Breve introducción a la IA
Aunque ahora todo el mundo habla de la IA, no es algo que haya surgido de un día para otro. En Google describimos el auge de la IA como la “tercera revolución” de la era digital.
IA: La tercera revolución de la era digital
La primera de ellas fue la aparición de internet en los años 90, que puso la información al alcance de todos. Internet cambió para siempre la forma de comunicarnos y de entender el mundo que nos rodea. Además, hizo posible el comercio electrónico, que revolucionó la forma de hacer negocios en el mundo entero.
En 2007, los móviles inteligentes revolucionaron la telefonía, permitiendo el acceso a Internet en todo momento y lugar. Esta tecnología transformó el entorno digital y la manera de hacer negocios, impulsando el crecimiento de las redes sociales y el comercio electrónico móvil, así como la tendencia de la multipantalla. Facilitó que empresas de todo tipo conectaran directamente con sus clientes, incluso fuera de su casa u oficina.
Ahora, el auge de la inteligencia artificial promete un impacto similar. Aunque ya está presente en la vida cotidiana, esta tercera revolución está ganando fuerza, con un uso creciente por parte de empresas y organizaciones y el potencial de cambiar significativamente nuestra forma de vivir y trabajar. La inteligencia artificial democratiza el acceso al conocimiento, permitiendo que más personas tengan acceso a información y aprendizaje de alta calidad, independientemente de su ubicación o condición socioeconómica. Además, mejora la eficiencia y la productividad al liberar a las personas de tareas tediosas y de bajo valor, permitiéndoles enfocarse en actividades más creativas y estratégicas.
La IA ayuda a las personas, empresas y comunidades a desarrollar todo su potencial, y lo hace de diferentes formas, como permitiendo la detección precoz de enfermedades o permitiendo que los usuarios accedan a la información en su propio idioma. Abre las puertas a nuevas oportunidades, que podrían mejorar significativamente la vida de miles de millones de personas.
Aun así, la IA no puede reemplazar a la inteligencia y la creatividad humanas. Es lo mismo que ha pasado con otros avances: los procesadores de texto no han reemplazado a los escritores, ni los libros electrónicos a los libros impresos, ni los videojuegos a los juegos al aire libre. Sin embargo, las herramientas de IA sí que pueden ofrecer formas nuevas y más eficientes de ayudar a las personas a hacer lo que mejor saben hacer.
Más información: https://blog.google/technology/ai/bard-google-ai-search-updates/
¿En qué consiste exactamente la IA?
Inteligencia artificial puede resultar un término un poco vago que se utiliza de forma muy general en las noticias.
Básicamente, la expresión inteligencia artificial se utiliza para describir sistemas digitales que pueden razonar, aprender y actuar en casos que normalmente requerirían inteligencia humana o que suponen trabajar con volúmenes de datos tan grandes que exceden las capacidades de las personas.
Los sistemas de IA se entrenan con un gran volumen de datos que utilizan para tomar decisiones, resolver problemas y crear contenido.
Más información sobre qué es la Inteligencia Artificial: https://cloud.google.com/learn/what-is-artificial-intelligence
La IA está detrás de muchos de los productos que ya utilizamos, como los chatbots de los sitios web o las aplicaciones de redes sociales que aprenden para recomendarnos productos que puedan ser de nuestro interés.
Por ejemplo, el Asistente de Google utiliza IA para responder a tus preguntas, porque puede aprender de otras similares que se le hayan hecho antes y distinguir la voz de distintas personas.
Hay plataformas de streaming que saben qué películas o series pueden gustarte, porque su buscador ha sido entrenado con tus hábitos de visualización y con los de otros suscriptores con gustos parecidos a los tuyos.
Los bancos utilizan tecnología de IA para detectar transacciones potencialmente fraudulentas casi en tiempo real y, así, proteger a sus clientes.
A medida que la tecnología de IA siga evolucionando, no hay duda de que podremos ver otras aplicaciones más útiles e innovadoras.
