El final de 2022 no solo trajo cifras de ventas navideñas. Trajo un terremoto digital.
ChatGPT irrumpió en escena. Sin implementación gradual. No hay susurros sobre pruebas beta. Un día fue una nota a pie de página en blogs de tecnología; al siguiente, estaba hablando con todos.
La reacción fue inmediata y polarizada. Los medios de comunicación no podían dejar de maravillarse ante las fluidas conversaciones. Escribió artículos. Hizo una lluvia de ideas. Incluso se sumergió en la ficción creativa. Pero junto al asombro vino una ansiedad profunda e inquietante. La gente se dio cuenta de que esta herramienta no solo respondía preguntas. Invadió aquello de lo que los humanos se enorgullecen: la capacidad intelectual.
La apuesta de los mil millones de dólares
Para entender el robot, hay que mirar el dinero que hay detrás.
OpenAI se fundó en diciembre de 2015 con un objetivo singular y agresivo: llevar la inteligencia artificial lo más lejos posible. El rostro de esta misión es Sam Altman. Quizás conozcas el nombre de otras salidas. Cofundó Airbnb. Ayudó a financiar gigantes como Reddit, Twitch y Dropbox a través de Y Combinator.
Altman se asoció inicialmente con Elon Musk para lanzar OpenAI. Desde el primer día, el bote fue enorme. La startup consiguió una ronda de financiación de mil millones de dólares.
Pero Microsoft vio la señal en la pared. Se unieron como inversores en 2019. Luego, en enero de 2023, hicieron todo lo posible. Microsoft invirtió varios miles de millones más en OpenAI.
¿Por qué? Para consultar Google.
Ambos gigantes tecnológicos competían por el dominio de la IA. La inyección masiva de Microsoft no fue sólo apoyo. Fue un ataque estratégico para contrarrestar la investigación avanzada de Google.
Esta financiación no se limitó a comprar servidores. Compró resultados. La investigación de OpenAI ya había producido DALL-E, la herramienta de generación de imágenes que causó sensación en la primavera de 2022 con su lanzamiento de la versión 2. ChatGPT fue el siguiente paso lógico. El generador de texto. El conversador.
El motor debajo del capó
ChatGPT no es mágico. Son matemáticas. Matemáticas pesadas.
La tecnología central se basa en el modelado de lenguajes grandes (LLM). El objetivo es simple sobre el papel: comprender la estructura del lenguaje humano. La ejecución es terriblemente compleja. La tarea principal del algoritmo es predecir la siguiente palabra de una oración. Al encadenar estas predicciones, genera un texto coherente.
Pero no se puede simplemente introducir un script en un servidor y esperar lo mejor. Necesitas entrenamiento. Grandes cantidades de ello.
ChatGPT ingirió un conjunto de datos de 500 mil millones de documentos. Estamos hablando de toda la web hasta 2021. Además de cientos de miles de libros. Artículos científicos. Todo.
Tuvo que aprender a sopesar la importancia de cada término en una frase para extraer el concepto central.
La escala es difícil de visualizar.
- 500 mil millones de documentos analizados.
- 175 mil millones de parámetros en el modelo.
- 2 millones de dólares en costes de formación (en euros).
- $100,000 por día en costos operativos solo para mantenerlo en funcionamiento.
Se necesitó un prototipo de ChatGPT-3 para mostrarle al mundo lo que era posible. Lanzado el 30 de noviembre de 2022.
La respuesta rompió Internet.
Un millón de altas de usuarios en cinco días.
No es solo una barra de búsqueda
La gente quería saber qué podía hacer.
En esencia, ChatGPT es una interfaz conversacional. Pero se comporta menos como una base de datos y más como un asistente de investigación incansable que está demasiado ansioso por complacer.
Lo probamos. Le echamos todo encima.
¿Hechos enciclopédicos? Manejado.
¿Recetas de cocina? Ordenado.
¿Filmografías? Ordenado.
La calidad de la síntesis fue en general alta. Cuando se le pidió que explicara los matices entre dos temas complejos, tuvo un desempeño sorprendentemente bueno.
Pero aquí es donde la cosa se complica.
ChatGPT no solo recupera datos. Se improvisa. Cada vez que haces una pregunta, genera una nueva respuesta basada en la probabilidad. No se trata de sacar una respuesta estática de un estante. Está construyendo la respuesta en tiempo real.
Y lo recuerda.
Realiza un seguimiento del contexto de la conversación. Escucha.
