Podcast sobre Introducción a la Inteligencia Artificial

Kapitoly

Introducción a la IA

Un Viaje por la Historia

Hitos que Cambiaron el Juego

Clasificación de la IA

El Impacto en Nuestros Estudios

¿Qué es ChatGPT?

No es Magia, es Lógica

Tres Formas de Empezar

Tu Primer Chat (Gratis)

El Idioma de las Máquinas

Del Email al Código

El Arte de Preguntar

Técnicas para Mejores Respuestas

Errores Comunes y Ejemplos

Herramientas y Conclusión

Přepis

Lucas: ¡Es que es alucinante, Daniela! Uno piensa en IA y se imagina robots o naves espaciales, ¡pero la realidad es que ya está en nuestro teléfono, en los asistentes de voz, en todas partes!

Daniela: Totalmente, Lucas. Ha dejado de ser ciencia ficción para convertirse en una herramienta que define nuestro presente y, sobre todo, nuestro futuro. Es algo que nos impacta a diario.

Lucas: Y para todos los que se unen ahora mismo a la conversación, están escuchando Studyfi Podcast. Hoy vamos a desmitificar qué es exactamente la Inteligencia Artificial.

Daniela: Así es. Y lo primero que hay que aclarar es que la IA no es un robot con forma humana, ni siquiera un solo programa. Es mucho más grande que eso.

Lucas: ¿A qué te refieres con que es más grande?

Daniela: Piénsalo como una disciplina científica, un campo de estudio enorme que combina un montón de áreas: matemáticas, estadística, informática, ciencia de datos e incluso neurociencia.

Lucas: ¡Wow! O sea, no es solo programar. Es intentar que una máquina imite, de la forma más precisa posible, la inteligencia humana. Y eso lleva tiempo, ¿no?

Daniela: ¡Casi nueve décadas! No es algo que apareció de la noche a la mañana. Es el resultado de un esfuerzo conjunto de muchísimos expertos durante muchísimo tiempo.

Lucas: Noventa años... eso es mucho antes de que existieran las computadoras como las conocemos. ¿Cómo empezó todo?

Daniela: El concepto teórico nació en la década de 1930 con el brillante Alan Turing. Él propuso la idea de una "máquina universal" que pudiera simular cualquier cálculo matemático.

Lucas: El padre de la computación moderna. Tiene todo el sentido.

Daniela: Exacto. Pero el término "Inteligencia Artificial" no se acuñó hasta los años 50, por John McCarthy. Ahí es cuando el campo empezó a tomar forma oficialmente.

Lucas: Y en esa época también surgió el famoso Test de Turing, ¿verdad? Para ver si una máquina podía hacerse pasar por un humano en una conversación.

Daniela: ¡Ese mismo! Se convirtió en el primer gran hito. Luego, en los 60 y 70, el foco se puso en los "sistemas expertos".

Lucas: ¿Sistemas expertos? Suena importante. ¿Qué hacían?

Daniela: Imagina un programa que era un especialista en un área súper específica, como la medicina o la ingeniería. Tenía una base de datos gigante y reglas lógicas para tomar decisiones. Eran como un médico digital que solo sabía de cardiología. Útil, pero muy limitado.

Lucas: Entiendo. No le podías preguntar por el clima, entonces.

Daniela: Para nada. Pero sentaron las bases para aplicar la IA a problemas del mundo real. Fue un primer paso fundamental.

Lucas: Y después de esos sistemas tan específicos, ¿qué vino? Me suena que en los 80 hubo un avance con el aprendizaje automático.

Daniela: ¡Muy bien! Ahí es cuando las cosas se pusieron realmente interesantes. Se desarrollaron los primeros algoritmos de aprendizaje automático, como las redes neuronales artificiales. La idea era que los sistemas pudieran aprender de los datos por sí mismos.

Lucas: Que no tuvieras que programarles cada regla una por una.

