Ir al contenido

Diferencia entre revisiones de «Inteligencia artificial generativa»

De Wikipedia, la enciclopedia libre
Explorar historial interactivamente
← Ir a diferencia anteriorIr a siguiente diferencia →
Contenido eliminado Contenido añadido
VisualWikitexto
Línea 13: Línea 13:
Desde su fundación, el campo del [[aprendizaje automático]] ha utilizado [[modelos estadísticos]], incluidos [[Modelo generativo|modelos generativos]], para modelar y predecir datos. A partir de finales de la década de 2000, el surgimiento del [[aprendizaje profundo]] impulsó el progreso y la investigación en el procesamiento de imágenes y videos, el análisis de texto, el reconocimiento de voz y otras tareas. Sin embargo, la mayoría de las redes neuronales profundas se entrenaron como modelos [[Modelo discriminativo|discriminativo]]s que realizan tareas de clasificación, como la [[Visión artificial|clasificación de imágenes]] basada en [[redes neuronales convolucionales]].
Desde su fundación, el campo del [[aprendizaje automático]] ha utilizado [[modelos estadísticos]], incluidos [[Modelo generativo|modelos generativos]], para modelar y predecir datos. A partir de finales de la década de 2000, el surgimiento del [[aprendizaje profundo]] impulsó el progreso y la investigación en el procesamiento de imágenes y videos, el análisis de texto, el reconocimiento de voz y otras tareas. Sin embargo, la mayoría de las redes neuronales profundas se entrenaron como modelos [[Modelo discriminativo|discriminativo]]s que realizan tareas de clasificación, como la [[Visión artificial|clasificación de imágenes]] basada en [[redes neuronales convolucionales]].


En 2014, avances como el [[codificador automático variacional]] y la [[red adversarial generativa]] produjeron las primeras redes neuronales profundas prácticas capaces de aprender modelos generativos, en lugar de discriminativos, de datos complejos como imágenes. Estos modelos generativos profundos fueron los primeros capaces de generar no solo etiquetas de clase para imágenes, sino también imágenes completas.
En 2014, avances como el [[autocodificador variacional]] y la [[red generativa adversativa]] produjeron las primeras redes neuronales profundas prácticas capaces de aprender modelos generativos, en lugar de discriminativos, de datos complejos como imágenes. Estos modelos generativos profundos fueron los primeros capaces de generar no solo etiquetas de clase para imágenes, sino también imágenes completas.<ref name="tomczak2022">{{cite book |last=Tomczak |first=Jakub |date=2022 |title=Deep Generative Modeling |url=https://link.springer.com/book/10.1007/978-3-030-93158-2 |location=Cham |publisher=Springer |page=197 |doi=10.1007/978-3-030-93158-2 |isbn=978-3-030-93157-5|s2cid=246946335 }}</ref>


== Modalidades ==
== Modalidades ==

Revisión del 10:16 15 jul 2023

Un wikipedista está trabajando actualmente en este artículo o sección. Es posible que a causa de ello haya lagunas de contenido o deficiencias de formato.
Si quieres, puedes ayudar y editar, pero antes de realizar correcciones mayores contáctalo en su página de discusión o en la del artículo para poder coordinar la redacción.
Este aviso fue puesto el 15 de julio de 2023.

La inteligencia artificial generativa o IA generativa es un tipo de sistema de inteligencia artificial (IA) capaz de generar texto, imágenes u otros medios en respuesta a comandos.[1]​[2]​ Los modelos de IA generativa aprenden los patrones y la estructura de sus datos de entrenamiento de entrada y luego generan nuevos datos que tienen características similares.[3]​[4]​

Los sistemas de IA generativa notables incluyen ChatGPT (y su variante Bing Chat), un bot conversacional creado por OpenAI usando sus modelos de lenguaje grande fundacionales GPT-3 y GPT-4;[5]​ y Bard, un bot conversacional creado por Google usando su modelo básico LaMDA.[6]​ Otros modelos generativos de IA incluyen sistemas de arte de inteligencia artificial como Stable Diffusion, Midjourney y DALL-E.[7]​

La IA generativa tiene aplicaciones potenciales en una amplia gama de industrias, que incluyen el arte, la escritura, el desarrollo de software, el diseño de productos, la atención médica, las finanzas, los juegos, el marketing y la moda.[8]​[9]​[10]​ La inversión en IA generativa aumentó a principios de la década de 2020, con grandes empresas como Microsoft, Google y Baidu, así como numerosas empresas más pequeñas que desarrollan modelos de IA generativa.[1]​[11]​[12]​ Sin embargo, también existen preocupaciones sobre el posible uso indebido de la IA generativa, como la creación de noticias falsas o deepfakes, que pueden usarse para engañar o manipular a las personas.[13]​

Historia

Artículo principal: Historia de la inteligencia artificial
Un piquetero en la huelga del Sindicato de Guionistas de Estados Unidos de 2023. Si bien no es una prioridad principal, una de las solicitudes del WGA en 2023 es «regulaciones sobre el uso de IA (generativa)».[14]​

Desde su fundación, el campo del aprendizaje automático ha utilizado modelos estadísticos, incluidos modelos generativos, para modelar y predecir datos. A partir de finales de la década de 2000, el surgimiento del aprendizaje profundo impulsó el progreso y la investigación en el procesamiento de imágenes y videos, el análisis de texto, el reconocimiento de voz y otras tareas. Sin embargo, la mayoría de las redes neuronales profundas se entrenaron como modelos discriminativos que realizan tareas de clasificación, como la clasificación de imágenes basada en redes neuronales convolucionales.

