Puntualizando la IA Generativa

La inteligencia artificial generativa (IAGen o GenAI) ha capturado la imaginación de muchos, tanto dentro como fuera del ámbito tecnológico y gracias a ella, muchos directores de IA han visto sus presupuestos para proyectos piloto aumentados considerablemente. Sin embargo, también ha dado lugar a varios mitos y malentendidos, algunos de ellos por parte de gente que debería saber mejor de qué habla, los cuales es importante desmitificar.

¿Qué es la IA Generativa?

Para empezar, aunque oímos hablar de ella todos los días, es crucial entender qué es la IA generativa. Se trata de un tipo de inteligencia artificial diseñada para producir contenido nuevo y original a partir de datos existentes. Este contenido puede adoptar muchos modos: lenguaje, imágenes, música, audio o código. Entre los ejemplos más conocidos se encuentran los modelos de OpenAI y los generadores de imágenes como DALL-E (curiosidad para los hispanoparlantes: este nombre es un juego de palabras con el nombre de Salvador Dalí, pronunciado al estilo anglo, es decir, con acento en la primera sílaba). Su capacidad para crear contenido novedoso a golpe de clic o prompt, ha llevado a muchos a creer en su aparente omnipotencia, pero ¿cómo de acertado es pensar esto?

¿Es la IA Generativa capaz de pensar y crear como un humano?

Un mito que se mantiene, aunque cada vez en menor medida, es la creencia de que la inteligencia artificial generativa puede pensar y crear de manera análoga a un ser humano. La realidad es bastante más compleja y a mi entender fascinante. Aunque la IA generativa tiene la capacidad de producir contenido que imita notablemente el estilo humano e incluso genera ideas innovadoras, su funcionamiento difiere fundamentalmente del pensamiento humano. Carece de conciencia y experiencia subjetiva, pero exhibe capacidades de razonamiento y generación de conocimiento que desafían nuestras definiciones tradicionales de comprensión y creatividad.

La inteligencia artificial opera procesando y recombinando grandes cantidades de datos, llegando en ocasiones a conclusiones o creando contenido que parece original, incluso para expertos humanos. En sectores como la investigación científica, está contribuyendo a descubrimientos significativos y formulando hipótesis innovadoras. Sin embargo, su 'creatividad' surge de procesos algorítmicos complejos, no de la intuición o experiencia personal que caracterizan a la cognición humana. De este modo, aunque la inteligencia artificial generativa está redefiniendo los límites de lo que consideramos como pensamiento y creación, sigue siendo una herramienta potente pero esencialmente distinta de la mente humana.

¿Puede la IA Generativa realizar Analítica Predictiva?

La analítica predictiva implica la utilización de datos históricos para predecir futuros resultados. Aunque la IA generativa no fue diseñada originalmente para la analítica predictiva, los avances recientes han demostrado su capacidad para contribuir significativamente en este campo. Los modelos de IA generativa, como los Transformers y las Redes Generativas Adversarias (GANs), pueden ser adaptados para tareas predictivas, complementando y en algunos casos superando a los modelos tradicionales como las regresiones y las redes neuronales específicas.

La IA generativa destaca especialmente en la generación de datos sintéticos para aumentar conjuntos de entrenamiento, la creación de escenarios hipotéticos para análisis de riesgos, y ojo, los últimos modelos ya pueden con la predicción de series temporales complejas. Además, su capacidad para manejar datos no estructurados y capturar relaciones sutiles entre variables la hace muy útil en campos como la predicción financiera, la detección de fraudes y el pronóstico de demanda.

Sin embargo, es importante notar que la elección entre modelos tradicionales y generativos depende de la naturaleza específica del problema y los datos disponibles.

¿Puede la IA Generativa realizar Optimización Matemática?

La optimización matemática es otra área donde se han atribuido erróneamente capacidades a la IA generativa. La optimización implica encontrar la mejor solución posible para un problema dado, a menudo en contextos muy específicos como la logística o la asignación de recursos. La IA generativa no está diseñada para este propósito. Sin embargo, puede ser utilizada en combinación con algoritmos de optimización para generar posibles soluciones que luego puedan ser evaluadas y refinadas. De nuevo, su papel es más de apoyo que de sustitución.

Aunque la IA generativa no es un solucionador de problemas por sí sola, puede desempeñar un papel significativo en la resolución de problemas cuando se combina con otras tecnologías de inteligencia artificial. Por ejemplo, en el campo de la medicina, la IA generativa puede ayudar a crear nuevos tratamientos o fármacos hipotéticos, que luego pueden ser probados y optimizados mediante otros métodos de IA. Del mismo modo, en el ámbito de la logística, puede generar escenarios alternativos que luego se optimizan utilizando modelos de optimización específicos, pero no, la IA Generativa no puede realizar por sí sola optimización matemática.

Conclusiones

La IA generativa es una tecnología fascinante y muy potente, pero es importante mantener expectativas realistas sobre sus capacidades. No replica el pensamiento humano ni reemplaza los métodos tradicionales de analítica y optimización, pero puede complementar y enriquecer estos procesos de forma significativa. Tenlo en cuenta la próxima vez que un director de analítica te diga que ChatGPT puede optimizar rutas…