Más información sobre cómo las empresas usan la IA:
- https://blog.google/technology/health/cloud-next-generative-ai-health/
- https://blog.google/outreach-initiatives/google-org/google-generative-ai-accelerator-nonprofits/
Tipos de inteligencia artificial
Para empezar, es fundamental comprender que la IA es una tecnología compleja y multifacética que ha ido evolucionando a lo largo de los años. Con el avance de la tecnología, la IA se ha diversificado, abarcando un amplio espectro de funcionalidades. Es importante reconocer que estas funcionalidades no son homogéneas; sino que se distribuyen a lo largo de un espectro amplio, donde muchas de ellas pueden agruparse en dos categorías principales. Aunque estas categorías se solapan e interconectan en gran medida, su diferenciación nos ayuda a entender mejor el alcance y las aplicaciones de la IA.
Comencemos explorando sus diferencias:
IA predictiva
La IA predictiva es donde el sistema de aprendizaje automático utiliza datos históricos, analiza patrones y todos sus vínculos para hacer predicciones sobre resultados futuros.
Por ejemplo, las empresas pueden utilizar este sistema para analizar los patrones de compra de distintos grupos demográficos de clientes. Con esa información, pueden saber qué tipo de clientes tienen más probabilidades de comprar un producto determinado. Este tipo de tecnología también puede utilizarse para clasificar correctamente información sobre el lenguaje o sobre imágenes.
IA generativa
La IA generativa es un conjunto de sistemas que se utilizan para crear datos nuevos. Las herramientas de IA generativa pueden utilizarse, por ejemplo, para crear nuevas imágenes, textos o música.
Probablemente sea de la que más hayas oído hablar últimamente, porque es la que ha despertado grandes expectativas. Aunque no es precisamente algo completamente nuevo, últimamente se ha vuelto mucho más accesible y es probable que, por esa razón, te hayas apuntado a este curso.
Los modelos generativos se entrenan normalmente con volúmenes muy grandes de datos existentes que, una vez entrenados, pueden generar datos nuevos.
Por ejemplo: Gemini puede ayudarte a crear un borrador de correo electrónico, siempre y cuando describas con precisión lo que quieres que te muestre.
En este curso vamos a centrarnos principalmente en las herramientas que usan IA generativa para ver cómo pueden ayudarnos a mejorar la productividad en nuestro trabajo.
¿Cómo funciona la IA generativa?
Los modelos generativos, después de ver y analizar un gran número de ejemplos, pueden aprender y utilizar esa información para generar algo completamente nuevo. Por eso se llama “generativa”.
Los modelos de lenguaje extensos, a los que también se les conoce como “LLM” por sus siglas en inglés (Large Language Models), pertenecen a la categoría de IA generativa, ya que pueden generar nuevas combinaciones de texto en un lenguaje que parece natural. También se pueden construir modelos para generar otro tipo de resultados como, por ejemplo, imágenes, audio o incluso vídeo. Además, es importante tener en cuenta que, en estos modelos, tanto las peticiones que se hacen como los resultados que muestra pueden ser producto de una o varias combinaciones de lenguaje/texto, código, imágenes, audio y vídeo.
En el nivel más fundamental, la IA generativa funciona mediante modelos generativos que aprenden patrones de los datos que les enseñamos con el fin de generar nueva información.
Básicamente, los modelos de lenguaje pueden predecir cuál será la siguiente palabra en una secuencia. Estos modelos se entrenan con grandes volúmenes de texto, de forma que puedan comprender mejor qué palabra es más probable que aparezca a continuación.
Una manera, aunque no la única, de mejorar un modelo de lenguaje es dándole más “lecturas” (es decir, entrenando con más datos), algo parecido a cuando las personas aprendemos a hablar o escribir estudiando las palabras y su significado con ejemplos sencillos.
También hay versiones más potentes, como los modelos de lenguaje extensos o LLM.
Un LLM es un modelo basado en aprendizaje automático o Machine Learning que ha sido entrenado con una enorme cantidad de datos (millones o miles de millones de palabras).
