Aunque se suele se\u00f1alar 1956 como el nacimiento del t\u00e9rmino Inteligencia Artificial, se podr\u00eda decir que el concepto adquiere cierta madurez con la creaci\u00f3n en 1979 de la American Association for Artificial Intelligence<\/em>. Sus equivalentes europeos (EurAI) y espa\u00f1ol (AEPIA) son respectivamente de 1982 y 1984. Es decir, se puede observar que la IA tiene m\u00e1s de 40 a\u00f1os de trayectoria establecida en la comunidad cient\u00edfica, y, por tanto, su novedad actual es para el gran p\u00fablico, pero no para la tecnolog\u00eda y la ciencia.<\/p>\n El concepto de algoritmo<\/strong> es perfectamente conocido en este contexto: secuencia de pasos implementados en alg\u00fan lenguaje de programaci\u00f3n que se ejecuta sobre un determinado computador. Un algoritmo consta habitualmente de una entrada y produce una salida. En este caso la entrada es un conjunto de datos (que llamamos datos de entrenamiento) y la salida es un modelo completamente definido, que a su vez es otro programa inform\u00e1tico.<\/p>\n Entenderemos por modelo<\/strong> un formalismo matem\u00e1tico que no est\u00e1 completamente definido. Es decir, este modelo tiene par\u00e1metros que son desconocidos a priori y cuyos valores deben ser determinados durante el llamado entrenamiento. Los modelos pueden ser muy simples, con unos pocos par\u00e1metros, o muy complejos, con miles de millones. Estos modelos constituyen una caja de herramientas habitual de la IA llamada Machine Learning<\/em> (ML). Los modelos de ML van desde las simples rectas de regresi\u00f3n hasta los complejos modelos transformers<\/em>, pasando por \u00e1rboles o redes neuronales.<\/p>\n Entrenamiento<\/strong> se refiere al proceso por el que el modelo anterior queda completamente definido. Normalmente el algoritmo, en una secuencia iterativa, ir\u00e1 aproximando los valores de los par\u00e1metros para que el modelo se ajuste a los datos. Este proceso de entrenamiento es un mecanismo de optimizaci\u00f3n, guiado por una funci\u00f3n de bondad que mide el ajuste del modelo a los datos. Las matem\u00e1ticas y las heur\u00edsticas de b\u00fasqueda proporcionan diferentes herramientas para este proceso de ajuste. Una vez terminado el entrenamiento, el modelo queda completamente definido y suele ser proporcionado finalmente como otro programa inform\u00e1tico para poder llevar a cabo la inferencia.<\/p>\n El concepto de datos <\/strong>es muy amplio, de hecho, en la actualidad casi todo son datos: una hoja Excel, una imagen, un v\u00eddeo, una p\u00e1gina web, un pdf, o todos ellos juntos. Como es l\u00f3gico cu\u00e1nto m\u00e1s complejos sean los datos m\u00e1s par\u00e1metros necesitar\u00e1 el modelo para ajustarse y m\u00e1s complejo ser\u00e1 el proceso de entrenamiento, necesit\u00e1ndose m\u00e1s potencia de c\u00f3mputo y m\u00e1s tiempo.<\/p>\n El resultado de este proceso de entrenamiento sobre unos datos es un modelo completamente definido, en forma de programa de ordenador que permite realizar la fase de inferencia<\/strong>. La fase de inferencia consiste en proporcionar al modelo datos nuevos, normalmente distintos de los que se entren\u00f3, para que el modelo nos devuelva el patr\u00f3n que m\u00e1s se ajusta a los datos nuevos en funci\u00f3n de los datos entrenados.<\/p>\n Veamos distintos tipos de modelos de IA empezando por uno sencillo y acabando con los \u00faltimos modelos de IA generativa.