Daniela: Exacto. El problema es que las computadoras de la época no tenían la potencia suficiente, así que el avance fue un poco lento. Pero en los 90... todo explotó.

Lucas: ¡La era de internet! Y de la digitalización masiva de datos.

Daniela: Correcto. Con más poder de procesamiento y más datos, la IA renació. Fue en esta década cuando la supercomputadora Deep Blue de IBM venció al campeón mundial de ajedrez, Garry Kasparov.

Lucas: ¡Recuerdo eso! Fue un momento histórico. El mundo se dio cuenta de que esto iba en serio.

Daniela: Totalmente. Además, en los 90 se crearon las redes LSTM. Esto es clave. Básicamente, son redes neuronales con memoria a largo plazo. Podían recordar información del pasado para entender el contexto, algo que las redes anteriores no podían hacer.

Lucas: Como cuando lees una novela y recuerdas lo que pasó en el primer capítulo. ¡Qué avance!

Daniela: Un avance gigantesco. Y eso nos lleva a los 2000, con el auge del aprendizaje profundo. En 2011, otro sistema de IBM, Watson, ganó el concurso de televisión Jeopardy!, entendiendo preguntas complejas y con doble sentido en lenguaje natural.

Lucas: Y ya en la década de 2010, la IA se volvió parte de nuestro día a día con los asistentes como Siri y Alexa. De repente, estaba en nuestros bolsillos.

Daniela: Exacto. Y esa omnipresencia nos lleva a una pregunta importante: ¿toda la IA es igual? ¿Es lo mismo ChatGPT que el sistema que controla un vehículo autónomo?

Lucas: Buena pregunta. Supongo que no, porque hacen cosas muy diferentes.

Daniela: Correcto. Para entenderlo fácil, podemos clasificar la IA en tres categorías principales. La primera es la **IA Débil**.

Lucas: ¿Débil? Suena un poco insultante.

Daniela: No es un insulto a su capacidad, sino a su alcance. La IA Débil está diseñada para realizar tareas específicas en un contexto definido. Puede hacer esa tarea mejor y más rápido que un humano, pero no puede salirse de ahí.

Lucas: Ah, como los sistemas expertos de los 70 que mencionaste.

Daniela: Exactamente. Y aquí viene lo importante: toda la IA que existe hoy, incluyendo ChatGPT, Copilot, Siri... toda, es IA Débil.

Lucas: ¿En serio? ¿Incluso las más avanzadas? Pero si parecen súper inteligentes.

Daniela: Lo son, pero en su dominio. Siri, por ejemplo, fue entrenado para entender un grupo de comandos. Para que aprenda cosas nuevas, los ingenieros de Apple tienen que intervenir y actualizar sus algoritmos. No aprende por sí sola a hacer algo para lo que no fue diseñada.

Lucas: Entendido. Entonces, ¿cuál es la siguiente categoría?

Daniela: La **IA Fuerte**. Este es el siguiente nivel, y por ahora es teórico. Sería un sistema capaz de usar lo que ya aprendió para resolver tareas nuevas en contextos diferentes, sin necesidad de que un humano lo reprograme.

Lucas: Que pudiera aprender a jugar ajedrez y luego usar esa lógica para, no sé, ¿planificar una estrategia de negocios?

Daniela: ¡Justo eso! Una inteligencia general, adaptable, como la nuestra. Aún no hemos llegado ahí.

Lucas: Y me imagino que la tercera categoría es aún más de ciencia ficción.

Daniela: Se llama **Súper IA**, y es un concepto puramente teórico. Hablamos de una inteligencia artificial con capacidades cognitivas muy superiores a las de cualquier ser humano. Podría razonar, crear e incluso tener emociones a un nivel que no podemos ni comprender.

Lucas: Okay, eso sí que suena a película. Pero es bueno saber que estamos muy lejos de eso y que lo que tenemos ahora son herramientas especializadas.

