Índice de contenidos
La inteligencia artificial es posiblemente una de las tecnologías de las que más se lleva hablando desde ya unos años. No por nada, los grandes de Silicon Valley, Alphabet (antes Google), Apple, Meta (antes Facebook), Amazon y Microsoft, están centrando gran parte de sus esfuerzos en la evolución de la IA. Cada una de estas corporaciones tienen su propio modelo de IA, o varios. Y están integrando inteligencia artificial en todos sus productos y servicios.
Y qué decir del ecosistema de startups que se está creando en torno a la IA. Existen toda una serie de empresas que directamente diseñan modelos de IA generativa, como OpenAI, Anthropic, Stability AI, Perplexity AI, DeepL, Jasper y un largo etcétera. Y a estas hay que sumar muchas otras que, basándose en estos modelos, crean herramientas para usarlos de mil maneras diferentes. O cómo explicar el boom que está experimentando NVIDIA. En gran parte, se debe a la demanda de procesadores gráficos para entrenar y ejecutar los complejos modelos de IA.
Así pues, la inteligencia artificial está en todas partes. Sin embargo, hay quien considera que la gran explosión de innovación asociada a la IA, y que hemos vivido estos últimos años, está llegando al agotamiento. De sorprender a propios y extraños con bots conversacionales que imitaban las expresiones humanas a procesar gran cantidad de datos y crear textos por sí mismos. Luego vendría la generación de imágenes, los asistentes de voz con IA y, más recientemente, la creación de video prácticamente real. ¿Cuál es el siguiente paso? ¿Está ralentizándose la evolución de la IA o es un proceso que ya hemos visto con anterioridad?
El día D de la evolución de la IA
Hasta la llegada de OpenAI, el desarrollo de IA se venía gestando a fuego lento en varios lugares de manera simultánea. Por un lado, universidades y centros de investigación como el MIT o Stanford. Y por el otro, empresas como DeepMind, luego adquirida por Google, Microsoft, IBM y otras muchas, hacía años que experimentaban con redes neuronales, lenguaje natural, algoritmos correlacionados y otros conceptos de los que tanto se habla ahora. Sin embargo, entrenar una IA era un trabajo arduo, costoso y prácticamente artesanal.
En la última década del siglo XX surgían los primeros chatbots o bots conversacionales y las computadoras con complejos algoritmos que sabían jugar a damas, ajedrez o go, como Deep Blue o Watson de IBM. El big data, el machine learning y el deep learning ayudaron a potenciar el aprendizaje de la inteligencia artificial, acelerando considerablemente la evolución de la IA. Y en ese aprendizaje, se produjeron una gran cantidad de descubrimientos y mejoras en campos de la ciencia y la tecnología gracias al uso de inteligencia artificial.
Pero si el gran público ha conocido eso que llamamos inteligencia artificial ha sido gracias a los bots conversacionales potenciados mediante modelos de IA generativa. Herramientas como ChatGPT, Copilot o Gemini son capaces de responder preguntas como si hubiera un ser humano al otro lado de la pantalla. Pero también pueden contar chistes, recitar poemas, redactar textos complejos, programar código y, finalmente, crear imágenes. De esto último tenemos ejemplos como DALL-E, Midjourney o Stable Diffusion. Lo más reciente sobre IA generativa son los videos. Como Sora, Stable Video Diffusion o DeepAI.
Una revolución que madura a paso más lento
El último gran salto en la revolución de la inteligencia artificial ha venido gracias a las nuevas metodologías para entrenar la IA. Las grandes redes neuronales y los modelos de lenguaje grande o LLM (Large Language Model) han automatizado ese aprendizaje haciendo que los modelos de IA aprendan a gran velocidad. De ahí el éxito de GPT, Gemini o Claude.
Desde que OpenAI diera a conocer su IA GPT y ChatGPT en 2022, prácticamente cada pocos meses, la prensa especializada se hacía eco de nuevas noticias sobre actualizaciones, nuevos modelos de IA y resultados de tests que superaban los anteriores. La evolución de la IA se sucedía a toda prisa. Una vorágine a la que prácticamente nos habíamos acostumbrado. Pero el desarrollo de inteligencia artificial tiene un precio. Hoy hay millones de usuarios de uno o más modelos de IA generativa que pagan suscripciones por las versiones más potentes. Con todo, las startups se nutren de inversores y del patrocinio de los gigantes de la tecnología. Que, a su vez, también desarrollan y explotan sus propias creaciones.
Pongamos GPT de ejemplo. GPT-2 se publica en febrero en 2019. Y en mayo de 2020 ve la luz GPT-3. Pero no es hasta marzo de 2023 que el mundo conoce GPT-4. Y un año después, su versión mejorada, GPT-4o. A medida que aumenta la complejidad de estos modelos de IA, los desarrollos requieren de más tiempo.
Además, hay que tener en cuenta que a raíz de los debates y dilemas sobre la inteligencia artificial han obligado a empresas como OpenAI, Claude o Google a incorporar medidas de seguridad y a plantearse seriamente temas éticos como la privacidad, la protección de datos o cómo prevenir que los modelos de IA adquieran prejuicios o actitudes que inciten al odio. Algo que en la Unión Europea se ha materializado en normas y leyes comunitarias.
La evolución de la IA como tecnología disruptiva
El profesor de Harvard Clayton Christensen acuñó en 1995 el término tecnología disruptiva. Se refiere a cualquier tecnología que consigue cambiar los procesos y mecanismos anteriores a su aparición. Y también influye en el comportamiento de los usuarios. Inventos recientes como la telefonía móvil, internet o la geolocalización por GPS han cambiado la vida de millones de personas. Y aunque no todo el mundo se pone de acuerdo, y todavía estamos demasiado inmersos en ello como para analizarlo fríamente, la inteligencia artificial es candidata a estar en esa lista.
Tal y como explica Wikipedia, es habitual que en una primera fase, las tecnologías disruptivas evolucionen a gran velocidad por encima de las necesidades de los usuarios. Como el vehículo a motor frente al carro tirado por caballos. O el automóvil eléctrico frente al de combustibles fósiles. De manera que la mejora de los productos que, por ejemplo, integran inteligencia artificial, supera el ritmo al que los clientes adoptan estas nuevas prestaciones. Así, tras una primera etapa de revolución como la que hemos vivido en los últimos dos años, estamos asistiendo a una segunda fase en la que las bases ya están asentadas, el producto está relativamente maduro, y solo queda mejorarlo de manera más o menos sostenida en el tiempo. Menos cambios revolucionarios, pero grandes mejoras, al fin y al cabo, en lo que ya ofrece la IA en la actualidad.
De la disrupción a la maduración tecnológica
Así, las sucesivas versiones de los modelos de IA generativa destacan especialmente por un mejor rendimiento, mayor capacidad de procesamiento y menos consumo de recursos de hardware y electricidad. Y las nuevas funcionalidades se espacian más en el tiempo. Ya que su complejidad es mayor. De procesar datos y generar texto saltamos a la imagen, el sonido y el audiovisual. Ahora entramos en los asistentes virtuales inteligentes. Y hará falta tiempo y esfuerzo para dar con el siguiente gran avance en el campo de la IA. Lo que llevará años en vez de meses.
Lo que está claro es que la IA generativa no es una moda pasajera. A no ser que se le cruce por el camino otra tecnología que ofrezca mejores soluciones a las que da la inteligencia artificial, está claro que la estrategia a medio y largo plazo del ecosistema tecnológico está enfocada, en gran parte, en la evolución de la IA y su integración en toda clase de dispositivos, productos y servicios que cambiarán nuestro día a día.
