Skip to main content

Como chegamos ata aquí?

Conceptos básicos​

  • Intelixencia Artificial (1956): Desenvolvemento de sistemas que poden realizar tarefas que normalmente requiren intelixencia humana.

    • ELIZA (1966): Chatbot que simula unha conversa terapéutica mediante regras (busca palabras clave e responde con frases predefinidas).
    • Deep Blue (1997): Computadora que derrota a Kasparov en xadrez. Estratexias programadas e unha gran capacidade de cálculo.

  • Machine Learning ou aprendizaxe automática (1959): Desenvolvemento de algoritmos e modelos que permiten ás computadoras aprender dos datos.

    • Árbores de decisión (1960), Regresión loxística (1958), K-means (1967), SVM (1995), Random Forest (2001), Gradient Boosting (2001), etc.
    • Predicións baseadas en datos (bolsa, clima, etc.)

Paradoxo de Moravec (1980): É relativamente fácil facer que as computadoras realicen operacións matemáticas e loxísticas, pero é difícil facer que realicen tarefas simples que calquera neno de 4 anos pode facer, como recoñecer un obxecto ou entender unha linguaxe natural.

  • Redes neuronais artificiais: Imitan o funcionamento das neuronas do cerebro humano para aplicacións de Machine Learning.

    • Neurona artificial (1943)
    • Perceptrón (1957)
    • Red de Hopfield (1982)
    • Backpropagation (1986)
    • LeNet-5 (1998) (recoñecemento de díxitos)

  • Deep Learning: Subcampo da IA que se enfoca no desenvolvemento de redes neuronais profundas (redes neuronais con moitas capas ocultas) e co que se desenvolve o boom da IA.

    • AlexNet (2012)

  • IA Xenerativa: Campo da IA que utiliza Deep Learning na creación de sistemas que poden xerar contido novo e orixinal.
    • ChatGPT, Dall-E, Sora, etc.
    • O que hoxe se deu en chamar "A IA" grazas ao recente boom dos modelos xenerativos.

O Boom da IA (do deep learning)​

  • Causas:

    • Aumento da capacidade de cómputo (GPUs, TPUs)
    • Dispoñibilidade de conxuntos de datos enormes (Internet, Big Data)
    • Avances en algoritmos e arquitecturas de redes
    • Gran incremento do financiamento e investimento industrial

  • Fitos principais:

    • 2012: AlexNet reduce o erro en ImageNet ao 15.3% (antes 26%), demostrando o poder das redes neuronais convolucionais e marcando o inicio do boom.
    • 2014: DeepFace de Facebook alcanza precisión case humana (97.35%) no recoñecemento facial.
    • 2014: As GANs (Generative Adversarial Networks), revolucionan a xeración de contido.
    • 2016: AlphaGo de DeepMind derrota ao campión mundial Lee Sedol.
    • 2017: Aparece a arquitectura Transformer, transformando o procesamento de linguaxe.
    • 2020: GPT-3 de OpenAI demostra capacidades emerxentes en modelos de linguaxe a gran escala.
    • 2021: Os modelos de difusión (DALL-E, GLIDE) comezan a dominar a xeración de imaxes realistas.
    • 2022: ChatGPT (GPT-3.5) de OpenAI populariza os asistentes conversacionais.
    • 2023: GPT-4 de OpenAI e proliferación de modelos multimodais (texto, imaxe, audio, video).
    • 2024: Primeiros modelos con capacidades avanzadas de razoamento (OpenAI o1).
    • 2025: DeepSeek-R1 (open-weights) baixa o custo dos modelos de linguaxe cun rendemento similar ao de o1.

Expectativas futuras:​

Aumento das capacidades humanas (Human Augmentation)​

A IA perfílase como un colaborador que potenciará as nosas habilidades. Desde a asistencia en tarefas complexas e a toma de decisións ata a superación de limitacións físicas ou cognitivas, a IA actuará como unha extensión das nosas propias capacidades.

Creación Audiovisual Xenerativa​

Os avances nos modelos de difusión, o vídeo xenerativo e a síntese de audio están transformando a produción audiovisual. Entre as expectativas máis relevantes atópanse:

  • Vídeo xenerativo de alta fidelidade: Modelos como Sora (OpenAI), Pika ou Runway Gen-2 permitirán crear secuencias cinematográficas completas a partir de simples descricións textuais.
  • Música e son: Ferramentas como Stable Audio, LMusic ou Sunshine comporán bandas sonoras e efectos adaptados ao contexto en tempo real.
  • Realidade mixta e videoxogos: Mundos e personaxes que se xeran dinamicamente, axustándose ao estilo e preferencias de cada xogador.
  • Post-produción automatizada: Procesos de edición, corrección de cor, dobraxe e subtitulado guiados por IA, reducindo drasticamente os tempos de produción.
  • Accesibilidade incrementada: Xeración automática de audiodescricións, traducións e linguaxe de signos, ampliando o alcance do contido.

