(Esta entrada es complementaria a la entrada “Esto es todo lo que voy a decir de las IAs“, y alberga contenido que NO ha sido escrito por un humano con fines ilustrativos y de transparencia.)

A principios de semana publiqué una de las entradas más largas en bastante tiempo en la que dije todo lo que tengo que decir sobre las IA. Mi proceso/sistema de escribir entradas varía cada tanto; normalmente acumulo enlaces y recursos para leer y a partir de ahí voy haciendo apuntes, resumiendo, expandiendo por otros sitios, y dándole forma. Otras veces tengo un boom de “inspiración” y me sale algo más o menos presentable de una sentada. Hace tiempo probé el método snowflake, y también servía más o menos. Todo ello lo acompaño más o menos regularmente con listas de puntos o esquemas con las ideas claras que quiero exponer.

Pero con la entrada de las IAs empecé a acumular muchísimo material y se me empezó a hacer bola (hablo de hace un mes, bastante antes de publicarla; de hecho, el primer borrador era de Marzo). El caso es que empecé a bloquearme mentalmente y, dado el tema del que trataba, me parecía interesante ver cómo de útil podía ser un modelo de lenguaje como ChatGPT para escribir.

Ojo con esto, antes de que nadie me salte a la yugular. Mi idea era proveerle una lista de puntos a tratar más o menos ordenada y conectada razonablemente, y usar lo que me devolviese como un esqueleto donde ir picando y puliendo, expandiendo aquí y resumiendo allá. El prompt en cuestión fue:

Escribe una entrada de blog que hable de las IA. Sigue este esquema punto por punto:

• Definición, qué y qué no es. Sin tecnicismos. Simple. Conciso.
• Varios tipos: clasificación, discriminación, generación.
• Cómo se hacen: training dataset, inputs, GPUs. Buscar sinónimo en español.
• Cómo se usan: prompts, texto, sonido, imágenes, etc.
• Ejemplos: generación de texto (ChatGPT), texto a voz (discursos, covers), texto a imagen, imagen a imagen (escalado), voz a texto (subtítulos)
• Problemas: sesgos humanos, explotación laboral, ética, regulación. Gente trepa. Compañías capando versiones anteriores de sus productos.
• Comentario: paralelismo con las crypto.
• Mi opinión final: más legislación, uso moderado, evaluación constante.

Todos estos temas están tratados en la entrada que publiqué el lunes. Pero me gustaría pensar que la diferencia entre lo que escribí y lo que me generó (más abajo) es bastante apreciable. Nadie discute que el prompt podría haber sido mucho mejor y más currado. Pero de nuevo, mi idea no era que hiciera el trabajo de escribir todo por mí, sino de transformar la escritura de este artículo que se me había atragantado en algo entretenido pero de manera diferente.

Puedes leer lo que me devolvió a continuación:

“

Definición, qué y qué no es

Las Inteligencias Artificiales (IA) son sistemas computacionales diseñados para realizar tareas que requieren inteligencia humana. A diferencia de las personas, no tienen conciencia ni emociones propias, y operan únicamente en base a reglas y algoritmos programados. Las IA pueden aprender de datos y mejorar su rendimiento con la experiencia, pero carecen de la comprensión profunda y la empatía que caracteriza a los seres humanos.

Varios tipos: clasificación, discriminación, generación

Existen varios tipos de IA, cada una especializada en diferentes tareas. La IA de clasificación se utiliza para asignar etiquetas o categorías a datos, como identificar si una imagen contiene un gato o un perro. La discriminación se enfoca en tomar decisiones basadas en la información disponible, como aprobar o denegar un préstamo en función de ciertos factores. Por último, la generación de IA es capaz de producir contenido original, como textos, imágenes o música.

Cómo se hacen: training dataset, inputs, GPUs

El proceso de creación de las IA implica alimentarlas con grandes cantidades de datos a través de un “conjunto de entrenamiento” o “training dataset”. Estos datos les permiten aprender patrones y relaciones relevantes para la tarea que realizarán. Los inputs o entradas que se les proporcionan son las consultas o estímulos para los cuales se espera una respuesta o resultado. Además, las Unidades de Procesamiento Gráfico (GPUs) son ampliamente utilizadas para acelerar el procesamiento y entrenamiento de las IA, ya que son especialmente eficientes en cálculos matemáticos paralelos.

Cómo se usan: prompts, texto, sonido, imágenes, etc.

Las IA se utilizan en diversas aplicaciones y medios. A través de “prompts” o instrucciones, se les puede guiar para que generen textos, imágenes, música e incluso interacciones de conversación. Las IA de texto pueden redactar artículos, responder preguntas o crear historias, mientras que las de sonido pueden convertir texto en voz para discursos o producir covers musicales. También son utilizadas para transformar imágenes, como aumentar su resolución o aplicar efectos artísticos.

