Adentrándonos en las tripas de la IA
Podríamos decir que nos encontramos en el momento en que ya nada nos sorprende de que esté alimentado por IA. Cualquier aplicación puede estar fundamentada en inteligencia artificial. Esto, hace un año nos podía hasta sorprender, pero hemos llegado al punto en que hemos normalizado la adopción de la IA sin, en ocasiones, entender muy bien como funciona o qué beneficios nos aporta en nuestro día a día.
Seguimos empleando la IA sin saberlo, y seguimos empleando herramientas como ChatGPT sin conocer todo el potencial que ofrece. Un caso curioso: muchos desconocen que el texto predictivo sugerido cuando estas mandando un mensaje de texto es inteligencia artificial sugiriéndonos palabras para ir más rápido escribiendo. En lo que respecta a usar ChatGPT y todo su potencial, ¿sabías que puedes pedirle que te haga de profesor de inglés y te examine en base a tu nivel, mediante ejercicios prácticos? La realidad es que desconocemos tantas cosas que podemos hacer con la IA, y todo el provecho que podemos sacarle.
En esta ocasión, quiero adentrarme un poco en las tripas de la propia inteligencia artificial, con la intención de arrojar un poco de luz sobre el funcionamiento de esta, y que igual ayude a entender más detalladamente qué sucede por detrás, ya que lo que a nuestro parecer es magia, no es más que algoritmos y modelos de cálculo. Pero no queremos entender a la perfección estos algoritmos y modelos, sino más bien entender los conceptos básicos que rigen el funcionamiento de la IA, desde un punto de vista teórico.
Las tripas de la IA
Existe mucha teoría que explica el funcionamiento de la IA a niveles muy bajos, entrando en detalles tan técnicos, que resulta extremadamente complejo entender qué sucede cuando le pedimos algo a una IA como por ejemplo ChatGPT. Vamos a hablar de dos de los conceptos más interesantes y relevantes: el contexto y los embeddings.
El contexto dentro de la IA
Estamos acostumbrados a pedirle cosas a ChatGPT y recibir respuesta de forma casi inmediata. Lo curioso de ChatGPT es que este entiende perfectamente lo que le estamos pidiendo, incluso cuando nos equivocamos escribiendo, y proporciona una respuesta acorde a la información que le hemos facilitado. Ello es posible gracias al denominado contexto.
En resumidas palabras, el contexto se refiere a la información que aportamos para que ChatGPT pueda interpretar adecuadamente el sentido de nuestra frase o la intención de esta.
Por ejemplo, la palabra banco de por si tiene múltiples significados. Es por ello que debemos especificar más información si le especificamos a ChatGPT simplemente que “vamos al banco”. Dicha información le ayuda a desambiguar la frase y a entender cuales son nuestras intenciones, ya que de no ser así, este podría entender que nos dirigimos a una institución bancaria o que queremos realizar la acción de sentarnos en el banco del parque, lo cual podría arrojar una respuesta errónea por falta de contexto.
En aplicaciones específicas como chatbots, este concepto tiene una relevancia especial, y es que el contexto puede ser cualquier información en formato de textos, archivos del tipo PDF, hojas de cálculo o conexiones a bases de datos que proporcionemos a la IA.
Un ejemplo muy claro es emplear la API de ChatGPT para construir un chatbot y alimentarla con este tipo de documentos. Lo que sencillamente estamos haciendo es acotar el contexto de nuestro chatbot y establecer los límites de nuestra aplicación, ya que al definir tales límites, estamos forzando a que la IA responda solo en base a lo que conoce (la información que le proporcionamos a través de los documentos). Estamos, en definidas cuentas, delimitando el área de conocimiento de la IA.
El concepto de los embeddings
Los embeddings son algo más complejos de entender, pero son fundamentales para comprender cómo funciona la IA por detrás. Cuando le pedimos a ChatGPT que nos explique la historia de los Reyes Católicos de España, este convierte cada una de las palabras a vectores numéricos y le asigna unos pesos. Estos vectores se representan en un espacio multidimensional, de forma que la IA es capaz de detectar patrones y relaciones entre palabras. Por ejemplo, si la IA detecta que se repiten palabras como “rey” o “reina” en un mismo contexto, es capaz de “aprender” que ambas están relacionadas. El potencial de los embeddings es tal que la IA puede detectar que las palabras “Perro” y “Mascota” están relacionadas
¿Y esto para qué sirve? Sencillamente, los embeddings permiten que la IA pueda hacer traducciones automáticas, detectar sentimientos o clasificar temas, sin necesidad de programar reglas especificas para cada situación. En cierto modo, los embeddings permiten que una IA como ChatGPT no solo reconozca las palabras, sino el significado de estas en un contexto determinado.
Conclusión
Hemos introducido varios conceptos que son esenciales para entender el funcionamiento de la IA. Podríamos hablar también de conceptos como “la temperatura” (determina el grado de creatividad de la IA a la hora de generar respuestas). Sencillamente, creo que indagar más requiere ya de entrar en conocimientos más técnicos, que lógicamente son más complejos de explicar y comprender.
En un mundo digital donde la IA está jugando un papel tan crucial y donde el conjunto de aplicativos es aún un universo por explorar, entender estos conceptos puede ayudar a comprender como definir herramientas basadas en IA, para sacar mayor provecho de ella y aumentar nuestra propuesta de valor.
