La posibilidad de interactuar con la tecnología ha generado un debate entre el temor a las consecuencias de lo que parece una inteligencia infinita y el aprovechamiento de las oportunidades que trae consigo
Hablar directamente con una máquina parecía algo reservado a las películas de ciencia ficción y más aún mantener una conversación fluida con una herramienta que maneja millones de datos más que un ser humano y los procesa en cuestión de segundos. Ahora, esta idea ha dejado de pertenecer al mundo de la ficción: la Inteligencia Artificial Generativa ha llegado, aparentemente, sin previo aviso, suscitando una gran sorpresa y no menos dudas.
Sorpresa porque ha desplegado en cuestión de semanas un abanico de oportunidades para aumentar la eficiencia, la rapidez y la automatización de procesos. Y dudas porque aún está por determinar cómo controlar su uso, en qué ámbitos podrá ser o no aplicable, su impacto legal y ético, cuáles serán sus consecuencias a nivel social y en la configuración del trabajo, o si es posible blindarse en materia de ciberseguridad ante ella. Se trata de un camino que tanto compañías como usuarios están empezando a explorar.
Aunque el revuelo mediático de los últimos meses invita a pensar que se trata de una tecnología surgida por generación espontánea, lo cierto es que esta nueva arquitectura se basa en enfoques que llevan décadas evolucionando hasta llegar a lo que hoy se conoce como Inteligencia Artificial Generativa: una Inteligencia Artificial que utiliza modelos de aprendizaje automático para crear resultados completamente nuevos basados en un conjunto de entrenamiento. Y cuya novedad, “a diferencia de la naturaleza analítica estándar del resto de los sistemas de Inteligencia Artificial, reside en que permite que un algoritmo cree cosas nuevas desde el entrenamiento de los documentos que ha procesado”, tal y como señala Eva García San Luis, socia responsable de KPMG Lighthouse de KPMG en España.
Además, su llegada ha sido posible gracias al desarrollo a lo largo de los últimos años de otras tecnologías ‘facilitadoras’ como el Deep learning, el aprendizaje por transferencia o las incrustaciones de palabras (especialmente relevantes ya que son las que permiten representar los datos como vectores numéricos) en la década de los años 2000, o los transformadores de redes neuronales, surgidas en 2017.
