¿Quién creó la IA generativa? Mucha gente se hace esta pregunta ahora que los chatbots y las herramientas de generación de imágenes se están generalizando rápidamente. Sin embargo, la respuesta abarca varias décadas, y no se limita a un momento concreto. En realidad, han sido decenas de investigadores quienes han desarrollado estos conceptos paso a paso. Además, no es fruto del trabajo de un genio solitario. Esta guía repasa esta historia en términos sencillos. En primer lugar, explica cómo funciona esta tecnología y, a continuación, presenta a las personas clave y los avances decisivos que la han hecho posible.
¿Qué significa «IA generativa»?
La IA generativa crea contenido inédito a partir de los modelos que aprende. Más concretamente, puede redactar textos, dibujar imágenes o componer música. A diferencia de los programas más antiguos, no se limita a clasificar o buscar datos. Al contrario, produce algo nuevo cada vez. Para ello, un modelo analiza enormes cantidades de ejemplos. A continuación, predice lo que debería venir a continuación, palabra tras palabra o píxel tras píxel. El resultado puede parecer, así, sorprendentemente humano. En la práctica, este mismo principio es la base de los chatbots, las herramientas artísticas y las aplicaciones de voz. Para obtener una visión más completa, consulta nuestra guía sobre las capacidades de la IA generativa.
La magia reside en un bucle sencillo. En primer lugar, el modelo propone una respuesta. A continuación, compara esta hipótesis con los datos reales. Después, ajusta millones de pequeños parámetros, denominados «pesos». A lo largo de numerosas iteraciones, las hipótesis mejoran. De hecho, tanto la escala como los datos contribuyen a mejorar la calidad. Gracias a este aprendizaje, el sistema va adquiriendo progresivamente el estilo, la gramática y la estructura. Puedes descubrir cómo funciona este sistema en nuestra explicación sobre los modelos de IA.
¿Quién creó la IA generativa? Una breve historia
¿Quién creó la IA generativa? Sus orígenes se remontan a la década de 1950. Ya desde muy pronto, pioneros como Alan Turing se preguntaron si las máquinas podían pensar. Más tarde, en la década de 1980, los investigadores desarrollaron las primeras redes neuronales. Sin embargo, estos modelos se mantuvieron modestos y de bajo rendimiento durante años. Posteriormente, en 2014, Ian Goodfellow presentó las redes generativas adversarias. Gracias a ellas, las máquinas comenzaron a crear imágenes nítidas y realistas.
El siguiente gran avance se produjo con un artículo publicado en 2017 sobre el «Transformer». Fue, en particular, un equipo de Google el que diseñó esta nueva arquitectura. Gracias a su excelente dominio del lenguaje, los «transformers» dieron lugar a una oleada de modelos a gran escala. Poco después, OpenAI hizo pública su serie GPT. Además, los laboratorios de la competencia se lanzaron a una carrera para igualarla. Como consecuencia, las herramientas generativas llegaron a millones de usuarios en cuestión de unos meses. Para comprender su diseño, consulta nuestra guía sobre la arquitectura de los grandes modelos lingüísticos.
De los laboratorios de investigación a las herramientas del día a día
Durante años, la IA generativa solo existía en los laboratorios de investigación. Poco a poco, sin embargo, las herramientas se han vuelto más baratas y sencillas. Así, los usuarios de a pie han podido acceder a ellas a través de aplicaciones fáciles de usar. Hoy en día, un estudiante puede redactar un ensayo en pocos segundos. Por su parte, un artista puede esbozar conceptos a partir de unas breves instrucciones. La tecnología ha salido, pues, del laboratorio para instalarse en el salón. Además, los teléfonos móviles ahora ejecutan por sí mismos modelos de gran rendimiento.
Esta evolución ha revolucionado rápidamente sectores enteros. Por ejemplo, los especialistas en marketing generan ahora anuncios en unos minutos, en lugar de en varios días. Del mismo modo, los desarrolladores recurren a asistentes que les sugieren código funcional. Sin embargo, esta misma potencia suscita nuevas preocupaciones en torno al empleo y la confianza. Por eso, muchos equipos evalúan ahora las ventajas frente a los riesgos evidentes. Los sistemas multimodales llevan este fenómeno aún más lejos, tal y como explica nuestra guía sobre la IA multimodal.
En el corazón de una aplicación de IA generativa
Una aplicación de IA generativa oculta toda esta complejidad tras una interfaz sencilla. En primer lugar, introduces una consulta, denominada «prompt». A continuación, la aplicación envía tus palabras a un modelo a gran escala alojado en la nube. Después, el modelo devuelve un nuevo texto, una imagen o un archivo de audio. Por último, la aplicación muestra el resultado en tu pantalla. En general, los cálculos complejos permanecen ocultos.
Las buenas aplicaciones añaden capas adicionales muy útiles. Por ejemplo, filtran las consultas peligrosas antes de que lleguen al modelo. Además, guardan tu historial para que puedas afinar una respuesta. Algunas aplicaciones incluso combinan varios modelos para obtener mejores resultados. Dado que el diseño desempeña un papel esencial, dos aplicaciones pueden ofrecer experiencias muy diferentes. Por lo tanto, es la aplicación, y no solo el modelo, la que da forma a toda tu experiencia. Por consiguiente, elegir la aplicación adecuada es tan importante como elegir el modelo adecuado.
Cómo mantenerse al día de las últimas novedades en investigación sobre IA generativa
Este campo evoluciona rápidamente, hasta el punto de que casi cada semana se anuncian nuevos avances. Por eso, estar al tanto de las últimas noticias sobre la investigación en IA generativa te ayuda a mantenerte al día. Empieza por consultar los blogs de los principales laboratorios, como OpenAI y Google. A continuación, lee resúmenes breves en lugar de densos artículos académicos. Después, prueba una nueva herramienta cada mes utilizándola para una tarea concreta. De esta forma, aprendes con la práctica, y no solo leyendo. Hábitos regulares como estos te permiten mantener tus conocimientos actualizados y útiles.
Sin embargo, desconfía del bombo mediático y de las afirmaciones audaces. Muchos titulares prometen mucho más de lo que una herramienta es capaz de ofrecer. Por ejemplo, una demostración puede ocultar limitaciones y fallos evidentes. Por lo tanto, afronta cada lanzamiento con un escepticismo sereno y saludable. Así adquirirás competencias reales en lugar de dejarte llevar por un entusiasmo superficial. A largo plazo, una curiosidad constante vale más que ir corriendo tras cada nueva versión llamativa.
La historia humana detrás de las máquinas
Entonces, ¿quién creó la IA generativa? En realidad, han sido miles de personas a lo largo de muchas décadas. Turing, Goodfellow e innumerables ingenieros han aportado cada uno su granito de arena. Además, cada nueva aplicación se basa en este trabajo colectivo. Por lo tanto, las herramientas que utilizas hoy en día encierran una larga historia humana. En definitiva, la IA generativa refleja nuestro propio deseo de crear. Úsala, pues, con asombro y prudencia. Esa combinación te permitirá mantenerte curioso y, al mismo tiempo, con los pies en la tierra.