Friday, October 11

La evolución de la inteligencia artificial y su velocidad

Por: Enrique Dans

La evolución de las herramientas de inteligencia artificial desde los primeros copilotos simples destinados a llevar a cabo tareas aisladas, como ilustraciones o explicaciones más o menos sofisticadas, hacia los cada vez más habituales «sistemas agénticos» que estamos empezando a ver aplicados a un número cada vez mayor de tareas, refleja la creciente sofisticación de este tipo de tecnologías en un plazo extremadamente corto de tiempo.

Básicamente, los llamados copilotos – a partir de una terminología ideada en su momento por Microsoft – mejoran las habilidades humanas proporcionando asistencia y sugerencias, los sistemas agénticos operan con un grado de autonomía, capaces de tomar decisiones independientes y aprender de sus entornos. Esta progresión ofrece un enorme potencial de innovación en varios sectores, pero también requiere una cuidadosa consideración de las implicaciones éticas, legales y sociales para garantizar que los efectos de estos avances resulten beneficiosos para la humanidad y se desarrollen de manera razonablemente responsable.

Esta transformación refleja las crecientes capacidades de la inteligencia artificial no solo para apoyar las actividades humanas, sino también para realizar tareas de manera independiente, tomando decisiones basadas en datos y experiencias aprendidas. En las etapas iniciales, los sistemas de inteligencia artificial se basaban principalmente en reglas, que dependían de algoritmos y lógicas predefinidas proporcionadas un entrenamiento fundamentado en reglas generadas por humanos. Estos sistemas podían tomar decisiones dentro de un dominio estrecho, pero carecían de la capacidad de aprender de nuevos datos o adaptarse a entornos cambiantes. Su «inteligencia» se limitaba a las reglas codificadas en ellos, lo que los convertía en rígidos e incapaces de manejar escenarios inesperados.

La aparición del aprendizaje automático marcó un cambio significativo en el desarrollo de la inteligencia artificial. Ahora, en lugar de depender únicamente de una serie de reglas predefinidas, los algoritmos de aprendizaje automático podían aprender patrones a partir de datos. Los modelos de aprendizaje supervisado se entrenaban sobre descomunales conjuntos de datos etiquetados para realizar tareas de clasificación y regresión y deducir las reglas a partir de esos datos, lo que permitía a los sistemas de IA manejar entradas más complejas y variadas, mejorando su utilidad en aplicaciones del mundo real.

La llegada de los llamados copilotos surgió como una generación de herramientas diseñadas para ayudar a los usuarios en tareas específicas, proporcionando sugerencias o automatizando procesos rutinarios. Las herramientas de autocompletado de código, capaces de sugerir fragmentos de código a medida que los desarrolladores escriben, mejorando así la productividad y reduciendo el número de errores; las de texto predictivo en clientes de correo electrónico y aplicaciones de mensajería, capaces de sugerir palabras o frases para agilizar la comunicación; o los correctores ortográficos y asistentes gramaticales como Grammarly, que ayudan a los usuarios a escribir correctamente identificando errores y sugiriendo correcciones respetando razonablemente su estilo personal. Estos copilotos funcionan como extensiones de las capacidades humanas, mejorando la eficiencia sin, en principio, reemplazar el juicio humano – aunque esto puede que no sea verdad para todos sus usuarios

Los llamados agentes o sistemas agénticos representan el siguiente paso evolutivo, y se caracterizan por su capacidad para operar de forma autónoma dentro de ciertos parámetros. Utilizan algoritmos avanzados, desde el aprendizaje profundo al aprendizaje por refuerzo, para tomar decisiones y realizar acciones sin intervención humana directa. Algunos de esos desarrollos son, por ejemplo, los cada vez más ubicuos vehículos autónomos, que utilizan sus sensores para percibir el entorno, y algoritmos para tomar decisiones de navegación y controlar el vehículo de forma segura; los sistemas de trading automatizado que ejecutan transacciones basadas en análisis de datos de mercado a velocidades que van mucho más allá de las capacidades humanas; o las futuras versiones de asistentes virtuales personales como Siri, Alexa o Google Assistant, capaces de llevar a cabo tareas que van desde simples recordatorios, hasta el control de dispositivos. Estos sistemas podrán ya no solo asistir, sino también tomar la iniciativa, adaptarse a nueva información y aprender de las sucesivas interacciones para mejorar con el tiempo.

La velocidad con que se está llevando a cabo esta transición es difícil de entender y de imaginar, y la reciente conversación entre Jensen Huang y Marc Benioff proporciona algunas explicaciones para ello.

Lógicamente, esta evolución hacia sistemas agénticos trae consigo desafíos, como el de la necesaria transparencia para asegurar que los procesos de toma de decisiones de la IA sean comprensibles para los usuarios, o el de una regulación que asegure la confianza sin convertirse en un freno incondicional que, por otro lado, solo se limitaría a perjudicar la capacidad de desarrollo y, por tanto, la competitividad de los países que la apliquen. O las responsabilidades que se deriven de los errores de este tipo de sistemas, sobre todo en sus fases iniciales, que plantea preguntas igualmente de tipo legal y regulatorio.

Lo que sí resulta evidente, o debería resultarlo para cualquiera que no quiera convertirse en un rezagado, es que la inteligencia artificial que muchos conocieron como automatización avanzada hace diez años, que sorprendió al mundo en su encarnación generativa con ChatGPT en noviembre de 2022, y que se ha convertido en cada vez más ubicua, no ha parado de evolucionar, y lo va a hacer a una velocidad cada vez más inabarcable a medida que sean las propias máquinas las que generen herramientas más y más avanzadas.

Mal momento para el conformismo. Pero sobre todo, mal momento para quedarse anclado en estereotipos y simplificaciones burdas como la de los «loros estocásticos», o la impresión de que las limitaciones de una tecnología van a estar ahí para siempre. Tengas la edad que tengas y hagas lo que hagas, más te vale hacer esfuerzos por intentar entender lo que viene…


Leave a Reply

Your email address will not be published. Required fields are marked *