<\/p>\n Ya entrado el siglo XXI se pudo pasar de datos num\u00e9ricos a datos en formato texto o voz, en herramientas como los llamados asistentes virtuales (por ejemplo, Siri o Alexa). La base tecnol\u00f3gica de estos se corresponde con el proceso anterior. En primer lugar, se dispone de un modelo que fue entrenado para convertir lenguaje natural hablado en texto. Es decir, el modelo se ajust\u00f3 comparando el sonido de palabras con su correspondiente texto durante la fase de entrenamiento, de forma que es capaz de convertir expresiones orales en su correspondiente expresi\u00f3n escrita. Este proceso se denomina Reconocimiento Autom\u00e1tico del Habla o ASR por sus siglas en ingles. Una vez se dispone de un texto escrito se extraen las palabras clave mediante t\u00e9cnicas estad\u00edsticas y de ML. Esta tarea se denomina Reconocimiento de Entidades con Nombre o sus siglas en ingl\u00e9s NER. A partir de ellas, el asistente realiza una b\u00fasqueda en la web que crea un texto que, mediante el proceso contrario al ASR, permite obtener una respuesta hablada del asistente.<\/p>\n En este punto del texto, es probable que el lector est\u00e9 muy despistado. \u00bfDe verdad este proceso tiene algo que ver con chatGPT? Pues s\u00ed, tiene todo que ver. Hay un gran salto hasta 2022, pero el \u201cmecanismo\u201d es exactamente el mismo. La llamada Inteligencia Artificial Generativa sigue el mismo proceso de datos y entrenamiento de un modelo citado con anterioridad. Cuando usamos chatGPT estamos haciendo inferencia, es decir, usamos un programa de ordenador que ejecuta un modelo ya entrenado. Durante el entrenamiento se calcularon los valores de miles de millones de par\u00e1metros para ajustar un tipo de modelo muy complejo denominado LLM (Large Language Model) a unos datos que eran b\u00e1sicamente toda la informaci\u00f3n de la web. Podr\u00eda parecer que chatGPT es inteligente pero solo est\u00e1 ejecutando un modelo que se ha ajustado a todo el conocimiento disponible en la web y que hace inferencia ante las preguntas que se le plantean.<\/p>\n \u00bfC\u00f3mo ha sido posible este salto en menos de 30 a\u00f1os? Pues como todos los avances cient\u00edficos y tecnol\u00f3gicos del ser humano, se debe a un conjunto de factores que b\u00e1sicamente podr\u00edamos reducir a dos: por un lado, nuevos modelos matem\u00e1ticos capaces de establecer patrones a partir de datos tan complejos como textos en lenguaje natural o im\u00e1genes; y, por otro lado, nuevos dispositivos hardware capaces de procesar esos datos de una forma suficientemente eficiente.<\/p>\n No es objetivo de este texto entrar en detalles t\u00e9cnicos que adem\u00e1s son f\u00e1cilmente alcanzables con una b\u00fasqueda b\u00e1sica en Internet. Sin embargo, deben mencionarse, al menos, los modelos conocidos como redes neuronales profundas, evoluci\u00f3n de las redes neuronales concebidas en los a\u00f1os 60 del siglo pasado. El llamado deep learning<\/em> estableci\u00f3 a principios de este siglo el uso de redes neuronales con miles de capas y nodos capaces de modelar sobre todo im\u00e1genes que hasta ese momento ten\u00edan dif\u00edcil tratamiento. Pero estos modelos no hubieran pasado de simple teor\u00eda si no es por los chips conocidos como tarjetas gr\u00e1ficas (GPU) y posteriormente las unidades tensoriales (TPU). Estos chips est\u00e1n especializados en la paralelizaci\u00f3n de operaciones matriciales fundamentales en el entrenamiento de las redes neuronales. El paso definitivo para la IA generativa lo han dado las redes conocidas como transformers<\/em>. Estas redes incorporan un mecanismo de atenci\u00f3n que permite al modelo comprender el contexto. En estos modelos la informaci\u00f3n no tiene solo un valor por s\u00ed misma, sino que la posici\u00f3n y el entorno la definen con mayor claridad. Esto permite sobre todo en el procesamiento del Lenguaje Natural la desambiguaci\u00f3n de palabras por su posici\u00f3n y contexto, que es primordial en su comprensi\u00f3n.