La inte­li­gen­cia arti­fi­cial gene­ral (AGI) se con­si­de­ra el san­to grial del desa­rro­llo de la IA. Por ello, las empre­sas de IA como Ope­nAI y Goo­gle están com­pi­tien­do para cons­truir los pri­me­ros sis­te­mas AGI que podrían mar­car el ini­cio de una nue­va era de compu­tación inte­li­gen­te.

Al res­pec­to exis­ten dos pos­tu­ras: la de quie­nes afir­man que la AGI es solo una cues­tión de mayor poten­cia infor­má­ti­ca y, por lo tan­to, está a la vuel­ta de la esqui­na, entre los que se cuen­ta al direc­tor eje­cu­ti­vo de Ope­nAI, Sam Alt­man. Otros dicen, por el con­tra­rio, que la AGI requie­re un para­dig­ma de pen­sa­mien­to com­ple­ta­men­te nue­vo y, por lo tan­to, aún está lejos de desa­rro­llar­se.

IA: La inte­li­gen­cia arti­fi­cial, o IA, es el con­jun­to gene­ral de tec­no­lo­gías que uti­li­zan la infor­má­ti­ca avan­za­da para rea­li­zar tareas. Las redes neu­ro­na­les, el apren­di­za­je auto­má­ti­co y los gran­des mode­los de len­gua­je (LLM) son todos desa­rro­llos que per­te­ne­cen al ámbi­to de la IA. La IA gene­ra­ti­va, por supar­te, es un sub­con­jun­to de la IA. El desa­rro­llo de la IA se remon­ta al siglo XX, sien­do los avan­ces ini­cia­dos en la déca­da de 1960 los que han dado lugar a las capa­ci­da­des que están dis­po­ni­bles hoy en día.

AI Agent: Un soft­wa­re que uti­li­za IA para tomar deci­sio­nes racio­na­les a fin de com­ple­tar tareas espe­cí­fi­cas. Los agen­tes pue­den inter­ac­tuar con sus entor­nos y eje­cu­tar tareas de for­ma autó­no­ma, sin nece­si­tar indi­ca­cio­nes cons­tan­tes como un chat­bot. Se espe­ra que estos pro­gra­mas desem­pe­ñen un papel impor­tan­te en la auto­ma­ti­za­ción de una amplia gama de tareas para las empre­sas.

AI washing: Es el acto de pro­mo­cio­nar fal­sa­men­te o exa­ge­rar el uso que uno hace de un soft­wa­re de IA, ya sea inten­cio­nal o invo­lun­ta­ria­men­te. A prin­ci­pios de 2024, la Comi­sión de Bol­sa y Valo­res de Esta­dos Uni­dos comen­zó a tomar medi­das enér­gi­cas con­tra las empre­sas que hicie­ran afir­ma­cio­nes enga­ño­sas, en res­pues­ta a lo que muchos con­si­de­ran una exa­ge­ra­ción en el ámbi­to de la IA.

Anth­ro­pic: Se tra­ta de la star­tup que está detrás del mode­lo de IA gene­ra­ti­va Clau­de y es un com­pe­ti­dor prin­ci­pal de Ope­nAI. Anth­ro­pic ha inten­ta­do dife­ren­ciar­se pro­mo­vien­do su com­pro­mi­so con el desa­rro­llo res­pon­sa­ble de la IA. La empre­sa tie­ne una aso­cia­ción con WPP y cuen­ta con el res­pal­do de Ama­zon y Goo­gle.

Chat­bots: Son pro­gra­mas que se eje­cu­tan den­tro de apli­ca­cio­nes de men­sa­je­ría y sitios Web que ayu­dan a los con­su­mi­do­res a rea­li­zar tareas sen­ci­llas. Sal­ta­ron a la popu­la­ri­dad gra­cias a apli­ca­cio­nes como Face­book Mes­sen­ger, y fun­cio­nan como apli­ca­cio­nes den­tro de los ser­vi­cios de men­sa­je­ría. El auge recien­te de los bots de inte­li­gen­cia arti­fi­cial gene­ra­ti­va, como ChatGPT, está per­mi­tien­do que estos ser­vi­cios sean mucho más avan­za­dos y sue­nen más huma­nos.

