Fundamentos de la IA

¡Te damos la bienvenida! Si acabas de llegar al mundo de la IA, no necesitas conocimientos técnicos para empezar. Lo que más ayuda es un mapa sencillo del panorama, para que puedas entender qué pueden hacer los sistemas de IA, cómo se presentan y cómo elegir la herramienta adecuada para tus necesidades.

La inteligencia artificial (IA) es una amplia categoría de software capaz de reconocer patrones, aprender de los datos y generar resultados útiles. 

Probablemente hayas visto la IA en situaciones cotidianas, como cuando:

• Tu aplicación de mapas te cambia la ruta para evitar el tráfico
• Tu banco marca una compra como «inusual»
• Un chatbot de atención al cliente responde a preguntas comunes

La IA es una categoría, no una herramienta concreta. Dentro de esa categoría hay modelos: sistemas entrenados que aprenden de los datos y luego aplican lo que han aprendido a nuevas situaciones. Algunos modelos se especializan en el habla, la visión o la predicción. 

Probablemente estés empezando tu andadura en la IA utilizando herramientas de IA conversacional, como ChatGPT. Los modelos que respaldan a ChatGPT están especializados en lenguaje; se denominan modelos de lenguaje grandes.

Un modelo de lenguaje grande (LLM, por sus siglas en inglés) es un modelo diseñado para trabajar con el lenguaje. Aprende patrones a partir de grandes cantidades de texto procedente de muchas fuentes para poder generar y transformar texto de formas útiles. Un LLM no «sabe» cosas como una persona. En su lugar, predice el siguiente fragmento lingüístico más probable, basándose en el contexto. Con el tiempo, los avances en potencia de cálculo, métodos de entrenamiento y acceso a grandes conjuntos de datos han hecho posible crear modelos de lenguaje grandes más potentes y capaces. 

OpenAI y otros laboratorios de investigación de vanguardia crean estos modelos como parte fundamental de su oferta y luego los ponen a disposición a través de productos para el usuario (como ChatGPT o Codex) y mediante API, que permiten a los desarrolladores usar esos modelos para crear sus propias herramientas de IA e integrar la IA en el software existente.

Los nuevos modelos salen de estos laboratorios de investigación cuando se han entrenado y han superado evaluaciones internas y pruebas de seguridad.  Cuando oyes que un modelo de IA ha sido «entrenado», normalmente se refiere a dos etapas; piénsalo como si alguien estuviera aprendiendo y mejorando en su trabajo.

La primera etapa es el preentrenamiento, cuando el modelo aprende patrones generales a partir de una enorme cantidad de texto, lo que le da habilidades generales como resumir, redactar, traducir y explicar. 

Piensa en ello como un nuevo empleado que pasa semanas leyendo todo lo que puede —manuales, ejemplos de trabajos excelentes, proyectos anteriores, preguntas frecuentes— hasta que entiende la «esencia» del trabajo.

Ahora el «empleado» empieza a trabajar, y un «jefe» le orienta: sé más claro, haz buenas preguntas de seguimiento, utiliza el tono adecuado y sigue las políticas de la empresa. Esa etapa es el posentrenamiento. Esta etapa ayuda al modelo a seguir las instrucciones de forma más fiable, a comunicarse con un estilo útil y a manejar mejor las situaciones complicadas.

El posentrenamiento es también donde se hace hincapié en los controles de seguridad: un entrenamiento diseñado para reducir los resultados perjudiciales, evitar solicitudes no deseadas y responder con más cuidado cuando el tema es delicado o incierto.

A medida que los modelos se actualizan y entrenan, es posible que notes cambios en el tono o en las respuestas. Si quieres resultados coherentes, sé explícito sobre tu objetivo, tu público, el formato y las limitaciones, y ten en cuenta que el modelo será más cauteloso cuando la seguridad o la incertidumbre estén en juego.

Los diferentes modelos están ajustados para diferentes compensaciones, como la velocidad, la profundidad y el grado de cuidado con el que siguen instrucciones de varios pasos. Algunos están diseñados para responder de forma rápida y fluida en tareas cotidianas (redactar, resumir, reescribir, hacer una lluvia de ideas). Otros están diseñados para dedicar más recursos computacionales a analizar un problema antes de responder, lo que puede mejorar la fiabilidad en trabajos más complejos de varios pasos. 

Los modelos sin razonamiento (a veces etiquetados como «Instant») están optimizados para una salida rápida y fluida. Son una buena opción predeterminada cuando la tarea es sencilla y lo que más te interesa es la rapidez: convertir notas en un mensaje, pulir la redacción, generar opciones o extraer puntos clave. 

Los modelos de razonamiento (a veces etiquetados como «Thinking») están entrenados para resolver mejor problemas de forma deliberada y paso a paso: cosas como la planificación, el análisis complejo, la depuración complicada o las decisiones con restricciones y casos extremos. Pueden tardar más, pero suelen ser mejores a la hora de seguir el hilo de múltiples elementos en movimiento y evitar errores superficiales.

Si acabas de empezar, no tienes que preocuparte por la elección del modelo: la experiencia predeterminada de ChatGPT está diseñada para cambiar automáticamente, de modo que puedas centrarte en tu pregunta, no en la configuración.

Con el tiempo, a medida que descubras lo que te gusta (velocidad frente a profundidad, borradores rápidos frente a análisis minucioso), puedes empezar a experimentar con los controles opcionales: por ejemplo, elegir Auto la mayor parte del tiempo y cambiar a Thinking cuando una tarea sea compleja o de alto riesgo.

Aquí tienes la jerarquía básica:

• IA = el campo general
• Modelos = sistemas entrenados que ejecutan tareas concretas
• Modelos de lenguaje grandes (LLM) = modelos centrados en comprender y generar lenguaje, entrenados a lo largo del tiempo por laboratorios de investigación en IA
• ChatGPT = producto que te ayuda a utilizar un LLM de forma eficaz

Una vez que tengas esta imagen en mente, podrás aprender a obtener excelentes resultados con herramientas como ChatGPT, empezando por cómo hablarle para conseguir los resultados que deseas.

Descubre cómo empezar con ChatGPT y la ingeniería de prompts.