<\/p>\n El \u00faltimo avance de la IA son los modelos generativos multimodales que permiten generar im\u00e1genes o v\u00eddeos a partir de texto o \u201cexplicar\u201d una imagen, convirtiendo su descripci\u00f3n en texto mediante una mezcla de modelos que ajustan im\u00e1genes a su descripci\u00f3n textual y viceversa. La etiquetaci\u00f3n de im\u00e1genes es un proceso anterior al de la IA generativa y es la base de herramientas posteriores como Dall-e. Recordemos que una imagen no es m\u00e1s que una tabla bidimensional de valores num\u00e9ricos y que un v\u00eddeo no es m\u00e1s que una secuencia de im\u00e1genes. Los modelos que permitieron \u201cver\u201d im\u00e1genes son fundamentalmente las redes neuronales convolucionales que tienen un proceso de filtrado jer\u00e1rquico, capaz de resumir las caracter\u00edsticas m\u00e1s significativas de una imagen.<\/p>\n Finalmente, y de manera breve, hay que se\u00f1alar que la IA, como toda actividad humana, tiene tambi\u00e9n su \u201clado oscuro\u201d. B\u00e1sicamente son tres los problemas que se le atribuyen:<\/p>\n <\/p>\n En posteriores entradas a este blog se abordar\u00e1n estos problemas y tambi\u00e9n cu\u00e1l es el futuro inmediato de la IA: los agentes inteligentes.<\/p>\n","protected":false},"excerpt":{"rendered":" Durante 2024 raro era el d\u00eda en el que alg\u00fan medio informativo no conten\u00eda alguna noticia relacionada con la llamada Inteligencia Artificial (IA). Al mismo tiempo se produce un importante aumento de empresas y tecn\u00f3logos que se proclaman expertas en IA. En los anuncios de TV observamos veh\u00edculos con IA, frigor\u00edficos con IA, p\u00e1ginas web […]<\/p>\n","protected":false},"author":55,"featured_media":22968,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_uag_custom_page_level_css":"","site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","theme-transparent-header-meta":"default","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"set","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[2804],"tags":[],"ppma_author":[2837],"class_list":["post-22966","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-tecnica"],"jetpack_featured_media_url":"https:\/\/www.rasc.es\/blogacademia\/wp-content\/uploads\/2025\/03\/Deep-Learning-Training.png","uagb_featured_image_src":{"full":["https:\/\/www.rasc.es\/blogacademia\/wp-content\/uploads\/2025\/03\/Deep-Learning-Training.png",1200,800,false],"thumbnail":["https:\/\/www.rasc.es\/blogacademia\/wp-content\/uploads\/2025\/03\/Deep-Learning-Training-150x150.png",150,150,true],"medium":["https:\/\/www.rasc.es\/blogacademia\/wp-content\/uploads\/2025\/03\/Deep-Learning-Training-300x200.png",300,200,true],"medium_large":["https:\/\/www.rasc.es\/blogacademia\/wp-content\/uploads\/2025\/03\/Deep-Learning-Training-768x512.png",768,512,true],"large":["https:\/\/www.rasc.es\/blogacademia\/wp-content\/uploads\/2025\/03\/Deep-Learning-Training-1024x683.png",1024,683,true],"1536x1536":["https:\/\/www.rasc.es\/blogacademia\/wp-content\/uploads\/2025\/03\/Deep-Learning-Training.png",1200,800,false],"2048x2048":["https:\/\/www.rasc.es\/blogacademia\/wp-content\/uploads\/2025\/03\/Deep-Learning-Training.png",1200,800,false],"bdpp-medium":["https:\/\/www.rasc.es\/blogacademia\/wp-content\/uploads\/2025\/03\/Deep-Learning-Training.png",640,427,false]},"uagb_author_info":{"display_name":"Jos\u00e9 C. Riquelme","author_link":"https:\/\/www.rasc.es\/blogacademia\/?author=55"},"uagb_comment_info":2,"uagb_excerpt":"Durante 2024 raro era el d\u00eda en el que alg\u00fan medio informativo no conten\u00eda alguna noticia relacionada con la llamada Inteligencia Artificial (IA). Al mismo tiempo se produce