La inteligencia artificial generativa se alimenta como principal recurso de los datos que subimos a la red. Este tratamiento de volúmenes cuantiosos de datos se lo ha dado en llamar:"Big Data". Entonces podemos afirmar que no existe inteligencia artificial sin Big Data. El tratamiento de datos, es decir, su estructuración y gestión ha dado lugar a nuevas profesiones como el científico de datos o "data scientist". Por su parte muchas otras profesiones también contribuyen en el ámbito de la inteligencia artificial, como por ejemplo los lingüistas, quienes intervienen en el desarrollo de los modelos de lenguaje natural y colaboran a que el algoritmo "comprenda" cada vez mejor el lenguaje natural de los seres humanos, sin por ello entenderlo semánticamente, sino sólo respetando las instrucciones de programación que realizan quienes ejecutan la entrada -input- de datos a quienes se los denomina data entry. En todo proceso de ingreso de datos a un sistema de inteligencia artificial es crucial que se trabaje con equipos transdisciplinarios, como profesionales que provengan de las ciencias sociales y que además esté conformado por personas de distintas culturas y etnias. Esto es así, a los fines de permitir la multiculturalidad del entrenamiento del algoritmo y evitar fundamentalmente los denominados "sesgos" de entrenamiento. En el ámbito de la conformación de bases de datos que se utilizan para entrenar a la inteligencia artificial existe una frase que nos puede ayudar a entender cómo se originan los sesgos. Los científicos de datos repiten esta frase muy a menudo: "Trush in- Trush out", esto es si ingresa basura a la base de datos que se conforma (database) entonces saldrá basura. Es por ello por lo que debe cuidarse que los datos ingresados no sean parciales, falsos o sesgados.
Por otra parte, el algoritmo no piensa, sino que sigue las instrucciones que le da la programación que ejecuta. Pensemos en un nivel más básico como una máquina expendedora de café o un lavarropas sigue una serie de instrucciones y automatiza el conjunto de órdenes que tiene en su programación. Algo similar sucede en el ámbito de la Inteligencia artificial denominada débil y de caja blanca, es decir, donde podemos seguir toda la lógica de la programación y ésta es de naturaleza explicable.
No obstante, en los últimos meses hemos sido testigos del avance de la denominada Inteligencia artificial "generativa". Se la denomina de ese modo pues el algoritmo es de una calidad más avanzada y puede "crear" o "generar" por sí misma contenido para los seres humanos emulando el pensamiento de éstos. Para ello necesita de una pregunta o consigna disparadora que será ingresada por el ser humano que la consulte. A esta consigna o pregunta se la denomina “prompt”, a mayor calidad en la construcción de estos prompts mejor será la respuesta que aporta el modelo de IA. Así, el origen del algoritmo utilizado por el Chat GP4 o el sistema de construcción de imágenes Dall-e son claro ejemplo de estas técnicas.
Finalmente, tanto los motores de búsqueda como Google o Bing han integrado a sus sistemas herramientas de inteligencia artificial generativa. Los proyectos más reciente que han aparecido en el mercado además de la versión 4.0 de Chat GPT de OPENAI son GEMINI (Google) y COPILOT (Microsoft) y están causando una revolución en su uso aplicado a varias profesiones y a la producción de contenidos que en estos diferentes ámbitos se requiere. Uno de los principales desafíos será el de adecuar la educación tradicional al uso de estas herramientas. La aparición de esta clase de modelos de Lenguaje Natural implica un cambio de paradigma en el ámbito educativo. Las dinámicas en las aulas necesariamente deberán ser revisadas por los equipos docentes quienes podrán llegar a convertir en un aliado estas herramientas para permitir generar un pensamiento crítico en vez de reemplazar el proceso de aprendizaje con su uso. Seguiremos analizando todos estos escenarios para continuar compartiendo las novedades en su uso y las injerencias en los diferentes ámbitos.
Comentarios