Explorando los Fundamentos de la IA Generativa: Todo lo que Necesitas Saber
Hola! I’m Carmen 👋, a proud Latina Software Developer based in the Bay Area, CA.
La IA Generativa se ha puesto de moda! Esta tecnología en fashion ha llegado para quedarse con nosotros y continuará evolucionando — al segundo o nanosegundo!, así que es importante tener el concepto bien claro aún si no eres una persona
La Inteligencia Artificial Generativa —GenAI, por sus siglas en Ingles, es un tipo de tecnología de Inteligencia Artificial (IA) que produce diferentes tipos de NUEVOS contenidos incluidos texto, imágenes, audio y datos sintéticos. Lo consigue aprendiendo de los datos existentes y utilizando ese conocimiento para generar resultados nuevos y únicos.
Para hacerlo más claro aún, empecemos primero con el concepto de Inteligencia Artificial, sus inicios y las aplicaciones que hoy en día están en nuestra vida diaria.
¿Que es la Inteligencia Artificial?
La Inteligencia Artificial es una disciplina de la Ciencia de la Computación. Es la teoría y los métodos utilizados para construir máquinas que piensen y actúen como humanos — simular la inteligencia humana.
Esta disciplina se remontan a mediados del siglo XX, alrededor de la década de 1950. Científicos y matemáticos comenzaron a explorar la posibilidad de crear máquinas que pudieran simular la inteligencia humana. Un hito importante fue la conferencia de Dartmouth en 1956, considerada el punto de partida oficial de la investigación en inteligencia artificial como un campo formal. En esos primeros años (1950 ish), la visión era ambiciosa: construir máquinas que pudieran razonar, aprender y comprender el lenguaje natural.
FUN FACTS 🎉 - The Turing test in film |
¿Cuál es la diferencia entre la Inteligencia Artificial y el Aprendizaje Automático?
🧠 La Inteligencia Artificial (IA), busca crear máquinas que aprendan a hacer tareas que normalmente hacemos los humanos: como hablar, reconocer imágenes, entender el lenguaje, razonar o tomar decisiones.
⚠️ Para lograr esto, necesitamos datos históricos y debemos comenzar a aplicar IA responsable para evitar sesgos y el uso de información no ética.
🤖 El Aprendizaje Automático (Machine Learning), conocido por sus siglas en inglés como ML, es una subdisciplina dentro de la IA y se basa en la idea de que las máquinas pueden aprender a partir de datos, sin ser programadas explícitamente para cada tarea.
¿Sabías que la IA Generativa nace del Machine Learning?
La IA Generativa (GenAI) nace del aprendizaje automático o Machine Learning (ML), una rama del IA, que permite a las máquinas aprender de ejemplos cotidianos, siendo la base de muchas tecnologías inteligentes que usamos a diario como las recomendaciones de Netflix o emails detectados como spam.
Así como nosotros hemos aprendido a hablar, caminar, escribir y leer gracias a la educación recibida en la casa/familia o educación ya sea en los colegios o otras instituciones educativas, libros, cursos online, etc, la IA aprende analizando millones de textos, imágenes o canciones, pero en vez de memorizar, aprende patrones y luego es capaz de crear cosas nuevas basadas en lo que vio.
⚠️ GenAI no copia, sino que genera contenido original a partir de los patrones aprendidos.
Relación entre ML / Aprendizaje Supervisado y GenAI (IA Generativa)
La IA Generativa (GenAI) se basa principalmente en modelos de aprendizaje automático, y muchos de ellos han sido entrenados con aprendizaje supervisado o una combinación de enfoques, incluyendo el no supervisado y el por refuerzo.
¿Qué es el aprendizaje supervisado? — Un pincelado
El aprendizaje supervisado es un tipo de aprendizaje automático donde el modelo aprende a partir de ejemplos etiquetados. El aprendizaje supervisado funciona así: al modelo se le dan datos de entrada con una “respuesta correcta”, y aprende a hacer predicciones basándose en ese patrón
Por ejemplo el juego de memoria que el usó mi hijo cuando era pequeño. El juego tiene tarjetas con imágenes (una banana, una manzana, una uva, un hotdog, un sapo...) y sus respectivos nombres escritos. El niño tiene que levantar tarjetas de a una para descubrir qué hay debajo. Luego trata de recordar dónde estaban las tarjetas iguales y hacer pares. El objetivo no es solo recordar imágenes, sino notar patrones: ¿Qué imágenes ya aparecieron? ¿Dónde estaba la otra uva o banana? ¿Qué color es la banana?, etc
El aprendizaje supervisado es como enseñarle a una computadora a hacer algo mostrándole muchos ejemplos con las respuestas correctas:
Les das muchos datos de "entrada" (como las características de una fruta: color, forma, tamaño).
Para cada dato de entrada, les das la "salida" correcta o la "etiqueta" (en este caso, "manzana" o "pera"). Esto se llama "datos etiquetados".
La computadora analiza todos estos ejemplos y trata de encontrar patrones o reglas que relacionen las entradas con las salidas.
Una vez que la computadora ha "aprendido" estos patrones, puedes darle nuevos datos de entrada sin la etiqueta, y la computadora debería ser capaz de predecir la salida correcta.
¿Cómo se aplica esto a la GenAI?
Los modelos de GenAI como GPT, Gemini, Claude o LLaMA fueron entrenados en grandes cantidades de texto, donde el objetivo era predecir la siguiente palabra, frase o incluso párrafo.
A partir de ahí esos modelos y otros nuevos modelos fueron evolucionando, y hoy en día pueden entrenarse en grandes cantidades no solo de texto, sino de imágenes, audio y video. Por ejemplo, si entrenás una IA con miles de recetas de cocina, puede generar una receta original que no existía antes, combinando ingredientes de manera creativa. O si le das muchas imágenes de perros, puede imaginar y dibujar uno que nunca vio. Todo esto es posible gracias al Machine Learning, que le dio las bases para entender cómo se estructuran los textos, cómo se ven los objetos o cómo suena una melodía. En resumen: sin aprendizaje automático, no habría IA Generativa.
La IA Generativa no surge de la nada. Es el resultado de años de avances en aprendizaje automático. Cuanto más entendemos cómo aprende una IA, mejor podemos usarla, enseñarla y aprovechar su potencial de forma responsable.