Daniela: Herramientas muy, muy poderosas. Y eso nos lleva de vuelta al principio, Lucas. Estas herramientas de IA generativa, como ChatGPT o Copilot, tienen beneficios enormes para estudiantes y profesionales.

Lucas: Totalmente. Yo las uso para organizar ideas, para que me expliquen un concepto de otra manera o incluso para generar resúmenes de textos largos.

Daniela: Exacto. Aumentan la productividad, facilitan la creación y el análisis de información, ya sea texto, imágenes o audio. Te dan acceso a retroalimentación instantánea, a tutoriales... es como tener un asistente de estudio personal.

Lucas: La clave es verlo como eso, un complemento. Una herramienta para potenciar nuestro propio aprendizaje, no para que haga el trabajo por nosotros.

Daniela: Esa es la implementación responsable. La IA no reemplaza la inteligencia humana; la complementa. Es una historia de innovación constante que ha revolucionado cómo interactuamos con la tecnología.

Lucas: Queda clarísimo. Así que, en resumen: la IA tiene una historia larguísima, no es mágica, y lo que tenemos hoy es IA "débil" pero increíblemente útil para ayudarnos a estudiar y a trabajar de forma más inteligente.

Daniela: No podría haberlo dicho mejor. Es una herramienta que abre un mundo de posibilidades.

Lucas: Y hablando de posibilidades, ese potencial nos lleva directamente a nuestro siguiente tema...

Daniela: ¡Exacto! Y creo que no hay mejor ejemplo de esas posibilidades que la herramienta que está en boca de todos: ChatGPT.

Lucas: Por supuesto. Lo escuchamos en todos lados, lo vemos en las noticias, mis amigos lo usan para estudiar... pero ¿qué es exactamente? Suena a algo súper futurista.

Daniela: Y lo es, pero su origen no es tan reciente. ChatGPT es un modelo de inteligencia artificial de OpenAI. Pertenece a una familia de modelos llamada GPT.

Lucas: GPT... ¿esas son las siglas de algo, verdad?

Daniela: ¡Sí! Significan Generative Pre-trained Transformers. En español: Transformadores Pre-entrenados Generativos.

Lucas: ¡Suena a película de ciencia ficción! ¿Qué significa todo eso en palabras simples?

Daniela: Piénsalo así. "Generativo" porque genera texto nuevo. "Pre-entrenado" porque ha estudiado una cantidad gigantesca de información de internet antes de hablar contigo.

Lucas: O sea, ¿hizo su tarea antes del examen?

Daniela: ¡La mejor analogía! Y "Transformers" es el nombre de la arquitectura, la estructura neuronal que le permite entender el contexto y la relación entre las palabras de una forma increíblemente sofisticada.

Lucas: Entendido. No es solo una base de datos que busca respuestas, sino que... ¿entiende la conversación?

Daniela: Exacto. Su diseño específico es para interactuar con humanos en tiempo real. Para mantener conversaciones coherentes y relevantes. Por eso es tan popular como asistente virtual o para automatizar respuestas.

Lucas: Ok, eso aclara mucho. Pero entonces, ¿piensa? ¿Tiene conciencia? Porque a veces las respuestas dan un poco de miedo de lo buenas que son.

Daniela: Esa es la pregunta del millón y la respuesta es un rotundo no. Y aquí está la clave: ChatGPT no piensa, no razona ni emite juicios. No es una IA consciente.

Lucas: ¿Entonces cómo lo hace? ¿Cómo escribe un poema o resume un texto tan bien?

Daniela: Funciona con algoritmos y reglas matemáticas súper complejas. Su trabajo es predecir la siguiente palabra más probable en una oración, basándose en todo lo que ha aprendido.

Lucas: ¡Ah! O sea, es como el autocompletar de mi teléfono, pero... con esteroides y un doctorado en literatura.

Daniela: ¡Exactamente! Es un predictor de texto increíblemente avanzado. Se entrena con cantidades masivas de información y luego se va afinando con el uso que le damos los humanos.

