Para aprender, la inteligencia artificial «requiere de una función matemática muy muy complicada que se basa en ciertos números, parámetros, que van a decidir cómo funciona», ha explicado este viernes en TAIGranada el investigador becado del MIT, profesor de la Universidad de Málaga y experto en redes generativas antagónicas (GANs), Jamal Toutouh.
«Es lo que se conoce como aprendizaje supervisado», ha señalado en la segunda jornada del congreso, en la que ha hablado de los distintos modelos de inteligencia artificial generativa. Entre ellos, de los modelos de difusión, que, según ha comentado, están inspirados en el término de difusión termodinámica y su clave está en generar la imagen objetivo eliminando el ruido de una imagen inicial.
Sin embargo, el experto se ha centrado especialmente en su campo, en las redes generativas antagónicas (GANs). Estas, en cambio, crean imágenes sintéticas a partir de imágenes reales. «El falsificador de Van Gogh es un ejemplo de ello. El algoritmo funciona así. Le damos directrices, aprende y genera desde lo que conoce», ha apuntado. De hecho, existen inteligencias artificiales que se han especializado en diferentes ámbitos según el aprendizaje supervisado al que han sido sometidas.
A día de hoy, existen IAs para diseñar microestructuras, para predecir acuíferos subterráneos en una empresa petrolífera, para la edición de moléculas en medicina e incluso para simular el comportamiento del viento y comprobar el funcionamiento de turbinas. También para identificar el covid. «Durante la primera ola de la pandemia, aún se sabía muy poco de este virus, así que se diseñó una IA generativa que tenía como objetivo aprender a producir radiografías de personas con covid», ha comentado Toutouh. De esta manera, los médicos podrían predecir los síntomas en otros pacientes.
Migraciones y diversidad
Una forma de mitigar esas limitaciones que presenta la IA generativa es, según Jamal Toutouh, aplicar «lo que ya se sabe» de la computación bio-inspirada y los algoritmos co-evolutivos. Así, se crean «discriminadores» (lobos, por ejemplo) y «generadores» (liebres). «Puede que la especie esté evolucionando y los lobos aprendan que las liebres salen por la noche a beber, pero eso no soluciona su problema, que es alimentarse», ha recalcado. En la naturaleza, «se resuelve promoviendo la diversidad, que se mantiene con las migraciones».
En el caso de la sociedad, sin embargo, «el que vino desde fuera fue una inteligencia artificial» y su entrenamiento «puede conllevar grandes beneficios», como la producción de imágenes mejores y más diversas, lo que ayudará a evitar casos como el del falsificador de Van Gogh. Además, «algo muy importante que hemos aprendido con estas redes es que el tamaño no importa«. »Antes, pensábamos que cuánto más grande una red, mejor, pero hemos comprobado que incluso pequeñas IAs, como un ChatGPT, requieren muchísima energía y pueden aprender mucho más«, ha concluido.