ChatGPT: Es un bot de inte­li­gen­cia arti­fi­cial gene­ra­ti­va crea­do por Ope­nAI, que uti­li­za tec­no­lo­gía GPT para pro­du­cir un resul­ta­do basa­do en una entra­da. La pla­ta­for­ma está pro­vis­ta con gran­des can­ti­da­des de infor­ma­ción extraí­da de sitios Web, artícu­los, libros y otras fuen­tes. Se lan­zó públi­ca­men­te a fines de 2022 y rápi­da­men­te ganó popu­la­ri­dad debi­do a su amplia gama de capa­ci­da­des, des­de escri­bir guio­nes has­ta con­tar chis­tes y difun­dir cono­ci­mien­tos sobre bási­ca­men­te cual­quier tema.

Con­text Win­dow: Se refie­re al lími­te supe­rior de tex­to que un LLM pue­de pro­ce­sar para cual­quier entra­da indi­vi­dual. Los LLM difie­ren en sus ven­ta­nas de con­tex­to. El mode­lo Clau­de 3 de Anth­ro­pic, por ejem­plo, pue­de acep­tar has­ta 200.000 tokens, o apro­xi­ma­da­men­te 150.000 pala­bras. La ven­ta­na de con­tex­to de GPT‑4 de Ope­nAI es de 128.000 tokens, o apro­xi­ma­da­men­te 96.000 pala­bras.

DALL‑E: Otro bot de IA gene­ra­ti­va crea­do por Ope­nAI, aun­que su fun­ción es gene­rar imá­ge­nes. Al igual que ChatGPT, se con­sul­ta al bot con una entra­da des­crip­ti­va y obtie­ne una ima­gen corres­pon­dien­te. La pri­me­ra ver­sión de DALL‑E se lan­zó en enero de 2021, y des­de enton­ces se han lan­za­do dos ver­sio­nes más.

Deep Lear­ning: Una rama más avan­za­da del apren­di­za­je auto­má­ti­co, en la que un orde­na­dor apren­de por sí solo con una can­ti­dad míni­ma de pro­gra­ma­ción. Con el apren­di­za­je pro­fun­do, los espe­cia­lis­tas en mar­ke­ting pue­den apro­ve­char al máxi­mo los datos y apli­car­los para hacer pre­dic­cio­nes sobre el com­por­ta­mien­to del con­su­mi­dor.

Deep­fa­ke: Imi­ta­cio­nes enga­ño­sas de video y/o audio de una per­so­na crea­das sin su cono­ci­mien­to o con­sen­ti­mien­to. El auge de la IA ha lle­va­do a una mayor pro­li­fe­ra­ción y pre­ci­sión de este tipo de medios frau­du­len­tos.

Dyna­mic Pri­cing: Es una de las tareas más habi­tua­les que pue­den rea­li­zar los pro­gra­mas basa­dos en el apren­di­za­je pro­fun­do es fijar pre­cios en fun­ción de los datos de los con­su­mi­do­res. Los pre­cios diná­mi­cos impli­can que a cada con­su­mi­dor se le pre­sen­ta un pre­cio en fun­ción de sus cir­cuns­tan­cias par­ti­cu­la­res, según la hora del día, su situa­ción finan­cie­ra y otros fac­to­res. Los pre­cios diná­mi­cos pue­den apli­car­se, por ejem­plo, a las tari­fas de los bille­tes de avión. La IA pue­de ayu­dar a crear pre­cios per­so­na­li­za­dos que ten­gan más pro­ba­bi­li­da­des de garan­ti­zar una ven­ta al pre­cio más efi­cien­te.

Ele­ven­Labs: Una pla­ta­for­ma de inte­li­gen­cia arti­fi­cial de tex­to a voz, que a menu­do se uti­li­za jun­to con otros sis­te­mas de inte­li­gen­cia arti­fi­cial gene­ra­ti­va para incor­po­rar voz.

Gene­ra­ti­ve AI: La inte­li­gen­cia arti­fi­cial gene­ra­ti­va es una for­ma de IA que, como su nom­bre lo indi­ca, gene­ra con­te­ni­do. Depen­dien­do de las capa­ci­da­des de la pla­ta­for­ma espe­cí­fi­ca, este con­te­ni­do pue­de ser imá­ge­nes, videos, tex­to, audio, así como otros medios. Las pla­ta­for­mas que se han vuel­to popu­la­res recien­te­men­te gene­ran su con­te­ni­do a par­tir de la entra­da que un usua­rio intro­duz­ca, como “Pro­du­cir una ima­gen de X” o “¿Cuál es la res­pues­ta a Y?”

