Qué es la IA, de dónde viene y qué no es

Ana necesita el teléfono del centro de salud de su barrio y se lo pregunta a un asistente de IA. La respuesta llega en un segundo, con prefijo y todo, y el número no existe. El asistente no está averiado. Ha hecho lo que sabe hacer: escribir una respuesta que suene bien.

Esa misma tarde, Luis le pega a un asistente un informe de doce páginas y le pide un resumen para su jefa. El resumen es claro, fiel al original y le ahorra media hora. Es el mismo tipo de herramienta, con resultados opuestos según cómo se use.

Esta lección explica por qué pasan las dos cosas. Al terminarla podrás contar con tus palabras cómo escribe un asistente lo que escribe, de dónde viene la idea de una máquina que conversa y para qué preguntas no conviene usarlo como si fuera un buscador.

No hace falta saber nada de informática, y las matemáticas se quedan fuera. Basta con entender el mecanismo, que vas a tocar en tres prácticas, y al final harás tu primer experimento con el asistente que uses y empezarás tu cuaderno.

El teclado del móvil ya lo hace

Abre una conversación en el móvil y escribe «Nos vemos el». El teclado te propone «lunes», «martes» o «finde». No sabe cuándo has quedado: te ofrece las palabras que más veces siguen a esas en los mensajes de los que aprendió.

Un asistente de IA funciona con esa idea a una escala enorme. Detrás hay un modelo de lenguaje, un programa que ha visto una cantidad inmensa de texto escrito por personas y que, a partir de lo que le escribes, calcula qué fragmento de texto, llamado token, es probable que venga después. Escribe ese fragmento, vuelve a calcular y sigue así hasta completar la respuesta. Un token puede ser una palabra corta, un trozo de una palabra larga o un signo, y por eso los asistentes miden en tokens lo que admiten y lo que cobran.

Nadie le ha escrito las reglas una a una. Las ha deducido de los ejemplos, y a eso se le llama aprendizaje automático. Por eso sabe redactar una carta formal sin que nadie le haya explicado qué es una carta formal, y por eso también escribe con la misma soltura un dato que ha leído mil veces que uno que no ha leído nunca.

Por qué no responde dos veces igual

En la práctica que viene eliges tú la siguiente palabra. Las cifras son inventadas, pero el mecanismo es el real: el modelo reparte la probabilidad entre las continuaciones posibles y escoge una.

Fíjate en el control de «azar». Al mínimo, el modelo elige siempre la palabra más probable y repite la misma frase. Si lo subes, a veces escoge otra menos probable y la frase cambia. En los modelos de lenguaje ese control existe y se llama temperatura. Los asistentes trabajan con algo de azar, porque sin él escriben textos planos y repetitivos. Por eso, si haces la misma pregunta dos veces, la respuesta no sale igual.

Que cambie no dice cuál de las dos acierta: pueden ser buenas las dos, o malas las dos. Para escribir un correo, esa variación te viene bien, porque te da versiones entre las que elegir. Para dar un dato exacto, como el teléfono de Ana, es justo lo que hay que vigilar, porque un número no admite versiones.

En los asistentes de cada día no ves ese control: lo fija quien los fabrica. Aparece en las versiones para programadores, como un número que suele ir de 0 a 1 o de 0 a 2. Y ni siquiera a cero es una garantía: la respuesta todavía puede variar un poco por cómo se hacen las cuentas en los servidores.

De dónde viene: una pregunta de 1950

La pregunta de si una máquina puede pensar es anterior a los ordenadores de casa. En 1950, el matemático británico Alan Turing propuso cambiarla por otra que sí se podía poner a prueba: si una máquina conversa por escrito de forma que una persona no sabe distinguirla de otra persona. Lo llamó el juego de la imitación.

El nombre de «inteligencia artificial» aparece en agosto de 1955, en la propuesta de un taller de verano que se celebró al año siguiente en el Dartmouth College. Sus cuatro autores escribieron que cualquier rasgo de la inteligencia se podía describir con tanta precisión que una máquina podría simularlo.

