Las opiniones expresadas por el personal de Entrepreneur son propias.
La IA generativa existe desde hace más de un año. Está causando perturbaciones en la industria de las relaciones públicas y haciendo que los comunicadores piensen en el futuro de su trabajo. La gente está inquieta, especialmente por todas las incógnitas que trae consigo esta tecnología.
Sin embargo, este miedo impide que las personas comprendan las posibilidades de la inteligencia artificial y les deja sintiéndose incapaces de prepararse para el futuro. Desafortunadamente, muchos comunicadores carecen del conocimiento para describir con precisión qué es esta tecnología, cómo funciona y de qué es capaz, tanto en términos de las organizaciones que representan como en términos de su propio conocimiento general.
Es por eso que escribí un breve glosario de términos de IA de uso común en un inglés sencillo para que cualquier comunicador pueda comprender el significado de estas palabras de moda y explicar de qué se tratan.
Relacionado: Existe una delgada línea entre el uso y la dependencia excesiva de la IA. Éste es el papel que deben desempeñar los líderes.
AI
AI es una tecnología que permite a las computadoras y máquinas simular el pensamiento, la inteligencia y la resolución de problemas humanos a nivel humano.
Incluye de todo, desde vehículos autónomos hasta modelos de pronóstico del tiempo, aprendizaje automático, robótica y mucho más. Cada uno de estos ejemplos es un “subconjunto” de IA y se podrían escribir artículos completos sobre cada uno de ellos. Sin embargo, dado que este artículo trata sobre la IA generativa, profundizaremos en el vocabulario que rodea a este tipo de inteligencia artificial.
Y para hacer eso tenemos que mirar la “Máquina Subconjunto de IA “aprendizaje”.
Aprendizaje automático
El propósito del aprendizaje automático o “ML” es utilizar algoritmos que puedan aprender y generalizar información. Básicamente, un algoritmo de aprendizaje automático recibe información. Luego se hace una pregunta y el algoritmo genera una respuesta basada en la información que se le proporciona.
Hay docenas de subconjuntos de aprendizaje automático. Estos incluyen los “árboles de decisión” utilizados en los chatbots. Existe la “regresión lineal”, que es útil para predecir lo que sucederá en el futuro basándose en datos pasados, como los modelos meteorológicos. También existe la “agrupación”, que es donde un algoritmo de tecnología publicitaria sabe cuándo y cómo venderle un producto o servicio.
Todos estos subconjuntos utilizan la información que se les proporciona para hacer predicciones sobre el futuro basadas en eventos pasados. Todos ellos son útiles e influyen en nuestra vida diaria. Sin embargo, existe otro subconjunto del aprendizaje automático llamado “aprendizaje profundo”. Este es el subconjunto donde encontramos la IA generativa.
Aprendizaje profundo
El aprendizaje profundo significa que hay más de tres capas de redes neuronales. Las “redes neuronales” son el cerebro del algoritmo, mientras que las “capas” representan la profundidad del pensamiento de un algoritmo.
En el aprendizaje automático estándar, hay una capa de entrada (por ejemplo, “¿Qué tiempo hará hoy?”), una “capa de pensamiento” que, por ejemplo, aplica todos los datos de viento, lluvia y temperatura de eventos pasados a la situación actual. y luego el nivel de Salida (por ejemplo, “El pronóstico del tiempo será soleado”). Todos estos niveles forman la red neuronal.
En el aprendizaje profundo, la red neuronal consta de más de tres capas. Esto permite que el algoritmo piense de forma más profunda y diferenciada. De hecho, esta forma de pensar profunda versus superficial es el origen de las frases “IA profunda” e “IA superficial”.
Además del número de capas en el algoritmo, la forma en que se introduce la información en estos algoritmos también es diferente. Esto se debe a que un algoritmo de aprendizaje profundo se basa en modelos fundamentales.
Relacionado: Cómo utilizar la IA para impulsar su negocio
Modelos básicos
Los “modelos básicos” son enormes almacenes de datos, y cada punto de datos se denomina “parámetro”. Los modelos de aprendizaje profundo se entrenan en estos modelos fundamentales ricos en datos y luego se “afinan” para funcionar de una manera específica. Algunos modelos básicos tienen más de 1 billón de parámetros.
Existen varios tipos de modelos base, incluidos los modelos de lenguaje grande o LLM. Se llaman así porque son grandes (pueden tener más de un billón de parámetros) y están destinados a procesar y generar un lenguaje humano normal. Otros modelos básicos incluyen modelos de imágenes para generar vídeos, modelos de sonido para generar diferentes tipos de sonidos e incluso modelos biológicos para predecir cómo interactúan las proteínas entre sí.
Los modelos básicos son importantes porque son enormes almacenes de datos que cualquier suscriptor de pago puede utilizar. En lugar de gastar millones de dólares y miles de horas recopilando todos estos datos, una empresa puede suscribirse a un modelo ya existente (como el modelo de OpenAI o el modelo de Google) y utilizar esa información para entrenar su IA generativa.
aplicación de IA
Estos modelos fundamentales forman la base de las “aplicaciones de IA”. La aplicación en sí puede ser cualquier cosa, desde una parte de una plataforma hasta una aplicación completa que optimiza un modelo básico para un uso específico. Una buena analogía para una aplicación de IA es considerar cómo se crean las aplicaciones en general.
Cuando miras una aplicación en Apple Store o Google Play, está claro que esa aplicación fue diseñada para funcionar con la infraestructura técnica básica de esa tienda de aplicaciones. Las aplicaciones de IA se basan en el mismo principio: están desarrolladas para funcionar con la infraestructura tecnológica básica del modelo de IA.
Relacionado: Cómo utilizar la inteligencia artificial en las relaciones públicas
Entonces, ¿dónde encaja la IA generativa?
La “IA generativa” incluye modelos diseñados específicamente para generar contenido nuevo. Utiliza la base de conocimientos de los modelos básicos y la combina con ajustes mediante una aplicación de IA para lograr el resultado deseado. Así funcionan generadores de vídeo como Sora o generadores de voz como Perplexity o ChatGPT.
En resumen, la IA generativa se utiliza en aplicaciones de IA que generan contenido específico nunca antes visto basado en redes neuronales de aprendizaje profundo entrenadas en modelos básicos.
Es importante para nosotros, como comunicadores, comprender plenamente estos términos de IA para poder comunicar al público cómo funciona esta tecnología que cambia el mundo. Con suerte, los profesionales de relaciones públicas podrán utilizar este glosario para comunicar mejor qué es la IA y comprender mejor cómo integrarla en su vida diaria.