Durante las pruebas, hicimos una pregunta de geografía básica.
“¿Cuál es el río más largo del mundo?”
ChatGPT respondió: “El Nilo”.
Retrocedimos.
“¿No es el Amazonas más largo que el Nilo?”
El bot se corrigió inmediatamente.
“Pido disculpas. Cometí un error en mi respuesta anterior. El Amazonas es de hecho el río más largo del mundo.”
Esta capacidad de autocorrección dentro de una ventana contextual es lo que separa a los LLM modernos de los algoritmos de búsqueda más antiguos. No se trata sólo de buscar hechos. Es mantener un diálogo.
¿Pero eso lo hace más inteligente? ¿O simplemente mejor simulando una conversación?
Esa es la pregunta que se cierne sobre todo trabajador tecnológico, estudiante y usuario curioso que intenta descubrir si está ante una herramienta o un rival.
Capacidades de generación de contenido
La utilidad va más allá de las simples preguntas y respuestas. Probamos el sistema con indicaciones específicas y ligeramente caóticas. Una solicitud era sencilla: generar ejemplos de comentarios sobre un artículo controvertido, completos con emojis. El resultado fue la tarifa estándar de Internet. Una expresión genérica de sorpresa combinada con una cara triste. Típico.
Pero fuimos más allá. La modelo generó publicaciones en Facebook. Redactó consejos de negociación para coches usados. Sugirió un software de edición de imágenes. El abanico era amplio. Queríamos ver el techo, así que pedimos un esquema argumental para una novela policíaca. El resultado fue sorprendentemente coherente. Trazó un misterio con estructura real.
Sin embargo, existen límites. Las tareas de escritura creativa fallaron. Pedimos una canción de rap sobre 2023. El resultado fue vacío. A un poema de amor no le fue mejor. El ritmo estaba apagado. Faltaba la emoción. Se sintió mecánico.
El modelo es menos inspirado cuando intenta capturar emociones humanas crudas o matices culturales.
Esta inconsistencia podría resultar reconfortante. Demuestra que la IA no es omnipotente en los ámbitos artísticos. Sin embargo, la pregunta persiste. Ese consuelo es temporal. Es probable que se cierre la brecha entre una trama lógica y un verso sincero. Pero todavía no.
Cuando la IA escribe por ti
El resumen es una de esas características que hace que ChatGPT sea realmente útil y no sólo un truco para fiestas. Lo probé enviándole un artículo extenso sobre generadores de imágenes de IA de Futura Sciences. El resultado no sólo fue preciso; fue conciso.
El artículo analiza el uso de inteligencia artificial para generar imágenes a partir de texto. Varias aplicaciones utilizan esta función, como Dall-e 2, Stable Diffusion y MidJourney. Su funcionamiento consiste en introducir texto y generar la imagen correspondiente, con un alto nivel de calidad artística. El artículo también menciona OpenAI, una organización sin fines de lucro que creó Dall-e 2 y cuyo objetivo es ampliar los límites de la IA con una ética que preserve la seguridad humana.
Capturó la esencia de Dall-e 2, Stable Diffusion y MidJourney sin empantanarse en la jerga técnica. Incluso identificó correctamente el estatus de organización sin fines de lucro de OpenAI y sus objetivos éticos declarados. Se trata de un salto significativo con respecto a los primeros modelos de IA que a menudo alucinaban con el contexto o pasaban por alto el bosque por los árboles.
Generación de código como atajo
Si el resumen es la ganancia rápida, la codificación es donde la utilidad aumenta. ChatGPT puede generar fragmentos de código funcional que puedes copiar y pegar en un proyecto. Le pedí que creara un formulario de contacto. El resultado fue HTML y CSS válidos, listos para su implementación.
Pero aquí está el truco: también puede generar código diseñado específicamente para WordPress. Para los desarrolladores y propietarios de sitios que no escriben PHP desde cero todos los días, esto reduce significativamente el tiempo de desarrollo. No sólo te da la sintaxis; entiende el contexto de un entorno CMS.
El lado oscuro: fraude académico y de contenidos
Naturalmente, no todo el mundo ve esto como un asistente útil. Algunos lo ven como una herramienta para tomar atajos que socavan la integridad. Los profesores ya han notado que los estudiantes lo utilizan para escribir ensayos.
Consideremos una pregunta planteada por un profesor de la Universidad de Lyon: ¿Hasta qué punto es el héroe responsable de sus acciones?
