Page 55 - Reflexiones sobre Ingeniería 2023D-2024

Revista de la Facultad de Ingeniería, Año 8, Número 1
e incluso emular expresiones que podemos tener los humanos, haciéndolo mucho más
realista.

Inteligencia Artificial Generativa

La Inteligencia Artificial Generativa es un tipo de Inteligencia Artificial que se basa en
la creación de modelos capaces de generar nuevos contenidos, como ser textos,
audios, imágenes o videos.
Se basa en el uso de Redes Antagónicas Generativas (GANs), que son un subconjunto
de las redes neuronales, donde tenemos un generador se encarga de crear contenido
nuevo, mientras que un discriminador se encarga de evaluar si el contenido generado
es real o falso.

El generador crea datos sintéticos que imitan los datos reales, mientras que el
discriminador distingue entre datos reales y falsos. Durante el proceso de
entrenamiento, el generador y el discriminador participan en una competencia, donde
el generador se esfuerza por producir datos más realistas y el discriminador tiene el
objetivo de clasificar con precisión si los datos son reales o falsos.
El entrenamiento de los modelos predictivos se genera con grandes volúmenes de
datos, que siguen el proceso anterior.

Transformador Generativo Pre-entrenado (Generative Pre-trained Transformer - GPT).

La herramienta de Inteligencia Artificial Generativa que se viene utilizando de forma
más masiva es ChatGPT de la empresa OpenAI, la cual se basa en el modelo
Transformador Generativo Pre Entrenado (GPT).
Estos utilizan transformadores de lenguaje de gran tamaño (Large Language Models -
LLM) que se pre entrenan con grandes cantidades de datos. El transformador es un
conjunto de redes neuronales que consta de un codificador y un decodificador. El
codificador y el decodificador extraen significados de una secuencia de texto y
comprenden las relaciones entre las palabras y las frases que contiene.
Los transformadores LLM son capaces de realizar un proceso de auto aprendizaje, esto
quiere decir que, a diferencia de los modelos de aprendizaje supervisado, no requieren
de tener datos etiquetados para poder realizar el entrenamiento. Este tipo de modelos
generan textos en diferentes idiomas y pueden crear palabras, oraciones y párrafos
sobre casi cualquier tema, con diferentes estilos de escritura, generando artículos,
noticias, ensayos o incluso replicar conversaciones como por ejemplo, en un chatbot.

Desafíos y oportunidades

Estas herramientas de Inteligencia Artificial Generativa muestran una nueva forma de
hacer nuestras tareas y los ámbitos de aplicación son diversos.
Por ahora el uso masivo de estas herramientas se realiza a través de las interfaces que
ofrecen los propios proveedores, no se visualizan como herramientas que podamos
instalar en servidores locales, sino que requieren de grandes capacidades de
procesamiento en soluciones en la nube. Esto puede generar ciertas limitaciones para
utilizar datos que por gobernanza, deban estar alojados en ciertos territorios.

Igualmente se encuentran disponibles librerías con el objetivo de integrar estas
capacidades a nuestras soluciones. Varios de los desafíos que se visualizan no son
exclusivos de estas Inteligencias Artificiales, sino que ya ocurren en cualquiera de las
herramientas que tenemos disponibles.

53