En 1966, Joseph Weizenbaum presentó ELIZA, un programa que imitaba a un psicoterapeuta devolviendo las frases de quien escribía en forma de pregunta. No entendía nada, y aun así, según contó su autor, había quien le hablaba como a alguien de confianza. Ver una mente detrás de un texto bien hecho es una tentación tan antigua como los programas que conversan.

Las promesas fueron por delante de los resultados, y dos veces se cortó el dinero: a mediados de los setenta, tras un informe muy crítico encargado por el Gobierno británico en 1973, y a finales de los ochenta, con los sistemas expertos, programas de reglas escritas a mano que resultaron caros de mantener. A esas dos épocas se las llama los «inviernos» de la IA.

Tres saltos que explican lo que usas hoy

• 2012. Una red neuronal, un programa que aprende ajustando millones de valores a partir de ejemplos, ganó con mucha ventaja un concurso de reconocimiento de imágenes. Se llamaba AlexNet y había aprendido de más de un millón de fotos etiquetadas. Demostró que, con datos y potencia de cálculo suficientes, aprender de ejemplos funcionaba mejor que escribir reglas.
• 2017. Un equipo de Google presentó el transformer, una forma de procesar el texto que relaciona cada palabra con todas las demás de la frase y que se puede entrenar por partes a la vez. Eso permitió entrenar modelos con muchísimo más texto, y es la base de los modelos de lenguaje actuales.
• 2022. Un modelo que solo completa textos no sabe conversar. En marzo, OpenAI publicó cómo enseñarle a seguir instrucciones ajustándolo con las valoraciones de personas, y en noviembre abrió ChatGPT al público. Por primera vez, cualquiera podía conversar con un modelo de lenguaje desde el navegador.

Desde entonces han llegado muchos asistentes parecidos, de varias empresas, y cada pocos meses aparece uno nuevo. La lección 4 repasa los que hay hoy y cómo elegir el que te conviene para cada tarea.

Lo que no es

Como escribe con soltura, es fácil confundirlo con otras cosas, y estas tres confusiones salen caras:

• No es una persona. Usa la primera persona, se disculpa y da las gracias porque aprendió de textos escritos por gente. Eso no indica que tenga intenciones ni que le importe lo que te pase.
• No es una base de datos. No consulta una lista de datos comprobados. Si un teléfono aparecía poco en los textos de los que aprendió, puede darte otro que suene igual de bien. A esa respuesta equivocada que parece cierta se le llama alucinación.
• No siempre es un buscador. Algunos asistentes buscan en internet y citan las páginas: entonces lo que vale es la página, y hay que abrirla. Los que no buscan responden con lo que aprendieron hasta una fecha y no saben lo que pasó después.

La regla práctica: para redactar, resumir u ordenar ideas, úsalo sin miedo, porque lo revisas leyendo. Para un dato exacto, como un teléfono, una fecha, una cifra o el artículo de una ley, pide la fuente y ábrela.

Hazlo: tu primer experimento

Con el asistente que tengas a mano, gratuito o de pago, en el móvil o en el ordenador:

1. Pídele que te explique en dos frases qué es un eclipse y copia la respuesta. Abre una conversación nueva y pídeselo otra vez, con las mismas palabras.
2. Pregúntale algo exacto que conozcas bien y que no sea famoso, como el horario de la biblioteca de tu barrio o el teléfono de un comercio de tu calle, y compara su respuesta con la real.
3. Pregúntale de dónde lo ha sacado. Si te da una fuente, ábrela y mira si dice lo mismo.

Apunta lo que veas en tu cuaderno, en la página siguiente. Se guarda solo en tu navegador y al final del curso lo descargas entero. Si en el paso 2 te contestó con seguridad y se equivocó, acabas de ver una alucinación. Si te dijo que no lo sabía, también es buena señal: algunos asistentes ya reconocen sus límites.

Esta lección no entra en cómo pedirle las cosas, que es la lección 2, ni en cómo comprobar lo que dice con método, que es la lección 3.