Toda esta información permite que el LLM aprenda relaciones estadísticas muy complejas, como las que definen los patrones del lenguaje humano, y gracias a ellas consiga realizar tareas. Cuantos más datos tiene, mejores son sus resultados.
Hoy en día ya tenemos modelos de lenguaje que ayudan a las personas en su vida diaria. Son los que puedes ver en la ‘Redacción inteligente’ o la ‘Respuesta inteligente’ de Gmail, por ejemplo, cada vez que hablas con Gemini, también estás utilizando un modelo de lenguaje.
Más información sobre IA generativa (en inglés): https://blog.google/inside-google/googlers/ask-a-techspert/what-is-generative-ai/
Más información sobre qué es el aprendizaje automático o Machine Learning (en español): https://developers.google.com/machine-learning/intro-to-ml/what-is-ml
Limitaciones de la IA generativa
Aunque estas tecnologías pueden ser extremadamente útiles en todo tipo de tareas, también es importante que seamos conscientes de algunas limitaciones de la IA generativa y de las precauciones que hay que tomar si queremos que sea una ayuda eficiente:
- Alucinaciones en IA: Las herramientas de IA pueden generar respuestas que parecen correctas pero contienen errores o están fuera de contexto debido a la falta de comprensión del mundo real o limitaciones en los datos de entrenamiento. Es crucial revisar y verificar la información obtenida.
- Calidad de los datos: Los resultados de la IA generativa dependen de la calidad de los datos de entrenamiento. Si los datos contienen errores, sesgos o están incompletos, confiar en ellos puede ser arriesgado. Google trabaja continuamente para evaluar y mitigar estos riesgos.
- Confidencialidad de datos empresariales: Es importante ser prudente al utilizar información empresarial confidencial en herramientas públicas. Lee los términos y condiciones y, si es posible, usa versiones de pago que garanticen la confidencialidad, como Google Cloud, asegurándose de establecer las medidas de control necesarias.
Sin embargo, a pesar de las precauciones, y siempre que seamos conscientes de que no son perfectas, estas herramientas pueden ayudar a llevar la productividad a otro nivel. Los equipos de Google han estado experimentando con herramientas de IA para mejorar su productividad y su creatividad. Vamos a explicar algunas de ellas.
Más información sobre tus datos y Gemini: https://support.google.com/bard/answer/13594961?hl=es#your_data
Desarrollo responsable de la IA
Antes de adentrarnos en este tema, es útil explicar cómo Google se compromete con el uso responsable de la inteligencia artificial. Este compromiso nos brinda una comprensión de las medidas y precauciones que Google implementa para garantizar que la IA se desarrolle y se utilice de manera ética y segura.
La IA de Google hace funcionar herramientas que miles de millones de personas utilizan todos los días, como la Búsqueda de Google, Google Maps, el Traductor y muchas más. Google se toma esta responsabilidad muy en serio, y por eso redactó los Principios de IA de Google en el 2018, cuando la IA pasó a ser una prioridad en la empresa.
Desde entonces, Google ha desarrollado un completo programa de gobernanza de sus Principios de IA y un proceso de revisión ética.
Además, Google publica todos los años un informe detallado sobre la gobernanza de sus herramientas de IA para garantizar un proceso seguro y transparente.
Pero no todo depende de Google. Todos los actores del ecosistema de la IA tienen que asegurarse de que el desarrollo de sus tecnologías se lleva a cabo de forma responsable. Para contribuir a este objetivo, Google ha creado un gran número de recursos, como manuales, guías de revisión y otras herramientas.
Puedes encontrar más información en ai.google, el sitio de IA responsable de Google. Estos recursos son los que guían el desarrollo de nuestros productos de IA para hacer que esta sea más segura, inclusiva y útil para todas las personas.
Más información sobre el desarrollo responsable de la IA (en inglés):
- https://blog.google/technology/ai/google-responsible-ai-io-2023/
- https://blog.google/technology/ai/google-responsible-generative-ai-best-practices/
- https://blog.google/technology/ai/our-responsible-approach-to-building-guardrails-for-generative-ai/
Más información sobre los principios de IA de Google: https://ai.google/responsibility/principles/