Envié ese mensaje exacto a ChatGPT. La respuesta fue filosófica, estructurada y enteramente plausible:
El héroe es responsable de sus actos porque es consciente de lo que hace y asume las consecuencias. Son capaces de tomar decisiones e implementarlas, ya sea positiva o negativamente. También son responsables de sus acciones porque deben responder ante las autoridades y la sociedad, y son capaces de reconocer y arrepentirse de sus errores. Finalmente, el héroe es responsable de sus acciones porque es un individuo libre y autónomo que debe responder ante sí mismo y ante sus seres queridos.
Cuando hice un seguimiento y pedí un ensayo de 500 palabras sobre ese tema, ChatGPT me lo entregó. El tono era académico. La estructura era sólida. Pasaría como una presentación de un estudiante competente. Aquí es donde la promesa del “código utilizable” se convierte en un motor de trampa.
Donde tropieza la IA
A pesar de su refinamiento, ChatGPT no es infalible. Alucina. Más importante aún, se equivoca en los hechos, a veces de manera atroz.
Tomemos como ejemplo a René Descartes. A principios de enero, si le preguntabas a ChatGPT dónde vivía el filósofo, te decía que pasó un tiempo en América del Sur. Eso es históricamente falso. Descartes murió en Suecia y vivió principalmente en Francia y los Países Bajos. Un mes después, el modelo se corrigió solo. Cuando se le preguntó específicamente sobre América del Sur, lo negó.
El modelo parece aprender o ajustar sus pesos con el tiempo, pero no hay transparencia sobre cómo corrige estos errores. A diferencia de Wikipedia, que cita sus fuentes, ChatGPT le brinda una respuesta sin rastro de citas. Si lo utiliza para investigación, está confiando en una caja negra. Si necesita verificar un hecho, aún debe volver a las fuentes primarias.
El problema de la predicción
Seamos claros: ChatGPT no pretende tener una bola de cristal. Cuando se le pregunta sobre las elecciones presidenciales francesas de 2027, el modelo se desvía. Cuando se le pregunta por una fecha específica sobre cuándo los humanos pondrán un pie en Marte, se niega a adivinar. Variamos el fraseo. Superamos el límite. No cedería.
Parte de esto es estructural. ChatGPT 3 se basa en un depósito de datos que se congela en 2021. Todo lo posterior es invisible para él. Pero el silencio va más allá de los datos faltantes.
Negarse a tomar partido
Pedimos opiniones. Muchos de ellos. Las respuestas aterrizaron de lleno en el ámbito de la corrección política. Cada respuesta parecía un comunicado de prensa cuidadosamente calibrado.
Tomemos la comparación entre Joe Biden y Donald Trump. El modelo señala que tienen diferentes posiciones. Afirma que determinar quién es “mejor” depende de criterios individuales. No elige un ganador.
Pregunte si la energía nuclear es ecológica. El modelo enumera argumentos a favor y en contra. Se sienta en la valla.
Pero hay una excepción. Una línea dura.
La línea roja climática
Cada vez que surge el tema de los “escépticos del clima”, el tono cambia. El modelo se vuelve firme. Rechaza opciones alternativas. No se ofrecen matices cuando se trata del calentamiento global.
Esto plantea una pregunta persistente. ¿Los programadores programaron sus propios prejuicios en el código?
No deberíamos ignorar la posibilidad de que los desarrolladores influyeran en el modelo en temas que les interesaban profundamente.
Vale la pena preguntarse si esta rigidez es una característica de los datos de entrenamiento o una barrera de seguridad deliberada. El modelo no especulará. Simplemente refuerza el consenso.
Por qué los chistes fracasan
El humor es un punto ciego. Cuando se le pidió que inventara un chiste, el modelo no produjo nada que aterrizara. No es sólo que fueran malos; eran estructuralmente incoherentes o dolorosamente obvios. La IA carece del salto intuitivo necesario para el ingenio. Simula la forma de un remate sin comprender el momento ni el subtexto.
La muleta de los clichés
También hay una tendencia hacia el relleno. El resultado a menudo se prolonga, repleto de frases detalladas que dicen muy poco. Obtienes frases largas y sinuosas que podrían reducirse a la mitad sin perder significado. Peor aún, se apoya en gran medida en frases comunes. Las mismas transiciones aparecen repetidamente, con sólo cambios menores de palabras. Es un patrón de vacilación disfrazado de prosa. Cuando el modelo no sabe la respuesta, no se detiene. Simplemente habla más.