Gemi­ni: Es el prin­ci­pal sis­te­ma de inte­li­gen­cia arti­fi­cial de Goo­gle, que com­pi­te con GPT de Ope­nAI. Gemi­ni se cono­cía ante­rior­men­te como Bard, pero cam­bió su nom­bre a prin­ci­pios de 2024. La pla­ta­for­ma se uti­li­za en la mayo­ría de los pro­duc­tos de Goo­gle orien­ta­dos al con­su­mi­dor, lo que impul­sa su reno­va­ción de bús­que­da deno­mi­na­da Search Gene­ra­ti­ve Expe­rien­ce. Tam­bién se uti­li­za en muchos pro­duc­tos empre­sa­ria­les, como el admi­nis­tra­dor de anun­cios Per­for­man­ce Max.

GPT: Gene­ra­ti­ve Pre-trai­ned Trans­for­mer, un mode­lo de IA gene­ra­ti­va que se entre­na con gran­des can­ti­da­des de datos para pro­du­cir un resul­ta­do. La tec­no­lo­gía fue crea­da por Ope­nAI.

Hallu­ci­na­tion: Situa­ción en la que un sis­te­ma de IA pro­por­cio­na infor­ma­ción inco­rrec­ta o ses­ga­da, como cuan­do Gemi­ni de Goo­gle repre­sen­tó imá­ge­nes his­tó­ri­cas de mane­ra inco­rrec­ta. El tér­mino “alu­ci­na­ción” se uti­li­za por­que el sis­te­ma pre­sen­ta la infor­ma­ción como si fue­ra correc­ta, lo que difi­cul­ta aún más la detec­ción de un error de este tipo. Las alu­ci­na­cio­nes sur­gen de ses­gos en los datos de entre­na­mien­to del sis­te­ma u otros fallos de fun­cio­na­mien­to.

Ima­ge recog­ni­tion: La bús­que­da de patro­nes en las imá­ge­nes. Las mar­cas pue­den uti­li­zar la tec­no­lo­gía de reco­no­ci­mien­to de imá­ge­nes, por ejem­plo, para encon­trar todas las fotos en línea en las que apa­re­cen sus logo­ti­pos. Eso podría ayu­dar a las mar­cas a loca­li­zar a sus clien­tes más fie­les y extraer otros datos de mar­ke­ting úti­les. La “visión arti­fi­cial” es un tér­mino aso­cia­do al reco­no­ci­mien­to de imá­ge­nes y se refie­re a los pro­gra­mas infor­má­ti­cos que ana­li­zan y cla­si­fi­can las imá­ge­nes digi­ta­les.

Lar­ge lan­gua­ge models (LLMs): Una fun­ción de IA para rea­li­zar tareas rela­cio­na­das con el len­gua­je, como la gene­ra­ción de tex­to. Las pla­ta­for­mas se entre­nan con gran­des can­ti­da­des de datos y se basan en com­ple­jas redes neu­ro­na­les que les per­mi­ten hacer pre­dic­cio­nes y gene­rar los medios corres­pon­dien­tes, como tex­to o imá­ge­nes. El mode­lo GPT de Ope­nAI es un LLM.

LLa­MA: Lar­ge Lan­gua­ge Model Meta AI, un mode­lo de IA gene­ra­ti­vo desa­rro­lla­do por Meta. Es un LLM, como el GPT de Ope­nAI, y poten­cia muchas de las apli­ca­cio­nes de IA de Meta.

LoRA: Sig­ni­fi­ca adap­ta­ción de bajo ran­go (LoRA), y es una for­ma de ajus­tar un mode­lo de IA para la crea­ción de medios más per­so­na­li­za­dos. Los LLM más popu­la­res de la actua­li­dad tien­den a ser de pro­pó­si­to gene­ral, por lo que una mar­ca o empre­sa de IA que bus­que acti­vos más per­so­na­li­za­dos pue­de que­rer entre­nar un mode­lo de códi­go abier­to uti­li­zan­do LoRA.

Machi­ne lear­ning: Es la situa­ción en que una máqui­na apren­de por sí sola con una pro­gra­ma­ción míni­ma. El apren­di­za­je auto­má­ti­co pue­de ser útil en el mar­ke­ting direc­to y el mar­ke­ting por correo elec­tró­ni­co al inge­rir gran­des con­jun­tos de datos de con­su­mi­do­res y usar­los para deter­mi­nar aspec­tos como los mejo­res momen­tos para enviar correos elec­tró­ni­cos. Los defen­so­res dicen que tam­bién pue­de iden­ti­fi­car a los clien­tes o con­su­mi­do­res que serían más recep­ti­vos a deter­mi­na­dos men­sa­jes. Se uti­li­za en la seg­men­ta­ción de anun­cios para ayu­dar a enviar men­sa­jes a esas audien­cias.