Ejemplos

Uno de los ejemplos más notables de IA es ChatGPT, una inteligencia artificial capaz de mantener conversaciones y generar texto coherente. Otra aplicación destacada es la conversión de texto a voz, que permite crear discursos realistas o versiones cantadas de canciones. Además, las IA son fundamentales en tareas de reconocimiento de imágenes, permitiendo clasificar y etiquetar fotos automáticamente. También se emplean en la mejora de la calidad de imágenes mediante el escalado, y en la transcripción de voz a texto para generar subtítulos y transcripciones.

Problemas

Sin embargo, las IA también enfrentan diversos desafíos y problemas. Los sesgos humanos presentes en los datos de entrenamiento pueden ser reflejados en sus decisiones y producciones, resultando en discriminación y desigualdad. Además, se ha denunciado la explotación laboral de trabajadores encargados de etiquetar y depurar conjuntos de datos. La ética en el desarrollo y uso de IA es una preocupación importante, y la falta de regulación puede llevar a prácticas poco éticas. Además, algunas compañías han optado por limitar o eliminar versiones anteriores de IA que se consideran problemáticas, lo que plantea cuestionamientos sobre la transparencia y la responsabilidad en su implementación.

Comentario: paralelismo con las crypto

El mundo de las Inteligencias Artificiales presenta un paralelismo interesante con el de las criptomonedas. Ambos campos han experimentado un crecimiento vertiginoso y han capturado la atención global. Sin embargo, también han surgido problemas significativos y debates en torno a su impacto en la sociedad, la privacidad y la regulación. Al igual que con las criptomonedas, la adopción de enfoques más regulados y un uso moderado de las IA podrían equilibrar los beneficios que ofrecen con los riesgos asociados.

Mi opinión final

En mi opinión, es fundamental promover una legislación adecuada que proteja los derechos de las personas, evite la discriminación y fomente la transparencia en el desarrollo y uso de las IA. El uso responsable y moderado de estas tecnologías es clave para evitar problemas éticos y sociales. Además, la evaluación constante de su impacto y posibles soluciones a los problemas emergentes es esencial para aprovechar plenamente los beneficios de las IA sin descuidar los riesgos potenciales. Asimismo, debemos asegurarnos de que estas tecnologías sean desarrolladas y utilizadas en beneficio de toda la humanidad y no solo de unos pocos, evitando así el fenómeno de “gente trepa” que busca su exclusivo beneficio.

“

… Y con eso termina. Y como vemos se queda corta en muchas cosas, conecta los temas de manera un poco rara, y encima se inventa cosas (no creo que exista una diferencia real entre IAs discriminativas y clasificatorias). No hace más que confirmar los resultados de un estudio reciente: mucha verborrea repetitiva y poca chicha.

Por qué traigo esto hoy? Para ilustrar que estas herramientas son incapaces de producir contenido de valor auténtico sin alguien detrás que decida tomarse en serio su trabajo. Eso no quiere decir que el mundo se vaya a inundar de contenido de IAs (ya lo ha hecho), pero me gustaría pensar que el contenido original y de calidad persistirá de una u otra manera.

Lo comparto porque, segundamente, creo que es importante (en los tiempos que corren) ejercer una labor mínima de transparencia cuando se usan estas herramientas. Me parecería muy hipócrita por mi parte escribir un artículo de las IA, habiendo usado una IA para vertebrar un poco la organización de lo que quiero hablar, y no reconocerlo siquiera. Así que aquí queda constancia para cualquiera que quisiera comparar.

Y tercero, también comparto esto para ponerle un cierre a mi (corto) tiempo usando IA generativas de compañías masivas. Esto era algo que llevaba tiempo pensado (como bien ilustra mi entrada del lunes). Durante la primera mitad del año he usado bastante chatGPT para resolver cosas de código en el trabajo, y también las IA como Stable Diffusion o MidJourney para generar imágenes conceptuales para mis proyectos de worldbuilding. Pero tras varias conversaciones y leer varios puntos de vista, voy a dejarlo de lado (la parte de imágenes es fácil, no sé cómo lo llevaré sin chatGPT para cosas de código).

Citando a Ángeles Broullon y a Frankenrol, creo que lo más correcto es dejar de usar este contenido incluso para “moodboards” de inspiración, e intentar ir siempre a la fuente y a la autoría. La realidad es que no cuesta tanto hacer esto, y tiene la ventaja de que puede hacernos descubrir aún más material que nos pueda gustar. Y, tras luchar por una mejor legislación y regulación de estas IA, quizá entonces podamos plantearnos usarlas de maneras parecida a como lo que muest en la entrada de hoy.

Abolirlas? No. Se pueden quedar? Sí. Se pueden usar? Yo ahora mismo no lo haría. Cuándo? Cuando haya mayor concienciación, límites éticos claros, y legislación vigente. Y entonces? Entonces sí pero haciendo un uso justo y transparente.

Y ya está, ahora sí, esto es todo lo que iba a decir de las IA.