Inteligencia Artificial

La inteligencia Artificial (IA), aunque relacionada también con otras disciplinas, puede entenderse como parte del campo de la Informática. Se ocuparía de aquellas máquinas o programas que automatizan la resolución de problemas tan complejos que subjetivamente la sociedad considera que llegar a dicha solución requiere «inteligencia», sea o no esta similar a la inteligencia humana.

El aprendizaje automático (Machine Learning) representa una parte de esta disciplina, centrada en la capacidad de una máquina para ampliar de forma automática la cantidad de problemas que puede resolver inicialmente. Una de las posibles técnicas de aprendizaje automático es el uso de redes neuronales artificiales (RNA), pero no es la única.

Las RNA pueden ser de muchos tipos, como las recurrentes, que están pensadas para trabajar con datos en secuencia, procesándolos paso a paso.

Como explican en IBM, el aprendizaje profundo (Deep Learning) es un tipo muy particular de aprendizaje automático donde se trabaja directamente con grandes cantidades de datos no estructurados utilizando además redes neuronales artificiales de al menos 3 capas.

Desde mediados de los años 2000, el aprendizaje profundo se ha popularizado enormemente, teniendo un fuerte impacto no sólo en el ámbito de la Informática sino, por sus aplicaciones, en la sociedad en general. La revolución tecnológica es aún más evidente desde 2017, cuando se presentó la arquitectura de aprendizaje profundo Transformadora (Transformer), que permite paralelizar el trabajo con datos secuenciales usando diversos mecanismos, como la codificación, decodificación, el mantenimiento de la atención, etc. basándose en RNAs que ya no hace falta que sean recurrentes.

Impacto social

El concepto de «Inteligencia Artificial» (IA) es temporalmente contextual, lo que significa que aquello que hace unas décadas era considerado IA (como el cálculo automático o la búsqueda web) hoy día se considera simple «Informática». Por eso, hace años, podemos decir que la IA fue responsable de avances como la cirugía asistida por robots, la predicción del comportamiento de ciertos mercados o la automatización de procesos administrativos en distintos ámbitos, como el educativo. Toda esa tecnología informática sigue operativa y en continuo proceso de mejora, pero a día de hoy la IA se enfoca en proyectos de investigación que exploran el análisis de cantidades inmensas de datos y el desarrollo de enormes modelos computacionales mediante técnicas de aprendizaje profundo. Algunos ejemplos de los proyectos más importantes sobre los que se está trabajando son: el descubrimiento de nuevos fármacos, incluso personalizándolos para cada paciente, la gestión automatizada de carteras de inversión, buscando hasta la detección temprana de crisis económicas, y el aprendizaje acompañado por chatbots que sean capaces de evaluar y asignar tareas adaptadas a cada estudiante.

Aunque en general la sociedad es favorable a los avances tecnológicos vinculados a la IA, hay muchas dudas sobre su capacidad y su impacto real en nuestras vidas, por lo que, dependiendo del contexto y de la aplicación específica, es posible encontrar excesos tanto de confianza como de desconfianza en el uso de la IA. Los excesos de confianza vienen dados por las falsas creencias de que todo problema es resoluble con las técnicas modernas de IA (y suficiente inversión) y de que las tareas más complejas que realiza un ser humano serán pronto acometidas de forma totalmente automática. El exceso de desconfianza viene también de la mano de estas creencias y de la impresión, reforzada por los medios de comunicación, de que no dejan de producirse constantes e imparables revoluciones en la IA actual. Esta desconfianza se manifiesta en un deseo de proteger nuestra privacidad a toda costa (al igual que nuestra propiedad intelectual), exigir total transparencia y una exquisita práctica ética a las grandes empresas, censurar o denunciar toda aquella información que nos parece falsa o sesgada, blindar nuestra empleabilidad frente a una posible disrupción en el mercado laboral, etc. Todo ello reacciones humanas que pueden ser algo desmedidas y cuyos asustados impulsos conviene moderar.

La primera ley para regular el uso de la IA generativa ha sido el AI Act europeo, que distingue cuatro tipos de IA:

• Sistemas que atenten contra derechos fundamentales, como reconocer facialmente a la gente por la calle, puntuarla, etc. Se prohibe totalmente porque el riesgo es inaceptable.
• Sistemas que puedan afectar a nuestros derechos o a nuestra seguridad, en materia de sanidad, infraestructuras, educación, etc. La transparencia y la supervisión humana es obligatoria por ser de alto riesgo.
• Chatbots y generadores de contenido, hay que informar al usuario de que hay una IA detrás y ser transparentes con el entrenamiento y los datos usados, porque el riesgo es limitado.
• IA para videojuegos, recomendadores, filtros de SPAM… no hay restricciones porque el riesgo es mínimo o nulo.

En España se han decretado grandes multas para los que no etiqueten el contenido que haya sido generado por IA.

La revista Time publica listas como esta, de 2025, con los 100 perfiles más influyentes de la Inteligencia Artificial (como Elon Musk, Sam Altman, Mark Zuckerberg, etc.). Hasta el Papa León ha publicado documentos advirtiendo sobre el peligro de abandonar nuestra creatividad y pensamiento, y no usar la IA como una herramienta para potenciarnos.

Limitaciones actuales

La IA generativa tiene limitaciones que no parecen sencillas de resolver en el corto plazo. El consultor Gustavo Entrala las explica en este video de una manera sencilla y asequible.

De todas formas es muy común hablar del problema de las alucinaciones, como en el video anterior, y sin embargo existen problemas más sutiles como la adulación servil o sicofancia en la que caen todos los modelos.

Anthropic explicaba en un artículo reciente que las emociones representadas internamente también afectan a los chatbots como su propio Claude.

Especulación y futurología

Es innegable que uno de los sueños de la humanidad es poder crear seres humanoides que piensen y se comporten como nosotros, para realizar todo tipo de tareas e incluso para superar toda clase de barreras que encuentra actualmente la vida humana.

Sin embargo no es serio que los responsables de las empresas más importantes en el mundo de la IA generativa no den información objetiva del potencial, los riesgos y las oportunidades de esta tecnología, sino que entren en «el juego» de maximizar las expectativas de los inversores a costa de mensajes alarmistas sobre una revolución incontrolable que acabará con el trabajo y la forma de vida de la Humanidad. Véase lo que dice Dario Amodei, CEO de Anthropic, o las declaraciones de Mustafa Suleyman, jefe de IA en Microsoft.

Más información

Se recomienda seguir este blog para ampliar conocimientos sobre esta cuestión:

• Allamar, J. The Illustrated Transformer – Visualizing machine learning one concept at a time. (jalammar.github.io) (2018), la guía más visual para conocer la arquitectura Transformer.
• Allamar, J.: The Narrated Transformer Language Model. Jay Alammar. YouTube (2020), la versión narrada en video de la guía para conocer el Transformer.
• Aprende Machine Learning