Lucas: Entonces, cuando hablamos de IA débil y fuerte... ¿ChatGPT es el mejor ejemplo de una IA débil que existe?

Daniela: Sin duda. Es una implementación exitosísima de una IA débil. Es brillante en su tarea específica —procesar y generar lenguaje— pero no puede hacer nada fuera de ese contexto. No puede sentir, ni tener una idea original.

Lucas: Queda claro. No es Skynet. Es una herramienta súper avanzada que imita la conversación humana.

Daniela: Correcto. Una herramienta poderosa, pero sigue siendo una herramienta.

Lucas: Perfecto. Ahora que ya no le tengo miedo , quiero probarla. ¿Cómo empiezo? ¿Tengo que pagar? ¿Es complicado?

Daniela: Para nada, es súper accesible. Básicamente hay tres formas de entrar, pensadas para diferentes necesidades.

Lucas: A ver, cuéntame.

Daniela: Primero, tienes la "Versión de Prueba". A veces puedes usarla sin siquiera crear una cuenta. Es ideal para curiosear, para ver de qué va sin ningún compromiso.

Lucas: Como una muestra gratis en el supermercado. Me gusta.

Daniela: ¡Tal cual! Luego está la "Cuenta Gratuita". Te registras con tu email y listo. La gran ventaja aquí es que puedes guardar tus conversaciones y personalizar algunas cosas.

Lucas: Ah, bien. Para no perder los resúmenes que le pido para estudiar.

Daniela: Justo para eso. Eso sí, tiene algunas limitaciones. La versión gratuita usa un modelo un poco más antiguo, el GPT-3.5, y su conocimiento se corta en una fecha determinada.

Lucas: ¿O sea que no le puedo preguntar quién ganó el partido de anoche?

Daniela: Probablemente te diga que no tiene información en tiempo real. Su base de datos llega hasta 2021 o una fecha similar. ¡Así que cuidado con preguntarle cosas muy actuales!

Lucas: Buen dato. ¿Y la tercera opción?

Daniela: Es la "Versión Paga", claro. Con esa tienes acceso al modelo más avanzado, más rápido, sin restricciones y con funciones extra, como generar imágenes o analizar datos.

Lucas: Ok, empecemos por lo gratis que siempre es un buen punto de partida. ¿Cómo me creo una cuenta?

Daniela: Es muy fácil. Vas al sitio web oficial, que es chat.openai.com. Ahí buscas el botón de registrarse, que suele decir "Sign up".

Lucas: Bien, lo típico.

Daniela: Y te da varias opciones. Puedes usar tu cuenta de Google, de Microsoft o de Apple para hacerlo súper rápido, en un par de clics.

Lucas: ¿O puedo usar un email cualquiera?

Daniela: Sí, también puedes hacerlo de forma manual con tu correo. Te va a pedir que crees una contraseña y luego que verifiques tu email con un enlace que te envían.

Lucas: Ojo con la carpeta de spam, ¿no?

Daniela: ¡Siempre! A veces los correos de verificación se esconden ahí. Y un dato curioso sobre la contraseña...

Lucas: ¿A ver?

Daniela: Te pide que tenga al menos 12 caracteres. ¡Así que hay que ponerse creativos!

Lucas: ¡Más larga que mi lista de tareas pendientes! Anotado. Una vez que estoy dentro, ¿qué veo?

Daniela: La interfaz es muy limpia. Verás un cuadro de texto grande en la parte de abajo. Ahí es donde escribes tus preguntas o comandos, lo que llamamos "prompts".

Lucas: Escribo ahí, presiono Enter, y ¿empieza la magia?

Daniela: Empieza la predicción matemática increíblemente sofisticada. Y verás cómo genera la respuesta en tiempo real.

