Inteligencia artificial generativa para niños

La inteligencia artificial generativa o IA generativa es un tipo de sistema de inteligencia artificial que puede crear cosas nuevas como textos, imágenes o sonidos, a partir de instrucciones que le damos. Estos sistemas aprenden de una gran cantidad de información que ya existe y luego usan ese conocimiento para producir contenido original que se parece a lo que aprendieron.

Algunos ejemplos famosos de IA generativa son ChatGPT y Microsoft Copilot, que son programas de conversación creados por OpenAI. También está Bard, de Google. Además, existen sistemas que crean arte con inteligencia artificial, como Stable Diffusion, Midjourney y DALL-E.

Al principio, la IA generativa se creó para intentar imitar cómo pensamos los humanos. Hoy en día, tiene muchos usos en diferentes áreas como el arte, la escritura, el diseño, la medicina, las finanzas, los videojuegos y el marketing. Muchas empresas grandes como Microsoft, Google y Baidu están invirtiendo mucho en el desarrollo de estos modelos.

La IA generativa busca que más personas entiendan y usen la inteligencia artificial. La UNESCO quiere que la IA se desarrolle de una manera que beneficie a todos, siendo justa e inclusiva. Uno de los mayores desafíos es asegurarse de que la IA se use de forma ética y responsable.

Sin embargo, también hay preocupaciones sobre cómo se podría usar mal la IA generativa, por ejemplo, para crear información falsa o videos manipulados (conocidos como deepfakes) que podrían engañar a las personas. La IA junta información de muchas fuentes, pero no siempre verifica si esa información es científicamente correcta. Es importante recordar que la IA es una herramienta más para obtener información en el mundo digital. Por eso, en septiembre de 2023, la UNESCO pidió a los gobiernos que regulen la IA generativa en el ámbito educativo.

Historia de la IA Generativa

Desde hace mucho tiempo, el campo del aprendizaje automático ha usado modelos matemáticos para entender y predecir datos. A finales de los años 2000, el aprendizaje profundo (una forma avanzada de aprendizaje automático) impulsó el progreso en el procesamiento de imágenes, videos, textos y reconocimiento de voz. Sin embargo, la mayoría de las redes neuronales se usaban para clasificar cosas, como identificar objetos en imágenes.

En 2014, surgieron avances importantes como el autocodificador variacional y la red generativa adversaria. Estos permitieron que las redes neuronales profundas pudieran aprender a crear datos complejos, como imágenes completas, y no solo a clasificarlas.

En 2017, la red Transformador mejoró aún más los modelos generativos. Esto llevó a la creación del primer transformador generativo preentrenado en 2018. Después, en 2019, apareció GPT-2, que demostró que podía aprender muchas tareas diferentes sin necesidad de una supervisión específica.

En 2021, se lanzó DALL-E, un modelo que crea imágenes a partir de texto. Luego llegaron Midjourney y Stable Diffusion. Estos programas hicieron posible crear arte de inteligencia artificial de alta calidad usando descripciones sencillas.

En enero de 2023, se supo que el sitio web Futurism.com había publicado historias escritas por una herramienta de IA interna. Después de que se conoció la noticia, se corrigieron varias de esas historias.

En marzo de 2023, se lanzó GPT-4. Un equipo de Microsoft Research sugirió que este modelo podría ser una versión temprana de una inteligencia artificial fuerte (IAF), aunque aún incompleta.

En abril de 2023, un periódico alemán publicó una entrevista falsa generada por IA con un famoso expiloto de carreras. Aunque el periódico indicó que la entrevista era generada por IA, el editor fue despedido por la controversia.

Modelos Fundacionales: La Base de la IA

Los modelos fundacionales son sistemas de IA que se entrenan con muchísimos datos de diferentes tipos. Esto les permite adaptarse a muchas tareas sin necesidad de un entrenamiento especial para cada una. Son muy versátiles y se pueden usar en áreas como la medicina, el derecho, la educación o el entretenimiento.

