IA generativa

La distinción de fondo es "crear" versus "reconocer". Un modelo clasificador te dice si una foto tiene un gato; un modelo generativo puede producir la foto de un gato que nunca existió. Ambos aprenden de datos, pero el objetivo de entrenamiento es distinto: uno aprende a discriminar entre categorías, el otro aprende la distribución de probabilidad de los datos para poder muestrear —generar— ejemplos nuevos y verosímiles de esa misma distribución.

Dos familias de técnicas explican buena parte del salto. Las redes generativas antagónicas o GAN (Goodfellow et al., 2014) enfrentaban dos redes —una que generaba imágenes falsas y otra que trataba de detectarlas— hasta que la generadora producía resultados difíciles de distinguir de los reales. Años después, los modelos de difusión (Ho et al., 2020, "Denoising Diffusion Probabilistic Models") propusieron otro camino: partir de ruido puro e ir "limpiándolo" en pasos sucesivos hasta obtener una imagen coherente, y hoy son la base de generadores de imágenes populares. En paralelo, los modelos de lenguaje entrenados para predecir la siguiente palabra (la familia GPT, desde 2020 en adelante) resultaron ser generativos de texto extremadamente versátiles.

En términos accesibles: en todos los casos el modelo no "busca" una respuesta guardada, sino que produce una secuencia —de palabras, píxeles o sonidos— paso a paso, cada elemento nuevo condicionado por lo que ya generó y por la instrucción que recibió. Por eso el mismo pedido puede dar resultados distintos cada vez: hay un componente de muestreo, no de recuperación exacta.

Hoy se encuentra en chatbots de texto, generadores de imágenes, asistentes de programación que escriben código, herramientas de generación de audio y de video, y una cantidad creciente de productos comerciales que integran alguna de estas capacidades.

Lo que más se discute: la IA generativa no es sinónimo de comprensión ni de AGI —que un modelo produzca un texto o una imagen fluida y convincente no implica que "entienda" lo que generó, y confundir fluidez con comprensión es uno de los errores más comunes al hablar de estos sistemas—. Además, se discute intensamente el estatus legal y ético de entrenar estos modelos con datos protegidos por derecho de autor, el riesgo de que generen información falsa presentada con total seguridad (alucinación), su uso para crear desinformación o contenido sintético engañoso (deepfakes), y el efecto que tienen sobre empleos que dependían de producir ese mismo tipo de contenido.