Neu­ral Net­works: Son pro­gra­mas de inte­li­gen­cia arti­fi­cial que imi­tan el cere­bro humano. Incor­po­ran apren­di­za­je pro­fun­do y pro­ce­sa­mien­to del len­gua­je natu­ral para rea­li­zar fun­cio­nes como reco­no­cer escri­tu­ra a mano y ros­tros en foto­gra­fías.

Ope­nAI: Es el nom­bre de una empre­sa de inte­li­gen­cia arti­fi­cial que ha crea­do algu­nas de las herra­mien­tas de inte­li­gen­cia arti­fi­cial gene­ra­ti­va más popu­la­res, como ChatGPT y DALL‑E. Ope­nAI comen­zó como una orga­ni­za­ción sin fines de lucro en 2015, fun­da­da por un equi­po que incluía a Elon Musk, pero se expan­dió para incluir una rama con fines de lucro en 2019. Si bien es téc­ni­ca­men­te inde­pen­dien­te, Ope­nAI cuen­ta con un fuer­te res­pal­do de Micro­soft, que invir­tió otros 10.000 millo­nes en Ope­nAI a prin­ci­pios de 2023.

Open-sour­ce AI: Soft­wa­re de IA cuyo códi­go fuen­te sub­ya­cen­te es amplia­men­te acce­si­ble. Varios pro­vee­do­res de IA han hecho que sus mode­los sean de códi­go abier­to, inclui­dos Meta y Goo­gle. Sin embar­go, el gra­do de esta trans­pa­ren­cia depen­de del caso. Por ejem­plo, la IA de códi­go abier­to de Meta no reve­la el códi­go ni los datos uti­li­za­dos para entre­nar el mode­lo.

Per­ple­xity: Así se lla­ma un motor de bús­que­da impul­sa­do por inte­li­gen­cia arti­fi­cial dise­ña­do para brin­dar res­pues­tas deta­lla­das y con­ver­sa­cio­na­les a las con­sul­tas. Per­ple­xity cuen­ta con el res­pal­do de impor­tan­tes inver­so­res, entre ellos Nvi­dia y Jeff Bezos, pero ha enfren­ta­do con­tro­ver­sias por supues­ta­men­te pla­giar mate­rial de publi­ca­cio­nes de noti­cias como For­bes, Wired y The New York Times.

RAG: La gene­ra­ción aumen­ta­da por recu­pe­ra­ción (RAG) es un pro­ce­so median­te el cual los LLM pue­den sub­con­tra­tar infor­ma­ción que está más allá de sus datos de capa­ci­ta­ción. Por ejem­plo, un LLM pue­de usar RAG para obte­ner infor­ma­ción en tiem­po real de un sitio de noti­cias o una pla­ta­for­ma de redes socia­les, o hacer refe­ren­cia a la base de cono­ci­mien­to inter­na de una orga­ni­za­ción, todo ello sin nece­si­dad de capa­ci­ta­ción adi­cio­nal.

Run­way: Es una star­tup de inte­li­gen­cia arti­fi­cial que con­vier­te tex­to en video, cono­ci­da por sus pro­duc­cio­nes bre­ves pero rea­lis­tas. Lions­ga­te se ha aso­cia­do con Run­way para crear un mode­lo de video basa­do com­ple­ta­men­te en su catá­lo­go de IP. El ter­cer y más pode­ro­so mode­lo de Run­way, Gen‑3, esta­rá en prue­bas a par­tir de octu­bre de 2024.

Small lan­gua­ge models (SLMs): Los SLM son mode­los de IA com­pac­tos dise­ña­dos para tareas lin­güís­ti­cas espe­cí­fi­cas. En com­pa­ra­ción con los LLM, que tie­nen una gama de fun­cio­nes mucho más amplia, los SLM requie­ren menos poten­cia compu­tacio­nal, pero pue­den fun­cio­nar de mane­ra más efi­caz para fines que pue­den ser dema­sia­do mati­za­dos para los LLM.

Synthe­tic data: Aque­llos datos crea­dos por IA que se uti­li­zan para emu­lar datos reales. Su fina­li­dad es ayu­dar a las empre­sas a rea­li­zar inves­ti­ga­cio­nes y pro­bar pro­duc­tos evi­tan­do las barre­ras que encon­tra­rían si uti­li­za­ran infor­ma­ción real, como res­tric­cio­nes de pri­va­ci­dad y capa­ci­dad limi­ta­da para gene­rar nue­vos datos. Los datos sin­té­ti­cos podrían ayu­dar a las mar­cas a com­pren­der mejor a sus clien­tes y cómo rela­cio­nar­se con ellos.