Dejemos de 'Pitufar' con la IA: de músicos rígidos a maestros del Jazz

De pequeño, una de las cosas que más me fascinaba de los cómics de Los Pitufos era su peculiar uso del lenguaje. El verbo "pitufar" servía para todo: podías "pitufar la cena", preguntar "¿qué pitufas?" o exclamar "¡esto está muy bien pitufado!". Dentro de su aldea, se entendían a la perfección. Para el resto de nosotros, era un adorable galimatías que exigía adivinar el significado por el contexto.

Hoy, varias décadas después, siento una extraña familiaridad cuando leo sobre tecnología y alguien habla sobre IA. Usamos el término "Inteligencia Artificial" para todo. Sirve para el algoritmo que te recomienda una serie, para el sistema que predice la demanda de aguacates en un supermercado y para la herramienta que compone una sinfonía al estilo de Mozart. Es el mismo caos lingüístico de la aldea pitufa. Pero no te preocupes, hoy estamos aquí para actuar como traductores. Vamos a decodificar los dos "pitufos" más importantes que necesitas entender para no perderte en la conversación: el Machine Learning y la IA Generativa.

Anatomía de la IA: dos especies muy diferentes

Aunque las llamemos igual, estas dos tecnologías son tan distintas como un martillo y un violín. Ambas son herramientas, pero su propósito y funcionamiento son opuestos.

El Machine Learning (La IA predecible, la más veterana de las dos)

Pensemos en esta como la IA que llevamos usando durante años. Es la columna vertebral de la digitalización moderna.

• Misión: Su trabajo es predecir, clasificar y encontrar patrones en grandes cantidades de datos. Responde a preguntas como "¿Este cliente va a darse de baja?" o "¿Esta transacción es un fraude?".

• Motor: Se basa en modelos matemáticos robustos y, hasta cierto punto, transparentes. Por eso su funcionamiento puede ser explicable.

• Combustible: Necesita devorar enormes volúmenes de datos históricos y bien etiquetados para poder "aprender".

• Aplicación ideal: Es perfecta para soluciones empresariales que exigen fiabilidad y consistencia. El filtro de spam de tu correo, las recomendaciones de Amazon o los sistemas de predicción de la demanda son ejemplos perfectos.

La IA Generativa (La IA creativa)

Esta es la recién llegada que ha acaparado todos los focos y ha puesto el mundo patas arriba.

• Misión: Su trabajo no es predecir, sino crear. Genera contenido completamente nuevo: textos, imágenes, música, código... Responde a peticiones como "Escribe un haiku sobre un robot melancólico" o "Crea la imagen de un pulpo tocando el banjo".

• Motor: Funciona sobre redes neuronales profundas y complejas, que a menudo actúan como una "caja negra" inexplicable. No sabemos con certeza cómo llega a sus conclusiones creativas. Si quieres saber por qué esto es importante repasa mi artículo "Explicabilidad en IA: no se explica, yo te explico por qué si importa".

• Combustible: No necesita tus datos para funcionar. Su poder reside en que sus modelos ya han sido pre-entrenados con una porción gigantesca de internet y montones de libros, fotos y vídeos.

• Aplicación ideal: Tiene un potencial revolucionario para tareas de ideación, arte y creación de borradores. Sin embargo, su naturaleza impredecible hace que su aplicación en procesos empresariales críticos deba ser evaluada con mucho cuidado.

En Curiosidad Artificial, cuando hablamos de IA nos referimos a esta, a la IA Generativa, ¿me pitufas?

Un ejemplo: tu fiel filtro de spam

Para que veas clara la diferencia, pensemos en el filtro de spam de tu Gmail o Outlook. Es un ejemplo canónico de Machine Learning.

No "entiende" el email que te amenaza con publicar tus fotos si no pagas en bitcoins. No "siente" la urgencia de la falsa oferta que caduca en cinco minutos. Simplemente, ha sido entrenado con millones de correos y ha aprendido a reconocer patrones matemáticos. Detecta una combinación de factores (el remitente es sospechoso, contiene ciertas palabras clave, la estructura es similar a otros 50 millones de correos fraudulentos) y, basándose en su modelo estadístico, concluye que hay un 99.7% de probabilidad de que sea basura. Es pura matemática, no cognición.

Una metáfora final para fijar conceptos

Si después de todo esto aún necesitas una imagen mental que lo resuma todo, la música nos da la respuesta definitiva.

El Machine Learning es un músico de conservatorio virtuoso pero rígido. Le entregas una partitura complejísima (el modelo matemático) y la interpretará a la perfección, nota por nota, siempre de la misma manera. Su ejecución es predecible, brillante y de una fiabilidad técnica absoluta. No se inventará ni una sola nota, pero la ejecución de la partitura será impecable.

La IA Generativa es un genio del jazz en plena jam session. No le das una partitura. Le sugieres un tema o una secuencia de acordes (el "prompt"). Basándose en su inmenso conocimiento de teoría, armonía y miles de horas de música que ha "escuchado", improvisará un solo en tiempo real. Un solo único, fresco y que nunca se repetirá exactamente de la misma manera. A veces será genial, otras veces extraño, pero siempre será nuevo.

¿Aclarado?

Ahora ya lo sabes. La próxima vez que en una reunión, una noticia o una cena con amigos alguien "pitufe" la palabra IA, ya puedes preguntar con una sonrisa: "¿Nos referimos al intérprete de partituras o al músico de jazz?".

En Curiosidad Artificial nos encanta aclarar las cosas, por eso si hay algún tema que te resulte complejo o confuso, pitufanos tus dudas a través del formulario de contacto. 

¿Te ha pitufado el artículo?