Los modelos de IA pueden ayudar en muchas áreas de la vida diaria.

Algunos ejemplos importantes son:

• GPT (OpenAI): Se usa para entender y generar lenguaje, traducir y escribir textos.
• DALL·E (OpenAI): Crea imágenes a partir de descripciones escritas.
• Claude (Anthropic), Gemini (Google DeepMind) y LLaMA (Meta): Son otros modelos de lenguaje muy importantes.

Usos de la IA Generativa

La IA generativa se está usando en muchos sectores. Aquí te mostramos algunas de sus aplicaciones principales:

• Educación: Puede personalizar cómo aprendes, crear materiales educativos, darte respuestas al instante y hacer simulaciones.
• Medicina: Ayuda a generar imágenes médicas, escribir informes clínicos, apoyar en diagnósticos y descubrir nuevos medicamentos.
• Entretenimiento y medios: Crea música, guiones, videojuegos, ilustraciones y contenido audiovisual.
• Marketing y diseño: Escribe textos para publicidad, diseña logotipos y crea campañas personalizadas.
• Programación: Asistentes como GitHub Copilot ayudan a escribir código, encontrar errores y sugerir mejoras.
• Negocios: Automatiza tareas administrativas, analiza datos, genera informes y mejora la atención al cliente.

Tipos de IA Generativa

Théâtre d'Opéra Spatial, una imagen creada con Midjourney.

Un sistema de IA generativa se crea usando aprendizaje automático con grandes conjuntos de datos. Las capacidades de un sistema de IA generativa dependen del tipo de datos que se usaron para entrenarlo.

La IA generativa puede ser unimodal (usa un solo tipo de entrada) o multimodal (usa varios tipos de entrada). Por ejemplo, una versión de GPT-4 de OpenAI puede entender tanto texto como imágenes.

• Texto: Los sistemas de IA generativa entrenados con palabras o partes de palabras incluyen GPT-3, LaMDA, LLaMA, BLOOM y GPT-4. Pueden entender y generar lenguaje, traducir y se usan como base para otras tareas. Los datos para entrenarlos incluyen libros y Wikipedia.
• Código: Además del lenguaje natural, los modelos de lenguaje grandes pueden aprender de código de programación. Esto les permite crear código fuente para nuevos programas de computadora.
• Imágenes: Los sistemas de IA generativa entrenados con imágenes y sus descripciones incluyen Imagen, DALL-E, Midjourney y Stable Diffusion. Se usan para crear imágenes a partir de texto y para cambiar el estilo de una imagen.
• Moléculas: Los sistemas de IA generativa pueden aprender de secuencias de aminoácidos o representaciones de moléculas, como las que representan el ADN o las proteínas. Estos sistemas, como AlphaFold, se usan para predecir la forma de las proteínas y para ayudar en el descubrimiento de medicamentos.
• Música: Sistemas como MusicLM pueden aprender de grabaciones de música y descripciones de texto. Así, pueden generar nuevas piezas musicales basadas en descripciones como "una melodía de violín relajante con un riff de guitarra distorsionado".
• Video: La IA generativa entrenada con videos puede crear clips de video que tienen sentido. Ejemplos son Gen1 de RunwayML y Make-A-Video de Meta Platforms.
• Multimodal: Un sistema de IA generativa puede combinar varios modelos o ser entrenado con diferentes tipos de datos. Por ejemplo, una versión de GPT-4 de OpenAI puede entender tanto texto como imágenes.

Cómo dar órdenes a la IA generativa (Prompts)

En el mundo de la IA, un prompt es una instrucción que los usuarios le dan a un sistema para que genere una respuesta. Estos prompts son una forma de guiar a la IA para obtener el resultado que queremos. Estas órdenes están hechas para máquinas, y ellas responden automáticamente a pedidos sencillos o complejos. Pueden ser textos o audios.