Lucas: Fantástico. Ya sé qué es, cómo funciona por dentro, y cómo crear una cuenta. Pero ahora viene la pregunta del millón: ¿cómo le hablo? ¿Le pido las cosas "por favor"?

Daniela: ¡Esa es la pregunta clave! Y nos lleva directo a nuestro próximo tema: el arte y la ciencia de escribir buenos "prompts" para obtener exactamente lo que necesitas.

Lucas: ¡Exacto! Porque no es como buscar en Google. Parece que hay que saber pedirle las cosas. ¿Cómo se llama esa tecnología que le permite entendernos?

Daniela: Se llama Procesamiento del Lenguaje Natural, o PLN para abreviar. Es una rama de la inteligencia artificial que, en esencia, se dedica a que las computadoras y los humanos hablen el mismo idioma.

Lucas: O sea, en lugar de aprender nosotros a hablar en código, ¡le enseñamos a la computadora a entendernos a nosotros!

Daniela: ¡Justo eso! El objetivo es que la máquina pueda comprender, interpretar y hasta generar lenguaje humano de una forma que sea útil. Que puedas chatear con ella como si fuera una persona.

Lucas: Ok, eso suena increíble. Pero, ¿para qué lo usaría un estudiante como yo? Más allá de preguntarle cosas raras.

Daniela: ¡Para casi todo! Piensa en esto... puedes pedirle que mejore la redacción de un correo para un profesor. O que te estructure una presentación de historia.

Lucas: ¡Eso es súper útil! ¿Qué más?

Daniela: Puedes pedirle que diseñe una rúbrica de evaluación para un trabajo en equipo. O que redacte un cuento corto con personajes que tú le inventes.

Lucas: Espera, ¿también puede ser creativo?

Daniela: Totalmente. Y también técnico. Le puedes pedir que desarrolle código en Python, que te arme un itinerario para un viaje de fin de semana, o que te ayude a crear un ensayo.

Lucas: Wow. O sea que sirve para la tarea de programación... ¡y para la de literatura!

Daniela: ¡Exactamente! Las posibilidades son enormes. Y lo mejor es que OpenAI lo hizo súper accesible. Solo necesitas un navegador o la app para empezar.

Lucas: Genial. Entonces ya sabemos qué es el PLN y todo lo que puede hacer. La pregunta ahora es, ¿cómo empezamos a usarlo en la práctica?

Daniela: ¡Excelente pregunta, Lucas! Y la respuesta está en algo que suena súper técnico, pero en realidad no lo es: la ingeniería de prompts.

Lucas: ¿Ingeniería de prompts? Suena como a construir un puente para hablar con la inteligencia artificial.

Daniela: ¡Es una muy buena analogía! Piénsalo así: la calidad del contenido que te genera la IA depende directamente de la calidad de tu instrucción. A esa instrucción la llamamos "prompt".

Lucas: Claro. Si le hago una pregunta vaga, me da una respuesta vaga. Tiene sentido.

Daniela: Exacto. Y aquí es donde se pone interesante. Hay dos tipos principales de prompts: los simples y los estructurados.

Lucas: A ver, explícame la diferencia.

Daniela: Un prompt simple es una pregunta directa. Por ejemplo: "¿Cuál es la capital de Francia?". La IA usa su conocimiento previo y te dice "París". Fin de la historia.

Lucas: Fácil y rápido. Me gusta.

Daniela: ¡Pero un prompt estructurado es donde ocurre la magia! Aquí es donde le das un rol, un contexto, una tarea, un formato... todo. Es como darle un guion súper detallado.

Lucas: O sea que puedo decirle: "Actúa como un experto en historia y explícame las causas de la Revolución Francesa en tres párrafos cortos para un estudiante de secundaria".

Daniela: ¡Exactamente! Y la diferencia en la calidad de la respuesta es abismal. Pasas de un dato simple a una explicación útil y personalizada. Es la clave para usar bien la herramienta.

Lucas: Ok, entiendo. Darle más detalles es mejor. ¿Hay alguna técnica específica para estructurar estos prompts?

