¿Cómo la inteligencia artificial está creando cosas que no existen?

Una rama de la inteligencia artificial está tomando fuerza con aplicaciones en los últimos años. La inteligencia artificial generativa es un área de la inteligencia artificial que tiende a crear cosas que antes no existían, con solo mirar patrones, desde rostros hasta obras de arte.

Ha habido una explosión de aplicaciones de inteligencia artificial que utilizan un área llamada inteligencia artificial generativa.

Recientemente, estamos viendo el éxito de ChatGPT que puede generar de todo, desde textos explicativos hasta guiones de películas. También en StableDiffusion que es un modelo capaz de generar imágenes y videos extremadamente realistas.

La idea de la inteligencia artificial creando cosas nuevas, no es tan nueva. Los modelos que son capaces de generar frases existen desde los años 90, con la llegada de los chatbots. Los correctores automáticos de los celulares son ejemplos de inteligencia artificial del tipo generativa.

La inteligencia artificial generativa es un ejemplo de modelos que crean cosas nuevas a partir de las observaciones de un conjunto de datos. Aprenden mirando una serie de datos, como imágenes o texto, y mediante técnicas de probabilidad, aprenden a crear nuevos datos.

Ejemplos de redes neuronales generativas

El ejemplo más reciente que ha llamado mucho la atención es ChatGPT, un modelo de lenguaje natural que emplea técnicas de aprendizaje automático, para poder generar textos después de la entrada de otro texto. A continuación se muestra una frase generada por ChatGPT que describe la historia de la canción “All Too Well” de Taylor Swift.


La canción se destaca por ser una de las pistas más personales y emocionales de Swift, y es ampliamente considerada como una de las mejores canciones de su carrera. La historia detrás de “All Too Well” se remonta a una relación de corta duración, que Swift tuvo con el actor británico Jake Gyllenhaal en 2010.

Según Swift, la letra de la canción efectivamente se basa en una experiencia personal en la que se enamoró profundamente de alguien, pero la relación terminó de forma abrupta y dolorosa.

La canción retrata la sensación de pérdida y arrepentimiento de Swift después de la ruptura, y los versos detallados y emotivos han sido ampliamente interpretados como una expresión de sus propias emociones.

Otro ejemplo, son las imágenes generadas con la herramienta DALL-E 2, que puede crear imágenes a partir de una entrada de texto. En la imagen se muestran ejemplos.

Imagens geradas pelo DALL-E
En la primera imagen, el input que generó la imagen es de un gato disfrazado de astronauta mirando la Tierra al estilo Studio Ghibli (animación japonesa). La segunda imagen se generó con el planeta Júpiter con la cara de un gato en su superficie. Fuente: DALL-E 2.

Estos son algunos ejemplos de aplicaciones de inteligencia artificial generativa. Crean algo después de aprender, utilizando observaciones de patrones que a priori no existían.

Aprendizaje automático: aprendizaje a través de observaciones

El aprendizaje automático es una técnica que consiste en alimentar con datos a un algoritmo. Este algoritmo analiza una función después de encontrar patrones en ese conjunto de datos. Por ejemplo, si se alimenta una serie de pinturas de Van Gogh, el algoritmo observará una función capaz de comprender el estilo de Van Gogh.

Existen diferentes formas de aprendizaje automático, una de ellas es el aprendizaje supervisado. Este tipo de aprendizaje consiste en entregar un conjunto de datos para obtener la respuesta que quieres que te devuelva el modelo.

Imagina que le das a un algoritmo varias imágenes de perros, para que aprenda a reconocerlo, junto con la clasificación “perro” o imágenes de gatos con la clasificación “gato”.

En resumen, le das al algoritmo la respuesta que deseas y aprende observando esos conjuntos. Otra forma, es el aprendizaje no supervisado, que permite que el modelo aprenda por sí solo, después de observar varios datos.

¿Cómo funciona la inteligencia artificial generativa?

La inteligencia artificial generativa es un ejemplo de aprendizaje automático. Recibe un conjunto de datos y puede reproducirlos después de observar y aprender los patrones. Las redes neuronales generativas (RNG) son redes neuronales creadas con la intención de generar cosas nuevas.

Funcionan de la siguiente manera: hay dos redes, una con llamada generadora y otra con llamada discriminadora. El generador tiene como objetivo, recibir un conjunto de datos y aprender a recrearlos. El discriminador apunta a reconocer lo que es real y lo que fue creado por el generador.

El modelo está completo cuando el generador puede engañar al discriminador. En otras palabras, el generador ha hecho un trabajo tan bueno al imitar los datos, que los generados por él, pueden pasar como datos reales.

Esquema de uma rede neural generativa
Esquema de una red neuronal generativa. En la imagen, el generador está marcado en azul y el discriminador en rosa. Diagrama: Thalles Silva.


ChatGPT emplea otro tipo de red llamadas transformadoras, las cuales utilizan una técnica llamada atención, que es capaz de procesar textos y prestar atención a diferentes partes de un texto. La atención funciona como una capa que logra mirar matemáticamente a la comprensión de un texto.

¿Están realmente creando cosas que no existen?

Estos modelos de inteligencia artificial necesitan observar datos para poder aprender. Estos datos se generan de forma humana, ya sea a través de fotografías, textos o pinturas. No crean desde cero, son muy buenos para encontrar patrones y hacer predicciones que se sienten como si fueran creados.

Siempre es bueno recordar que detrás de todos estos modelos, hay un algoritmo que utiliza las matemáticas para poder encontrar funciones que puedan modelar algo, ya sea generando un texto o una imagen.