En 2014, avances como el autocodificador variacional y la red generativa adversativa produjeron las primeras redes neuronales profundas prácticas capaces de aprender modelos generativos, en lugar de discriminativos, de datos complejos como imágenes. Estos modelos generativos profundos fueron los primeros capaces de generar no solo etiquetas de clase para imágenes, sino también imágenes completas.[15]​

Modalidades

A detailed oil painting of figures in a futuristic opera scene
Teatro de Ópera Espacial, una imagen generada por Midjourney

Un sistema generativo de IA se construye aplicando aprendizaje automático no supervisado o auto supervisado a un conjunto de datos. Las capacidades de un sistema de IA generativa dependen de la modalidad o el conjunto de datos utilizado.

Véase también

Referencias

  1. ↑ a b Griffith, Erin; Metz, Cade (27 de enero de 2023). «Anthropic Said to Be Closing In on $300 Million in New A.I. Funding». The New York Times. Consultado el 14 de marzo de 2023. 
  2. ↑ Lanxon, Nate; Bass, Dina; Davalos, Jackie (March 10, 2023). «A Cheat Sheet to AI Buzzwords and Their Meanings». Bloomberg News. Consultado el March 14, 2023. 
  3. ↑ Pasick, Adam (27 de marzo de 2023). «Artificial Intelligence Glossary: Neural Networks and Other Terms Explained». The New York Times (en inglés estadounidense). ISSN 0362-4331. Consultado el 22 de abril de 2023. 
  4. ↑ Andrej Karpathy; Pieter Abbeel; Greg Brockman; Peter Chen; Vicki Cheung; Yan Duan; Ian Goodfellow; Durk Kingma; Jonathan Ho; Rein Houthooft; Tim Salimans; John Schulman; Ilya Sutskever; Wojciech Zaremba (16 de junio de 2016). «Generative models». OpenAI. 
  5. ↑ Metz, Cade (14 de marzo de 2023). «OpenAI Plans to Up the Ante in Tech's A.I. Race». The New York Times (en inglés estadounidense). ISSN 0362-4331. Consultado el 31 de marzo de 2023. 
  6. ↑ Thoppilan, Romal; De Freitas, Daniel; Hall, Jamie; Shazeer, Noam; Kulshreshtha, Apoorv; Cheng, Heng-Tze; Jin, Alicia; Bos, Taylor et ál. (January 20, 2022). «LaMDA: Language Models for Dialog Applications». arXiv:2201.08239  [cs.CL]. 
  7. ↑ Roose, Kevin (21 de octubre de 2022). «A Coming-Out Party for Generative A.I., Silicon Valley's New Craze». The New York Times. Consultado el 14 de marzo de 2023. 
  8. ↑ «Don't fear an AI-induced jobs apocalypse just yet». The Economist. 6 de marzo de 2023. Consultado el 14 de marzo de 2023. 
  9. ↑ Harreis, H.; Koullias, T.; Roberts, Roger. «Generative AI: Unlocking the future of fashion». 
  10. ↑ «How Generative AI Can Augment Human Creativity». Harvard Business Review. 16 de junio de 2023. ISSN 0017-8012. Consultado el 20 de junio de 2023. 
  11. ↑ «The race of the AI labs heats up». The Economist. 30 de enero de 2023. Consultado el 14 de marzo de 2023. 
  12. ↑ Yang, June; Gokturk, Burak (14 de marzo de 2023). «Google Cloud brings generative AI to developers, businesses, and governments». 
  13. ↑ Justin Hendrix (16 de mayo de 2023). «Transcript: Senate Judiciary Subcommittee Hearing on Oversight of AI». techpolicy.press. Consultado el 19 de mayo de 2023. 
  14. ↑ «The Writers Strike Is Taking a Stand on AI». Time (en inglés). 4 de mayo de 2023. Consultado el 11 June 2023. 
  15. ↑ Tomczak, Jakub (2022). Deep Generative Modeling. Cham: Springer. p. 197. ISBN 978-3-030-93157-5. S2CID 246946335. doi:10.1007/978-3-030-93158-2. 
  16. ↑ Bommasani, R; Hudson, DA; Adeli, E; Altman, R; Arora, S; von Arx, S; Bernstein, MS; Bohg, J et ál. (2021-08-16). «On the opportunities and risks of foundation models». arXiv:2108.07258  [cs.LG]. 
  17. ↑ «Explainer: What is Generative AI, the technology behind OpenAI's ChatGPT?». Reuters. 17 de marzo de 2023. Consultado el 17 de marzo de 2023. 
Obtenido de «https://es.wikipedia.org/w/index.php?title=Inteligencia_artificial_generativa&oldid=152476629»