Daniela: ¡Claro que sí! Hay varias, pero empecemos con las más comunes. La primera es la más básica, que es la que ya mencionamos: el prompt "sin entrenamiento" o *zero-shot*.

Lucas: ¿Sin entrenamiento? ¿Como si no hubiera ido al gimnasio?

Daniela: Algo así. Significa que no le das ejemplos, solo la instrucción. Como tu pregunta de la Revolución Francesa. Solo confías en su conocimiento preexistente.

Lucas: Entendido. ¿Y la siguiente?

Daniela: La siguiente es darle "pocos ejemplos" o *few-shot*. Aquí es donde ayudas a la IA a entender mejor lo que quieres mostrándole un par de ejemplos.

Lucas: ¿Cómo funcionaría eso?

Daniela: Imagina que quieres que clasifique el sentimiento de un texto. Le dices: "Frase: 'Amo este producto', Sentimiento: Positivo. Frase: 'El servicio fue terrible', Sentimiento: Negativo". Y luego le das tu frase nueva. El modelo aprende del patrón que le diste.

Lucas: ¡Wow! Es como enseñarle a pescar en lugar de solo darle el pescado.

Daniela: Justo así. Y para tareas más complejas, hay técnicas como la "cadena de pensamiento". Divides un problema grande en pasos pequeños. Le pides que resuelva el paso uno, y luego usas esa respuesta para el prompt del paso dos, y así sucesivamente.

Lucas: Ah, como planificar un evento. Primero, ¿cuántos invitados? Después, con ese número, ¿cuántas mesas? Y así.

Daniela: ¡Exacto! Lo has captado perfectamente. Es pensar en cómo guiar el razonamiento de la IA paso a paso.

Lucas: Esto es fascinante. Siento que apenas estamos rascando la superficie. Pero, ¿hay errores comunes que la gente comete al escribir prompts? Me gustaría saber qué no hacer.

Daniela: ¡Claro que sí! Un error súper común es ser demasiado vago. Piensas que la IA te lee la mente, pero no es así. Necesita contexto, necesita ejemplos.

Lucas: ¿Ejemplos? ¿Cómo cuáles?

Daniela: Piensa en esto. Le dices a la IA: “Actúa como mi asistente de compras”. Primero, le das los datos. Manzanas: doscientos pesos el kilo. Bananas: ciento cincuenta por cada tres. Naranjas: cinco con setenta y cinco cada una.

Lucas: Entendido. Un poco caras esas manzanas, ¿eh?

Daniela: ¡Totalmente! Pero ahora viene la magia. Después de darle esos datos, le pides: “Calcula cuánto costarían dos kilos de manzanas y cinco bananas”.

Lucas: ¡Ah! Ya le diste todas las reglas del juego. No tiene cómo equivocarse.

Daniela: ¡Exacto! Le diste un modelo para razonar. Eso es mucho más efectivo que solo preguntar el precio final de la nada.

Lucas: Me queda clarísimo. Y esto se aplica a las herramientas que usamos todos los días, ¿verdad?

Daniela: Por supuesto. Especialmente ahora que las plataformas permiten crear tus propios modelos GPT personalizados, usar imágenes en los prompts y hasta consultar información súper actualizada de internet.

Lucas: Entonces, el gran resumen sería: sé claro, da buenos ejemplos y elige la herramienta correcta para tu objetivo.

Daniela: Lo has clavado. No hay una fórmula mágica que sirva para todo. La clave es entender tus necesidades y experimentar sin miedo. ¡Jugar con la herramienta!

Lucas: Me encanta esa conclusión. Daniela, muchísimas gracias por aclarar todo esto. Ha sido fascinante.

Daniela: El placer ha sido mío, Lucas.

Lucas: Y a todos los que nos escuchan, gracias por unirse a Studyfi Podcast. ¡Nos oímos en la próxima!