un importante aumento de empresas y tecn\u00f3logos que se proclaman expertas en IA. En los anuncios de TV observamos veh\u00edculos con IA, frigor\u00edficos con IA, p\u00e1ginas web…","jetpack_sharing_enabled":true,"authors":[{"term_id":2837,"user_id":55,"is_guest":0,"slug":"riquelmejose","display_name":"Jos\u00e9 C. Riquelme","avatar_url":"https:\/\/secure.gravatar.com\/avatar\/c6f91544cc327029a038883da6bf87b0fcc09d4ca1e0a15462f4814981e0a7cf?s=96&d=mm&r=g","author_category":"","first_name":"Jos\u00e9 C.","last_name":"Riquelme","user_url":"","job_title":"","description":""}],"_links":{"self":[{"href":"https:\/\/www.rasc.es\/blogacademia\/index.php?rest_route=\/wp\/v2\/posts\/22966","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.rasc.es\/blogacademia\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.rasc.es\/blogacademia\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.rasc.es\/blogacademia\/index.php?rest_route=\/wp\/v2\/users\/55"}],"replies":[{"embeddable":true,"href":"https:\/\/www.rasc.es\/blogacademia\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=22966"}],"version-history":[{"count":4,"href":"https:\/\/www.rasc.es\/blogacademia\/index.php?rest_route=\/wp\/v2\/posts\/22966\/revisions"}],"predecessor-version":[{"id":22974,"href":"https:\/\/www.rasc.es\/blogacademia\/index.php?rest_route=\/wp\/v2\/posts\/22966\/revisions\/22974"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.rasc.es\/blogacademia\/index.php?rest_route=\/wp\/v2\/media\/22968"}],"wp:attachment":[{"href":"https:\/\/www.rasc.es\/blogacademia\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=22966"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.rasc.es\/blogacademia\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=22966"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.rasc.es\/blogacademia\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=22966"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/www.rasc.es\/blogacademia\/index.php?rest_route=%2Fwp%2Fv2%2Fppma_author&post=22966"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}![\"\"](\"http:\/\/www.rasc.es\/blogacademia\/wp-content\/uploads\/2025\/03\/AiLLM_2-298x300.jpg\")
Explicar qu\u00e9 es la IA no es sencillo. Realmente el concepto de Inteligencia Artificial ha ido teniendo distintas sem\u00e1nticas durante este tiempo. Por no divagar en exceso y atendiendo al concepto actual, se podr\u00eda definir de forma simple que una herramienta es de IA si utiliza un algoritmo que produce un modelo parametrizado, entrenado para ajustarse a unos datos y que podr\u00e1 ser inferido con datos nuevos<\/strong>. Esta definici\u00f3n es, en cierta manera restrictiva, pero expliquemos un poco m\u00e1s los conceptos anteriores para comprender por qu\u00e9 abarca a la diversidad de aplicaciones citadas anteriormente.<\/p>\n![\"\"](\"http:\/\/www.rasc.es\/blogacademia\/wp-content\/uploads\/2025\/03\/AI-ML-DL.svg-271x300.png\")
Un ejemplo habitual de modelo b\u00e1sico de IA de los a\u00f1os 90 es la determinaci\u00f3n del riesgo asumido por un banco si concede un pr\u00e9stamo a un cliente. Los datos de entrenamiento lo constituyen las variables crediticias de clientes hist\u00f3ricos a los que se le concedi\u00f3 un pr\u00e9stamo: ingresos, antig\u00fcedad en el trabajo, edad, propiedades, etc. El banco dispone de un modelo que se ajust\u00f3 para aprender un patr\u00f3n que establezca una relaci\u00f3n causal entre las variables anteriores y el resultado del cr\u00e9dito. Este modelo est\u00e1 disponible de forma que, cuando un nuevo cliente solicita un pr\u00e9stamo, con sus datos concretos se puede tener una informaci\u00f3n que ayude al banco a calcular el riesgo de impago.<\/p>\n\n