La IA: Mas allá del Chat GPT
¿ Pondrías en manos de chat GPT el control del tránsito aéreo de un aeropuerto ? ¿ Lo pondrías a a cargo de una cirugía por simple que fuera ? . Lo mas triste es que hay muchos que todavía piensan que la IA se inventó en el 2022, cuando arranca en los años 50 del siglo pasado ….
La inversión masiva de las empresas en IA y el «hype» mediático han disparado una oleada de nuevos «expertos e influencers» que, fascinados por la magia del Procesamiento del Lenguaje Natural (NLP), reducen todo el campo de la IA a saber escribir un buen prompt.
No me malinterpreten: que las máquinas entiendan y generen lenguaje humano ha sido un hito histórico. Ha democratizado la tecnología y tiene un mérito inmenso, yo personalmente la utilizo muchísimo para traducir, para resumir, para explicar conceptos, hacer una app, o generar un Power Point pero poco mas. Personalmente creo que estamos cometiendo un error peligroso en el mundo académico y empresarial: estamos tratando de resolver problemas de ingeniería crítica con herramientas diseñadas para la creatividad.
Estamos viendo universidades y programas de formación pivotar completamente hacia la IA Generativa, olvidando que la «alucinación» (inventar datos) es inaceptable en sectores como la medicina, la banca o la industria aeroespacial. OJO a esta frase que leí por ahí: Un chatbot que alucina en un poema, es arte; uno que alucina en un diagnóstico médico es negligencia.
Si queremos construir sistemas robustos, predecibles y verdaderamente inteligentes, debemos volver a mirar el mapa completo. La IA es mucho más vasta.
Aquí un repaso rápido (y necesario) de las arquitecturas que están resolviendo los problemas difíciles mientras el mundo de los «influencers» mira a los chatbots:
🧠 1. IA Neuro-Simbólica: Conocida como el «adulto» en la habitación. Combina la capacidad de aprendizaje de las redes neuronales con reglas lógicas estrictas. A diferencia de las cajas negras generativas, esta IA puede razonar, explicar sus decisiones y, lo más importante, respetar la lógica y los hechos sin inventar. Es la tecnología perfecta para funcionar en el mundo de la salud
🧬 2. IA Evolutiva (Evolutionary AI): Inspirada en la evolución biológica. En lugar de entrenarse con datos estáticos, utiliza algoritmos que «mutan» y seleccionan las mejores soluciones a un problema complejo a lo largo de generaciones. Ideal para optimización logística y diseño de ingeniería. En algún momento la propuse como la plataforma par reducir las filas de espera en los servicios de salud.
🤝 3. IA Híbrida: La postura pragmática. Consiste en no casarse con una sola técnica, sino orquestar diferentes modelos (reglas, árboles de decisión, redes profundas) para que trabajen juntos, aprovechando lo mejor de cada mundo para tareas específicas. Esto es lo que tenemos mas a mano hoy en día y por acá deben empezar nuestros proyectos con estudiantes.
🎭 4. Redes Generativas Adversarias (GANs): Antes de los Transformers, ellas eran las reinas. Dos redes neuronales compiten entre sí (una crea, la otra juzga) para generar datos sintéticos de altísima calidad. Siguen siendo insustituibles en la simulación de escenarios y mejora de imágenes médicas. Esta es la tecnologia que deberíamos empezar por entender primero.
🎮 5. Aprendizaje por Refuerzo (Reinforcement Learning): La base de la robótica moderna. Aquí no hay «prompts», hay recompensas y castigos. El sistema aprende a tomar decisiones óptimas mediante prueba y error para maximizar un objetivo. Es la IA que gana al ajedrez o controla el enfriamiento de un centro de datos. Este sistema es el que utilizan las empresas serias en los vehículos autónomos.
🔄 6. Transfer Reinforcement Learning: Lleva lo anterior un paso más allá. Permite a un agente aplicar lo aprendido en un entorno (simulación) a otro nuevo (mundo real) sin empezar de cero. Es la clave para que los robots salgan del laboratorio. Bastante novedosa en nuestro ambiente pero que promete en el futuro revolucionar la Inteligencia Artificial Corpórea (Embodied AI).» (Nota: «Embodied AI» es el término de moda para referirse a la IA que interactúa con el mundo físico, perfecta para hablar de robots). también explica el paradigma Sim2Real (de la simulación a la realidad)
🤔 7. IA Cognitiva: Busca simular los procesos de pensamiento humano en un modelo computacional. No solo busca patrones en datos, sino que intenta comprender el contexto, la intención y el razonamiento detrás de la información para asistir en la toma de decisiones complejas.
⚛️ 8. IA Cuántica: La próxima frontera. El uso de la computación cuántica para procesar algoritmos de aprendizaje automático a velocidades que las computadoras clásicas jamás alcanzarán. Aún en pañales, pero promete resolver problemas químicos y farmacéuticos hoy imposibles.
Mi conclusión:
La IA Generativa es una herramienta poderosa, pero es solo el martillo. No todo en el mundo es un clavo.
Si eres un profesional del sector, un estudiante o un directivo, te invito a mirar más allá del texto y la imagen. El verdadero impacto industrial y científico vendrá de combinar estas tecnologías «olvidadas» con la facilidad de uso de los nuevos modelos.
Menos hype, más ingeniería.
La presente nota fué escrita por el Dr. Juan Ignacio Barrios Arce. El Dr. Barrios Arce es médico especialista en Informática Clínica, es científico de datos y posee maestrías en Big Data, Business Intelligence e Inteligencia Artificial . Participa activamente como profesor visitante en la cátedra de Informática Médica en la Universidad de Barcelona a nivel del grado y posgrado de Ingeniería Biomédica. Es también Faculty member De la Universidad de Rochester en los Estados Unidos de Norteamérica desde el año 2000.