo. Cuando Netflix te recomienda una serie que termina gustándote, hay un algoritmo de IA que analizó tu historial y el de millones de usuarios para hacer esa sugerencia. No fue un humano quien eligió para ti.

Cuando tu banco detecta un cargo sospechoso en tu tarjeta a las 3 de la mañana y la bloquea automáticamente, también es IA. El sistema aprendió qué patrones de gasto son normales para ti y cuáles se desvían de ese patrón.

Lo mismo ocurre cuando el GPS te propone una ruta alternativa por un accidente que no sabías que existía, cuando tu teléfono reconoce tu cara para desbloquearse, cuando un correo de phishing termina en tu carpeta de spam o cuando el autocorrector cambia lo que escribiste. En todos esos casos, hay un sistema de IA trabajando en segundo plano.

La IA no es ciencia ficción ni cosa del futuro. Es tecnología que ya usas todos los días, a menudo sin notarlo.

En términos simples, la inteligencia artificial es software que aprende de datos y encuentra patrones. En lugar de seguir reglas escritas por un programador ("si pasa X, haz Y"), un sistema de IA aprende esas reglas por sí mismo al procesar miles o millones de ejemplos.

Cuando ChatGPT te responde con algo que parece reflexivo o empático, no está pensando ni sintiendo. Está generando texto que estadísticamente tiene sentido dado lo que escribiste, basado en miles de millones de ejemplos de texto humano que procesó durante su entrenamiento. El resultado puede ser impresionante, pero el mecanismo es muy diferente al pensamiento humano.

Se habla mucho de IA como si fuera una sola cosa, pero en realidad hay distintos niveles de lo que la IA puede hacer (o podría hacer en el futuro). Es importante distinguirlos porque confundirlos genera expectativas o miedos equivocados.

La clave: toda la IA que usas hoy es estrecha. GPT-4 es muy bueno generando texto, pero no puede conducir un auto. Un sistema de visión por computadora puede detectar tumores en una radiografía, pero no puede escribir un email. Cada sistema de IA es muy bueno en una cosa, y completamente inútil fuera de esa cosa.

Imagina un niño que nunca ha visto un gato. La primera vez que le muestras uno y dices "esto es un gato", aprende algo. Después de ver cien gatos de distintos colores, tamaños y poses, empieza a reconocer qué características tienen en común. Después de ver miles, puede identificar un gato aunque sea una foto borrosa o un dibujo que nunca ha visto.

Una IA aprende de la misma forma, pero con datos en lugar de experiencias. Para que un sistema de IA aprenda a reconocer gatos en fotos, se le muestran millones de imágenes etiquetadas: "esto es un gato", "esto no es un gato". El sistema ajusta sus parámetros internos hasta que puede distinguirlos correctamente.

Este proceso se llama entrenamiento. Y la calidad del resultado depende directamente de la calidad y cantidad de los datos de entrenamiento. Si los datos tienen errores o sesgos, el modelo los aprende también.