Usar verbos para crear Prompts

Cuando escribimos instrucciones para la IA, es muy importante prestar atención a los verbos. Si queremos que la IA nos dé una respuesta útil, debemos elegir los verbos correctos. A veces, podemos usar un verbo cuando en realidad deberíamos usar otro. Por eso, es bueno saber qué verbos están relacionados. Aquí tienes algunos ejemplos:

Preocupaciones sobre la IA Generativa

Un manifestante en la huelga del Sindicato de Guionistas de Estados Unidos de 2023. Una de las peticiones era regular el uso de la IA generativa.

El desarrollo de la IA generativa ha causado preocupación en gobiernos, empresas y personas. Esto ha llevado a protestas, acciones legales y llamados a detener algunos experimentos con IA. En una reunión del Consejo de Seguridad de las Naciones Unidas en julio de 2023, el Secretario General António Guterres dijo que la IA generativa tiene un gran potencial para hacer el bien y el mal. Afirmó que la IA puede impulsar el desarrollo global, pero que su mal uso podría causar mucho daño.

Impacto en los trabajos

Desde los inicios de la IA, se ha debatido si las computadoras deberían hacer ciertas tareas, considerando las diferencias entre humanos y máquinas. En abril de 2023, se informó que la IA que genera imágenes había causado la pérdida de muchos trabajos de ilustradores de videojuegos en China. En julio de 2023, los avances en la IA generativa contribuyeron a las huelgas en Hollywood. Fran Drescher, presidenta del Sindicato de Actores de Cine, dijo que "la inteligencia artificial representa una amenaza para las profesiones creativas".

Deepfakes

Los deepfakes son videos o imágenes creados con IA que reemplazan la cara de una persona en un video o imagen existente con la cara de otra persona. Los deepfakes han generado preocupación por su uso en la creación de información falsa o engaños. Esto ha llevado a que la industria y los gobiernos busquen formas de detectarlos y limitar su uso.

Delitos informáticos

La capacidad de la IA generativa para crear contenido falso y realista se ha usado en varios tipos de delitos informáticos, como estafas de phishing (intentos de obtener información personal). Se han usado videos y audios deepfake para crear desinformación y fraudes. Expertos en seguridad han predicho que los videos deepfake se volverán más comunes y peligrosos. Los delincuentes han creado modelos de lenguaje grandes enfocados en el fraude, como WormGPT y FraudGPT.

Investigaciones recientes de 2023 han mostrado que la IA generativa tiene puntos débiles que los delincuentes pueden usar para obtener información dañina, evitando las protecciones éticas. El estudio presenta ejemplos de ataques a ChatGPT, como "Jailbreaks" (formas de saltarse las reglas) y psicología inversa. Además, personas con malas intenciones pueden usar ChatGPT para ataques de ingeniería social (manipular a personas para obtener información) y ataques de phishing, lo que muestra el lado peligroso de estas tecnologías.

Regulación

En la Unión Europea, se está proponiendo una Ley de Inteligencia Artificial que exige que se revele si se usó material con derechos de autor para entrenar sistemas de IA generativa y que se marque el contenido creado por IA.

En Estados Unidos, varias empresas, incluyendo OpenAI, Alphabet y Meta, firmaron un acuerdo voluntario con la Casa Blanca en julio de 2023 para usar marcas de agua en el contenido generado por IA.

En China, las Medidas Provisionales para la Gestión de Servicios de IA Generativa regulan cualquier IA generativa que esté disponible para el público. Incluyen requisitos para usar marcas de agua en imágenes o videos generados, reglas sobre los datos de entrenamiento y la calidad de las etiquetas, restricciones en la recopilación de datos personales y una guía que dice que la IA generativa debe "seguir los valores fundamentales socialistas".

Ver también

• Creatividad artificial
• Arte de inteligencia artificial
• Red adversaria generativa
• Privacidad

Véase también

En inglés: Generative artificial intelligence Facts for Kids