«Quienes crean que los trabajos y funciones van a desaparecer deberán esperar a la IA general»

Esta experta es licenciada en matemáticas y está especializada en inteligencia artificial. Fue jefa de observación de la Tierra en el Instituto Cartográfico de Cataluña. Sus líneas de investigación se centran en el uso y comprensión de la analítica de datos en el mundo empresarial, sus impactos éticos y su explicabilidad. Es también profesora de Data Analytics en la UAB y Esade.

Soler ha dicho que desde hace 15 años se van iniciando palabras nuevas, tecnicismos, al vocabulario. Y ha preguntado a la audiencia: «¿Qué es la IA?». Pues son acciones matemáticas que, combinadas, pueden emular acciones del cerebro, cada vez más. No es un robot, no es un algoritmo. Son metodologías y técnicas.

Y hay distintos tipos de IA. En primer lugar, la estrecha o débil, que es la que hemos utilizado hasta ahora. Está destinada a tareas específicas como el reconocimiento facial, de árboles... «Es perfecta para hacer tareas muy concretas», ha dicho. La IA fuerte o general, no generativa, es todavía teórica. «Permitiría a la IA casi actuar como un ser humano, multitarea con razonamiento. Ahora la IA hace una sola cosa. ¿Existirá? Probablemente sí, pero aún no. Quienes crean que los trabajos y funciones laborales van a desaparecer deberán esperar a la IA general», ha dicho. La IA generativa es la que crea información, fotos, texto...

«A todas hay que darles tralla para que funcionen. ¿Qué es tralla? Datos. Hay aprendizajes supervisados, no supervisados y reforzados», ha proseguido. En el caso de los reforzados, se le dan unas reglas y objetivos a la IA y se le va dejando que entrene, que acierte y falla.

La experta ha señalado a la IA generativa como gran avance de los últimos años. Ejemplos de ella, son GPT-4 y DALL-E. «Crea en vez de predecir como otras inteligencias. Hasta ahora sólo se podía predecir y clasificar. Y éste es el cambio», ha proseguido.

En este tiempo ha habido andes cambios en 'deep learning' ('aprendizaje profundo'); grandes cambios en arquitectura; procesadores sensoriales, y compañías con potencia para entrenar inteligencia artificial y luego ponen las herramientas a disposición general tanto gratis u 'open source' o compra.

«Entrenar modelos es sumamente costoso», ha expresado. Hay que poner muchos ejemplos para que el modelo pueda generalizar y entender, sacar conclusiones.

«Estamos en una tormenta perfecta. Se combina la generativa y la general», ha manifestado. Antes las apps reconocían calles o caras, ahora las generan. Antes las reconocían con porcentajes de acierto superiores al 96%.

En el caso del arte, la IA puede ayudar a hacer prototipos rápidos, bocetos para desarrollar su obra. Casos como el de Mario Kingleman son un ejemplo. Ahorran tiempo y amplían horizontes.

En lo audiovisual se puede usar para tramas y guiones, acortando fases de producción; efectos visuales a bajo costo, y personalización de contenidos. Netflix personaliza la parrilla según usuario. En este caso es IA débil, porque no genera nada nuedo, ordena nuestros gustos.

En cuanto al entretenimiento, por ejemplo, Lil Miquela es una instagramer completamente virtual, con 2 millones de seguidores, y está colaborando con muchas marcas. No existe en el mundo real. Pura IA generativa.

Soler ha ejemplificado también usos de la IA para supervisar contenidos y hacer resúmenes para tareas inspectoras, de empresa, etc. «En este campo, los modelos funcionan muy bien», ha incidido.

En el campo educativo, hay aplicaciones que según la experta «empoderan pero no sustituyen» al ser humano. A un estudiante le puede servir para tutorías, ampliar conocimientos o crear ejercicios específicos: «Hay un niño que no entiende las fracciones, ¿podrías ayudarle?».

La empresa puede reforzarse con análisis de datos, generación de contenidos y predicción. Y puede darse paso a análisis de sentimientos en redes, campañas personalizadas, publicidad narrativa... En los dos últimos años, ha mejorado mucho la manera de dar respuesta, con 'chatbots' o asistentes virtuales, a clientes con modelos de lenguaje. «Hemos logrado que ya hablen mejor que yo».

«Todo esto está muy bien, pero hace falta que en una empresa funcione la cultura, el talento, la metodología de datos y la experimentación, instalar con naturalidad la prueba ensayo-error», ha dicho.

Según la experta, hay desafíos éticos como el sesgo y la discriminación; la privacidad; el desmpleo y transformación del trabajo, cuestión que irá pasando, y la toma de deciones críticas. Ahora mismo falta robustez y seguridad; hay un alto consumo de energía; la IA sola todavía no es garantía de nada, y luego todavía queda camino por recorrer para que todo sea más interpretable.