Imagina que las aplicaciones de tu móvil son herramientas: la calculadora solo suma, el GPS solo te guía y el reproductor de música solo suena. Pero, ¿qué pasaría si existiera una herramienta que pudiera aprender a hacer todas esas cosas y muchas más? Eso es lo que llamamos un sistema de IA de Propósito General.
1. ¿Qué es un GPAIS?
Un GPAIS (General-Purpose Artificial Intelligence System) es un sistema avanzado capaz de realizar con eficacia una serie de tareas distintas y variadas. A diferencia de una IA «estrecha» (que solo sabe hacer una cosa, como jugar al ajedrez), un GPAIS demuestra un alto grado de generalidad.
Diferencia entre «Modelo» y «Sistema»
Para entenderlo bien, hay que distinguir dos partes:
- El Modelo de IA de Propósito General: Es el «cerebro» o motor. Ha sido entrenado con volúmenes gigantescos de datos para realizar muchas tareas distintas.
- El Sistema de IA (GPAIS): Es la aplicación completa que usamos. Se basa en ese «cerebro» para darnos un servicio directo (como un chat) o para integrarse en otras aplicaciones más complejas.
2. ¿Cómo funcionan por dentro?
Para que una IA sea de «propósito general», no se le enseña tarea por tarea. En su lugar, se utilizan métodos de autosupervisión a gran escala.
Los ingredientes del éxito:
- Entrenamiento Masivo (Big Data): Se alimentan con miles de millones de páginas de internet, libros, imágenes y códigos de programación.
- Capacidad de Cálculo (FLOPs): La potencia de estos sistemas se mide en «operaciones de coma flotante» (FLOP). Para que la Unión Europea considere que un modelo es de propósito general, debe haber sido entrenado con una potencia superior a 10²³ FLOPs.
- Parámetros: Son como las conexiones entre neuronas en un cerebro humano. Un modelo potente suele tener al menos 1,000 millones de parámetros.
- Aprendizaje con pocos ejemplos (Few-shot learning): Tienen la asombrosa capacidad de aprender a hacer algo nuevo viendo solo unos pocos ejemplos, de forma similar a como aprendemos los humanos.
3. Aplicaciones: ¿Para qué sirven en el mundo real?
Debido a su versatilidad, estos sistemas se están integrando en casi todos los sectores:
- Educación: Funcionan como tutores virtuales que resuelven dudas complejas, ayudan a practicar idiomas o incluso evalúan exámenes.
- Creatividad y Comunicación: Pueden generar textos detallados, traducir idiomas en tiempo real, crear imágenes de alta calidad (como DALL·E 3) e incluso generar videos a partir de una descripción escrita.
- Medicina: Ayudan a los médicos a analizar antecedentes de pacientes, síntomas y a tomar decisiones clínicas más rápidas.
- Derecho y Finanzas: Pueden ayudar a jueces a investigar leyes o a expertos financieros a seleccionar las mejores acciones para invertir según el crecimiento de las empresas.
4. Los Riesgos: ¿Por qué debemos tener cuidado?
No todo es perfecto. Al aprender de internet, estos sistemas también aprenden nuestros errores.
- Alucinaciones: A veces, el sistema «miente» con mucha seguridad, inventando datos que parecen reales pero son falsos.
- Sesgos: Pueden mostrar prejuicios de género, raciales o políticos si los datos con los que entrenaron contenían esos problemas.
- Seguridad: Personas malintencionadas podrían usarlos para crear correos de estafa (phishing) o programas informáticos dañinos (malware).
- Riesgos Sistémicos: Los modelos más potentes (como GPT-4) podrían causar daños a gran escala en la seguridad pública o los derechos fundamentales si no se controlan.
5. Las Reglas del Juego: El Reglamento de IA (RIA)
La Unión Europea ha creado la primera ley en el mundo para regular la IA. Esta ley clasifica los sistemas según su riesgo:
- Riesgo Inaceptable: Sistemas prohibidos (como los que manipulan el comportamiento humano).
- Alto Riesgo: Sistemas que deben pasar auditorías estrictas (usados en medicina o infraestructuras críticas).
- Modelos de IA de Propósito General:
- Riesgo Ordinario: Deben ser transparentes y respetar los derechos de autor.
- Riesgo Sistémico: Los modelos más avanzados (entrenados con más de 10²⁵ FLOPs) deben además realizar pruebas de seguridad especiales y reportar cualquier incidente grave.
En España, la autoridad encargada de vigilar que esto se cumpla es la AESIA (Agencia Española de Supervisión de la Inteligencia Artificial)
Una pequeña aplicación para ver cómo funciona el aprendizaje federado
Esta publicación de material divulgativo es parte del Proyecto Estratégico IAFER-Cib (C074/23), fruto del convenio de colaboración suscrito entre el Instituto Nacional de Ciberseguridad (INCIBE) y la Universidad de Granada. Esta iniciativa se lleva a cabo en el marco de los fondos del Plan de Recuperación, Transformación y Resiliencia, financiados por la Unión Europea (Next Generation).
#ProyectosCiber #PlanDeRecuperación #NextGenerationEU
