RODOLFO GARCÍA RODRÍGUEZ
De ChatGPT a los agentes de IA: la nueva etapa de la inteligencia artificial
La manera en que los seres humanos aprenden y se adaptan ha sido estudiada por áreas como las neurociencias, las ciencias naturales, la ingeniería y las ciencias aplicadas. Siendo de particular interés, entender los mecanismos que tiene el sistema nervioso central para procesar la información sensorial que permita generar acciones para la ejecución de tareas ya sea motoras o cognitivas.
A mediados del siglo pasado, investigadores como Warren S. McCulloch, Walter Pitts y Alan Turing plantearon la posibilidad de crear máquinas capaces de realizar funciones y procesos cognitivos similares a los humanos. Aunque el término de Inteligencia Artificial (IA) lo propuso en 1956 John McCarthy, en ese tiempo ya habían surgido avances importantes, como el primer modelo de red neuronal artificial, de Marvin Minsky y Dean Edmunds, así como el perceptrón de Frank Rosenblatt, capaz de reconocer patrones.
Sin embargo, fue hasta finales de los ochenta y principios de los noventa cuando se lograron avances significativos en la forma en que una red neuronal artificial puede aprender patrones, gracias al desarrollo del algoritmo de retropropagación. Pero el gran cambio en IA ocurrió a principios de este siglo, con el surgimiento del aprendizaje profundo. Aunque la idea sigue siendo aprender relaciones entre datos de entrada y salida, el aprendizaje profundo se distingue por utilizar redes neuronales de gran tamaño, así como su capacidad para manejar grandes cantidades de datos, incluso no estructurados, y extraer patrones a partir de ellos.
Por ejemplo, un sistema de aprendizaje profundo puede reconocer un determinado animal a partir de miles de imágenes. El sistema aprende a identificar las características principales que distinguen a cada especie, donde las primeras capas de la red neuronal detectan contornos mientras que las capas más profundas reconocen formas complejas o particulares.
Después de estos avances surgió la IA generativa, capaz de crear nuevo contenido —texto, videos o imágenes— a partir de patrones aprendidos previamente. Algunos ejemplos son OpenAI con ChatGPT y Google con Gemini. A diferencia de avances previos de la IA, los sistemas generativos permiten una interacción más directa con el usuario. Su principal desventaja es su conocimiento limitado, es decir la información con la que fueron entrenados. En cierto sentido, funcionan como una gran biblioteca capaz de realizar consultas en una enorme cantidad de volúmenes de información. Sus aplicaciones incluyen áreas como educación, finanzas, asistentes virtuales, ciberseguridad y entretenimiento.
Uno de los avances más recientes es el desarrollo de los denominados agentes de IA, capaces de tomar decisiones de forma autónoma para realizar tareas que van más allá de actividades repetitivas. En tareas más sofisticadas incluso puede comunicarse con otros agentes. Es decir, un agente no se programa para realizar una tarea, sino que es un sistema de IA dinámico que razona, aprende, planificar y actuar.
Por ejemplo, si alguien quiere planear sus próximas vacaciones, una IA generativa podría proponer vuelos, restaurantes y lugares para visitar. En cambio, un agente de IA podría, además, comprar boletos de avión y hacer reservaciones para organizar un itinerario completo.
Todos estos avances han transformado la relación entre las personas y la tecnología. Mientras la IA generativa es principalmente una herramienta de consulta y creación de contenido, los agentes de IA apuntan hacia sistemas capaces de ejecutar acciones, tomar decisiones y ser cada vez más autónomos. Este escenario plantea nuevos retos por la necesidad de establecer acuerdos sobre ética, seguridad y gobernanza de datos que permitan regular el desarrollo de estas tecnologías.
Rodolfo García Rodríguez
Facultad de Ciencias de la Administración
rodolfo.garcia@uadec.edu.mx