Estes avances, aínda que centrados na creatividade, comparten coa automatización a capacidade de acelerar fluxos de traballadores e derrubar barreiras técnicas, razón pola cal merecen un apartado propio.

Axentes Autónomos​

Representan a evolución natural dos chatbots cara a sistemas verdadeiramente proactivos e independentes.

Que é un axente de IA? Diferenzas clave:

  • Chatbot tradicional: "En que podo axudar?" → Responde a cada pregunta individual.
  • Axente autónomo: "Organiza a miña viaxe a Roma" → Planifica, busca opcións, compara prezos, fai reservas, xestiona imprevistos e infórmate do resultado final.

Características fundamentais dos axentes: Defínense pola súa autonomía para actuar a longo prazo, proactividade para tomar a iniciativa, reactividade para adaptarse ao entorno, capacidade social para interactuar e o uso de ferramentas (APIs, Internet, etc.).

Exemplos e aplicacións destacadas:

  • Xestión persoal: Planificación automática de viaxes (Kayak), xestión de finanzas ou coordinación de tarefas domésticas.
  • Ámbito profesional:
    • Programación: Desenvolvemento de software con Devin AI ou GitHub Copilot Workspace.
    • Investigación e legal: Análise de información con Perplexity Pro ou revisión de contratos con Harvey AI.
  • Sectores de impacto: Xa se utilizan en atención ao cliente (Zendesk), loxística e trading algorítmico.

IA na Educación​

A intelixencia artificial transformará o panorama educativo, creando un entorno de aprendizaxe máis personalizado, eficiente e accesible.

  • Titoría personalizada e intelixente: Os sistemas de IA actuarán como titores individuais para cada estudante, adaptando o contido e o ritmo de aprendizaxe ás súas necesidades específicas. Proporcionarán feedback instantáneo, resolverán dúbidas e ofrecerán reforzo nas áreas onde o alumno presente dificultades.
  • Creación de contido educativo dinámico: Os docentes poderán utilizar ferramentas de IA para xerar materiais didácticos a medida, como plans de leccións, exercicios, rúbricas de avaliación, presentacións interactivas e simulacións. Isto permitirá unha ensinanza máis rica e diversificada con menos esforzo.
  • Automatización de tarefas administrativas: A IA liberará aos educadores de tarefas repetitivas coma a corrección de exames, a xestión de horarios ou a comunicación de rutinas, permitíndolles centrarse na interacción directa cos estudantes e no deseño de experiencias de aprendizaxe significativas.
  • Accesibilidade e inclusión: As tecnoloxías de IA eliminarán barreiras para estudantes con necesidades especiais. Ferramentas coma a transcrición en tempo real, a tradución simultánea ou os lectores de pantalla avanzados garantirán que todos os alumnos teñan as mesmas oportunidades de acceso á información.
  • Análise da aprendizaxe e detección temperá: A IA analizará patróns no rendemento dos estudantes para identificar posibles dificultades de aprendizaxe de xeito proactivo. Isto permitirá aos educadores intervir a tempo e ofrecer o apoio necesario antes de que os problemas se agraven.
  • Desenvolvemento profesional para docentes: A IA tamén poderá asistir aos propios docentes, ofrecendo análise sobre os seus métodos de ensino, suxerindo novas estratexias pedagóxicas e facilitando o acceso a recursos de formación continua.

Intelixencia Artificial Xeral (AGI)​

Que é exactamente a AGI?

  • Definición ampla: Un sistema que pode realizar calquera tarefa cognitiva que un humano poida facer.
  • Definición estrita: Un sistema que non só iguala senón que supera significativamente aos humanos na maioría das tarefas economicamente valiosas.
  • O problema: Non existe consenso científico sobre que constitúe exactamente "intelixencia xeral" ou como medila obxectivamente. Investigadores como Yann LeCun (Meta) argumentan que o propio termo AGI é impreciso e que a intelixencia é un espectro multidimensional alcanzable só mediante avances graduais.

Hitos esperados cara á AGI:

  • Próximos 2-5 anos: Modelos que superen aos humanos na maioría das tarefas cognitivas individuais (escritura, programación, análise, etc.).
  • 5-10 anos: Sistemas que poidan combinar múltiples habilidades de forma coherente e manter contexto a longo prazo.
  • 10-20 anos: Posible emerxencia de sistemas que demostren razoamento abstracto, creatividade xenuína e aprendizaxe autónoma comparables ou superiores aos humanos.