La creatividad y la imaginación son características inherentes a los seres humanos. Al menos, hasta la consolidación de la tecnología conocida como inteligencia artificial (IA) generativa: utiliza métodos de aprendizaje que recogen información sobre un determinado campo específico y luego combina y utiliza esos datos capturados para generar ideas nuevas y realistas desde cero.
Así, la IA tiende a romper una nueva barrera en términos de avance. Ya no se limitaría a utilizar enormes conjuntos de datos de entrada para procesarlos en un algoritmo y arrojar un resultado, sino que además, podrá desarrollar un contenido original para un sitio web, escribir un texto con sentido, componer una melodía, diseñar un personaje para un videojuego, crear una pintura o programar una aplicación.
Según Gartner para 2025, la inteligencia artificial (IA) generativa representará el 10% de todos los datos producidos en el mundo. Hoy, esa cifra no alcanza al 1%. También asegura que las empresas que adopten estas prácticas triplicarán el valor en relación a aquellas que las desestimen. Pero el futuro llega a toda velocidad: la misma consultora incluyó la IA generativa en su ranking de las doce tecnologías claves para este año.
Entre el deep learning y las GAN
La IA generativa toma el modelo de aprendizaje en múltiples capas que busca imitar el comportamiento del cerebro humano que utiliza deep learning. Recordemos que ante un aprendizaje sucedido en una esfera superior, se hace un retroceso para incorporar los nuevos datos en las anteriores y mejorar así el esquema de aprendizaje.
Por otra parte, utiliza un concepto que lleva ya un tiempo en el mercado: el de GAN (redes generativas antagónicas). Este consiste en enfrentar dos redes neuronales sin intervención ni supervisión, ni humana ni de otro algoritmo, de forma que compitan en un juego sin fin de suma cero. La primera de las redes recibe el nombre de “generadora” y se ocupa de “generar” las ideas. La segunda, conocida como “discriminadora”, verifica si el contenido emitido por la otra es veraz. Cada uno de los algoritmos mejora con cada interacción con el objetivo de poder ganarle al otro.
Supongamos que el desafío es crear desde la nada un dibujo de un rinoceronte. La primera red mostrará imágenes relacionadas o no con ese animal que serán rebatidas o aceptadas por la segunda hasta tanto se vaya conformando la figura deseada. Al final del proceso habrá un dibujo de un rinoceronte que no existió previamente: es decir, que fue creado desde el inicio por estas dos redes.
Algunos casos de uso
Se espera que la IA generativa impulse y acelere algunas actividades, como por ejemplo los ciclos de investigación y desarrollo en la medicina o la aceleración en el lanzamiento de nuevos productos.
En el mundo IT puede ser muy útil para crear conjuntos de datos sintéticos para entrenar, precisamente, sistemas de IA. En general, cuando una empresa debe crear estos sets tomando como base datos de la realidad, la tarea puede resultar muy costosa y demorar mucho tiempo. Incluso, en algunos campos del conocimiento específicos el total de datos disponibles puede estar por debajo de la cantidad necesaria para el éxito del proyecto. Es el caso, volviendo a la medicina, de las enfermedades raras: a las imágenes de estudios reales se podrán sumar otras creadas por este tipo de inteligencia para incrementar la eficiencia del modelo de IA.
Entre la oportunidad y el riesgo
Desde el punto de la seguridad informática, pueden ser capaces de construir modelos de protección dinámicas que se adapten a las amenazas virtuales en tanto estas vayan cambiando de forma. En la oportunidad está también el riesgo: los ciberdelincuentes pueden emplearla para crear desde nuevos modelos de ataque que no estén contemplados en los mecanismos de defensa vigentes.
Incluso los gobiernos pueden utilizar esta tecnología para alterar fotografías e identificar prófugos que pudieran haber cambiado el color de pelo o incluso haberse hecho una cirugía estética. De nuevo aquí el riesgo: la IA generativa puede crear fotografías o videos de personas inexistentes y propiciar la suplantación de identidades en las redes.
Como toda tecnología altamente disruptiva, queda un camino por recorrer que tanto gobiernos como empresas y usuarios finales deberían transitar con la máxima responsabilidad, para que esta tecnología, con un potencial casi infinito, no nos genere problemas sino solo soluciones.