Introducción a la Inteligencia Artificial Generativa
Tu cerebro almacena toneladas de información sobre objetos familiares, pero también intenta crear reglas para predecir lo que vendrá después.
No sólo podemos enseñar a las computadoras a hacer lo mismo, sino que podemos pedirles que utilicen esa información para crear nuevos patrones. Lo llamamos inteligencia artificial generativa.
Cómo funciona la Inteligencia Artificial Generativa
Las computadoras son excelentes para detectar patrones de forma útil. Así, por ejemplo, las cámaras de los teléfonos son excelentes para reconocer caras y pueden ser entrenadas para reconocer si esa cara es la tuya.
Ahora pueden hacer esto buscando patrones en la imagen.
Trazan distancias en diferentes partes de las caras, lo que se llama biometría.
Es bastante fácil para ellos hacer una predicción sobre si ese patrón coincide con lo que sabe de ti.
El avance en la IA generativa se produce cuando te das cuenta de que puedes entrenar a la computadora para que cree un patrón que ha sido entrenado para reconocer.
- Digamos que entrenas a una computadora con algunas fotos de una serie de narices. Puedes pedirle a la computadora que analice los píxeles de la imagen para aprender cómo es una nariz.
- Con suficientes datos, puede pedirle al ordenador que genere una serie de nuevos píxeles que se parezcan a una nariz.
- Con suficientes datos adicionales, se puede imaginar cómo se podría extrapolar esto a las caras y luego a imágenes enteras.
Las Redes Generativas Antagónicas (RGAs), también conocidas como GANs en inglés, son una clase de algoritmos de inteligencia artificial que se utilizan en el aprendizaje no supervisado, implementadas por un sistema de dos redes neuronales que compiten mutuamente en una especie de juego de suma cero. Presentadas por Ian Goodfellow et al. en 2014.
Esta técnica puede generar fotografías que parecen auténticas a observadores humanos. Por ejemplo, una fotografía sintética de un gato que consiga engañar al discriminador (una de las partes funcionales del algoritmo), es probable que lleve a una persona cualquiera a aceptarlo como una fotografía real.
Wikipedia
Prueba la Inteligencia Artificial Generativa
Puedes ir al sitio thispersondoesnotexist.com y hacer que una inteligencia artificial generativa cree rostros humanos al azar.
El sitio afirma que el 90% de las falsificaciones no son reconocidas por una persona normal y el 50% ni siquiera por un fotógrafo experimentado.
Este tipo de análisis y generación puede utilizarse en técnicas como la creación de una falsificación profunda (o deep fake) en la que se pide a la computadora que sustituya un rostro existente entrenándolo con una serie de rostros que se le proporcionan.
La Inteligencia Artificial Generativa no se limita a imágenes
El reconocimiento y la generación de patrones se están utilizando para crear música original entrenada mediante el aprendizaje de diferentes géneros musicales.
Herramientas como Compose AI utilizan una tecnología llamada GPT-3, que se ha entrenado con miles de millones de parámetros de aprendizaje y puede escribir textos similares a los humanos.
Ahora esa tecnología ha sido utilizada por empresas como GitHub en una herramienta llamada Copilot, que ayuda a los programadores a escribir funciones completas y reduce el tiempo de generación de código.
Aunque una IA generativa es bastante impresionante, tiene algunas limitaciones.
- Requiere cantidades masivas de datos para ser realmente buena en la generación de nueva información.
- No siempre genera resultados deseables. En el caso de algo como Copilot, no se puede confiar en que el código que escribe vaya a funcionar realmente.
- No puede crear nada nuevo. Esta tecnología sólo combina información de los patrones que ya conoce.
Es una tecnología disruptiva, sin duda apuntando hacia la Web3, pero en este momento lo mejor es ayudar a los humanos a procesar grandes conjuntos de datos, generando toneladas de opciones y acortando el tiempo que se tarda en realizar tareas repetitivas.